파이썬으로 배우는 데이터 과학 입문과 실습

▣ 01장: 빅데이터 세상에서의 데이터 과학
1.1. 데이터 과학 및 빅데이터의 이점과 활용
1.2. 데이터 종류
___1.2.1. 구조적 데이터
___1.2.2. 비구조적 데이터
___1.2.3. 자연어
___1.2.4. 기계 생성 데이터
___1.2.5. 그래프 데이터 또는 네트워크 데이터
___1.2.6. 오디오, 이미지, 비디오
___1.2.7. 스트리밍 데이터
1.3. 데이터 과학 과정
___1.3.1. 연구 목표 설정
___1.3.2. 데이터 획득
___1.3.3. 데이터 준비
___1.3.4. 데이터 탐색
___1.3.5. 데이터 모델링 또는 모델 구축
___1.3.6. 발표 및 자동화
1.4. 빅데이터 생태계와 데이터 과학
___1.4.1. 분산 파일 시스템
___1.4.2. 분산 프로그래밍 프레임워크
___1.4.3. 데이터 통합 프레임워크
___1.4.4. 머신러닝 프레임워크
___1.4.5. NoSQL 데이터베이스
___1.4.6. 스케줄링 도구
___1.4.7. 벤치마크 도구
___1.4.8. 시스템 배포
___1.4.9. 서비스 프로그래밍
___1.4.10. 보안
1.5. 하둡 작업의 예
1.6. 요약

▣ 02장: 데이터 과학 진행 과정
2.1. 데이터 과학 진행 과정 개요
___2.1.1. 과정의 노예가 되지 마라
2.2. 1단계: 연구 목표 설정 및 프로젝트 사명서 작성
___2.2.1. 연구의 목표와 맥락을 이해하는 데 시간을 투자하라
___2.2.2. 프로젝트 사명서 작성
2.3. 2단계: 데이터 획득
___2.3.1. 회사 내에 저장된 데이터로 시작하기
___2.3.2. 여기저기서 데이터를 사는 일을 두려워 마라
___2.3.3. 문제가 일어나지 않게 데이터의 품질을 미리 확인하라
2.4. 3단계: 데이터 정제, 통합, 변환
___2.4.1. 데이터 정제
___2.4.2. 오류를 최대한 일찍 수정하라
___2.4.3. 서로 다른 출처로부터 얻은 데이터 합치기
___2.4.4. 데이터 변환
2.5. 4단계: 탐색적 데이터 분석
2.6. 5단계: 모델 구축
___2.6.1. 모델과 변수 선택
___2.6.2. 모델링 실시
___2.6.3. 모델 분석과 비교
2.7. 6단계: 분석 결과 표현과 애플리케이션 구축
2.8. 요약

▣ 03장: 머신러닝
3.1. 머신러닝의 정의와 중요성
___3.1.1. 데이터 과학에 머신러닝을 적용
___3.1.2. 데이터 과학 진행 과정에서 머신러닝이 사용되는 곳
___3.1.3. 머신러닝에 사용하는 파이썬 도구
3.2. 모델링 과정
___3.2.1. 특성 공학과 모델 선택
___3.2.2. 모델 훈련
___3.2.3. 모델 검증
___3.2.4. 새로운 관찰을 예측하기
3.3. 머신러닝 종류
___3.3.1. 지도 학습
___3.3.2. 비지도 학습
___3.3.3. 준지도 학습
3.4. 요약

▣ 04장: 컴퓨터 한 대에서 대량 데이터 다루기
4.1. 대량 데이터를 다룰 때의 문제
4.2. 대량 데이터를 처리하는 일반적인 기법
___4.2.1. 적절한 알고리즘 선택
___4.2.2. 적절한 데이터 구조 선택
___4.2.3. 적절한 도구 선택
4.3. 대규모 데이터셋을 다룰 때의 일반적인 프로그래밍 지침
___4.3.1. 바퀴를 재발명하지 말라
___4.3.2. 하드웨어 성능을 최대한 활용하라
___4.3.3. 컴퓨팅의 필요를 줄여라
4.4. 사례 연구 1: 해로운 URL 여부 예측
___4.4.1. 1단계: 연구 목표 설정
___4.4.2. 2단계: URL 데이터 얻기
___4.4.3. 4단계: 데이터 탐색
___4.4.4. 5단계: 모델 구축
4.5. 사례 연구 2: 데이터베이스에 추천 시스템 구축
___4.5.1. 필요한 도구 및 기법
___4.5.2. 1단계: 연구 질문
___4.5.3. 3단계: 데이터 준비
___4.5.4. 5단계: 모델 구축
___4.5.5. 6단계: 표현 및 자동화
4.6. 요약

▣ 05장: 빅데이터 첫걸음
5.1. 프레임워크를 이용해 데이터 저장과 처리를 분산화하기
___5.1.1. 하둡: 대규모 데이터셋을 저장하고 처리하기 위한 프레임워크
___5.1.2. 스파크: 더 높은 성능을 내기 위해 맵리듀스를 대체
5.2. 사례 연구: 금전 대출 위험 평가
___5.2.1. 1단계: 연구 목표 설정
___5.2.2. 2단계: 데이터 획득
___5.2.3. 3단계: 데이터 준비
___5.2.4. 4단계: 데이터 탐색 & 6단계: 보고서 구축
5.3. 요약

▣ 06장: NoSQL 운동에 동참하기
6.1. NoSQL 개요
___6.1.1. ACID: 관계형 데이터베이스의 핵심 원리
___6.1.2. CAP 정리: 여러 노드에 걸쳐 존재하는 DB의 문제
___6.1.3. NoSQL 데이터베이스의 BASE 원칙
___6.1.4. NoSQL 데이터베이스의 종류
6.2. 사례 연구: 질병 진단
___6.2.1. 1단계: 연구 목표 설정
___6.2.2. 2단계와 3단계: 데이터 획득 및 준비
___6.2.3. 4단계: 데이터 탐색
___6.2.4. 3단계를 반복: 질병 프로파일링을 위한 데이터 준비
___6.2.5. 4단계를 반복: 질병 프로파일링을 위한 데이터 탐색
___6.2.6. 6단계: 표현 및 자동화
6.3. 요약

▣ 07장: 그래프 데이터베이스의 부상
7.1. 연결 데이터와 그래프 데이터베이스
___7.1.1. 그래프 데이터는 무엇이며 언제 사용해야 하는가?
7.2. 네오포제이(Neo4j): 그래프 데이터베이스
___7.2.1. 사이퍼(Cypher): 그래프 질의 언어
7.3. 연결 데이터 예제: 요리법 추천 엔진
___7.3.1. 1단계: 연구 목표 설정
___7.3.2. 2단계: 데이터 획득
___7.3.3. 3단계: 데이터 준비
___7.3.4. 4단계: 데이터 탐색
___7.3.5. 5단계: 데이터 모델링
___7.3.6. 6단계: 표현
7.4. 요약

▣ 08장: 텍스트 마이닝과 텍스트 분석
8.1. 실제 세계에서의 텍스트 마이닝
8.2. 텍스트 마이닝 기법
___8.2.1. 단어 주머니
___8.2.2. 형태소 처리와 표제어 추출
___8.2.3. 의사결정 트리 분류기
8.3. 사례 연구: 레딧 게시물 분류
___8.3.1. 자연어 도구 사용하기
___8.3.2. 데이터 과학 과정 개요 및 1단계: 연구 목표
___8.3.3. 2단계: 데이터 획득
___8.3.4. 3단계: 데이터 준비
___8.3.5. 4단계: 데이터 탐색
___8.3.6. 3단계를 반복: 데이터 준비 적응
___8.3.7. 5단계: 데이터 분석
___8.3.8. 6단계: 발표 및 자동화
8.4. 요약

▣ 09장: 최종 사용자를 위한 데이터 시각화
9.1. 데이터 시각화의 선택사항
9.2. Crossfilter: 자바스크립트 맵리듀스 라이브러리
___9.2.1. 구성
___9.2.2. 크로스필터를 사용해 의약품 데이터셋을 필터링
9.3. dc.js로 상호작용 대시보드 만들기
9.4. 대시보드 개발 도구
9.5. 요약

▣ 부록A: 일래스틱서치 설치
A.1. 리눅스에 일래스틱서치 설치하기
A.2. 윈도우에 일래스틱서치 설치하기

▣ 부록B: Neo4j 설치
B.1. 리눅스에 Neo4j 설치하기
B.2. 윈도우에 Neo4j 설치하기

▣ 부록C: MySQL 서버 설치
C.1. 윈도우에 MySQL 서버 설치하기
C.2. 리눅스에 MySQL 서버 설치하기

▣ 부록D: 아나콘다 설치 및 가상 환경 구성
D.1. 리눅스에 아나콘다 설치하기
D.2. 윈도우에 아나콘다 설치하기
D.3. 환경 설정