±¹³»µµ¼
Àü°øµµ¼/´ëÇб³Àç
°øÇаè¿
ÄÄÇ»ÅÍ°øÇÐ
2013³â 9¿ù 9ÀÏ ÀÌÈÄ ´©Àû¼öÄ¡ÀÔ´Ï´Ù.
Á¤°¡ |
23,000¿ø |
---|
23,000¿ø
690P (3%Àû¸³)
ÇÒÀÎÇýÅÃ | |
---|---|
Àû¸³ÇýÅà |
|
|
|
Ãß°¡ÇýÅÃ |
|
À̺¥Æ®/±âȹÀü
¿¬°üµµ¼
»óÇ°±Ç
ÀÌ»óÇ°ÀÇ ºÐ·ù
Ã¥¼Ò°³
¸ñÂ÷¸¸ º¸¾Æµµ R°ú È®·üÅë°è µÑ ´Ù ÀÌÇØ°¡ µÉ ¼ö ÀÖµµ·Ï ¼³°èµÈ ±³Àç´Ù. R ÄÚµù°ú È®·üÅë°è °øºÎ´Â, ÀΰøÁö´É ÇÑ ºÐ¾ßÀÎ ¸Ó½Å·¯´×machine learning °øºÎÀÇ ±âÃÊÀÌ´Ù. Á¶°ÇºÎ È®·üÀº ¸Ó½Å·¯´×À¸·Î ³ª¾Æ°¡´Â Áß¿äÇÑ ±âÃÊÀ̹ǷÎ, ±× ¿ø¸®¸¦ ÀÚ¼¼È÷ Ç®¾î ¼³¸íÇÑ´Ù.
¸ñÂ÷
1. R ¼³Ä¡ 1
2. ¸í·É¹® ½ÇÇàÇÏ´Â R ÄܼÖÀ» °è»ê±â·Î ½áº¸±â 8
3. ÃÖ¼Ò´ÜÀ§ º¤ÅÍvector ±×¸®°í ±¸¼º¿ä¼Ò ¹´Â c ÇÔ¼ö 10
4. 1:5 Çϸé 1 °£°ÝÀ¸·Î ÀÌ·¸°Ô 1 2 3 4 5 12
5. ¹®ÀÚ º¤ÅÍ ±¸¼º¿ä¼Ò¿¡ "" ¾øÀ¸¸é RÀÌ °´Ã¼¸¦ ã´Â´Ù 13
6. º¤ÅÍ°¡ ÃÖ¼Ò´ÜÀ§¶ó¼ ÀçÈ°¿ërecycling 15
7. ¸Â´ÙTRUE ¾Æ´Ï´ÙFALSE ³í¸® º¤ÅÍ 19
8. ±×¸®°í& ȤÀº| ¾Æ´Ï´Ù! 21
9. ==´ë½Å = ¾²¸é º¸ÅëÀº º¤ÅÍ°¡ ÁöÁ¤µÈ´Ù 26
10. º¤ÅÍ ±¸¼º¿ä¼Ò °¡Á®¿À´Â ´ë°ýÈ£ [] 27
11. Á¦°ö±Ùsqrt Àý´ë°ªabs ¹Ý¿Ã¸²round ¿Ã¸²ceiling ³»¸²floor ¼Ò¼ö¹ö¸²trunc 29
12. R¿¡¼´Â ÀºÇà ¹Ý¿Ã¸²banker¡¯s rounding ¾´´Ù 32
13. R °¢µµ´Â ¶óµð¾Èradian 34
14. log ÇÔ¼ö¿Í ÀÚ¿¬»ó¼ö 36
15. Áß½ÉÀ» Ç¥ÇöÇÏ´Â ÇÔ¼ö mean median 38
16. R ÀÚü ÇÔ¼ö ¾È ¾²°í ¹öƼ±â¿Í length ÇÔ¼ö 39
17. °áÃø°ªNA ±×¸®°í °áÃø°ª ¾ø¾Ö´Â na.rm ÇÔ¼ö 41
18. ±ÔÄ¢Àû º¤ÅÍ ±×¸®°í º¤ÅÍ ±ÔÄ¢ÀûÀ¸·Î Á¤¸®Çϱâ seq rep sort 42
19. º¤ÅÍ ±¸¼º¿ä¼Ò Çϳª Çϳª ÇѲ¨¹ø¿¡ µûÁö´Â ifelse ÇÔ¼ö 45
20. ÁßÀ§¼ö ¹Ì¸¸ Æò±ÕÀ̶ó´Â »õ·Î¿î ½Ãµµ 47
21. ´ë°ýÈ£ [] ½á¼ ÁßÀ§¼ö ¹Ì¸¸ Æò±Õ ±¸Çϱâ 48
22. ifelse ½á¼ ÁßÀ§¼ö ¹Ì¸¸ Æò±Õ ±¸Çϱâ 49
23. subset ½á¼ ÁßÀ§¼ö ¹Ì¸¸ Æò±Õ ±¸Çϱâ 50
24. ÀڽŸ¸ÀÇ ÇÔ¼ö ¸¸µé±â 51
25. if ÇÔ¼ö¸¦ Àß ¾È ¾²°í ´ë½Å ifelse ¾²´Â ÀÌÀ¯ 54
26. º¤ÅÍ·Î µ¥ÀÌÅÍÇÁ·¹ÀÓ ¸¸µé±â 56
27. ¿ Çà ¹¾î µ¥ÀÌÅÍÇÁ·¹ÀÓ ±×¸®°í º¤ÅÍ ÀçÈ°¿ë rbind cbind 57
28. Áß°£¿¡ $ ³Ö¾î¼ µ¥ÀÌÅÍÇÁ·¹ÀÓ¿¡¼ º¤ÅÍ °¡Á®¿À±â 60
29. º¤Å͸¦ ±×³É ǥó·³ Á¤¸®ÇÏ¸é ¸ÞÆ®¸¯½º 61
30. ¸ÞÆ®¸¯½º ´Ù¸£°Ô ¸¸µé±â rbind cbind 63
31. ¸ÞÆ®¸¯½º¿¡¼ Çà°ú ¿ À̸§ ºÙÀ̱â 64
32. ¸ÞÆ®¸¯½º¿¡¼ apply ÇÔ¼ö 65
33. apply ÇÔ¼ö¿Í ¹è¿array 68
34. ¸ÞÆ®¸¯½º °è»ê 69
35. R Studio 72
36. source script ¶ó°í ºÎ¸£´Â ÀÌÀ¯¿Í print ÇÔ¼ö paste ÇÔ¼ö 77
37. ¸¸µé°í ½ÇÇàÇÑ °á°ú¹°ÀÎ ÀÛ¾÷°ø°£ ÀúÀåÇÏÁö´Â ¸»ÀÚ 78
38. ÁÂÇ¥ Âï±â plot 80
39. µ¥ÀÌÅÍÇÁ·¹ÀÓ plot 85
40. ÁÂÇ¥ ½ÇÁ¦ ³ª¿À´Â ¹æ½Ä type 86
41. polygon ºñ¾îÀÖ´Â ÁÂÇ¥¸¦ ¸¸µç ÀÌÈÄ¿¡ ´Ù°¢Çü ±×¸®±â 90
42. µµ¹ÚÇÏ¸é ¸ÁÇÑ´Ù´Â Å«¼ö ¹ýÄ¢, R Studio ÆíÁýâÀ¸·Î ½Ç½À 91
43. °¢ ÀÚ¸®¿¡ ´Ù¸¥ °É ´Ã¾î³õ´Â °æ¿ìÀÇ ¼ö ÆÑÅ丮¾ófactorial 94
44. Á¶ÇÕcombination °ø½Ä¾øÀÌ ÀÌÇØÇϱâ 98
45. Á¶ÇÕ°ú ÆĽºÄ® »ï°¢Çü 102
46. ±â´ñ°ª, ÀÌÇ׺ÐÆ÷ ±â´ñ°ª, ÀÌÇ׺ÐÆ÷ È®·ü °è»ê 107
47. t°ªÀ̳ª Ç¥ÁØÁ¡¼ö·Î ºñ±³°¡ °¡´ÉÇÏ´Ù 111
48. Ç¥ÁØÁ¤±ÔºÐÆ÷¿Í Á¤±ÔºÐÆ÷ 112
49. R commander ¼³Ä¡ 118
50. R Commander µ¥ÀÌÅÍ ÀÔ·Â 121
51. R Commander Á߽ɰæÇâ »êÆ÷µµ 126
52. R Commander ÆíÁýÇÏ°í ºÐ¼®ÇÏ°í ´Ù½Ã ÀúÀåÇϱâ 131
53. ¸ñ·ÏÀÌ ÀÖ¾î¾ß ¹«ÀÛÀ§ Ç¥º»ÃßÃâÀÌ´Ù. ±×·¡¾ß È®·üÅë°èÀÌ´Ù 135
54. °¡¼³Á¦±â´Â °Ë»çÀÇ À¯ÁË ±â¼ÒÀÌ´Ù. °¡¼³°ËÁ¤Àº ÀçÆÇÀÌ´Ù 136
55. »ý»ç¶÷ ÀâÀ» È®·üÀÌ À¯ÀÇÈ®·üÀÌ´Ù 137
56. ¼ýÀÚÈµÈ Á¤º¸ÀÇ ³× °¡Áö ÃøÁ¤¼öÁØÀº À̸§ ¼ø¼ Á¡¼ö ºñÀ² 137
57. Åë°èºÐ¼® º»ÁúÀº º¯¼ö°£ °ü°è ¿©ºÎ Åë°èºÐ¼® ½ÇÁ¦´Â ÃøÁ¤¼öÁØ 138
58. Æò±Õºñ±³ ³²³àÂ÷º° ºñ¿¬¼Ó£¿¿¬¼Ó 140
59. ±³Â÷ºÐ¼® R Commander¿¡¼ text ÆÄÀÏ ¿±â 145
60. ±³Â÷ºÐ¼® ³²³àÂ÷º° ºñ¿¬¼Ó£¿ºñ¿¬¼Ó 148
61. ±³Â÷ºÐ¼® ±â´ñ°ª ¿ø¸® »ý°¢Çغ¸±â 149
62. ÀçÆÇ¿¡¼´Â Áõ°Å´Ã¸é À¯ÁË °¡¼³°ËÁõÀº Ç¥º»Å©±â ´Ã¸é ÀÔÁõ 152
63. ºñ¿¬¼Ó£¿¿¬¼Ó Æò±Õºñ±³ ´ë½Å ºÐ»êºÐ¼®À» ¾²´Â °æ¿ì 156
64. R ÀÚü ÆÄÀÏ °¡Á®¿À±â 158
65. »óÀڱ׸² º»°ÝÀû ºÐ¼® ÀÌÀü¿¡ »ìÆ캸±â 161
66. È÷½ºÅä±×·¥ º»°ÝÀû ºÐ¼® ÀÌÀü¿¡ »ìÆ캸±â 163
67. Á¤±Ô¼º °ËÁ¤ ÀüÁ¦Á¶°ÇÀ¸·Î¼ Á¤±ÔºÐÆ÷ ¿©ºÎ È®ÀÎ 165
68. µîºÐ»ê °¡Á¤ ºñ±³ÇÏ´Â Áý´Ü³» °ªÀÌ Èð¾îÁø Á¤µµ°¡ µ¿ÀÏ 167
69. ºÐ»êºÐ¼® ¼¼ Áý´Ü ¿¬ºÀ Â÷ÀÌ ºñ¿¬¼Ó£¿¿¬¼Ó 168
70. pf ÇÔ¼ö·Î ºÐ»êºÐ¼® F À¯ÀÇÈ®·ü ±¸Çϱâ 171
71. F °ª Á÷Á¢ °è»êÇغ¸±â 175
72. »ó°üºÐ¼® ³²³àÂ÷º° ¿¬¼Ó£¿¿¬¼Ó 179
73. »ó°üºÐ¼® r °è»ê Á÷Á¢ Çغ¸±â 183
74. ȸ±ÍºÐ¼® ³²³àÂ÷º° ¿¬¼Ó £¿ ¿¬¼Ó 185
75. ¿äÀκм®¿¡¼ÀÇ ¿äÀÎÀÌ ¾Æ´Ñ ÃøÁ¤¼öÁØ °ü·ÃµÈ ¿äÀÎfactor 188
76. factor ÇÔ¼ö¿Í ¸í¸ñnominal ÃøÁ¤¼öÁØ 193
77. factor ÇÔ¼ö¿Í ¼ø¼ordianal ÃøÁ¤¼öÁØ 195
78. ÀÌ·± Àú·± R Commander ±¹°¡º° ±â´ë¼ö¸í Ç¥ÁØÁ¡¼ö 196
79. ÀÌ·± Àú·± R Commander ±â´ë¼ö¸íÀ» ±â´ë ³ë³âÀ¸·Î ¹Ù²Ù±â 202
80. ÀÌ·± Àú·± R Commander Áö¿ª ºñ±³ °á°ú¹° ±×¸®°í ¿äÀÎ 204
81. ÀÌ·± Àú·± R Commander °¡³ÇÑ ¼ø¼´ë·Î ´Ã¾î³õ±â 208
82. »õ¿ì±ø ¹«°Ô 90g R Commander Æò±ÕÃßÁ¤ 210
83. °ü°èÀִ ǥº» °ü°è ã±â·Î¼ ÀÌÀü ÀÌÈÄ Æò±Õ ºñ±³ paired t test 214
84. Á¤±Ç ¹Ù²ð ¶§¸¶´Ù 1% ÁÙ¾îµå´Â ¼ºÀå·ü R Commander ¼±µµÇ¥ 218
85. ½Ã°¢È¿¡ Àý´ëÀûÀÎ °ÍÀº ¾ø´Ù. ½Ã°£ È帧¿¡ »êÁ¡µµ ¾²±â 221
86. ´Ù¾çÇÑ °ÍÀ» ¹´Â list ÇÔ¼ö 224
87. list ÇÔ¼ö¿¡¼ [] [[]] 225
88. ¸®½ºÆ®list ³»¾î³õ´Â apply ºñ½ÁÇÑ ÇÔ¼ö lapply 228
89. ¹®ÀÚº¤ÅÍ length nchar Â÷ÀÌÁ¡ 229
90. ±ÛÀÚ ³ª´©´Â strsplit ÇÔ¼ö´Â º¤ÅÍ¿¡¼ ¸®½ºÆ®·Î ¹Ù²Û´Ù 230
91. º¤Å͸¦ ÂÉ°³¾î¼ º¤ÅÍ·Î ¸¸µå´Â ¹æ¹ýÀº ¾øÀ»±î? 232
92. ¹®ÀÚº¤ÅÍ ÇÕÄ¡°í ¶Ç ÀçÈ°¿ërecycling ÇÏ´Â paste ÇÔ¼ö 234
93. º¤ÅÍ Á¤·ÄÀº sort ÇÔ¼ö 236
94. [] È°¿ëÇؼ º¤ÅÍ¿Í µ¥ÀÌÅÍÇÁ·¹ÀÓ¿¡¼ ±¸¼º¿ä¼Ò °ñ¶ó³»±â 238
95. µ¥ÀÌÅÍÇÁ·¹ÀÓ Á¤·ÄÀº order ÇÔ¼ö 240
96. ¸¸´ÉÆÐ ¸¸µé±â grep ÇÔ¼ö 242
97. À̸ÞÀÏ ÁÖ¼Ò grepÀ¸·Î ãÀ¸·Á¸é ¹«½¼ ±âÈ£ . @ µÑ Áß Á¤´äÀº 247
98. ±¤¹üÀ§ÇÏÁö¸¸ °ø°£À» ÁöÁ¤ÇÏ´Â ¸¶Ä§Ç¥ . 248
99. ¸¶Ä§Ç¥ . ½á¼ À̸ÞÀÏ ÁÖ¼Ò Ã£´Â ¹æ¹ý 253
100. grep ÇÔ¼ö¿Í ´ë°ýÈ£ [] 253
101. °¡³°ú ºñ±Ø Kaggle ÀÏÀδçGDP ¿µ¾Æ»ç¸Á·ü »êÁ¡µµ 259
102. ¿ì¸®´Â ±âÈĺ¯È °¡ÇØÀÚ È¤Àº ÇÇÇØÀÚ data.go.kr °¡Á¤¿ë Àü±â »ç¿ë 270
103. ³²³àÂ÷º° SNS ¿¬°ü¾î ½æÆ®·»µå 272
104. ¸Ó½Å·¯´×machine learning ±âÃÊ ±×¸®°í Á¶°ÇºÎ È®·ü 273
105. Áö±ÝºÎÅÍ Á¶±Ý¾¿ ³ª¾Æ°¥ ¹æÇâ 285
º»¹®Áß¿¡¼
¼¹®
ÀÌ Ã¥ ¸ñÂ÷¸¸ º¸¾Æµµ, R°ú È®·üÅë°è µÑ ´Ù ÀÌÇØ°¡ ²Ï³ª µÈ´Ù. ¸ñÂ÷¸¸ º¸¾Æµµ °øºÎ°¡ µÇ´Â °ÍÀº, ±×·¸°Ô ¼³°èµÇ¾ú±â ¶§¹®ÀÌ´Ù. ¹®°ú»ý ´ë»ó ¼ö¾÷À» ÅëÇÑ ÁøÈ °á°ú¹°ÀÌ ÀÌ Ã¥ÀÌ´Ù.
Áß¿äÇÑ °ÍÀº ¼ö¾÷¹æ½ÄÀÌ´Ù. ÀÇ¿åÀÌ °¡µæÇÑ ÇлýµéÀÌ ÀÚÀ¯·Ó°Ô Áú¹®ÇÏ°í ½Ç½ÀÇÏ´Ù º¸¸é, Àâ´ÙÇÑ °ÍÀ» Á¢°í º»Áú·Î ³ª¾Æ°£´Ù. ±×·¡¼ ±âº» ´ÜÀ§ º¤ÅÍvector ±× ½ÇÁúÀû ÀÛµ¿À» ¹Ýº¹ÀûÀ¸·Î ´Ù·é´Ù. ´ÜÀ§°¡ Çϳª ÇϳªÀÇ ¼ýÀÚ³ª ¹®ÀÚ°¡ ¾Æ´Ï±â¿¡, º¤ÅÍ °è»ê¿¡¼ ÀçÈ°¿ërecycling Çö»óÀÌ ÀϾÙ.
´õ ½±°Ôµµ ÁøÈ°¡ ÀÌ·ç¾îÁø´Ù. R ÄÚµù¿¡¼ ÇÔ¼öfunction ÀÌÇØ°¡ Áß¿äÇÏ´Ù. ÀÌÇØÇÏ·Á¸é À̸§ ¿ø·¡ Àǹ̸¦ ¾Ë¾Æ¾ß ÇÑ´Ù. ¿µ¾î ´Ü¾î ¶æ°ú ¹ßÀ½, ¶§·Î´Â ¾î¿øµµ ¼³¸íÇÑ´Ù. ÈçÈ÷µé ¿µ¾î·Î Âß Àû°í ±×´ë·Î ÄÚµùÇ϶ó´Â ¾ê±âÀ» ÇÑ´Ù. ¡º¿µ¾îÀç¹ÌºÙÀ̱â: ¾î¿ø°ú µ¿»ç¡», ¡º¾î¿ø+¾î¿ø=¿µ´Ü¾î¡» µÎ ±ÇÀ» ÃßõÇÑ´Ù. ¸¶À½¿¡ ¿©À¯°¡ ¾øÀ¸¸é, ¡º¾î¿ø+¾î¿ø=¿µ´Ü¾î¡» ºÎ·Ï ¡®¾Õ¿¡ ºÙ´Â ¾î¿ø¡¯À» ÀоÀÚ.
¼ö¾÷¿¡¼ ´Ã ´ëÈÇü ¾ð¾î¶ó´Â R Ư¡À» È°¿ëÇÑ´Ù. º¤ÅÍ ±¸¼º¿ä¼Ò¸¦ ¸Å¹ø º¸¿©ÁØ´Ù. Ã¥ ºÐ·®ÀÌ ±æ¾îÁöÁö¸¸, ÀÌÇØ´Â ½¬¿öÁø´Ù. ÇÔ¼ö ¼¼ºÎ»çÇ×µµ »ý·«ÇÏÁö ¾Ê°í º¸¿©ÁØ´Ù.
¼ö¾÷¿¡¼ÀÇ ÀÌ·± Àú·± °úÁ¤À» ±×´ë·Î ´ã¾ÆµÎ´Â °Íµµ, ÇϳªÀÇ ÁøÈÀÌ´Ù. ¸ð·Î °¡µµ ¼¿ï¸¸ °¡¸é µÈ´Ù°í ÄÚµùÇÏ´Â »ç¶÷µéÀº À̾߱âÇÑ´Ù. ÁßÀ§¼ö ¹Ì¸¸ Æò±Õ ¸¸µé±â °°Àº ¼ö¾÷ ½Ç½À ³»¿ëÀ», Ã¥¿¡¼´Â ±×´ë·Î ´ã°í ÀÖ´Ù.
ÀÌ Ã¥Àº È¥ÀÚ¼ Çصµ Àç¹Ì¸¦ ºÙÀÏ ¼ö ÀÖ´Ù. ¼ö¾÷¿¡¼¿Í ¸¶Âù°¡Áö·Î, ÇÏ·ç 10ºÐ¾¿ ±³Àç ³»¿ëÀ» ÄÄÇ»ÅÍ ½Ç½ÀÇÏÀÚ.
Ã¥ ³»¿ë ±¸¼ºÀÌ Æ¯º°ÇÏ´Ù´Â °ÍÀ» °Á¶ÇÏ°í ½Í´Ù. R ¾ð¾î¿Í È®·üÅë°è¸¦ ¿¬°áÇÑ´Ù. ƯÈ÷³ª ¼Õ½¬¿î ÇÁ·Î±×·¥ÀÎ R Commander¸¦ ¿¬°á½ÃŲ´Ù.
ÀÌ·± Á¢±ÙÀ¸·Î ÅëÂûÀû ÀÌÇØ°¡ °¡´ÉÇÏ´Ù. ¿äÀÎfactor °³³ä¿¡¼ ÀÌ·¯ÇÑ Á¡ÀÌ Àß µå·¯³´Ù. ¹é°ú»çÀü½Ä ¼³¸íÀ» ÇÏÁö ¾Ê´Â´Ù. Ã¥ Àü¹Ý¿¡¼ ¸ÕÀú ÃøÁ¤¼öÁØÀ» Àüü¸¦ ¿¬°áÇÏ´Â °í¸®·Î¼ ÁøÇàÇÑ´Ù. ÀÌ·± ½ÄÀ¸·Î ¼ýÀÚ°¡ °¡Áö´Â ÀÇ¹Ì Â÷ÀÌ¿¡¼ ¿äÀÎÀÌ ³ª¿Â´Ù´Â °ÍÀ» µå·¯³½´Ù. ±×¸®°í´Â R Commander ½Ç½ÀÀ» ÅëÇØ ¿äÀÎÀ̶ó´Â °ÍÀÌ ½Çü°¡ ÀÖ´Ù´Â °ÍÀ» º¸¿©ÁØ´Ù. R ÄÚµù¿¡¼ÀÇ ¿äÀÎ ¸¸µé±â ½Ç½ÀÀ» Çغ¸¸é¼ ÀڽۨÀ» °¡Áø´Ù.
ÀÌ·¯ÇÑ ÁöÇâÀº ¾ÕÀ¸·Î ³ª¾Æ°¥ ¹ßÆǵµ Á¦°øÇÑ´Ù. R ÄÚµù°ú È®·üÅë°è °øºÎ´Â, ÀΰøÁö´É ÇÑ ºÐ¾ßÀÎ ¸Ó½Å·¯´×machine learning °øºÎÀÇ ±âÃÊÀÌ´Ù. Á¶°ÇºÎ È®·üÀº ¸Ó½Å·¯´×À¸·Î ³ª¾Æ°¡´Â Áß¿äÇÑ ±âÃÊÀÎ °Í °°¾Æ, ±× ¿ø¸®¸¦ ÀÚ¼¼È÷ Ç®¾î ¼³¸íÇÑ´Ù.
»ç½Ç Ã¥ Àüü¿¡¼ ¼öÇÐ ±âÃʸ¦ ´Ù·ç°í ÀÖ´Ù. ¼öÇп¡ Àç¹Ì¸¦ ºÙ¿©¾ß, ÄÚµù ½Ç·ÂÀÌ Âß ³ª¾Æ°¥ ¼ö ÀÖ´Ù. ´Ü¼øÈ÷ R »ï°¢ÇÔ¼ö ¸í·É¾î¸¦ ´Ù·çÁö ¾Ê°í, R °¢µµ ´ÜÀ§ÀÎ ¶óµð¾Èradian ¼³¸íÀ» ÇÑ´Ù. Çà·Ä °ö¼Àµµ ÀÏ´Ü ÀÌÇØµÇ°Ô ¾ê±âÇÑ´Ù. È®·ü °³³ä¿¡ ´ëÇؼµµ ±×·¡¼ ´õ ½±°í »ó¼¼ÇÏ°Ô Ç®¾î ³õ´Â´Ù. ÀÌ Á¤µµ ¼öÇи¸ ¾Ë¾Æµµ, ¼öÇÐ ¶§¹®¿¡ ÄÚµù ¸ø ÇÑ´Ù´Â °øÆ÷´Â ÀÏ´Ü Á¢¾îµÑ ¼ö ÀÖ´Ù.
ÀÌ Ã¥ ±×¸®°í ¡ºÁñ°Å¿î SPSS Ç®¸®´Â Åë°èÇС», ÀÌ µÎ ±ÇÀº »óÈ£º¸¿ÏÀûÀÌ´Ù. Áñ°Å¿î SPSS¿¡¼ ÀÌ¹Ì ÃæºÐÈ÷ ¼³¸íÀÌ µÈ ºÎºÐ¿¡ ´ëÇؼ´Â, ÀÌ Ã¥¿¡¼´Â ´Ù¸¥ °¢µµ¿¡¼ °£´ÜÈ÷ ¼³¸íÇÑ´Ù. ÀÌ Ã¥¿¡¼´Â È®·ü ºÎºÐÀÌ ´õ º¸°µÇ°í, R ÄÚµùÀ» ÅëÇÑ ½Ã¹Ä·¹À̼ǿ¡ ÁýÁßÇÑ´Ù.
ÀÌÂë¿¡¼ R ÄÚµù°ú R Commander Â÷À̸¦ ±Ã±ÝÇØ ÇÒ ¼ö ÀÖ´Ù. ÈçÈ÷ À̾߱âÇÏ´Â ¹ö½º¿Í ÀÚ°¡¿ë ºñÀ¯·Î ÀÌÇØÇÒ ¼ö ÀÖ´Ù. ¸î °³ÀÇ ÁÖ¾îÁø Åë°èºÐ¼®À» ¹Ýº¹ÀûÀ¸·Î ¾²·Á°í Çϸé, R Commander¸¦ ¸ÕÀú ¹è¿ì¸é µÈ´Ù. ¹ö½º ³ë¼±À» ÀÌ¿ëÇÏ´Â ¼ÀÀÌ´Ù. ÆíÇÏ°í ½±´Ù´Â ÀåÁ¡ÀÌ ÀÖ´Ù.
R ÄÚµùÀ» ÀÍÈ÷¸é ´õ ÁÁ´Ù. ¹ö½º°¡ °¡Áö ¾Ê´Â °÷À» ³»°¡ ³» Â÷·Î °¥ ¼ö ÀÖ´Ù. ±³Àç¿¡ ³ª¿À´Â ÁßÀ§¼ö ¹Ì¸¸ Æò±ÕÀÌ ÇϳªÀÇ ¿¹ÀÌ´Ù. ¸¸¾à °¢±¹ ¼ÒµæÀ» ÀÌ »õ ÁöÇ¥·Î ÃøÁ¤ÇÑ´Ù¸é, Æò±ÕÀ̳ª ÁßÀ§¼ö °ª°ú´Â ´Ù¸£°Ô, Àß³ ±¸¼®ÀÌ º°·Î ¾ø´Â Æò¹üÇÑ »ç¶÷ÀÇ Çö½Ç¿¡ ´õ °¡±î¿î ¼ýÀÚ°¡ ³ªÅ¸³¯ °ÍÀÌ´Ù.
Ã¥À» ³¡³»´Â ÀÌ ½ÃÁ¡¿¡¼´Â, ¾î¸Ó´Ï °£º´ÇØÁֽŠÀ̹«¼ø À̸ð¿Í ±âµµÇØÁֽŠÃÖ»óÁØ À¯½ºÆ¼³ë ½ÅºÎ´ÔÀÌ ¸ÕÀú »ý°¢³´Ù. ¾ÆÁÖ´ë °æÁ¦Çаú ±èµ¿±Ù ±³¼ö´ÔÀº Á¶°ÇºÎ È®·ü ÀåÀ» Àоî Á̴ּÙ. °°Àº »çȸ´ë¿¡¼ ì°ÜÁֽŠÀÌÁ¤·Ï ±³¼ö´Ô°ú ±è¿ëö ±³¼ö´Ô, ¹®ÈÀü¹®´ëÇпø¿¡¼ °°ÀÌ °í»ýÇÑ Á¶Àμ÷ ±èµ¿¹® ¼±»ý´Ô, ºÎ»ê¿¬±¸¿ø ½ÃÀýºÎÅÍ µµ¿ÍÁֽŠ±Ý¼º±Ù Ȳ¿µ¿ì ¹Ú»ç´Ô¿¡°Ô °¨»çµå¸°´Ù. °í¸¶¿òÀ» °íÇâÄ£±¸(±¸Áø¸¸, ±èÁ߸ð, ¹ÚÀ翵, ½ÅÇö´ö, ¾ÈÁظð, À¯¿µÁØ, Á¤¿ìö, Á¤À¯ÀÎ)¿¡°Ô ÀüÇÑ´Ù.
¸¶Áö¸·À¸·Î ÃÊÆÇÀÌ ³ª¿À±â±îÁö Àû±ØÀûÀ¸·Î Áö¿øÇØÁֽŠ¹Ú¿µ»çÀÇ ¾ÈÁ¾¸¸¡¤¾È»óÁØ ´ëÇ¥´Ô, ±âȹÀ» Àû±ØÀûÀ¸·Î ÃßÁøÇØÁֽŠ¹ÚºÎÇÏ¡¤ÀÌÈı٠´Ô, ÆíÁýÀ» ÁøÇàÇØÁֽŠŹÁ¾¹Î ´Ô²² °¨»çÀÇ ¸¶À½À» ÀüÇÑ´Ù.
2023³â ÀúÀÚ
ÀúÀÚ¼Ò°³
»ý³â¿ùÀÏ | - |
---|
1999 ¹Ì½Ã°£ÁÖ¸³´ë »çȸÇÐ-µµ½ÃÇÐ ¹Ú»ç. 2000 ½Ì°¡Æ÷¸£±¹¸³´ë ¹Ú»çÈÄ°úÁ¤. 2001 ºÎ»ê¹ßÀü¿¬±¸¿ø ºÎ¿¬±¸À§¿ø. 2002 Àü³²´ë »çȸÇаú Á¶±³¼ö. 2006-ÇöÀç Àü³²´ë »çȸÇаú ºÎ±³¼ö. Àú¼·Î´Â '»çȸ°úÇÐÀÇ Çö´ëÅë°èÇÐ', 'Áñ°Å¿î SPSS, Ç®¸®´Â Åë°èÇÐ', '±¹°¡¿Í µµ½Ã', '¼±ÁýÀ¸·Î Àд Çѱ¹ÀÇ µµ½Ã¿Í Áö¿ª' ÀÌ ÀÖ´Ù.
Àú¿ª¼
¡º»çȸ°úÇÐÀÇ Çö´ëÅë°èÇС» (±è¿µÃ¤ °øÀú) ¹Ú¿µ»ç
¡ºÁñ°Å¿î SPSS, Ç®¸®´Â Åë°èÇС» ¹Ú¿µ»ç
¡º±¹°¡¿Í µµ½Ã¡» Àü³²´ëÇб³ÃâÆǺΠ2008³â ¹®ÈüÀ°°ü±¤ºÎ ¼±Á¤ ¿ì¼öÇмúµµ¼
¡º¼±ÁýÀ¸·Î Àд Çѱ¹ÀÇ µµ½Ã¿Í Áö¿ª¡» (¾È¿µÁø °øÆí) ¹Ú¿µ»ç
¡º°ø°£À̷аú Çѱ¹µµ½ÃÀÇ Çö½Ç¡»
Àü³²´ëÇб³ÃâÆǺÎ
¡ºÈ²±Ýµµ½Ã: Àå¼ÒÀÇ Á¤Ä¡°æÁ¦ÇС» Àü³²´ëÇб³ÃâÆǺÎ
John R. Logan & Harvey L. Molotch(2007), Urban Fortunes: The Political Economy of Place, The University of California.
¡º»õ·Î¿î Áö¿ª°ÝÂ÷¿Í »õ·Î¿î ó¹æ: ö±Ù/ÄÜÅ©¸®Æ®¿¡¼ Áö¿ª¹ßÀüÀ¯¹ß Áö½Ä¼ºñ½º·Î¡» (¾È¿µÁø °øÀú) ¹Ú¿µ»ç
¡º¼¿ï±ÇÀÇ µîÀå°ú ³ª¸ÓÁöÀÇ ¼èÅð¡» Àü³²´ëÇб³ÃâÆǺÎ
¡º¹Ì±¹À̶ó´Â °ø°£: ºÎµ¿»ê Åõ±â£¿³ë¿¹Á¦£¿ÀÎÁ¾ Â÷º°¡¤Àεð¾ð Á¦°Å£¿»¯±â´Â »îÀÇ ÅÍÀü¡» ¹Ú¿µ»ç
¡º¾î¿ø+¾î¿ø=¿µ´Ü¾î¡» ¹Ú¿µ»ç
ÀúÀÚÀÇ ´Ù¸¥Ã¥
Àüüº¸±âÁÖ°£·©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.