현장에서 바로써먹는 데이터 분석 with R

Chapter 1 데이터 분석의 이해

1 데이터란?
1-1 데이터의 정의
1-2 데이터 → 정보 → 지식 → 지혜
1-3 빅데이터의 등장
1-4 빅데이터가 만들어 내는 변화
1-5 빅데이터의 활용
1-6 빅데이터와 인공지능

2 데이터 분석이란?
2-1 데이터 과학? 데이터 분석? 데이터 마이닝?
2-2 데이터 분석가와 데이터 과학자
2-3 도메인 지식

3. 데이터 분석의 발달 과정
3-1 통계학의 등장
3-2 사람들이 통계를 어려워하는 이유
3-3 컴퓨터의 등장과 인공지능
3-4 인공지능, 머신러닝 그리고 딥 러닝

4 데이터 분석 과정
4-1 데이터 분석의 결과물
4-2 데이터 분석 과정

5 데이터 분석 가이드 맵
[요약]
[연습문제]

Chapter 2 데이터 분석을 위한 준비

1 데이터 수집
1-1 데이터 수집 방법
1-2 데이터베이스에서의 데이터 수집 방법?SQL
1-3 웹에서의 데이터 수집 방법?웹 크롤링
1-4 API에서의 데이터 수집 방법

2 데이터 셋 준비 시 주의해야 할 점
2-1 분석에 적합한 데이터 형태
2-2 이항 데이터
2-3 범주형 데이터를 수치화시키는 방법?One?Hot Encoding

3 R & RStudio 설치하기
3-1 R이 무엇인가요?
3-2 R의 특징
3-3 R을 배울까요? 파이썬을 배울까요?
3-4 R 설치하기(Windows 기반)
3-5 R 설치하기(Mac OS 기반)
3-6 RStudio 설치하기(Windows 기반)
3-7 RStudio 화면 구성

4 Studio 새 프로젝트 만들기
4-1 새 프로젝트 만들기
4-2 프로젝트 저장하기
4-3 새 소스 탭 추가하기
4-4 소스 파일 불러오기

5 패키지 설치하기
5-1 패키지란?
5-2 패키지 설치하기(인터넷 연결 환경)
5-3 패키지 설치하기(Off-Line 환경)
[요약]
[연습문제]

Chapter 3 데이터 다루기

1 R 문법에 대한 이해
1-1 R 문법 체계
1-2 변수
1-3 주석 사용하기
1-4 도움말 및 예제 불러오기

2 데이터 프레임 다루기
2-1 데이터 프레임이란?
2-2 데이터 프레임 다루기
2-3 나머지 데이터 타입

3. 데이터 정제
3-1 결측치(NA)
3-2 이상치(Outlier)
3-3 스케일링(Scaling)
[요약]
[연습문제]

Chapter 4 통계 분석과 기본 그래프

1 어제까지 몇 마리의 병아리가 부화했을까?(기초 통계량)
1-1 데이터 불러오기
1-2 데이터 확인하기
1-3 기초 통계량 구하기
1-4 데이터 정렬하기
1-5 막대 그래프 그려보기
1-6 그래프 색상 바꿔보기
1-7 그래프 위에 텍스트 추가하기
1-8 그래프 위에 선 추가하기
1-9 파이 차트 그려보기

2 부화한 병아리들의 체중은 얼마일까?(정규분포와 중심극한정리)
2-1 데이터 불러와서 구조와 유형 확인하기
2-2 통계량으로 분포 확인하기
2-3 히스토그램으로 분포 확인하기
2-4 상자그림으로 분포 확인하기
2-5 다중 그래프로 분포 확인하기

3 사료 제조사별 성능 차이가 있을까?(가설검정)
3-1 데이터 불러와서 확인하기
3-2 상자그림으로 분포 비교하기
3-3 정규분포인지 검정하기
3-4 t-test로 두 집단 간 평균 검정하기
[요약]
[연습문제]

Chapter 5 상관 분석과 회귀 분석
1 병아리의 성장에 영향을 미치는 인자는 무엇일까?(상관분석)
1-1 상관분석이란?
1-2 데이터 불러와서 확인하기
1-3 상관분석을 위한 별도 데이터 셋 만들기
1-4 상관분석 실시
1-5 상관분석 결과 표현하기

2 병아리의 체중을 예측할 수 있을까?(회귀분석)
2-1 회귀분석이란?
2-2 단순 선형 회귀분석
2-3 다중 회귀분석
2-4 다중공선성
2-5 비선형 회귀분석
[요약]
[연습문제]

Chapter 6 분류 및 군집 분석
1 병아리의 성별을 구분할 수 있을까?(로지스틱 회귀)
1-1 로지스틱 회귀란?
1-2 데이터 불러와서 확인하기
1-3 로지스틱 회귀분석
1-4 분류 알고리즘의 성능 평가 방법
1-5 로지스틱 회귀모델의 성능 평가
2 병아리의 품종을 구분할 수 있을까?(분류 알고리즘)
2-1 다양한 분류 알고리즘
2-2 나이브 베이즈 분류
2-3 k-최근접 이웃
2-4 의사결정나무
2-5 배깅
2-6 부스팅
2-7 랜덤 포레스트
2-8 서포트 벡터 머신
2-9 XGBoost와 하이퍼 파라미터 튜닝
2-10 분류 알고리즘 결과 정리

3 효과적인 사육을 위해 사육환경을 분리해보자!(군집 알고리즘)
3-1 군집 알고리즘
3-2 k-평균 군집 알고리즘
[요약]
[연습문제]

Chapter 7 인공 신경망과 딥 러닝

1 성장한 닭의 체중을 예측할 수 있을까?(회귀)
1-1 인공신경망이란?
1-2 데이터 확인 및 분할하기
1-3 상관계수 확인 및 간단한 신경망 구현
1-4 회귀모델의 성능 평가
1-5 딥 러닝이란?
1-6 H2O 활용 딥 러닝 구현(회귀)

2 딥 러닝을 이용해 병아리 품종을 다시 구분해 보자!(분류)
2-1 Keras 활용 딥 러닝 구현(분류)
2-2 과적합을 줄이는 방법(드롭아웃)
[요약]
[연습문제]

Chapter 8 텍스트 마이닝
1 고객 리뷰에서 어떻게 핵심을 파악할 수 있을까?(워드 클라우드)
1-1 워드 클라우드란?
1-2 Rtools 설치하기
1-3 패키지 설치하기
1-4 세종사전 및 데이터 불러오기
1-5 텍스트 데이터 가공하기

2 고객들은 정말로 만족했을까?(감성 분석)
2-1 감성 분석이란?
2-2 감성 사전 준비
2-3 데이터 가공 3
2-4 감성 분석
2-5 결과 시각화
[요약]
[연습문제]

Chapter 9 참고할 만한 내용들
1 데이터베이스 연결 및 SQL 사용법
1-1 데이터베이스 연결 방법
1-2 데이터베이스 테이블의 데이터 조회(Select)
1-3 데이터베이스 테이블의 데이터 입력(Insert)
1-4 데이터베이스 테이블의 데이터 삭제(Delete)

2 비대칭 데이터
2-1 비대칭 데이터란?
2-2 언더 샘플링
2-3 오버 샘플링

3 차원축소와 주성분 분석(PCA)
3-1 차원축소란?
3-2 주성분 분석(PCA)

4 데이터 재구조화(Melt & Cast)
4-1 데이터 재구조화
4-2 열을 행으로 변환(Melt)
4-3 행을 열로 변환(Cast)

5 학습을 위한 대표적인 데이터 셋 소개
5-1 R 내장 데이터 셋
5-2 MNIST
5-3 학습용 데이터 셋 취득

6 데이터 분석 학습 사이트 소개
6-1 생활코딩
6-2 데이터 사이언스 스쿨
6-3 코세라
6-4 캐글
연습문제 정답

저자의 현업 데이터 분석 발전과정을 관찰할 수 있다는 것이 본 서적의 최고 강점이 아닐까 생각합니다. ‘김대표’라는 가상의 인물이 양계농장을 운영하면서 다양한 형태의 데이터를 접하고, 이를 분석해 해결해 나가는 것을 자연스럽게 따라간다면 그 수준의 편차는 존재할지라도 독자의 가슴 속에 데이터 분석의 마인드는 쉽게 장착될 것이라 확신합니다.
이 책은 저자가 실제로 R을 사용하며 겪었던 문제 상황과 R을 처음 다루면 누구나 겪을 수 있는 문제들을 정리하여 설명해 주고 있어서 책 한 권으로 데이터 분석의 기본을 쉽고 빠르게 배울 수 있습니다. 데이터라는 용어 그 자체에 대한 이론적 설명, R을 활용한 통계분석을 거쳐 최근 화두가 되고 있는 딥 러닝 및 텍스트마이닝을 한 권의 서적을 통해 정돈된 방법으로 설명하고 있습니다.
문일경/서울대학교 산업공학과 교수

개인적으로, R을 사용해 데이터를 분석하는 책 중에서 가장 재밌게 읽었습니다. 많은 양을 꼼꼼하고 유머러스하게 설명했습니다. 깊이 있는 어려운 전문 내용과 얕고 쉬운 일반적인 내용 사이에서 전문가와 비전문가가 모두 만족할 만한 적절한 난이도를 가진 책이라고 생각됩니다. 적절한 요약과 연습문제는 필요하면 다시 찾아볼 수 있도록 잘 정리되어 있습니다. 번역서가 아니라는 점에서 저자의 전문성을 엿볼 수 있습니다. 지식을 소화해서 잘 전달하기란 여간 어려운 일이 아닌데 저자는 한 권의 책으로 자연스러운 흐름을 따라 데이터 분석에 대한 전반적인 내용을 잘 정리했습니다. 독자는 김 대표의 분석 스토리를 따르면 어느새 자신의 스토리를 만들고 싶다고 생각하게 될 것입니다.
오세민/부산대학교 빅데이터 기반 금융·수산·제조 혁신 산업수학센터 연구교수, 이학박사