트렌드북 #25, 비전공자도 쉽고 편하게 배울 수 있는 데이터 분석 입문서

데이터 사이언스 입문자를 위한 쉽고 유용한 데이터 분석 실무 가이드북

'데이터 사이언스 입문'은 개념과 이론에만 치중하지 않고 흥미로운 국내외 사례를 활용하여 기본 통계 지식을 습득하고 실무 데이터 분석 기법들을 이해하고 적용하는 구체적인 방법을 제시한다.

흥미로운 사례로 통계적 사고부터 데이터 분석 기법까지 섭렵할 수 있는 실무 가이드 북

빠르게 변화하는 빅데이터 환경 속에서 몇 년을 공들여 만든 제품이 뛰어난 장점을 지녔음에도 불구하고 정확한 데이터 분석이 이루어지지 않아 뚜렷한 성과를 거두지 못하는 사례가 빈번하다. 마트 상품 진열, 제약회사의 마케팅, 대통령 선거 전략 등 성공적인 데이터 분석 사례를 보면 다양한 가설검증 기법들을 활용하여 데이터의 패턴을 파악하고 미래를 좀 더 명확하게 예측했다는 것을 알 수 있다.

이 책은 R, Python, 데이터 시각화 등 데이터와 관련한 모호했던 개념들을 명확하게 해주는 것은 물론 듣기만해도 어려운 데이터 분석 이론들을 일반인들도 쉽게 이해할 수 있도록 흥미로운 국내외 사례와 함께 소개한다. 데이터 분석에 필요한 통계 지식은 어려운 통계 기호를 전혀 사용하지 않고 유용한 사례와 함께 각 검증 방법을 설명하여 실생활에서 통계에 대한 아이디어를 얻을 수 있다.

이제는 데이터에 기반한 의사결정 없이 살아갈 수 없다. 현실 세계의 의사결정 과정에 데이터 분석 기법을 적용하는 것은 중요하다. 비전공자도 쉽고 빠르게 데이터 사이언스의 개념과 원리를 수월하게 이해할 수 있도록 설명한다. 실무자로서 적용할 수 있는 구체적인 데이터 분석 기법도 제시한다.

공동 저자인 김진 대표는 "이 책을 통해서 짧은 시간 안에 데이터 사이언스 전체 그림을 파악하고 실무 데이터 분석 기법을 이해하고 적용하는 구체적인 방법을 제시한다"며 "현실 세계의 의사결정 과정에 실제로 적용해, 결과적으로 실무 영역에서 의미 있는 성과를 거둘 수 있는 디디돌이 되기 바란다"고 말했다.


책 목차

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


댓글
읽어들이는 중...