그림으로 배우는 데이터 사이언스 입문

들어가기 앞서
저자 소개
역자의 말
역자 소개

제1장 데이터 사이언스란? ― 데이터와 사회 ―
1-1 데이터와 사회
1 우리의 일상 생활과 데이터
2 다가온 데이터화 사회

1-2 데이터 사이언스와 데이터 사이언티스트
1 데이터 사이언스는 다양한 정의가 가능한 과학
2 데이터 해석의 4가지 공정
3 데이터 사이언티스트의 업무

제2장 데이터를 알자 ― 데이터 해석의 제1공정 ―
2-1 데이터 타입을 분류한다
1 조사 데이터와 비조사 데이터
2 빅데이터와 비(非)빅데이터

2-2 데이터 특징을 잡아라
1 변수와 데이터
2 양적 데이터와 질적 데이터
3 개표(個票) 데이터와 집계 데이터

2-3 데이터를 준비한다
1 조사에 의한 데이터 수집
2 웹에서 데이터 수집

2-4 데이터를 정형화한다
1 데이터를 정형화하는 것은
2 완전 데이터와 불완전 데이터
3 이상치
4 선택 편향(Bais)

제3장 데이터 읽기― 데이터 해석의 제2공정 ―
3-1 데이터를 집계하고 가시화한다
1 데이터 분포를 파악한다
2 다양한 그래프

3-2 데이터 정보를 요약한다
1 데이터 정보를 얻는다
2 1변수 데이터의 특징을 알다
3 2변수의 관계를 발견한다
4 다차원 데이터의 관계를 파악한다
5 결론을 일반화하기 위해서

제4장 데이터를 분류하다― 데이터 해석의 제3공정 ―
4-1 비슷한 것들을 분류한다
1 클러스터 분석의 사고방식
2 클러스터 분석으로 분류한다

4-2 복수 변수를 합성한다
1 주성분 분석의 사고방식
2 주성분 분석으로 분류한다

4-3 질적 데이터를 분석하다
1 수량화Ⅲ류의 사고방식
2 수량화Ⅲ류로 분석한다

제5장 데이터로부터 예측한다― 데이터 해석의 제4공정 ―
5-1 데이터에 기반해서 예측한다
1 회귀분석의 사고방식
2 회귀분석으로 예측한다

5-2 예측의 질을 평가한다
1 다중회귀분석의 사고방식
2 좋은 회귀모델이란
3 다양한 회귀진단

5-3 질적 데이터를 예측한다
1 수량화Ⅰ류
2 로지스틱 회귀

제6장 데이터 윤리를 생각하다― 데이터화 사회에 경종 ―
6-1 데이터 윤리란
1 데이터 윤리와 데이터화 사회
2 정보 윤리의 4가지 원칙과 데이터 윤리의 규범 예
3 분석의 윤리

6-2 윤리 위반 사건집
1 디오반 사건
2 통계부정 사건

제7장 데이터 사이언스와 AI― 빅데이터가 가져온 데이터 혁명 ―
7-1 기계학습의 기본
1 기계학습ㆍ심층학습ㆍAI
2 데이터 프리퍼레이션
3 선택 알고리즘
4 파라미터 튜닝
5 모델 선택

7-2 뉴런 네트워크와 AI
1 AI와 데이터 사이언스의 관계
2 뉴런 네트워크란
3 뉴런 네트워크의 구성 요소

부록 데이터 사이언스를 체험하다
데이터 사이언스의 이해를 높이기 위한 참고 도서
찾아보기