추가 적립 안내

모든 산업 분야에서 사물인터넷과 인공지능 기술이 융합되어 중대한 의사를 결정하고 미래를 예측하기 위한 디지털 데이터 중심의 융·복합 사회를 향한 도약은 이미 시작되었다. 불과 몇 년 전까지만 해도 컴퓨터 관련 전공학과에서만 다루었던 데이터 사이언스 영역이 이제는 학과와 전공의 영역을 넘나들며 높았던 지식 분야의 경계선을 무너트리고 있다.
아날로그 세상에서 사용했던 대화와 전달 방법은 점증적으로 디지털화 되어가고 있는 현실에서 우리는 데이터 사이언스라는 새로운 분야에 대한 능력이 필요하다는 트렌드의 변화를 매일매일 종용받고 있다고 봐도 무방하다. 데이터 사이언스란 수집된 데이터를 기반으로 사용하고자 하는 목적에 부합되도록 가공하고 처리하여 효율적인 결과를 얻기 위한 학문이라고 볼 수 있다.
요즘 주변에서 많이 볼 수 있는 도서 중 사물인터넷과 빅데이터 분석, 머신러닝, 딥러닝, 인공지능과 관련하여 1권 이상을 보유하고 있는 독자분들도 많을 것이지만, 관련분야에 대한 전문지식을 보유하고 있지 않다면 한 페이지, 한 페이지를 넘기기가 결코 쉽지 않다.
특히 대학생들이 배우고 싶은 데이터 사이언스 영역, 데이터 사이언스와 관련하여 교과목을 개설하고자 하는 교수자의 입장에서 정말 내 마음에 쏙 드는 도서를 찾기란 적지 않은 노력과 많은 시간 투자가 필요했을 것이다. 필자는 이와 같은 동기로 전공과 비전공을 구분하지 않고 입문자도 쉽게 배울 수 있도록 ‘인공지능 시대를 위한 데이터 사이언스 Hard Carry’ 도서를 정성껏 집필하였다.

이 책의 활용방법

※ 손쉬운 데이터 분석 환경 구축 + 아나콘다
입문자도 쉽게 데이터 분석 환경을 구축할 수 있으며, 데이터 분석에 필요한 파이썬 프로그래밍으로 데이터 분석 과정을 실습할 수 있다.
※ 개념 설명 ? 풍부한 예제 ? 도전 문제로 이어지는 3단계 학습체계
[여기서 잠깐] 코너를 통해 중요한 핵심을 정리할 수 있으며, 단원에서 다루는 중요한 내용에 대해 파이썬 프로그램으로 예제를 수행하고 배운 내용을 바탕으로 실력향상을 위한 도전 문제를 자신있게 수행할 수 있다.
※ 배움의 기쁨을 만끽할 수 있는 IT 교과서
본문에서 배운 내용을 함축해 놓은 핵심 요약과 단원에서 배운 내용을 최종 마무리하는 연습문제를 통해 인공지능 시대를 위한 데이터 사이언티스트가 될 수 있다.

PART 01 데이터 분석 환경
CHAPTER 01 데이터 분석적 사고방식
01 데이터 가치의 재발견
데이터 필수 시대
데이터 사이언스 로드맵
데이터가 제공하는 무한한 기회
정형 데이터와 비정형 데이터
비즈니스 인텔리전스
02 데이터 사이언티스트
등장 배경
역량 개발
마인드 세팅
03 미래를 예측하는 의사결정
사물인터넷
빅데이터와 인공지능
머신 러닝과 딥러닝
미래를 내다볼 수 있는 데이터 과학
핵심요약
연습문제

CHAPTER 02 데이터 분석 환경 구축
프로그래밍 언어
프로그래밍 언어의 이해
저급 언어와 고급 언어
컴파일과 컴파일러
02 파이썬과 아나콘다
데이터 분석 도구
프로그램 설치
아나콘다 내비게이터
03 파이썬 개발 환경
주피터 랩
콘솔 창 인터페이스
노트북 인터페이스
핵심요약
연습문제

PART 02 데이터 모델링과 패턴 분석
CHAPTER 03 데이터 모델링
01 데이터 모델링의 이해
데이터 모델링이란?
의사소통의 이해
전달 오류
명확한 의사 전달
02 요구사항 분석
요구사항 분석이란?
창의적 사고
논리적 사고
요구사항 분석 명세서
03 문제 정의와 타당성 분석
문제 정의
타당성 분석
핵심요약
연습문제

CHAPTER 04 문제 해결 절차
01 문제 해결 방법
문제 해결
문제 해결 능력
문제 해결 과정
02 패턴과 일반화
패턴의 이해
패턴의 일반화
문제 해결 패턴
03 분해 및 설계
모듈 분해
작업 분할 구조도
문제 해결 설계
04 알고리즘
알고리즘의 이해
알고리즘의 필요성
알고리즘의 표현 방법
05 문제 해결 평가
평가 방법
문제 해결 피드백
핵심요약
연습문제

CHAPTER 05 패턴 분석
01 패턴의 흐름
순차형 구조
선택형 구조
반복형 구조
02 패턴 추출
연관 규칙
패턴 찾기
03 패턴 분석 유형
순차형 패턴 분석
선택형 패턴 분석
반복형 패턴 분석
핵심요약
연습문제

CHAPTER 06 터틀을 활용한 패턴 분석
01 터틀 모듈 명령
터틀 모양과 색상 지정
터틀 이벤트 명령
02 터틀 그래픽 그리기
가로 선 그리기
커서의 모양 변경
선 색상 지정과 터틀 방향 전환
펜 들기와 내려놓기
03 패턴별 터틀 동작
순차형 터틀 동작
선택형 터틀 동작
반복형 터틀 동작
핵심요약
연습문제

PART 03 데이터 전처리와 정규화
CHAPTER 07 데이터 프레임
01 데이터 프레임 요소
데이터 프레임
인덱스
02 데이터 프레임 생성
생성 함수
데이터 프레임 생성하기
03 데이터 프레임 설정
행 인덱스와 열 이름 설정
DataFrame( ) 함수의 인자로 전달
rename( ) 메소드
04 데이터 선택
행 데이터 선택
열 데이터 선택
핵심요약
연습문제

CHAPTER 08 데이터 프레임 편집
01 행과 열 추가
열 추가하기
행 추가하기
02 특정 원소 선택
단독 원소 선택하기
여러 개의 원소 선택하기
03 원소값 변경
열의 원소값 변경하기
행의 원소값 변경하기
04 행과 열의 위치 변경
transpose( ) 메소드
행과 열의 위치 변경하기
05 행과 열 삭제
행 삭제하기
열 삭제하기
핵심요약
연습문제

CHAPTER 09 데이터 전처리
01 데이터 전처리에 대한 이해
데이터 전처리란?
레코드와 필드
데이터 읽기와 쓰기
02 데이터 프레임을 파일로 저장
Excel 파일로 저장하기
CSV 파일로 저장하기
JSON 파일로 저장하기
03 데이터 파일 읽어오기
Excel 파일 읽어오기
CSV 파일 읽어오기
CSV UTF-8 파일 읽어오기
JSON 파일 읽어오기
04 인덱스 활용
행 인덱스 설정
행 인덱스 재배열
행 인덱스 초기화
데이터 프레임 정렬
핵심요약
연습문제

CHAPTER 10 데이터 프레임과 통계 함수
01 데이터 살펴보기
CSV 파일 생성하기
데이터를 살펴보기 위한 메소드
데이터 미리 살펴보기
02 데이터 요약 정보
데이터 프레임의 크기
데이터 프레임의 기본 정보 확인
특정 열에 대한 자료형 정보 확인
03 기술 통계 정보
산술 데이터의 기술 통계 정보
산술 데이터를 구분하는 통계 정보
04 데이터의 개수 확인
각 열의 데이터 개수 확인
각 열의 고유값 개수 확인
05 통계 함수
평균값과 중간값 산출
최댓값과 최솟값 산출
표준 편차와 상관 계수
핵심요약
연습문제

CHAPTER 11 데이터 정규화
01 데이터 정규화의 이해
데이터 정규화란?
정규화의 기대효과
02 누락 데이터 처리
CSV 파일 생성하기
누락 데이터 확인하기
누락 데이터 치환하기
누락 데이터 제거하기
03 중복 데이터 처리
중복 데이터 확인하기
중복 데이터 제거하기
핵심요약
연습문제

PART 04 데이터 시각화
CHAPTER 12 의사결정을 위한 데이터 시각화
01 시각화의 역량
데이터 시각화란?
데이터 시각화의 종류
데이터 시각화의 활용 절차
02 판다스의 시각화 도구
CSV 파일 생성하기
판다스에서 제공하는 그래프 도구
한글 폰트 오류 해결
03 기본 그래프 그리기
선 그래프
막대 그래프
박스 플롯
커널 밀도 그래프
핵심요약
연습문제

CHAPTER 13 시각화 라이브러리
01 Matplotlib 라이브러리
Matplotlib 갤러리
그래프 환경 설정
산점도 그래프
다양한 선 그래프
02 NumPy 라이브러리
NumPy 사이트
NumPy 라이브러리 설치
NumPy 사용 방법
03 Seaborn 라이브러리
Seaborn 갤러리
Seaborn 라이브러리 설치
선형 회귀 시각화
바 플롯 시각화
박스 플롯 시각화
바이올린 시각화
겹친 그래프 시각화
서브 플롯 시각화
04 타이타닉과 아이리스
타이타닉 데이터셋
아이리스 데이터셋
핵심요약
연습문제

찾아보기