밑바닥부터 시작하는 데이터 과학
해외주문/바로드림/제휴사주문/업체배송건의 경우 1+1 증정상품이 발송되지 않습니다.
패키지
북카드
키워드 Pick
키워드 Pick 안내
관심 키워드를 주제로 다른 연관 도서를 다양하게 찾아 볼 수 있는 서비스로, 클릭 시 관심 키워드를 주제로 한 다양한 책으로 이동할 수 있습니다.
키워드는 최근 많이 찾는 순으로 정렬됩니다.
책 소개
이 책이 속한 분야
- 국내도서 > 컴퓨터/IT > 프로그래밍 언어 > Python(파이썬)
- 국내도서 > 컴퓨터/IT > 프로그래밍 언어 > 프로그래밍일반
- 국내도서 > 컴퓨터/IT > 대학교재
- 국내도서 > 대학교재 > 컴퓨터
수상내역/미디어추천
- 전문기관 추천도서 > 세종도서 우수학술도서 > 2017년 선정
작가정보
저자 조엘 그루스는 구글의 소프트웨어 엔지니어이다. 구글 입사 이전에는 각종 스타트업에서 데이터 사이언티스트로 일했다. 시애틀에 거주하면서 데이터 사이언스 밋업을 여러 개 참여하고 있다. joelgrus.com에 종종 글을 쓰며 @joelgrus라는 계정으로 종일 트위터를 한다.
번역 박은정
역자 박은정은 서울대학교에서 데이터마이닝을 전공하고 있으며 마케팅, 반도체, 영화, 정치 등의 영역에서 데이터 분석 프로젝트를 진행했다. 프로그래머는 아니지만 프로그래밍을 즐긴다. 『D3를 이용한 시각적 스토리텔링』(인사이트)을 공역했다.
목차
- 1장 들어가기
1.1 데이터 시대의 도래
1.2 데이터 과학이란?
1.3 동기부여를 위한 상상: 데이텀 주식회사
2장 파이썬 속성 강좌
2.1 기본기 다지기
2.2 기본기에서 한 걸음 나아가기
2.3 더 공부해 보고 싶다면
3장 데이터 시각화
3.1 matplotlib
3.2 막대 그래프
3.3 선 그래프
3.4 산점도
3.5 더 공부해 보고 싶다면
4장 선형대수
4.1 벡터
4.2 행렬
4.3 더 공부해 보고 싶다면
5장 통계
5.1 데이터셋 설명하기
5.2 상관관계
5.3 심슨의 역설
5.4 상관관계에 대한 추가적인 경고 사항
5.5 상관관계와 인과관계
5.6 더 공부해 보고 싶다면
6장 확률
6.1 종속성과 독립성
6.2 조건부 확률
6.3 베이즈 정리
6.4 확률변수
6.5 연속 분포
6.6 정규분포
6.7 중심극한정리
6.8 더 공부해 보고 싶다면
7장 가설과 추론
7.1 통계적 가설 검정
7.2 예시: 동전 던지기
7.3 p-value
7.4 신뢰구간
7.5 p-value 해킹
7.6 예시: A/B test 해보기
7.7 베이지안 추론
7.8 더 공부해 보고 싶다면
8장 경사 하강법
8.1 경사 하강법에 숨은 의미
8.2 Gradient 계산하기
8.3 Gradient 적용하기
8.4 적절한 이동 거리 정하기
8.5 종합하기
8.6 SGD(stochastic gradient descent)
8.7 더 공부해 보고 싶다면
9장 파이썬으로 데이터 수집하기
9.1 stdin과 stdout
9.2 파일 읽기
9.3 웹 스크래핑
9.4 API 사용하기
9.5 예시: 트위터 API 사용하기
9.6 더 공부해 보고 싶다면
10장 데이터 다루기
10.1 데이터 탐색하기
10.2 정제하고 합치기
10.3 데이터 처리
10.4 척도 조절
10.5 차원 축소
10.6 더 공부해 보고 싶다면
11장 기계학습
11.1 모델링
11.2 기계학습이란?
11.3 오버피팅과 언더피팅
11.4 정확도
11.5 Bias-variance 트레이드오프
11.6 특성 추출 및 선택
11.7 더 공부해 보고 싶다면
12장 k-NN
12.1 모델
12.2 예시: 가장 인기 있는 프로그래밍 언어
12.3 차원의 저주
12.4 더 공부해 보고 싶다면
13장 나이브 베이즈
13.1 바보 스팸 필터
13.2 조금 더 똑똑한 스팸 필터
13.3 구현하기
13.4 모델 검증하기
13.5 더 공부해 보고 싶다면
14장 단순 회귀 분석
14.1 모델
14.2 경사 하강법 사용하기
14.3 최대우도추정법
14.4 더 공부해 보고 싶다면
15장 다중 회귀 분석
15.1 모델
15.2 최소자승법에 대한 몇 가지 추가 가정
15.3 모델 학습하기
15.4 모델 해석하기
15.5 적합성(Goodness of fit)
15.6 여담: bootstrap
15.7 계수의 표준 오차
15.8 정규화(regularization)
15.9 더 공부해 보고 싶다면
16장 로지스틱 회귀 분석
16.1 문제
16.2 로지스틱 함수
16.3 모델 적용하기
16.4 적합성(Goodness of fit)
16.5 SVM
16.6 더 공부해 보고 싶다면
17장 의사결정나무
17.1 의사결정나무란?
17.2 엔트로피
17.3 파티션의 엔트로피
17.4 의사결정나무 만들기
17.5 종합하기
17.6 랜덤포레스트
17.7 더 공부해 보고 싶다면
18장 신경망
18.1 퍼셉트론
18.2 순방향(Feed-forward) 신경망
18.3 Backpropagation
18.4 예시: CAPTCHA 깨기
18.5 더 공부해 보고 싶다면
19장 군집화
19.1 군집화 감 잡기
19.2 모델
19.3 예시: 오프라인 모임
19.4 k 값 선택하기
19.5 예시: 색 군집화하기
19.6 상향식 계층 군집화
19.7 더 공부해 보고 싶다면
20장 자연어 처리
20.1 워드 클라우드
20.2 n-gram 모델
20.3 문법
20.4 여담: 깁스 샘플링
20.5 토픽 모델링
20.6 더 공부해 보고 싶다면
21장 네트워크 분석
21.1 매개 중심성
21.2 고유벡터 중심성
21.3 방향성 그래프(Directed graphs)와 페이지랭크
21.4 더 공부해 보고 싶다면
22장 추천 시스템
22.1 수작업을 이용한 추천
22.2 인기도를 활용한 추천
22.3 사용자 기반 협업 필터링
22.4 상품 기반 협업 필터링
22.5 더 공부해 보고 싶다면
23장 데이터베이스와 SQL
23.1 CREATE TABLE과 INSERT
23.2 UPDATE
23.3 DELETE
23.4 SELECT
23.5 GROUP BY
23.6 ORDER BY
23.7 JOIN
23.8 서브쿼리
23.9 인덱싱
23.10 쿼리 최적화
23.11 NoSQL
23.12 더 공부해 보고 싶다면
24장 맵리듀스
24.1 예시: 단어 수 세기
24.2 왜 맵리듀스인가?
24.3 맵리듀스 일반화하기
24.4 예시: 사용자의 글 분석하기
24.5 예시: 행렬 연산
24.6 여담: Combiner
24.7 더 공부해 보고 싶다면
25장 본격적으로 데이터 과학하기
25.1 IPython
25.2 수학
25.3 밑바닥부터 시작하지 않는 방법
25.4 데이터 찾기
25.5 데이터 과학하기
추천사
-
이 책은 학제적인 데이터 과학의 핵심 방법론을 집대성하였다. 또한, 오픈 소스 패키지를 소개하는 다른 저서와는 달리, 파이썬 코드를 통해 모든 방법론의 핵심 아이디어를 이해하는 데 큰 도움을 주고 있다. 제목에서처럼 ‘밑바닥에서 시작’하면 문제가 웬만큼 바뀌어도 쉽게 해결할 수 있다. 끝으로, 은근히 까다로운 용어가 난무하는 데이터 과학 원서를 어색한 번역 없이 부드럽게 번역한 세 데이터 과학자에게도 박수를 보낸다.(데이터 사이언티스트)
-
이 책은 새로운 회사에서 멋진 일을 시작한 형 또는 누나가 저녁마다 동생에게 그 경험을 들려주는 것 같다. 친절하면서도 현실적이고 흥미진진한 설명으로 자칫 지루하게 들리기 쉬운 ‘바닥부터의 구현’ 과정을 안내한다. 이렇게 간단한 코드로 가능할까 싶을 정도로 짧고 읽기 좋은 코드들로 데이터 과학에서 사용하는 대부분의 기본적인 기술을 한번씩 훑고 지나간다.
-
당신이 숙련된 경험자라면 이 책을 읽기 바란다. 모른 채로 넘어갔던 마음의 부채를 탕감할 수 있을 것이다. 당신이 초보라면 이 책을 읽기를 바란다. 미뤄 놔도 결국 만나야 하는 기초를 바로 쌓게 될 것이다. 그렇다. 사실 당신이 누구든 이 책을 읽기 바란다.
출판사 서평
데이터 과학에 필요한 기초 이론과 프로그래밍, 두 마리 토끼를 모두 잡는 기본서
이 책은 라이브러리나 프레임워크와 같은 도구를 사용하지 않고 ‘밑바닥부터’ 만들어 보며 데이터 과학과 관련된 알고리즘을 알려 주는 기본서다. 책 전반에 걸쳐 데이터 과학에 필요한 파이썬 프로그래밍과 수학, 통계학 기초를 다루며, 데이터 과학의 어려운 개념을 모두 설명하기보다는 꼭 알고 넘어가야 할 내용을 중심으로 담았다.
『밑바닥부터 시작하는 데이터 과학』은 크게 세 가지 내용으로 나뉜다. 먼저 본격적으로 데이터 과학에 뛰어들기 전, 기본적인 파이썬 프로그래밍을 배운다. 데이터 과학자에게 필요한 내용을 짚어 주는 속성 강좌로, 파이썬에 익숙하지 않은 독자라면 일독을 권한다.
이후에는 선형대수, 통계, 확률 등 데이터 과학 개념과 기술을 뒷받침하는 핵심적인 내용을 학습한다. 샘플 데이터와 예제를 통해 원리를 들여다 보는 방식으로 기초적인 내용을 다루니 수식에 겁먹지 말자.
또한 다양한 통계와 확률 이론을 바탕으로 하는 분석 모델과 알고리즘에 대해서도 알아본다. 여기서는 머신러닝의 기본 개념을 살펴보고, k-NN, 나이브 베이즈, 선형 및 로지스틱 회귀 분석, 의사결정나무, 신경망 및 클러스터링 모델 등을 배운다. 또한 추천 시스템, 자연어 처리, 네트워크 분석, 맵리듀스 등의 알고리즘을 알아 본다.
저자는 데이터 과학을 배우는 데는 스스로 해보는 것보다 좋은 방법이 없다고 조언한다. 데이터 과학에 대한 호기심과 의지만 있다면, 이 책을 따라 데이터 과학자로서의 한걸음을 내딛어 보자.
〈책의 대상 독자〉
- 데이터 과학에 필요한 기초와 프로그래밍 두 마리 토끼를 모두 잡고 싶은 전공자
- 수학·통계학 이론이 녹아 든 데이터 과학 관련 알고리즘을 살펴보려는 데이터 과학자
- 데이터 분석에 필요한 수학·통계학 이론을 살펴보려는 프로그래머
기본정보
| ISBN | 9788966261819 | ||
|---|---|---|---|
| 발행(출시)일자 | 2016년 05월 31일 | ||
| 쪽수 | 318쪽 | ||
| 크기 |
188 * 240
* 16
mm
/ 663 g
|
||
| 총권수 | 1권 | ||
| 원서명/저자명 | Data Science from Scratch : First principles with Python/Joel Grus | ||
Klover
e교환권은 적립 일로부터 180일 동안 사용 가능합니다.
리워드는 작성 후 다음 날 제공되며, 발송 전 작성 시 발송 완료 후 익일 제공됩니다.
리워드는 리뷰 종류별로 구매한 아이디당 한 상품에 최초 1회 작성 건들에 대해서만 제공됩니다.
판매가 1,000원 미만 도서의 경우 리워드 지급 대상에서 제외됩니다.
일부 타인의 권리를 침해하거나 불편을 끼치는 것을 방지하기 위해 아래에 해당하는 Klover 리뷰는 별도의 통보 없이 삭제될 수 있습니다.
- 도서나 타인에 대해 근거 없이 비방을 하거나 타인의 명예를 훼손할 수 있는 리뷰
- 도서와 무관한 내용의 리뷰
- 인신공격이나 욕설, 비속어, 혐오발언이 개재된 리뷰
- 의성어나 의태어 등 내용의 의미가 없는 리뷰
리뷰는 1인이 중복으로 작성하실 수는 있지만, 평점계산은 가장 최근에 남긴 1건의 리뷰만 반영됩니다.
구매 후 리뷰 작성 시, e교환권 200원 적립
문장수집
e교환권은 적립 일로부터 180일 동안 사용 가능합니다. 리워드는 작성 후 다음 날 제공되며, 발송 전 작성 시 발송 완료 후 익일 제공됩니다.
리워드는 한 상품에 최초 1회만 제공됩니다.
주문취소/반품/절판/품절 시 리워드 대상에서 제외됩니다.
구매 후 리뷰 작성 시, e교환권 100원 적립
