데이터 사이언스 입문

PART 1 데이터 사이언스의 이해
01 데이터 분석의 목적은 더 나은 의사 결정이다
02 도대체 데이터란 무엇인가?
03 데이터 분석에 필요한 4가지 역량

PART 2 데이터 분석 프로세스와 데이터 취합
01 데이터 분석 프로세스
02 데이터 취합과 크롤링
03 데이터 전처리

PART 3 탐색적 데이터 분석과 기술통계
01 탐색적 데이터 분석이란?
02 기술 통계량과 차트
03 분산과 표준편차는 변동성을 가리킨다
04 일반적인 것과 특별한 것

PART 4 샘플 데이터로 전체를 예측할 수 있는가?
01 전수조사의 문제점
02 몬테카를로 동전 실험과 표본오차
03 중심 극한의 정리
04 표준오차와 적정 표본 수
05 표본오차와 비표본오차
06 무작위 추출과 근거 피라미드

PART 5 가설 수립과 유의성 검정
01 네이만-피어슨 추론과 베이즈 추론
02 표준 통계학의 역사
03 귀무가설과 대립가설
04 유의수준과 유의확률
05 표준 통계학의 가설 검정 단계
06 유의확률 계산 도구
07 언제 어떤 검정법이 필요한가?
08 카이제곱 검정: 월마트 영수증 분석
09 T 검정: 두 표본 집단간의 평균의 비교
10 회귀분석: 노벨상을 수여한 구호 사업

PART 6 머신러닝과 데이터 분석 모델링
01 알고리즘과 데이터 분석 모델
02 데이터 분석 모델의 복잡도와 성능
03 인공지능과 머신러닝, 그리고 딥러닝
04 머신러닝이 탁월한 효과를 발휘하는 순간
05 베이즈 추론과 축차합리성
06 널리 알려진 머신러닝 알고리즘

PART 7 대표적인 데이터 분석 도구
01 알고리즘 구현 언어
02 입문자 추천 데이터 분석 도구
03 자, 이제 남은 건?
04 저자의 말

Appendix - 주요 데이터 분석 도구 소개

“정보 홍수 시대에 소화해야 할 지식은 폭증하는 상황이다. 데이터 사이언스 분야에 입문하거나 데이터 분석을 실무에 적용해서 가시적인 성과를 만들어내야 하는 사람들이 이 책을 통해서 짧은 시간 안에 데이터 사이언스 전체 그림을 파악하고, 실무 데이터 분석 기법들을 이해하고 적용하는 구체적인 방법을 제시하고자 한다.”
- 『머리말』 중에서

“방대한 데이터의 관계를 수학적으로 파악하는 과정을 사람이 수작업으로 진행하는 것은 불가능에 가깝다. 따라서, 데이터 분석 업무에는 반드시 분석 도구의 힘을 활용할 수 있어야 한다. 인기 있는 분석 도구의 종류는 엑셀(Excel), 구글 애널리틱스(Google Analytics), R Studio, 파이썬(Python), 애저(Azure), 아파치(Apache), 텐서플로우(TensorFlow) 등 헤아릴 수 없이 많다. 이 중 완벽한 도구란 없으며, 모든 도구는 각각 특징이 있고, 특정 분석 모델이나 알고리즘, 기능에 강점을 갖는다. 분석 도구는 데이터 분석 프로세스의 일부분을 사람 대신 수행하는 역할을 하는 것으로, 분석 도구 활용 역량이 분석의 질에 큰 영향을 줄 수도 있다.”
- 『데이터 사이언스의 이해』 중에서

“웹에서 데이터를 수집하는 크롤링은 매우 어려운 작업처럼 보이지만, 흔히 쓰는 엑셀(Excel) 프로그램을 이용해 누구나 할 수 있다. 엑셀 2010 PRO 이후 버전을 쓰는 사람이라면 누구나 [데이터] 탭에서 “외부 데이터 가져오기”를 볼 수 있다. 웹 크롤링을 하려면 데이터를 가져올 곳을 “웹”으로 선택하면 된다. ”
- 『데이터 분석 프로세스와 데이터 취합』 중에서