추가 적립 안내

▶ 이 책은 Python(파이썬)을 다룬 이론서입니다. Python(파이썬)의 기초적이고 전반적인 내용을 학습할 수 있습니다.

1장 파이썬 설치
1.1 개요
1.2 아나콘다를 이용한 파이썬 설치
1.3 pgmpy 설치
1.4 pandas-datareader 설치
1.5 mlxtend 설치
1.6 전체 패키지 최신버전으로 업데이트하는 방법

2장 주피터 노트북
2.1 개요
2.2 주피터 노트북 실행
2.3 노트북 생성
2.4 설명 추가
2.5 파이썬 코드 입력
2.6 셀 앞쪽에 추가
2.7 셀 뒤쪽에 추가
2.8 노트북 제목 바꾸기

3장 파이썬
3.1 개요
3.2 데이터 형
3.3 식별자의 표기
3.4 값의 할당
3.5 형 변환
3.6 열 컨테이너 인덱싱
3.7 논리 연산자
3.8 문(statement) 구성
3.9 모듈 가져오기
3.10 조건문
3.11 수학 연산과 함수
3.12 조건 반복문
3.13 컨테이너 형 일반 연산
3.14 리스트 연산
3.15 딕셔너리 연산
3.16 집합 연산
3.17 함수 정의
3.18 문자열 연산
3.19 포맷 구성하기

4장 벡터와 행렬
4.1 벡터 표현
4.2 행렬 표현
4.3 선형방정식
4.4 행렬식
4.5 고윳값과 고유벡터

5장 미분
5.1 개요
5.2 표기법
5.3 정의
5.4 도함수
5.5 고차 도함수
5.6 도함수의 계산
5.7 다변수 함수의 미분
5.8 행렬 미분

6장 적분
6.1 개요
6.2 부정적분
6.3 정적분

7장 확률과 확률변수
7.1 확률 시행과 표본공간
7.2 사건과 상대도수
7.3 확률변수
7.4 확률밀도함수
7.5 분포함수
7.6 기댓값

8장 조건부확률과 독립
8.1 조건부확률
8.2 주변분포와 조건부분포
8.3 상관계수
8.4 독립

9장 특별한 분포
9.1 베르누이 분포
9.2 이항분포
9.3 정규분포

10장 표본분포
10.1 임의표본
10.2 표본평균의 분포
10.3 카이제곱분포
10.4 (스튜던트) t 분포
10.5 F 분포

11장 정보 이론
11.1 개요
11.2 엔트로피
11.3 결합 엔트로피
11.4 조건부 엔트로피
11.5 상호정보
11.6 교차 엔트로피
11.7 쿨백-라이블러 발산

12장 통계
12.1 통계학이란?
12.2 데이터의 기술
12.3 통계분석 기법
12.4 데이터 목록

13장 데이터 기술
13.1 변수 유형
13.2 [BANK] 데이터
13.3 기술통계량

14장 통계적 추론
14.1 추정
14.2 통계적 가설

15장 모집단 분포 추론
15.1 모평균 추정
15.2 모평균 유의성 검증
15.3 모평균 비교
15.4 모분산 추정
15.5 모분산 유의성 검증
15.6 모분산 비교

16장 범주형 자료분석
16.1 개요
16.2 모비율 추정
16.3 모비율 유의성 검증
16.4 모비율 비교
16.5 동질성 검증
16.6 독립성 검증
16.7 범주형 자료분석 요약
16.8 범주 변수의 처리

17장 상관분석
17.1 정의
17.2 산점도
17.3 표본 상관계수 분포
17.4 상관계수 유의성 검증
17.5 상관계수 신뢰구간

18장 단순선형회귀분석
18.1 모수추정
18.2 회귀직선 가정
18.3 오차분산 추정
18.4 변동 분해
18.5 모수 추론
18.6 회귀직선 추론
18.7 오차 가정 검증

19장 다중선형회귀분석
19.1 모수추정
19.2 오차분산 추정
19.3 모수 유의성 검증
19.4 회귀직선 유의성 검증
19.5 오차 가정 검증
19.6 이상점 판정
19.7 영향점 판정
19.8 다중공선성 판정

20장 변수 선택
20.1 [HOUSING] 데이터
20.2 모형의 선택과 기준
20.3 교차 검증
20.4 단계적 모형 선택
20.5 능형과 라쏘 회귀

[머리말]

이 책은 필자가 통계분석, 머신러닝 그리고 딥러닝을 강의하면서 느꼈던 기초수학, 확률과 통계에 관한 책이다.
강의를 진행하면서 많은 학생들이 구현 언어, 알고리즘 이해 그리고 적용 방법 등을 이해하는 데 어려움을 겪고 있다는 것을 경험하였다. 특히 기초수학이 탄탄하게 잡혀 있지 않은 학생들은 알고리즘 부분을 어려워하였다.
이러한 부분이 하나의 동기가 되어서 가장 최소한의 기본지식은 무엇일지 많이 고민하였다. 이후 학생들이 이해할 수 있는 내용을 정리하고, 기초수학과 통계에 대한 알고리즘과 구현 언어를 한 권에 모아 이 책을 출간하게 되었다.

알고리즘 내용을 구체적으로 적용하고 또 그 결과를 눈으로 확인하기 위해서는 자신이 잘 알고 있는 구현 언어로 이를 확인하는 작업이 반드시 필요하다. 이 책에서는 확률과 통계를 떠나서 머신러닝과 딥러닝 언어라고 하면 이제는 누구나 파이썬을 떠올리기 때문에 이를 기본으로 하여 구현하였다. 구현된 언어의 편집기로는 잘 알려진 주피터 노트북을 사용하였다. 이로써 가급적 최소한의 사전 작업을 줄이고자 하였다.
일반적으로 학생들을 위한 전문 과정에서는 많은 연습문제와 예제를 통해 이를 확인하는 과정이 필요하지만, 이 책에서는 이를 최소화하는 대신 책을 보고 따라 하면서 자연스럽게 이해할 수 있도록 구성하였다.
기초수학으로는 벡터, 행렬, 미분, 적분을 다루었으며, 확률은 확률의 정의, 확률변수 그리고 잘 알려진 확률분포와 함께 확률에 기반한 정보 이론을 다루었다. 통계에서는 확률변수와 분포에 기반한 통계적 추론 과정을 살펴보았다. 특히 머신러닝과 딥러닝에서 가장 기본이 되는 선형회귀에 대하여 다루었다. 또한 책 뒷부분에는 교차검증 방법과 이 방법에 의한 변수 선택, 즉 모형 선택 방법에 대하여 간략히 다루었다.

이 책은 AI를 위한 기초수학과 확률 그리고 통계에 대하여 기초 중의 기초를 쌓고 싶은 통계 비전공자와 이미 알고 있는 사실을 구현 언어인 파이썬으로 확인해 보고 싶은 통계 전공자들을 대상으로 한다.
좋은 책을 위해 최선을 다하였지만 오류나 부족한 부분이 있을 수 있다. 이에 대한 독자 여러분의 많은 조언을 구하며, 출간 후에라도 수정사항이 있을 경우에는 자유아카데미 홈페이지(http://www.freeaca.com) 자료실에 제공할 예정이니 참조하길 바란다.