추가 적립 안내

더 나은 의사결정을 위한 필수 통계학, 경제학 개념부터 핵심 머신러닝 알고리즘까지
실무자를 위한 비즈니스 빅데이터 기술

비즈니스 분야에서 자주 언급되는 문제와 관련된 통계학, 경제학 개념 및 빅데이터 기술을 소개합니다. 이 책에는 아마존과 마이크로소프트에서 데이터 과학팀을 이끌고 시카고 대학교에서 계량경제학 및 통계학 교수로 재직하면서 데이터 과학 커리큘럼을 개발한 저자의 경험이 고스란히 담겨있습니다. 통계학, 경제학 개념부터 머신러닝 알고리즘까지 실무자가 알아야 하는 필수적인 내용들을 친절하게 설명하며 이를 R 프로그래밍 언어로 직접 구현하면서 모델링 기법의 목적과 사용법을 더 자세히 이해할 수 있게 돕습니다. 데이터 과학자, 데이터 엔지니어, 인공지능 개발자, 비즈니스 의사결정자 그리고 고급 통계학 지식을 얻고자 하는 사람에게 유용한 책입니다.

아마존 수석 이코노미스트(부사장)의 노하우와 사례로 가득한 실무 중심의 비즈니스 데이터 과학

오늘날에는 머신러닝과 통계학, 데이터 기반의 사회과학 및 경제학과 같은 분야에서 끊임없는 지적 융합이 일어나고 있으며, 이러한 융합은 데이터 분석의 질을 높여줍니다.이 책은 최선의 데이터 분석 방법을 설명하기 위해 머신러닝과 통계학 그리고 경제학을 융합합니다. 머신러닝과 통계학으로 자동화 및 확장 방법을 배우고, 경제학에서 인과관계 및 구조 모델링을 위한 도구를 가져오며, 이러한 방법들이 비즈니스 의사결정과 어떤 관련이 있는지 설명합니다. ‘무슨’ 일이 일어났는지가 아니라 ‘왜’ 이런 일이 발생했는지에 초점을 맞추어 설명하기 때문에 다양한 모델의 핵심 개념을 쉽게 이해할 수 있습니다. 저자가 학생들을 가르치며 얻은 노하우와 이베이, 마이크로소프트, 아마존에서 경험한 사례를 여러분의 실무에 적용해보세요!

주요 내용
● 비즈니스 의사결정에 필요한 통계학, 경제학 이론과 머신러닝 알고리즘
● 텍스트 분석, 가격 결정 및 수요 추정, A/B 실험, 고객 행동 분석의 사례
● 머신러닝 도구를 사용하여 비즈니스 의사결정을 내리는 방법
● 인공지능으로 비즈니스 문제를 해결하는 방법

프레스턴 맥아(전 마이크로소프트 수석 경제학자 겸 부사장, 야후 수석 경제학자 겸 부사장, 구글 연구이사, 캘리포니아)
이 책은 데이터 활용의 기초가 되는 통계 지식을 빈틈없이 친절하게 설명하며 실제 애플리케이션, 기술, 인사이트를 가득 담고 있다. 대부분의 머신러닝 책과 다르게 ‘상관관계는 인과관계와 다르다’는 문제를 다루고, 데이터로부터 신뢰할 수 있는 정보를 추출하는 방법을 제공한다.

휘도 임번스(스탠포드 경영대학원 경제학 교수, 『Causal Inference for Statistics, Social, and Biomedical Sciences)
맷 태디는 시카고에서 스타 강사로 일하던 시절의 경험, 마이크로소프트와 아마존에서 데이터 과학팀을 이끌었던 경험을 바탕으로 기업에 데이터 기반 의사결정 프로세스를 도입하고자 하는 MBA와 엔지니어를 위한 훌륭한 책을 집필했다. 현대 통계, 머신러닝 알고리즘, 사회과학 인과 모델의 핵심 개념을 누구나 요점이 무엇인지 알 수 있도록 쉽게 썼다. 이 책은 이 분야의 대표적인 교과서가 될 것이다.

존 매콜리프(볼레온 그룹의 공동 창립자 겸 최고 투자 책임자)
이 책은 수많은 데이터 과학 교과서 중에서 두각을 나타내며, 현실의 기본적인 비즈니스 문제를 해결하기 위해 다른 분야의 주제를 고려한다. 정확한 예측은 그 자체가 목적이 아니라 최선의 행동을 취하기 위한 수단이다. 맷 태디는 이러한 내용을 명확하고 읽기 쉽게 설명한다. 데이터 과학에 대한 배경지식이 없지만 예측, 인과관계, 의사결정과 관련된 최신 기술을 알고 싶은 사람, 이러한 기술을 실제 문제에 적용하는 데 관심이 있는 사람에게 이 책을 추천한다.

옌스 루트비히(맥코믹 재단 사회 서비스 행정, 법률 및 공공 정책 교수, 시카고 대학교 범죄 연구소 소장)
맷 태디는 최고의 강사다. 중요한 아이디어를 명확하게 전달하는 그의 능력이 이 책에서 빛을 발한다. 기업에서 데이터를 사용하는 방식을 개선하기 위해 컴퓨터과학, 경제학, 통계학의 인사이트를 결합하는 능력 또한 우수하다. 모두가 이 책을 읽어야 한다.

더크 에델부에텔(퀀트, 『Seamless R and C++ Integration with Rcpp』의 저자, 일리노이 대학교 어배너-섐페인 통계학과 임)
가장 흥미로운 최신 데이터 과학 책이다. 빈틈없는 구성으로 놀라움을 선사한다.

에밀리 오스터(브라운 대학교 경제학 교수, 『Expecting Better』과 『Cribsheet』의 저자)
데이터 분석을 바탕으로 더 나은 의사결정을 내리는 것에 관심이 있는 사람이라면 꼭 읽어야 할 책이다.

제시 셔피로(조지 S., 낸시 B. 파커 브라운 대학교 경제학 교수)
맷 태디는 훌륭한 방법으로 데이터 과학의 복잡한 아이디어를 설명한다. 이제 이 책을 통해 그가 제시하는 방법을 모두가 볼 수 있게 되어 기쁘다.

데이비드 블레이(컬럼비아 대학교 컴퓨터과학 및 통계학 교수)
이 책은 최근 비즈니스에서 데이터와 관련된 문제를 해결하는 데 중요한 수학적 이론과 실용적인 방법을 소개한다. 맷 태디는 데이터 과학 분야의 세계적인 리더이자 독특한 관점을 가진 사람이다. 이 책은 그의 엄격한 학문적 시각과 비즈니스 경험에서 얻은 지혜를 모두 반영한다.

CHAPTER 0 들어가며
두 도표에 대한 이야기
빅데이터와 머신러닝
계산

CHAPTER 1 불확실성
1.1 빈도주의 관점에서의 불확실성과 부트스트랩
_알고리즘 1 | 비모수 부트스트랩
_심화학습 | 편향된 추정량과 부트스트랩 사용
_알고리즘 2 | 신뢰구간을 위한 비모수 부트스트랩
1.2 가설 검정과 거짓 발견 비율 조절
_알고리즘 3 | BH FDR 제어
_심화학습 | BH 알고리즘이 작동하는 이유
1.3 베이지안 추론

CHAPTER 2 회귀
2.1 선형 모델
2.2 로지스틱 회귀
2.3 편차와 가능도
2.4 회귀 불확실성
2.5 공간과 시간

CHAPTER 3 정규화
3.1 표본 외 성능
_알고리즘 4 | K-폴드 표본 외 검증
3.2 정규화 경로
_알고리즘 5 | 전진 단계별 회귀
_알고리즘 6 | lasso 정규화 경로
3.3 모델 선택
_알고리즘 7 | K-폴드 CV
_알고리즘 8 | K-폴드 CV lasso
3.4 lasso에 대한 불확실성 정량화
_알고리즘 9 | lasso 신뢰구간을 위한 모수적 부트스트랩
_알고리즘 10 | √n 학습에서 서브샘플링 CI

CHAPTER 4 분류
4.1 최근접 이웃
_알고리즘 11 | K 최근접 이웃
4.2 확률, 비용, 분류
_알고리즘 12 | 맵리듀스 프레임워크
4.3 다항 로지스틱 회귀
4.4 분산 다항 회귀
4.5 분산과 빅데이터

CHAPTER 5 실험
5.1 무작위 대조 시험
5.2 유사 실험 설계
5.3 도구 변수
_알고리즘 13 | 2SLS

CHAPTER 6 제어
6.1 조건부 무시가능성과 선형 처리 효과
6.2 고차원 교란 조정
_알고리즘 14 | LTE lasso 회귀
6.3 표본 분할과 직교 머신러닝
_알고리즘 15 | LTE를 위한 직교 머신러닝
6.4 이종 처리 효과
6.5 합성 제어
_알고리즘 15 | 합성 제어

CHAPTER 7 인수분해
7.1 클러스터링
_알고리즘 17 | K-평균
7.2 요인 모델과 PCA
_알고리즘 18 | 주성분 분석
7.3 주성분 회귀
_알고리즘 19 | 주성분 (lasso) 회귀
7.4 부분 최소제곱법
_알고리즘 20 | 주변 회귀
_알고리즘 21 | 부분 최소제곱법(PLS)

CHAPTER 8 데이터로서의 테스트
8.1 토큰화
8.2 텍스트 회귀
8.3 토픽 모델
_알고리즘 22 | 희소 데이터를 위한 PCA
8.4 다항 역회귀
8.5 협업 필터링
8.6 워드 임베딩

CHAPTER 9 비모수
9.1 의사결정트리
_알고리즘 23 | CART 알고리즘
9.2 랜덤 포레스트
_알고리즘 24 | 랜덤 포레스트(RF)
_알고리즘 25 | 경험적 베이지안 포레스트(EBF)
9.3 인과 트리
_알고리즘 26 | 인과 트리(CT)
9.4 반모수와 가우스 프로세스

CHAPTER 10 인공지능
10.1 인공지능이란 무엇인가?
10.2 범용 머신러닝
10.3 딥러닝
10.4 확률적 경사하강법
10.5 강화 학습
10.6 상황에 따른 인공지능