데이터 과학자가 되는 핵심 기술

1장. 데이터 과학자처럼 말하는 방법
__데이터 과학이란 무엇인가?
__데이터 과학 벤 다이어그램
__도메인 지식
__더 많은 전문 용어
__데이터 과학 사례 연구
__요약

2장. 데이터 유형
__데이터의 특색
__데이터를 구분해야 하는 이유
__구조적 데이터와 비구조적 데이터 비교
__정량적 데이터와 정성적 데이터
__지금까지 정리
__데이터의 4가지 수준
__제 눈에 안경인 데이터
__요약

3장. 데이터 과학의 다섯 단계
__데이터 과학 개론
__다섯 단계 개요
__데이터 탐색
__요약

4장. 기초 수학
__학문으로서의 수학
__기본 기호 및 용어
__선형 대수학
__요약

5장. 확률의 기초와 원리
__기본 정의
__확률
__베이지안과 빈도 확률
__복합 이벤트
__조건부 확률
__확률의 규칙
__조금 깊이 들어가기
__요약

6장. 고급 확률
__전체 포괄적인 이벤트
__베이지안 아이디어 재검토
__확률 변수
__요약

7장. 기초 통계
__통계란?
__데이터를 얻고 표본 추출하는 방법
__표본 추출 데이터
__통계를 측정하는 방법
__경험적 규칙
__요약

8장. 고급 통계
__점 추정치
__표본 분포
__신뢰 구간
__가설 검정
__요약

9장. 데이터 의미 전달
__커뮤니케이션이 중요한 이유
__효과적인 시각화와 비효과적인 시각화 식별
__그래프와 통계가 거짓말할 때
__구두 의사소통
__왜/어떻게/어떤 프레젠테이션 전략
__요약

10장. 머신 러닝 요점
__머신 러닝이란 무엇인가?
__머신 러닝은 완벽하지 않다.
__머신 러닝은 어떻게 작동하는가?
__머신 러닝의 유형
__통계적 모델링은 이 모든 것을 어떻게 맞출까?
__선형 회귀
__로지스틱 회귀
__확률, 공산, 로그 공산

11장. 의사 결정 트리에서 자라는 예측
__나이브 베이즈 분류
__의사 결정 트리
__자율 학습
__K-means 클러스터링
__K와 클러스터 검증을 위한 최적의 수 선택
__특징 추출 및 주요 구성 요소 분석
__요약

12장. 필수 요소를 넘어서
__편향 분산 트레이드오프
__K겹 교차 검증
__그리드 검색
__앙상블 기술
__신경망
__요약

13장. 사례 연구
__사례 연구 1: 소셜 미디어를 기반주가 예측
__사례 연구 2: 왜 일부 사람들은 배우자를 속일까?
__사례 연구 3: 텐서플로 사용
__요약