추가 적립 안내

잠자는 코딩 뇌를 깨워라
파이썬 기초부터 머신러닝까지 한 권에!

프로그래밍 경험이나 지식이 없는 분들을 위해 파이썬과 다양한 라이브러리(넘파이, 맷플롯립, 판다스, 사이킷런 등)를 사용한 문제 해결 비법을 소개합니다. 이 책을 통해 일상에서 마주하는 다양한 문제를 프로그래밍으로 해결하는 기술을 배워보세요. 데이터 모델링과 해석 같은 데이터 과학의 핵심을 배우고, 간단한 머신러닝 기법도 만나봅니다.
이 책은 MIT 강의를 기반으로 만들어진 컴퓨터 과학 입문서로 프로그래밍을 전혀 모르는 초보자도 부담 없이 펼쳐볼 수 있습니다. 컴퓨팅 사고와 간단한 알고리즘처럼 프로그래밍 입문에 꼭 필요한 주제로 잠들어 있던 코딩 뇌를 깨우세요. 각 장에 마련된 뇌풀기 문제를 통해 데이터 시각화나 시뮬레이션, 데이터 계산 기법, 머신러닝 같은 실용적인 주제를 살펴보며 프로그래밍 능력을 키워봅시다.

문제 해결의 비밀은 계산적 사고에 있다

이 책은 문제 해결을 위한 계산적 사고 입문서다. 계산적 사고방식을 사용해 문제를 구성하고, 계산 모델을 구축하고, 데이터에서 정보를 추출하는 방법을 알아본다. 간단한 파이썬 문법부터 알고리즘, 데이터 과학, 머신러닝까지 다양한 주제를 살펴보며 일상에서 마주할 문제를 계산적 사고로 해결하는 방법을 학습한다. 또한 내용 중간마다 준비된 ‘뇌풀기 문제’가 지금까지 학습한 내용을 정리하도록 돕는다. 간단한 개념 정리부터 직접 요구사항에 맞는 코드를 작성하는 프로그래밍까지 다양한 문제를 풀어보며 계산적 사고를 키워보자.

대상 독자
● 프로그래밍을 처음부터 배우고 싶은 사람
● 파이썬 기초부터 머신러닝까지 간단히 경험하고 싶은 비전공자
● 데이터 과학에 필요한 기본적인 프로그래밍 방법이 궁금한 학생

배우는 내용
● 기초적인 파이썬 프로그래밍 방법
● 프로그램을 구성하고, 작성하고, 디버깅하는 방법
● 프로그래밍으로 모호한 문제를 해결하는 방법
● 유용한 알고리즘과 문제 축소 방법
● 통계 및 시각화, 머신러닝 도구를 사용해서 데이터를 이해하고 모델링하는 방법

에드 라조브스카(워싱턴대학교 컴퓨터 과학과 교수)
존 구태그는 스승으로서 뛰어나며, 동시에 작가로서도 뛰어납니다. 이 책은 파이썬을 소개하지만 '파이썬 책'이 아니고, 프로그래밍을 알려주지만 '프로그래밍 책'도 아닙니다. 계산 문제와 데이터 과학 문제를 파이썬으로 해결하는 엄격하면서 읽기 쉬운 입문서입니다.

해럴드 에이블슨(『자바스크립트로 배우는 SICP』, 『컴퓨터 프로그램의 구조와 해석』 저자)
한 권으로 모든 문제를 해결하는 컴퓨터 과학 책은 존재하지 않습니다. 하지만 딱 한 권만 골라야 한다면 이 책이 좋은 선택지가 될 겁니다.

〈1부〉 프로그래밍 시작하기

1장 시작하기

2장 파이썬 소개
_2.1 파이썬과 파이썬 IDE 설치하기
_2.2 파이썬의 기본 요소
__2.2.1 객체, 표현, 수치 타입
__2.2.2 변수와 할당
_2.3 분기 프로그램
_2.4 문자열과 입력
__2.4.1 입력
__2.4.2 문자 인코딩에 관한 여담
_2.5 while 루프
_2.6 for 루프와 range
_2.7 스타일의 중요성

3장 간단한 수치 프로그램
_3.1 완전 열거
_3.2 근사 해법과 이분 검색
_3.3 부동소수점 사용에 대하여
_3.4 뉴턴-랍슨 방법

〈2부〉 효율적으로 프로그래밍하기

4장 함수, 유효범위, 추상화
_4.1 함수와 유효범위
__4.1.1 함수 정의
__4.1.2 키워드 인수와 기본값
__4.1.3 가변 길이 인수
__4.1.4 유효범위
_4.2 사양
_4.3 함수를 사용해 코드를 모듈화하기
_4.4 객체로서의 함수
_4.5 메서드

5장 구조적인 타입과 가변성
_5.1 튜플
__5.1.1 복수 할당
_5.2 range와 iterator 타입
_5.3 리스트와 가변성
__5.3.1 복제
__5.3.2 리스트 내포
_5.4 리스트의 고차 연산
_5.5 문자열, 튜플, 레인지, 리스트
_5.6 집합
_5.7 딕셔너리
_5.8 딕셔너리 내포

6장 재귀와 전역 변수
_6.1 피보나치수열
_6.2 팰린드롬
_6.3 전역 변수

〈3부〉 탄탄한 프로그램 만들기

7장 모듈과 파일
_7.1 모듈
_7.2 사전에 정의된 패키지 사용하기
_7.3 파일

8장 테스트와 디버깅
_8.1 테스트
__8.1.1 블랙박스 테스트
__8.1.2 글라스박스 테스트
__8.1.3 테스트 수행하기
_8.2 디버깅
__8.2.1 디버깅 배우기
__8.2.2 실험 설계하기
__8.2.3 어려운 상황에 직면했을 때
__8.2.4 버그를 찾았을 때

9장 예외와 assert
_9.1 예외 처리하기
_9.2 제어 흐름 메커니즘으로 예외 사용하기
_9.3 assert

10장 클래스와 객체 지향 프로그래밍
_10.1 추상 데이터 타입과 클래스
__10.1.1 매직 메서드와 해싱 가능 타입
__10.1.2 추상 데이터 타입을 사용해 프로그램 설계하기
__10.1.3 학생 관리를 위한 클래스
_10.2 상속
__10.2.1 다단계 상속
__10.2.2 대체 원칙
_10.3 캡슐화와 정보 은닉
__10.3.1 제너레이터
_10.4 고급 예제

〈4부〉 프로그래밍으로 문제 풀기

11장 알고리즘 복잡도의 간략한 소개
_11.1 계산 복잡도에 관한 고찰
_11.2 점근 표기법
_11.3 중요한 몇 가지 복잡도 종류
__11.3.1 상수 복잡도
__11.3.2 로그 복잡도
__11.3.3 선형 복잡도
__11.3.4 로그 선형 복잡도
__11.3.5 다항 복잡도
__11.3.6 지수 복잡도
__11.3.7 복잡도 비교

12장 몇 가지 간단한 알고리즘과 데이터 구조
_12.1 검색 알고리즘
__12.1.1 선형 검색과 간접 참조로 원소에 접근하기
__12.1.2 이진 검색과 가정 활용
_12.2 정렬 알고리즘
__12.2.1 합병 정렬
__12.2.2 파이썬의 정렬 기능
_12.3 해시 테이블

13장 그래프 출력과 클래스
_13.1 맷플롯립으로 그래프 그리기
_13.2 모기지 그래프 그리기
_13.3 전염병을 위한 인터랙티브 그래프

〈5부〉 프로그래밍으로 현실 세계 이해하기

14장 배낭 문제와 그래프 최적화 문제
_14.1 배낭 문제
__14.1.1 탐욕 알고리즘
__14.1.2 0/1 배낭 문제의 최적 솔루션
_14.2 그래프 최적화 문제
__14.2.1 고전적인 그래프 문제
__14.2.2 최단 경로: 깊이 우선 탐색과 너비 우선 탐색

15장 동적 계획법
_15.1 피보나치수열 다시 살펴보기
_15.2 동적 계획법과 0/1 배낭 문제
_15.3 동적 계획법과 분할 정복

16장 랜덤 워크와 데이터 시각화
_16.1 랜덤 워크
_16.2 술에 취한 농부의 산책
_16.3 편향된 랜덤 워크
_16.4 위험한 들판

〈6부〉 데이터 이해하기

17장 확률적 프로그램, 확률 그리고 분포
_17.1 확률적 프로그램
_17.2 간단한 확률 계산하기
_17.3 추론 통계
_17.4 분포
__17.4.1 확률 분포
__17.4.2 정규 분포
__17.4.3 연속 균등 분포와 이산 균등 분포
__17.4.4 이항 분포와 다항 분포
__17.4.5 지수 분포와 기하 분포
__17.4.6 벤포드 분포
_17.5 해싱과 충돌
_17.6 잘하는 팀이 얼마나 자주 이기나요?

18장 몬테카를로 시뮬레이션
_18.1 파스칼의 문제
_18.2 크랩스 게임
_18.3 테이블 룩업을 사용해 성능 높이기
_18.4 π 찾기
_18.5 시뮬레이션 모델에 관한 맺음말

19장 샘플링과 신뢰도
_19.1 보스턴 마라톤 데이터 샘플링
_19.2 중심 극한 정리
_19.3 평균의 표준 오차

20장 실험 데이터 이해하기
_20.1 스프링 운동
__20.1.1 선형 회귀를 사용해 최적의 직선 찾기
_20.2 발사체 운동
__20.2.1 결정 계수
__20.2.2 계산 모델 사용하기
_20.3 지수적으로 분포된 데이터 다루기
_20.4 이론이 없을 때

21장 무작위 시험과 가설 검정
_21.1 유의성 검증하기
_21.2 P 값을 주의하세요
_21.3 단측 1표본 검정
_21.4 유의한가요? 유의하지 않은가요?
_21.5 표본 크기는?
_21.6 다중 가설
_21.7 조건부 확률과 베이즈 통계
__21.7.1 조건부 확률
__21.7.2 베이즈 정리

22장 거짓말, 새빨간 거짓말 그리고 통계학
_22.1 가비지 인 가비지 아웃(GIGO)
_22.2 테스트의 불완전성
_22.3 오해하기 쉬운 그래프
_22.4 Cum Hoc Ergo Propter Hoc
_22.5 전체를 알려주지 않는 통계 측정
_22.6 샘플링 편향
_22.7 맥락의 중요성
_22.8 사과와 오렌지 비교하기
_22.9 체리 피킹
_22.10 주의해야 할 외삽
_22.11 텍사스 명사수의 오류
_22.12 혼동하기 쉬운 백분율
_22.13 회귀 오류
_22.14 통계적으로 유의한 차이가 실제로 유의하지 않을 수 있음
_22.15 주의 사항

〈7부〉 머신러닝

23장 판다스로 데이터 탐험하기
_23.1 데이터프레임과 CSV 파일
_23.2 시리즈와 데이터프레임 만들기
_23.3 열과 행 선택하기
__23.3.1 loc와 iloc를 사용해 선택하기
__23.3.2 그룹 선택하기
__23.3.3 내용으로 선택하기
_23.4 데이터프레임 조작하기
_23.5 확장 예제
__23.5.1 온도 데이터
__23.5.2 화석 연료 소비량

24장 머신러닝 간략히 살펴보기
_24.1 특성 벡터
_24.2 거리 지표

25장 군집
_25.1 Cluster 클래스
_25.2 k 평균 군집
_25.3 가상의 예제
_25.4 실전 예제

26장 분류
_26.1 분류기 평가하기
_26.2 마라톤 선수의 성별 예측하기
_26.3 K 최근접 이웃
_26.4 회귀 기반 분류기
_26.5 타이타닉 생존자 예측하기
_26.6 마무리