크레마클럽

코딩 없이 누구나 쉽고 빠르게 훌륭한 데이터 분석가로 성장할 수 있다! 2022년 챗GPT의 등장이후 인공지능(AI)은 더 이상 우리의 관심 영역이 아니라 일상생활의 한 부분으로 자리 잡았다. 더불어 ‘코딩 없이 배우는 데이터 분석’은 대세가 되었다. 다양한 인공지능 도구들이 데이터 분석을 위한 프로그래밍을 대신해 주는 시대가 되었기 때문이다. 많은 전문가들은 훌륭한 데이터 과학자가 되기 위해 갖춰야 역량으로 분석(analytics) 역량, 비즈니스(business) 역량, 컴퓨팅(programming) 역량을 제시해왔다. 이제 이들 역량 중 컴퓨팅 역량은 우리가 직접 갖추지 않아도 인공지능을 활용해 갖출 수 있게 되었다. 한편, 비즈니스 역량은 우리가 노력한다고 해도 쉽게 획득할 수 없고, 최소 5~10년의 실무 경험이 있어야 얻을 수 있는 시간과 경험의 산물이다. 그렇다면 우리가 노력하여 갖출 수 있는, 그리고 현실적으로 획득할 수 있는 역량은 분석 역량이다. 우수한 데이터 과학자가 되기 위해 데이터 과학의 프레임워크를 이해하고, 다양한 데이터 분석 방법론을 학습해야 하는 이유이다. 우리는 현실의 복잡한 문제를 마주했을 때 무슨 데이터를 수집하여 가공하고, 어떤 분석 방법론을 적용하며, 결과물을 어떻게 해석할지가 중요하다. 데이터 과학에서 중요한 것은 결코 데이터 분석 도구가 아니다. 통계 학습(statistical learning)과 기계 학습(machine learning)을 망라한 데이터 과학의 프레임워크를 이해하고, 데이터를 가공-분석-해석하는 방법론에 대해 이해하는 것이 중요하다. 이 책은 총 7개의 파트로 구성되어 있다. PART 1에서는 데이터 과학의 프레임워크를 이해하기 위한 다양한 관점을 학습한다. PART 2는 본격적인 데이터 분석에 앞서 통계 학습의 바탕이 되는 추정과 검정을 다루고 있다. PART 3에서는 변수 간 관계를 분석하기 위한 방법론을 학습한다. PART 4와 PART 5에서는 지도 학습의 양대 축인 회귀와 분류에 대해 다루며, PART 6과 PART 7에서는 비지도 학습의 틀을 구성하는 차원 축소와 그룹화에 대해 배우게 된다.

추천의 글머리말PART 1. 왜 코딩 없이 배우는 데이터 과학인가?	_Chapter 1. 인공지능의 무서운 발전 속도	_Chapter 2. ‘도구’에서 ‘분석’으로 패러다임의 전환				_Chapter 3. 무엇을 준비해야 하나?_Chapter 4. 코딩 없이 데이터 과학을 배우려면_Chapter 5. 코딩이 필요 없는 데이터 과학 도구_Chapter 6. SoDA를 사용하는 방법PART 2. 추정과 검정_Chapter 1. 모집단과 표본_Chapter 2. 확률 이론_Chapter 3. 확률 분포_Chapter 4. 표본 분포_Chapter 5. 추정과 검정	PART 3. 관계 분석_Chapter 1. 범주와 수치 변수의 관계 Ⅰ_Chapter 2. 범주와 수치 변수의 관계 Ⅱ_Chapter 3. 수치형 변수의 관계_Chapter 4. 범수형 변수의 관계PART 4. 회귀_Chapter 1. 회귀란?_Chapter 2. 단순 선형 회귀_Chapter 3. 다중 선형 회귀_Chapter 4. 회귀 모형의 가정 진단_Chapter 5. 모델 선택_Chapter 6. 예측 회귀PART 5. 분류_Chapter 1. 분류란?_Chapter 2. 로지스틱 회귀_Chapter 3. 판별 분석_Chapter 4. 분류 모형의 평가PART 6. 차원 축소_Chapter 1. 차원 축소란?_Chapter 2. 주성분 분석_Chapter 3. 요인 분석PART 7. 그룹화_Chapter 1. 그룹화란?_Chapter 2. 군집 분석_Chapter 3. 계층형 군집_Chapter 4. k-평균 군집화맺음말

펼쳐보기접어보기

상세 이미지

저자 소개 (2명)

저 : 황보현우

관심작가 알림신청

현) 서울대학교 산업공학과 객원교수, 중앙대학교 대학원 융합보안학과 겸임교수. 대통령 소속 국가지식재산위원회 위원 겸 신지식재산전문위원회 위원장, 공공데이터전략위원회 개방활용분과 위원, 국가데이터정책위원회 산업기반분과 위원, 금융위원회 적극행정위원회 위원, 한국신용정보원 개인신용평가체계 검증위원회 위원. 전) 하나금융지주 그룹데이터총괄 (CDO; Chief Data Officer)/상무, 하나은행 데이터&제휴투자본부장, 하나벤처스 경영전략본부장/상무, 코오롱베니트 빅데이터분석팀장/전문위원, 홍콩과학기술대학교 (HKUST) 겸임교수, 연세대학교 정보대학원 겸임교수, 서울특별시... 현) 서울대학교 산업공학과 객원교수, 중앙대학교 대학원 융합보안학과 겸임교수.
대통령 소속 국가지식재산위원회 위원 겸 신지식재산전문위원회 위원장, 공공데이터전략위원회 개방활용분과 위원, 국가데이터정책위원회 산업기반분과 위원, 금융위원회 적극행정위원회 위원, 한국신용정보원 개인신용평가체계 검증위원회 위원.
전) 하나금융지주 그룹데이터총괄 (CDO; Chief Data Officer)/상무, 하나은행 데이터&제휴투자본부장, 하나벤처스 경영전략본부장/상무, 코오롱베니트 빅데이터분석팀장/전문위원, 홍콩과학기술대학교 (HKUST) 겸임교수, 연세대학교 정보대학원 겸임교수, 서울특별시 빅데이터심의위원회 위원장, 경기도 빅데이터위원회 부위원장, 하남시 백년도시위원회 위원장.

펼쳐보기접어보기

크레마클럽에서 볼 수 있는 작가의 다른 책

내서재에 추가 삭제

코딩 없이 배우는 데이터 과학

저 : 한노아

관심작가 알림신청

세계 1위의 데이터 분석 SW 기업인 SAS Korea에서 PSD/Advanced Analytics 부문 컨설턴트로 재직 중이다. 연세대학교 정보통계학과를 졸업하였으며, SAS Korea 제13회 분석 챔피언십에서 공기질과 호흡기 질환의 연관 관계 규명으로 롯데멤버스 제3회 L. Point Big Data Competition에서 개인화 상품 추천으로 입상하였다. SAS Korea에서 NH농협은행, 광주은행, 삼성화재, KB손해보험, 한국타이어, LG유플러스, LF, 롯데마트 등 다수의 빅데이터 분석 프로젝트를 수행하였다. 세계 1위의 데이터 분석 SW 기업인 SAS Korea에서 PSD/Advanced Analytics 부문 컨설턴트로 재직 중이다. 연세대학교 정보통계학과를 졸업하였으며, SAS Korea 제13회 분석 챔피언십에서 공기질과 호흡기 질환의 연관 관계 규명으로 롯데멤버스 제3회 L. Point Big Data Competition에서 개인화 상품 추천으로 입상하였다. SAS Korea에서 NH농협은행, 광주은행, 삼성화재, KB손해보험, 한국타이어, LG유플러스, LF, 롯데마트 등 다수의 빅데이터 분석 프로젝트를 수행하였다.

크레마클럽에서 볼 수 있는 작가의 다른 책