±¹³»µµ¼
Àü°øµµ¼/´ëÇб³Àç
°øÇаè¿
ÄÄÇ»ÅÍ°øÇÐ
2013³â 9¿ù 9ÀÏ ÀÌÈÄ ´©Àû¼öÄ¡ÀÔ´Ï´Ù.
ÆÄÀ̼± ÇÁ·Î±×·¡¹Ö Áغñ/ÆÄÀ̽㠸í·É¾î/ÆÄÀ̽㠶óÀ̺귯¸®/ÆÄÀ̽ã ÀÀ¿ë
Á¤°¡ |
22,000¿ø |
---|
22,000¿ø
660P (3%Àû¸³)
ÇÒÀÎÇýÅÃ | |
---|---|
Àû¸³ÇýÅà |
|
|
|
Ãß°¡ÇýÅÃ |
|
À̺¥Æ®/±âȹÀü
¿¬°üµµ¼
»óÇ°±Ç
ÀÌ»óÇ°ÀÇ ºÐ·ù
Ã¥¼Ò°³
ÇÑ ±ÇÀ¸·Î ±âÃÊ¿¡¼ ÀÀ¿ë±îÁö ¹è¿ì´Â ÆÄÀ̽㠻ç¿ë ¼³¸í¼!!
¡°ÆÄÀ̽ãÀº °úÇÐ ¹× °øÇпëÀ¸·Î ´Ù¾çÇÑ ¶óÀ̺귯¸®¸¦ »ç¿ëÇÏ´Â ÇÁ·Î±×·¡¹Ö ¾ð¾î¡±
ÆÄÀ̽ãÀº ¹ü¿ë ÇÁ·Î±×·¡¹Ö ¾ð¾îÀÇ ÀåÁ¡Àº ¹°·Ð Matlab°ú R°ú °°Àº ƯÁ¤ ºÐ¾ß¸¦ À§ÇÑ ½ºÅ©¸³Æà ¾ð¾îÀÇ Æí¸®ÇÔÀ» ÇÔ²² °®Ãß°í ÀÖ°í, µ¥ÀÌÅÍ ºÐ¼®, ½Ã°¢È, È®·ü, Åë°è, ÀÚ¿¬¾î ó¸®, À̹ÌÁö ó¸® µî¿¡ ÇÊ¿äÇÑ ¶óÀ̺귯¸®µéµµ °¡Áö°í ÀÖ´Ù. ÀÌ°øÇÐ ºÐ¾ßÀÎ °æ¿ì Áß¿äÇÑ µ¥ÀÌÅ͸¦ ±×·¡ÇÁ·Î ³ªÅ¸³»°Å³ª ºÐ¼®ÇÏ´Â µ¥µµ ÇÊ¿äÇÏ´Ù. ½±°Ô ÀÀ¿ëÇÒ ¼ö ÀÖ°í C¿Í Fortran°ú ´Þ¸® ÀÎÅÍÇÁ¸®ÅÍ ¾ð¾î¶ó Ãʺ¸ÀÚ¶óµµ ¹è¿ì±â°¡ ½±´Ù.
¹ü¿ë ÇÁ·Î±×·¡¹Ö ¾ð¾î·Î º¹ÀâÇÑ GUI³ª À¥¼ºñ½ºµµ ¸¸µé ¼ö ÀÖÀ¸¸ç ±âÁ¸ ½Ã½ºÅÛ°ú ÅëÇÕ Çϱ⵵ ¿ëÀÌÇÏ´Ù. ¶ÇÇÑ ÆÄÀ̽ãÀº ¼öÇÐ, ±âÃÊ°úÇÐ, »çȸ°úÇÐ, ÄÄÇ»ÅÍ °úÇп¡ ÀÀ¿ëÇÒ ¼ö ÀÖ°í, ¾ÕÀ¸·Î °úÇÐ, °øÇÐ, ³×Æ®¿öÅ© ½Ã½ºÅÛ µîÀÇ ¹®Á¦¸¦ ÇÁ·Î±×·¡¹ÖÇؼ ÀÀ¿ëÇÒ ¼ö ÀÖ´Ù.
ÀÌ Ã¥Àº ÀÌ°øÇÐ ºÐ¾ß¿¡ ÀÀ¿ëÇÒ ÆÄÀ̽㠰³¹ßȯ°æ°ú ÆÄÀ̽㠹®¹ýÀ» ¼Ò°³ÇÏ°í, µ¥ÀÌÅÍ ½Ã°¢È ±â´ÉÀ» Á¦°øÇÏ´Â matplotlib°ú ¼öÄ¡°è»ê ÇÁ·Î±×·¡¹ÖÀ» À§ÇÑ ´ëÇ¥ÀûÀÎ ¶óÀ̺귯¸®ÀÎ NumPy, SciPy, SymPy¸¦ »ç¿ëÇغ¸°í, °èÃþÀû µ¥ÀÌÅÍ ±¸Á¶¿Í ÀÌ¿¡ ´ëÇÑ ±â´ÉÀ» Á¦°øÇÏ´Â pandas¸¦ ¾Ë¾Æº»´Ù. ¶ÇÇÑ ÀÌ°øÇÐ ºÐ¾ß ÆÄÀ̽ã ÇÁ·Î±×·¥ ÀÛ¼º¹ý, ÇÔ¼ö¿Í °´Ã¼ »ç¿ë¹ý, µð¹ö±ë, ÄÄÇ»ÅÍÀû »ç°í¹æ½Ä±îÁö ÇÔ²² ÀÍÈú ¼ö ÀÖ´Ù.
ÄÚµùÇÒ ÁÖ¾îÁø ¹®Á¦¸¦ ºÐ¼®ÇÏ°í ¼ø¼µµ¿¡ ÀÇÇØ ¾Ë°í¸®ÁòÀ» ÀÛ¼ºÇϸç ÇÁ·Î±×·¡¹ÖÀ» ÄÚµùÇÑ ÈÄ ½ÇÇàÇÏ°í ¼öÁ¤ÇÑ´Ù. ½Ç½À±³Àç·Î »ç¿ëÇÒ °æ¿ì °á°ú´Â ½Ç½À°úÁ¤¿¡¼ ¾òÀº ½Ç½À µ¥ÀÌÅ͸¦ ¸ð¾ÆµÎ¾î Á¦ÃâÇϱ⠿ëÀÌÇÏ°Ô ÇÏ¿´°í, ¸Å ½Ç½ÀÀ» ¸¶Ä¡°í º¸°í¼¸¦ ÇÔ²² Á¦ÃâÇÒ ¼ö ÀÖµµ·Ï Çß´Ù. ÇÊ¿äÇϸé ÀÎÅͳÝÀÇ ÆÄÀ̽ã ÀڷḦ ÇÔ²² Âü°íÇؼ ÆÄÀ̽ãÀ¸·Î ÇÁ·Î±×·¡¹ÖÇÏ°í, ¿µ¹® ÁÖ¼®(#)À» ¸¹ÀÌ ºÙÀÎ Äڵ带 ±ê Çãºê¿¡ ¿Ã·Á °øÀ¯ÇÏ±æ ±ÇÇÑ´Ù.
ÀÌ Ã¥Àº ÆÄÀ̽ã ÇÁ·Î±×·¡¹Ö Áغñ, ÆÄÀ̽㠸í·É¾î, ÆÄÀ̽㠶óÀ̺귯¸®, ±×¸®°í ÆÄÀ̽ã ÀÀ¿ëÀ¸·Î ±¸¼ºµÇ¾ú´Ù. ±×¸®°í ´Ù¾çÇÑ Jupyter notebook, Spyder, ÇÁ·ÒÇÁÆ® â°ú °°Àº ¿¡µðÅÍ·Î ÄÚµù ¿¬½ÀÇϵµ·Ï Çß°í, ÀÌ°øÇÐ ºÐ¾ßÀÇ ÄÚµù°øºÎ¸¦ ÇÏ·Á´Â »ç¶÷µé¿¡°Ô µµ¿òÀ» ÁÖ±â À§ÇØ Á¦ÀÛÇÏ¿´´Ù.
¸ñÂ÷
PART 01. ÆÄÀ̽ã ÇÁ·Î±×·¡¹Ö Áغñ
CHAPTER 01. ÆÄÀ̽ãÀÇ ¿ë¾î
1.1 ÆÄÀ̽㠼ÒÇÁÆ®¿þ¾î¿Í Çϵå¿þ¾î °ü·Ã ¿ë¾î
1.2 ÆÄÀ̽㠰ü·Ã ÀÏ¹Ý ÄÄÇ»ÅÍ ¿ë¾î
¡áÀÌ°øÇÐÀ» À§ÇÑ ÆÄÀ̽㠽ǽÀ º¸°í¼
CHAPTER 02. ÆÄÀ̽ãÀÇ °³¿ä
2.1 ÆÄÀ̽ãÀÇ ¿ª»ç
2.2 ÆÄÀ̽ã ÀÀ¿ë
2.3 ÆÄÀ̽ãÀÇ Æ¯Â¡
2.4 ÆÄÀ̽ã°ú Matlab
2.5 ÆÄÀ̽ã 2¿Í ÆÄÀ̽ã 3
2.6 pip
2.7 ÆÄÀ̽ã IDLE
2.8 ÆÄÀ̽㠹èÆ÷ÆÇ
2.9 ÆÄÀ̽㠸ðµâ
2.10 ÆÄÀ̽㠶óÀ̺귯¸® ¹öÀü
2.11 ÆÄÀ̽ã Å°¿öµå
2.12 ³»Àå ÇÔ¼ö
2.13 ¿ÜÀåÇÔ¼ö
2.14 µð¹ö±ë
¡áÀÌ°øÇÐÀ» À§ÇÑ ÆÄÀ̽㠽ǽÀ º¸°í¼
CHAPTER 03. ÆÄÀ̽㠼³Ä¡ ¹× ÆíÁý±â »ç¿ë¹ý
3.1 ÆÄÀ̽㠰ø½Ä »çÀÌÆ®¿¡¼ ÆÄÀ̽㠼³Ä¡
3.2 ¾Æ³ªÄÜ´Ù¸¦ ÀÌ¿ëÇÏ¿© ÆÄÀ̽㠼³Ä¡
3.3 Anaconda Prompt »ç¿ë¹ý
3.4 Anaconda Navigator »ç¿ë¹ý
3.5 IPython »ç¿ë¹ý
3.6 IDLE »ç¿ë¹ý
3.7 ¸í·É ÇÁ·ÒÇÁÆ®·Î ÆÄÀ̽ã ÇÁ·Î±×·¥ ½ÇÇà
¡áÀÌ°øÇÐÀ» À§ÇÑ ÆÄÀ̽㠽ǽÀ º¸°í¼
CHAPTER 04. ÁÖÇÇÅÍ »ç¿ë¹ý ¹× ½ºÆÄÀÌ´õ »ç¿ë¹ý
4.1 Jupyter notebook
4.2 Spyder »ç¿ë¹ý
¡áÀÌ°øÇÐÀ» À§ÇÑ ÆÄÀ̽㠽ǽÀ º¸°í¼
PART 02. ÆÄÀ̽㠸í·É¾î
CHAPTER 05. ÆÄÀ̽㠰è»ê±â
5.1 ÆÄÀ̽㠱âÈ£ ¹× ÁÖ¼®
5.2 »çÄ¢¿¬»ê°ú ¿¬»êÀÚ_95
5.3 ÆÄÀ̽㠵¥ÀÌÅÍ Çü°ú ¹®ÀÚ¿
5.4 math ÆÐÅ°Áö
5.5 Åë°è
¡áÀÌ°øÇÐÀ» À§ÇÑ ÆÄÀ̽㠽ǽÀ º¸°í¼
CHAPTER 06. µ¥ÀÌÅÍÀÇ ÁýÇÕ, ¸®½ºÆ®, Æ©ÇÃ, µñ¼Å³Ê¸®
6.1 º¯¼ö
6.2 ÆÄÀ̽㿡 »ç¿ëÇÏ´Â ¼ö
6.3 ¹®ÀÚ¿
6.4 ÁýÇÕ, ¸®½ºÆ®, Æ©ÇÃ, µñ¼Ç³Ê¸®
6.6 ¹è¿ÀÇ ÆÐÅ·°ú ¾ðÆÐÅ·
6.7 ÆÄÀ̽ã ÄÄÇÁ¸®Çî¼Ç
6.8 range ÇÔ¼ö
6.9 ÆÄÀ̽㿡¼ ´ÜÀÏ ¹ØÁÙÀÇ ¿ëµµ
¡áÀÌ°øÇÐÀ» À§ÇÑ ÆÄÀ̽㠽ǽÀ º¸°í¼
CHAPTER 07. ÇÁ·Î±×·¥ È帧Á¦¾î
7.1 ÇÁ·Î±×·¥ È帧Á¦¾î °³¿ä
7.2 if ¹®
7.3 for ¹®
7.4 while ¹®
7.5 try ¹®
¡áÀÌ°øÇÐÀ» À§ÇÑ ÆÄÀ̽㠽ǽÀ º¸°í¼
CHAPTER 08. ÀԷ°ú Ãâ·Â¹®
8.1 ÀԷ¹®°ú Ãâ·Â¹®
8.2 open() ÇÔ¼ö¸¦ ÀÌ¿ëÇÑ ÆÄÀÏ ÀÔÃâ·Â
8.3 ÆÄÀÏ ´Ù·ç±â
8.4 Iris Dataset
8.5 csv ÆÄÀÏ
8.6 ´ç´¢º´ µ¥ÀÌÅͼÂ
¡áÀÌ°øÇÐÀ» À§ÇÑ ÆÄÀ̽㠽ǽÀ º¸°í¼
CHAPTER 09. ÇÔ¼ö¹®
9.1 ÇÔ¼ö¹®À̶õ
9.2 ÆÄÀ̽ã ÁÖ¼®°ú ´Ú½ºÆ®¸µ
9.3 º¯¼öÀÇ Á¾·ù
9.4 ¶÷´Ù ½Ä
9.5 ¶óÀ̺귯¸®, ¸ðµâ, ÆÐÅ°Áö
9.6 *args°ú **kwargs
¡áÀÌ°øÇÐÀ» À§ÇÑ ÆÄÀ̽㠽ǽÀ º¸°í¼
CHAPTER 10. Ŭ·¡½º¿Í °´Ã¼
10.1 °´Ã¼
10.2 Ŭ·¡½º¸¦ ÀÌ¿ëÇÑ ÇÁ·Î±×·¥ ¸¸µé±â
10.3 ÆÄÀ̽ãÀÇ »ó¼Ó
¡áÀÌ°øÇÐÀ» À§ÇÑ ÆÄÀ̽㠽ǽÀ º¸°í¼
PART 03. ÆÄÀ̽㠶óÀ̺귯¸®
CHAPTER 11. matplotlib
11.1 matplotlib
11.2 matplotlibÀ» ÀÌ¿ëÇÑ µµÇü ±×¸®±â
11.3 °´Ã¼ ÁöÇâ ¹æ¹ýÀ¸·Î ±×¸² ±×¸®±â
¡áÀÌ°øÇÐÀ» À§ÇÑ ÆÄÀ̽㠽ǽÀ º¸°í¼
CHAPTER 12. NumPy
12.1 NumPy¶õ
12.2 NumPy ¹è¿
12.3 NumPy ¿¬»ê
12.4 NumPy ±×¸² ±×¸®±â
12.5 numpy.random
12.6 ºê·Îµåij½ºÆÃ
12.7 NumPy ÀÔÃâ·Â
¡áÀÌ°øÇÐÀ» À§ÇÑ ÆÄÀ̽㠽ǽÀ º¸°í¼
CHAPTER 13. pandas
13.1 pandas¶õ
13.2 pandas µ¥ÀÌÅÍ ¸¸µé±â
13.3 DataFrameÀÇ Àε¦½Ì ¹× ½½¶óÀ̽Ì
13.4 pandas ÀڷḦ ÀÌ¿ëÇÑ ±×¸² ±×¸®±â
13.5 ¿ÜºÎ µ¥ÀÌÅÍ ÀÐ°í ¾²±â
¡áÀÌ°øÇÐÀ» À§ÇÑ ÆÄÀ̽㠽ǽÀ º¸°í¼
CHAPTER 14. SymPy¿Í SciPy
14.1 SymPy
14.2 SciPy
¡áÀÌ°øÇÐÀ» À§ÇÑ ÆÄÀ̽㠽ǽÀ º¸°í¼
PART 04. ÆÄÀ̽ã ÀÀ¿ë
CHAPTER 15. ÀÀ¿ë ÇÁ·Î±×·¥
15.1 °¢µµ º¯È¯
15.2 Á¤¼ö Á¾·ù ¹× ¿¬»êÇÏ´Â ÇÁ·Î±×·¥
15.3 ÀÚ¿¬¼ö¸¦ ÀÔ·Â ¹Þ¾Æ ¼Ò¼öÀÎÁö ÇÕ¼º¼öÀÎÁö ÆǺ°ÇÏ´Â ÇÁ·Î±×·¥
15.4 ³ÑÆÄÀ̸¦ ÀÌ¿ëÇÑ ½Ã±×¸ðÀ̵å ÇÔ¼ö ±×¸®±â
15.5 digits µ¥ÀÌÅͼÂ
15.6 ¼±Çüȸ±Í¼± ±¸Çϱâ
15.7 °¿ì·® Åë°èºÐ¼®
15.8 Á¦¾î½Ã½ºÅÛÀÇ º¸µå¼±µµ
15.9 ÆÄÀ̽ã ÀÀ¿ë ÆÐÅ°Áö·Î ȸ·Îµµ ±×¸®±â
¡áÀÌ°øÇÐÀ» À§ÇÑ ÆÄÀ̽㠽ǽÀ º¸°í¼
ºÎ·Ï 01. ÆÄÀ̽㠰ü·ÃÀÚ·á
1.1 ÆÄÀ̽㠸ðµâ ¼³Ä¡ ¹× IDE »ç¿ë
1.2 ÆÄÀ̽㠰ü·Ã Âü°íÀÚ·á
ºÎ·Ï 02 µ¥ÀÌÅͼ °ü·Ã »çÀÌÆ®
2.1 ±¹³» »çÀÌÆ®
2.2 ¿Ü±¹ ¹× ȸ»ç »çÀÌÆ®
2.3 ¼¼°è ±â±¸ »çÀÌÆ®
ÁÖ°£·©Å·
´õº¸±â»óÇ°Á¤º¸Á¦°ø°í½Ã
À̺¥Æ® ±âȹÀü
Àü°øµµ¼/´ëÇб³Àç ºÐ¾ß¿¡¼ ¸¹Àº ȸ¿øÀÌ ±¸¸ÅÇÑ Ã¥
ÆǸÅÀÚÁ¤º¸
»óÈ£ |
(ÁÖ)±³º¸¹®°í |
---|---|
´ëÇ¥ÀÚ¸í |
¾Èº´Çö |
»ç¾÷ÀÚµî·Ï¹øÈ£ |
102-81-11670 |
¿¬¶ôó |
1544-1900 |
ÀüÀÚ¿ìÆíÁÖ¼Ò |
callcenter@kyobobook.co.kr |
Åë½ÅÆǸž÷½Å°í¹øÈ£ |
01-0653 |
¿µ¾÷¼ÒÀçÁö |
¼¿ïƯº°½Ã Á¾·Î±¸ Á¾·Î 1(Á¾·Î1°¡,±³º¸ºôµù) |
±³È¯/ȯºÒ
¹ÝÇ°/±³È¯ ¹æ¹ý |
¡®¸¶ÀÌÆäÀÌÁö > Ãë¼Ò/¹ÝÇ°/±³È¯/ȯºÒ¡¯ ¿¡¼ ½Åû ¶Ç´Â 1:1 ¹®ÀÇ °Ô½ÃÆÇ ¹× °í°´¼¾ÅÍ(1577-2555)¿¡¼ ½Åû °¡´É |
---|---|
¹ÝÇ°/±³È¯°¡´É ±â°£ |
º¯½É ¹ÝÇ°ÀÇ °æ¿ì Ãâ°í¿Ï·á ÈÄ 6ÀÏ(¿µ¾÷ÀÏ ±âÁØ) À̳»±îÁö¸¸ °¡´É |
¹ÝÇ°/±³È¯ ºñ¿ë |
º¯½É ȤÀº ±¸¸ÅÂø¿À·Î ÀÎÇÑ ¹ÝÇ°/±³È¯Àº ¹Ý¼Û·á °í°´ ºÎ´ã |
¹ÝÇ°/±³È¯ ºÒ°¡ »çÀ¯ |
·¼ÒºñÀÚÀÇ Ã¥ÀÓ ÀÖ´Â »çÀ¯·Î »óÇ° µîÀÌ ¼Õ½Ç ¶Ç´Â ÈÑ¼ÕµÈ °æ¿ì ·¼ÒºñÀÚÀÇ »ç¿ë, Æ÷Àå °³ºÀ¿¡ ÀÇÇØ »óÇ° µîÀÇ °¡Ä¡°¡ ÇöÀúÈ÷ °¨¼ÒÇÑ °æ¿ì ·º¹Á¦°¡ °¡´ÉÇÑ »óÇ° µîÀÇ Æ÷ÀåÀ» ÈѼÕÇÑ °æ¿ì ·½Ã°£ÀÇ °æ°ú¿¡ ÀÇÇØ ÀçÆǸŰ¡ °ï¶õÇÑ Á¤µµ·Î °¡Ä¡°¡ ÇöÀúÈ÷ °¨¼ÒÇÑ °æ¿ì ·ÀüÀÚ»ó°Å·¡ µî¿¡¼ÀÇ ¼ÒºñÀÚº¸È£¿¡ °üÇÑ ¹ý·üÀÌ Á¤ÇÏ´Â ¼ÒºñÀÚ Ã»¾àöȸ Á¦ÇÑ ³»¿ë¿¡ ÇØ´çµÇ´Â °æ¿ì |
»óÇ° Ç°Àý |
°ø±Þ»ç(ÃâÆÇ»ç) Àç°í »çÁ¤¿¡ ÀÇÇØ Ç°Àý/Áö¿¬µÉ ¼ö ÀÖÀ½ |
¼ÒºñÀÚ ÇÇÇغ¸»ó |
·»óÇ°ÀÇ ºÒ·®¿¡ ÀÇÇÑ ±³È¯, A/S, ȯºÒ, Ç°Áúº¸Áõ ¹× ÇÇÇغ¸»ó µî¿¡ °üÇÑ »çÇ×Àº¼ÒºñÀÚºÐÀïÇØ°á ±âÁØ (°øÁ¤°Å·¡À§¿øȸ °í½Ã)¿¡ ÁØÇÏ¿© ó¸®µÊ ·´ë±Ý ȯºÒ ¹× ȯºÒÁö¿¬¿¡ µû¸¥ ¹è»ó±Ý Áö±Þ Á¶°Ç, ÀýÂ÷ µîÀº ÀüÀÚ»ó°Å·¡ µî¿¡¼ÀǼҺñÀÚ º¸È£¿¡ °üÇÑ ¹ý·ü¿¡ µû¶ó ó¸®ÇÔ |
(ÁÖ)ÀÎÅÍÆÄÅ©Ä¿¸Ó½º´Â ȸ¿ø´ÔµéÀÇ ¾ÈÀü°Å·¡¸¦ À§ÇØ ±¸¸Å±Ý¾×, °áÁ¦¼ö´Ü¿¡ »ó°ü¾øÀÌ (ÁÖ)ÀÎÅÍÆÄÅ©Ä¿¸Ó½º¸¦ ÅëÇÑ ¸ðµç °Å·¡¿¡ ´ëÇÏ¿©
(ÁÖ)KGÀ̴Ͻýº°¡ Á¦°øÇÏ´Â ±¸¸Å¾ÈÀü¼ºñ½º¸¦ Àû¿ëÇÏ°í ÀÖ½À´Ï´Ù.
¹è¼Û¾È³»
±³º¸¹®°í »óÇ°Àº Åùè·Î ¹è¼ÛµÇ¸ç, Ãâ°í¿Ï·á 1~2Àϳ» »óÇ°À» ¹Þ¾Æ º¸½Ç ¼ö ÀÖ½À´Ï´Ù.
Ãâ°í°¡´É ½Ã°£ÀÌ ¼·Î ´Ù¸¥ »óÇ°À» ÇÔ²² ÁÖ¹®ÇÒ °æ¿ì Ãâ°í°¡´É ½Ã°£ÀÌ °¡Àå ±ä »óÇ°À» ±âÁØÀ¸·Î ¹è¼ÛµË´Ï´Ù.
±ººÎ´ë, ±³µµ¼Ò µî ƯÁ¤±â°üÀº ¿ìü±¹ Åù踸 ¹è¼Û°¡´ÉÇÕ´Ï´Ù.
¹è¼Ûºñ´Â ¾÷ü ¹è¼Ûºñ Á¤Ã¥¿¡ µû¸¨´Ï´Ù.