책 이미지
책 정보
· 분류 : 국내도서 > 컴퓨터/모바일 > 인공지능
· ISBN : 9791193595183
· 쪽수 : 380쪽
· 출판일 : 2024-08-30
책 소개
이 책은 머신러닝과 딥러닝의 분석방법에 대한 기본원리를 먼저 설명하고, 단계적 알고리즘을 Excel 워크시트의 기본 내장함수로 처리하여 컴퓨터 프로그래밍을 전혀 모르고, 또한 Excel의 초보자라도 쉽게 따라 할 수 있도록 단계적인 처리방법을 구체적이며 체계적으로 제시하도록 구성하였다.
이 책에서 습득한 머신러닝 및 딥러닝기법 자체로도 간단하면서도 다양한 방식의 의사결정을 데이터기반 및 규칙기반으로 과학적으로 수행할 수 있을 것이며, 보다 높은 수준의 세련된 결정과 다양한 데이터의 분석을 위해 파이썬이나 R을 학습하는데 보다 강력한 기본 지식으로 효과를 발휘할 것으로 생각한다.
날이 갈수록 빅데이터는 보다 더 광범위한 영역에서 보다 크고, 보다 다양하게, 보다 빠른 속도로, 보다 복잡하게 우리에게 전달되고 있다.
빅데이터에서 원하는 정보를 효과적으로 분리하여 자신에게 필요한 지식을 도출하고, 얻은 지식을 지혜롭게 효과적으로 사용하기 위해서는 먼저 빅데이터를 처리해야 하는 과제에 직면한다.
1990년대에 출현한 데이터 마이닝기법은 2010년대는 빅데이터 분석학으로 맞춤형 진화를 보였고, 2013년에 나타난 데이터 사이언스는 여러 분야에 필요한 정보와 통찰력을 얻기 위해 데이터 구성 디자인, 수집, 처리 및 분석, 분석결과의 저장을 효과적으로 수행하는 융합적 지식시스템을 제공하고 있다.
데이터 사이언스는 처리되지 않은 데이터나 센서에서 나온 데이터의 비구조화 데이터를 기호 및 의미분리로 구조화데이터인 정보로 변환시키고, 분석을 통해 패턴 인식과 개념 도출로 지식을 획득하고, 획득한 지식을 파악하여 미래에 대한 예측과 의사결정을 위한 통찰력 및 행동조치를 도출할 수 있는 지혜를 얻는 프로세스를 수행한다. 특히 데이터 사이언스의 빅데이터 처리 및 분석에서 머신러닝과 딥러닝은 기존 프로그램과는 다른 혁신적 성과를 달성하고 있다.
그런데 빅데이터 처리에 대한 도구를 인터넷에서 검색하면 프로그래밍 중심 소프트웨어들인 R, 파이썬(Python), Matlab, SAS, Excel VBA 등이 좋다고 한다.
SAS와 Matlab은 개인이 구하기에는 너무 부담이 크고, 무료로 사용할 수 있는 R과 파이썬은 모두 프로그래밍 언어를 사전에 공부해야 한다. 또한 Excel VBA 역시 프로그램 언어에 익숙해야 제대로 사용할 수 있다.
한편 R, 파이썬, Excel VBA로 방법들을 수행하는 원리와 기법을 학습하는 경우에 마주치는 장벽은 방법을 수행하는 과정에 대한 추적이 어렵고, 출력결과를 보다 다양한 상황이나 변칙적 상황에 대해 적용하는 것도 곤란하여 새로운 방식으로 판을 완전히 짜야 한다는 것이다.
이렇게 머신러닝 및 딥러닝 수행방법의 학습에 대한 비용 및 노력의 부담이 큰 상황과 예상되는 성과수준이 낮은 상황을 극복하기 위해서는 문제 해결방안에 대한 원리와 방법 수행 알고리즘 구성의 이해가 필요하다.
그런데 이러한 필요조건을 충족시키는 효과적이며 최적인 방식이 Excel 워크시트를 활용하여 계산의 정확성과 출력결과의 시각화를 달성하는 것이다.
갈수록 다양하게 진화 및 확대되는 빅데이터를 용도에 맞게 처리할 머신러닝과 딥러닝 기법의 중요성은 더욱 증가할 것이므로, 지금이라도 제대로 공부를 하여 실무 역량을 확충하고 강화해야 할 것이다.
논어의 “學而時習之不亦說乎”(학이시습지 불역열호)의 뜻을 조금 더 깊이 생각하면, 시류에 맞는 배움으로 시대를 선도하는 지식을 갖는 것이 정말 기쁘고 마음이 벅차게 뿌듯한 일일 것이다.
많은 전략이론 교과서에서 “기회는 기다리는 것이 아니라 만들어가는 것이다”라는 교훈을 강조한다.
이 책을 통해 빅데이터시대에 필요한 머신러닝과 딥러닝 방법의 수행 기법을 Excel 워크시트로 과학적 방식으로 체계적이며 효율적으로 학습하여 다양한 활용과 보다 발전된 기법을 익히는 기반을 구축하고 새로운 차원과 수준의 지혜를 축적하는데 도움이 되길 바란다.
2024년 6월 저자 일동
목차
Chapter 01 머신러닝의 원리와 유형
1.1 학습과 머신러닝의 개념
1.1.1 학습의 개념과 프로세스별 특징
1.1.2 지식발견 프로세스와 데이터 마이닝
1.1.3 머신러닝의 개념
1.1.4 머신러닝의 특징과 발달과정
1.1.5 머신러닝의 알고리즘
1.2 머신러닝의 유형
1.2.1 머신러닝 알고리즘의 유형
1.2.2 지도학습
1.2.3 비지도학습
1.2.4 준지도학습
1.2.5 강화학습
1.2.6 딥러닝
1.3 본 책의 구성
1A 워크시트 성분과 마우스 구조
1A.1 Microsoft 365 워크시트 구성요소
1A.2 엑셀 활용에 필요한 컴퓨터 마우스의 구성과 활용법
참고문헌
Chapter 02 EDA, 데이터 클리닝, 속성 선택
2.1 EDA의 개념과 Excel 사용 풀이
2.1.1 EDA의 개념
2.1.2 EDA의 수행 원리
2.1.2 EDA의 Excel 사용 풀이
2.2 데이터 클리닝
2.2.1 데이터 클리닝의 개념
2.2.2 변칙 값들의 규명
2.2.3 변칙 값 규명 결과 기반 데이터 클리닝 수행
2.3 부호화 및 목표 설명 특색속성 선택
2.3.1 클리닝 데이터의 부호화 및 정규화
2.3.2 상관계수 행렬의 계산과 특성 선택
2A 제2장에 사용한 Excel함수
2A.1 IS함수
2A.2 IF함수
2A.3 IFERROR함수
2A.4 AND함수와 OR함수
2A.5 COUNT함수와 COUNTA함수
2A.6 CORREL함수
2A.7 INDEX함수
2B 표본크기 결정 SW G*Power 다운로드와 사용
참고문헌
Chapter 03 회귀분석
3.1 단순회귀의 Excel 사용 풀이
3.1.1 SLOPE함수 및 INTERCEPT함수 사용
3.1.2 LINEST함수와 배열수식 처리
3.2 다중회귀모델의 Excel 사용 풀이
3.2.1 다중회귀분석의 LINEST함수 사용 풀이
3.2.2 LINEST함수 사용 다중회귀분석의 적합도 및 유의성 검정
3A 회귀방정식과 관련 함수
3A.1 단순회귀모형
3A.2 다중회귀분석 원리와 검정통계량 계산
3A.3 SLOPE함수
3A.4 INTERCEPT함수
3A.5 LINEST함수
3A.6 MATCH함수
3A.7 F.DIST.RT함수
3A.8 T.DIST.2T함수
참고문헌
Chapter 04 군집분석 도구와 K-평균 군집화
4.1 군집분석의 개념과 수행 알고리즘
4.1.1 비지도학습기법과 군집분석의 개념
4.1.2 군집화 수행 프로세스
4.1.3 군집화 알고리즘
4.1.4 개체 간 거리 측정
4.1.5 유클리드 거리 사용 집괴방법
4.1.6 덴드로그램
4.1.7 군집화 우수성 측정
4.2 K-평균 군집화의 개념과 알고리즘
4.2.1 K-평균 군집화의 개념
4.2.2 K-평균방법 알고리즘
4.3 K-평균 군집화의 Excel 풀이
4.3.1 자료 입력과 군집 수 K 및 평균(중심) 결정
4.3.2 유클리드 거리 계산과 군집화
4.3.3 새로운 K-평균 군집화의 반복 수행
4.3.4 K-평균 군집화를 통한 패턴 규명
4A 제4장에서 사용한 Excel함수들
4A.1 SUMXMY2함수
4A.2 AVERAGEIFS함수
4A.3 INDIRECT 함수
참고문헌
Chapter 05 계층 군집화와 덴드로그램
5.1 계층 군집분석 수행 요령
5.1.1 계층군집분석의 특징
5.1.2 계층 군집화 수행 알고리즘
5.2 덴드로그램 작성
5.2.1 2차원 공간의 덴드로그램 작성 방법
5.2.2 레이블 표시 덴드로그램 작성
5.3 계층군집화의 Excel 풀이
5.3.1 상황설정 및 제1단계 조치
5.3.2 제2단계 조치
5.3.3 제3단계 조치
5.3.4 제4단계 조치
5.3.5 제5단계 조치
5.3.6 제6단계 조치
5.3.7 제7단계 조치
5.3.8 제8단계 조치
5.3.9 제9단계 조치
5.3.10 제10단계 조치
5.3.11 덴드로그램 작성
참고문헌
Chapter 06 판별분석 특징과 선형판별분석 수행
6.1 판별분석의 개념과 특징
6.1.1 판별분석의 개념
6.1.2 판별분석의 특징
6.1.3 판별분석 알고리즘
6.2 Excel 사용 선형판별함수 처리
6.2.1 워크시트의 틀 고정과 한 화면에서 작업수행 준비
6.2.2 선형판별분석의 Excel 사용 풀이
6.2.3 최적 판별함수 도출
6A 선형판별함수의 원리 및 알고리즘과 사용 Excel 함수
6A.1 판별함수의 원리
6A.2 선형판별함수 알고리즘
6A.3 최대화 수행을 위한 Excel “해 찾기”(Solver) 설치
6A.4 MMULT 함수
참고문헌
Chapter 07 로짓회귀
7.1 로짓회귀의 개념 및 특징과 수행 프로세스
7.1.1 로짓회귀의 개념
7.1.2 로짓회귀의 특징
7.1.3 로짓회귀 알고리즘과 적합도 검정
7.2 최대로그우도추정과 최소로그손실추정
7.2.1 최대로그우도추정
7.2.2 최소로그우도손실추정
7A 해 찾기 도구의 활용 방법
참고문헌
Chapter 08 KNN(K-최근접 이웃) 분류
8.1 KNN 분류의 개념 및 특징과 알고리즘
8.1.1 KNN 분류의 개념
8.1.2 KNN 분류의 특징
8.1.3 KNN 분류의 연속변수 알고리즘
8.1.4 KNN 분류의 범주변수 알고리즘 수행 프로세스
8.2 KNN방법 프로세스의 Excel 풀이
8.2.1 정량변수 속성 기반 K-NN 방법의 수행 프로세스
8.2.2 동일부류 및 수락 확률 적용 K-NN 방법의 수행 프로세스
8.2.3 동일 부류 확률 및 축척화 기반 K-NN 방법의 수행 프로세스
8.2.4 동일 부류 확률 및 축척화 기반 다항 라벨 K-NN 방법의 수행
8A 계산에 사용한 새로운 Excel함수들
8A.1 SMALL함수
8A.2 COUNTIF함수
8A.3 COUNTIFS함수
8A.4 SUMIFS 함수
참고문헌
Chapter 09 나이브 베이즈 분류
9.1 나이브 베이즈 분류의 개념 및 원리와 알고리즘
9.1.1 나이브 베이즈 분류의 개념
9.1.2 나이브 베이즈 분류의 원리
9.1.3 나이브 베이즈 분류의 적용 방식
9.2 나이브 베이즈 분류의 기초형 Excel 풀이
9.2.1 나이브 베이즈 데이터 구성 및 수행 과제의 설정
9.2.2 채점 데이터 조건부 확률 계산 및 라벨 표시
9.3 나이브 베이즈 분류의 일반형 Excel 풀이
9.3.1 속성 범주 및 종속변수 부류 확률행렬 구성
9.3.2 사전 단일확률 및 결합확률 계산
9.3.3 사후 조건부확률 계산
참고문헌
Chapter 10 ANN과 딥러닝 Excel 풀이
10.1 ANN의 개념, 특징과 알고리즘
10.1.1 ANN의 기원 및 개념
10.1.2 ANN의 특징
10.1.3 ANN 알고리즘
10.2 딥러닝 Excel 풀이 : 단일 은닉층 ANN 적용
10.2.1 ANN 구성에 대한 정의
10.2.2 집계함수 사용 은닉층함수 가중치 및 절편 계산
10.2.3 활성화함수 사용 출력 값 및 오차제곱 계산
10.2.4 오차제곱합 최적화 해 찾기
10.2.5 부류 구분 분리 값 계산
10.2.6 검정 데이터집합 기반 최적화 신경망모델 평가
10.3 딥러닝 Excel 풀이 : 이중 은닉층 ANN 적용
10.3.1 이중 은닉층 사용 ANN의 구성 정의
10.3.2 데이터 집계와 정규화 및 출력물1의 오차제곱합 계산
10.3.3 은닉층 1의 오차제곱합 최소화와 모수 최적화
10.3.4 출력물 2의 오차제곱합 계산
10.3.5 은닉층 2의 오차제곱합 최소화와 모수 최적화
10.3.6 분리 값 설정과 부류 예측
10.3.7 딥러닝의 채점 데이터집합 표본 부류 예측
참고문헌
Chapter 11 교차검증 및 ROC분석
11.1 교차검증의 개념과 Excel 적용 풀이
11.1.1 교차검증의 개념
11.1.2 교차검증의 Excel 풀이
11.2 ROC분석의 개념 및 알고리즘과 Excel 적용 풀이
11.2.1 ROC분석의 개념
11.2.2 ROC분석의 알고리즘
11.2.3 ROC곡선의 Excel 적용 풀이
참고문헌
Chapter 12 의사결정 트리
12.1 의사결정 트리의 개념과 마디 분리 및 정보이익
12.1.1 의사결정 트리의 개념
12.1.2 트리 엔트로피의 Excel 풀이
12.1.3 의사결정 트리의 정보이익
12.2 트리 마디 분리, 정보 결정, 예측의 Excel 풀이
12.2.1 최대 정보이익 기준 마디 분리 Excel 풀이
12.2.2 마디 분리 종료 및 트리 완성 Excel 풀이
12.2.3 트리 기반 미래사상 예측 Excel 풀이
참고문헌
Chapter 13 연관분석
13.1 연관분석의 개념과 알고리즘
13.1.1 연관분석 개념과 가격결정 동향
13.1.2 연관분석의 알고리즘
13.2 연관분석의 엑셀 풀이
13.2.1 장바구니 데이터 사용 연관분석 테이블 프레임 작성
13.2.2 연관분석 데이터 테이블 작성
13.2.3 품목 기준 연관분석 테이블 설정
13.2.4 단일 거래에서 두 품목의 동시 판매 횟수 계산
13.2.5 지지도와 신뢰도 요건 충족 연관분석 수행
13A 검토할 Excel함수
13A.1 PERMUT함수
13A.2 COMBINA함수
13A.3 TEXT함수
13A.4 TEXTJOIN함수
참고문헌
Chapter 14 텍스트 마이닝
14.1 텍스트 마이닝의 개념과 알고리즘
14.1.1 텍스트 마이닝의 개념과 중요성
14.1.2 텍스트 마이닝의 알고리즘
14.2 텍스트 마이닝 엑셀 풀이
14.2.1 핵심어 및 부정어와 불용어 사전 작성
14.2.2 데이터 구간의 이름 지정
14.2.3 텍스트 데이터의 전처리
14A 검토할 Excel함수들
14A.1 LOWER함수
14A.2 TRIM함수
14A.3 MID함수
14A.4 LEN함수
14A.5 LEFT함수
참고문헌
Chapter 15 시계열분석
15.1 시계열 데이터의 특징, 예측, 결정요인
15.1.1 시계열 데이터의 특징
15.1.2 시계열 데이터 사용 예측
15.1.3 시계열의 4대 결정요인
15.1.4 예측 알고리즘과 딥러닝의 강점
15.2 시계열 데이터 분해의 엑셀 워크시트 사용 풀이
15.2.1 추세분석의 엑셀 풀이
15.2.2 순환변동분석의 엑셀 풀이
15.2.3 계절변동분석
15.2.4 지수평활예측 원리와 엑셀 풀이
15.3 예측 관련 Excel함수
15.3.1 LOGEST함수
15.3.2 TREND함수
15.3.3 FORECAST.ETS 함수
15.3.4 GROWTH함수
참고문헌
찾아보기
