추가 적립 안내

초보자도, 문과생도 쉽게 배울 수 있는 파이썬 입문서
기초부터 시작하는 코딩과 데이터 분석

『누구나 파이썬』은 초보자, 문과생, 취준생, 직장인에게 파이썬의 세계로 안내하는 입문서이다. 프로그래밍을 처음 접하는 분들, 여러 프로그래밍 언어를 접했지만 어떤 언어도 익숙하지 않은 분들에게 특히 좋은 해답이 될 책이다. 『누구나 파이썬』은 파이썬 최신 버전 설치 방법부터 함수 코딩 방법까지 코딩의 기본을 1:1로 강의하듯 자세하고 친절하게 안내해준다. 이 책의 또 다른 장점은 파이썬을 활용해 데이터를 분석하는 방법도 아울러 배울 수 있다는 점이다. 코딩으로 시작해 데이터 분석까지 디지털 경쟁력을 높이고자 하는 문과생, 취준생, 직장인에게 돛대와 같은 역할을 해줄 것이다.

1:1로 괴외하듯 쉽고 자세하게 안내
풍부한 예제와 실습 문제로 기본 다지기도 충실하게
『누구나 파이썬』은 크게 세 단계로 구성돼 있다. 첫 번째 단계는 파이썬 학습을 준비하는 과정이다. 파이썬을 본격적으로 공부하기 전에 준비 운동을 하는 과정이라고 보면 된다. 학습 준비단계에서는 프로그램 언어로서 파이썬의 장점은 무엇인지, 최신 버전을 어떻게 설치하는지, 파일이 정확하게 설치되었는지 확인하는 방법은 무엇인지, 환경 변수 재설정은 어떻게 하는지, 그리고 파이선 편집기를 설치하는 방법까지 그림과 컴퓨터 화면을 보여주며 과외하듯 쉽고 자세하게 설명해준다.
두 번째 단계에서는 본격적으로 코딩을 배우게 된다. 역사적인 첫 코딩부터 사칙 연산, 비교 연산, 논리 연산, 그리고 알고리즘의 꽃이라고 불리는 제어문, 마지막으로 함수 코딩 방법까지 차례대로 학습하게 된다. 코딩 학습 과정의 장점은 중간중간 ‘연습 문제’와 ‘실습 문제’를 풀며 실전 경험을 쌓을 수 있다는 것이다. 이 단계가 끝나면 코딩에 관한 기본 학습을 다 마치게 된다.

코딩에서 한 걸음 더
파이썬으로 데이터 분석하기
두 번째 단계가 코딩 학습 단계라면 세 번째 단계는 여기에서 한발 더 나아가 데이터 분석을 학습하는 과정이다. 파이썬은 그 어떤 컴퓨터 언어보다 데이터 분석에 최적화되어 있다. 파이썬은 AI를 포함한 데이터 분석에 정말 유용한 도구이다. 코딩을 공부하고 연습 문제와 실습 문제를 열심히 풀었다면 이번엔 데이터 분석에 도전해보자. 이 책에서는 데이터 분석의 목적부터 회귀 분석 이해하기, 기울기와 절편, 예측 검증, 분류와 군집, 의사 결정 나무 등 다양한 데이터 분석 방법을 공부할 수 있다. 여기까지 마치면 코딩과 데이터 분석에 관한 기본을 모두 다지게 된다. 참고로 『누구나 파이썬』은 데이터 분석에 필요한 샘플 CSV(comma separated value) 파일을 저자가 운영하는 ‘정보와 가치 연구소’ 사이트에서 제공하고 있다.

#지은이의 말
#〈누구나 파이썬〉 100% 활용법

#파이썬 만나기
1. 파이썬 이해하기
2. 파이썬 설치하기
3. 파이썬 설치 확인 및 환경 변수 재설정
4. 파이썬 편집기 설치하기

#파이썬 기초 다지기
1. Welcome to Python world
2. 프로그래밍 처음이시죠?
3. 숫자이거나 혹은 문자이거나
4. 문자형 변수
5. 변수 포매팅
6. LIST
7. 객체 이야기

#연산자의 이해
1. 사칙 연산
2. 비교 연산
3. 논리 연산
4. 간단한 계산기 만들기

#알고리즘의 꽃, 제어문
1. 조건 분기 IF
2. 반복문 FOR
3. 조건 반복 WHILE
4. 종합 실습 1
5. 종합 실습 2
6. 종합 실습 3

#유용한 함수 이야기
1. 함수가 무엇인가요?
2. 반올림과 난수 그리고 모듈
3. 문자열 길이조절과 문자 변경
4. 날짜 함수
5. 함수의 정의와 호출

#라이브러리 그리고 오픈 소스
1. 열린 도서관
2. OS
3. 데이터 분석과 파이썬
4. 데이터 구조
5. Anaconda 패키지
6. Pandas
7. Numpy
8. Matplotlib

#기초 데이터 분석
1. 결측치 확인하기
2. 평균 구하기
3. 관측치 분포 확인하기
4. 상관 분석
5. 학습이론과 sklearn
6. Min - Max 정규화
7. 백분위 수

#데이터 분석
1. 회귀 분석의 이해
2. 기울기와 절편 (직선의 방정식)
3. 선형 회귀(Linear regression)
4. 예측 검증
5. 분류와 군집
6. SVM (Support Vector Machine)
7. 거리 계산하기
8. K-means 군집화
9. 의사 결정 나무(Decision tree)

#에필로그