한빛출판네트워크

IT/모바일

데이터과학 입문: 구글, MS, 이베이 데이터과학자에게 배우다

한빛미디어

번역서

절판

데이터과학 입문: 구글, MS, 이베이 데이터과학자에게 배우다
좋아요: 36
  • 저자 : 레이철 슈트 , 캐시 오닐
  • 역자 : 윤영민 , 허선 , 전희주 , 김정일 , 류자현
  • 출간일 : 2014-10-28
  • 페이지 : 396쪽
  • ISBN : 9788968481352
  • 물류코드 :2135

합계 : 23,400

  • 데이터과학, 최고의 교과서


    사람들은 데이터가 선거나 비즈니스 모형을 바꿀 수도 있다는 점을 알게 됐다. 이에 따라 데이터과학과 관련된 직업도 많이 생겨 났다. 하지만 데이터과학은 여러 학문이 섞여 있어 올바른 가이드 없이는 쉽게 진입할 수 없다. 그렇다면 당신은 어떻게 시작할 것인가? 이 책은 컬럼비아대학교 대학원의 데이터과학 입문 수업을 바탕으로 데이터과학에 입문하려는 당신이 알아야 할 내용을 상세히 다루고 있다.
    총 16개 장에 걸쳐 소개되는 강의들에서는 구글, MS, 이베이 등 데이터과학자들이 사례 분석과 직접 사용하는 코드를 제시하면서 새 알고리즘, 방법론, 모형을 공유한다. 선형대수, 확률, 통계에 익숙하고 프로그래밍 경험이 있다면 이 책은 최고의 데이터과학 입문서가 될 것이다.

     


    【이 책의 구성】

    • 1장 : 우리는 '데이터과학이란 무엇인가?'라는 중심 질문에 관한 몇 개의 기초적인 자료로 시작하고, 조직화하는 원칙으로서의 데이터과학 과정을 소개한다.
    • 2장, 3장 : 책 전체의 기초가 되는 통계적 모형화와 기계학습 알고리즘을 개괄적으로 살펴본다.
    • 4장, 5장, 6장, 8장 : 다양한 맥락에 따라 특정한 모형과 알고리즘의 사례들을 검토한다.
    • 7장 : 데이터에서 어떻게 의미를 도출하고, 모형에 포함될 특징을 어떻게 만드는지 알아본다.
    • 9장, 10장 : 전통적으로 대학에서 가르치지 않는 데이터 시각화와 소셜네트워크라는 두 영역을 다룬다. 
    • 11장, 12장 : 예측에서 인과성으로 방향을 선회한다.
    • 13장, 14장 : 데이터 준비와 공학에 관한 것이다.
    • 15장 : 수업에 참여한 학생들에게 데이터과학을 학습한다는 것이 어떤 의미인지 들어본다.
    • 16장 : 데이터과학의 미래에 대해 우리가 희망하는 점이 논의된다.

     


    【이 책을 읽으면!】

    • 경험이 많은 데이터과학자들은 아마도 자신이 하고 있는 일을 새로운 각도에서 보고 이해하게 될 것이다.
    • 통계학자들은 데이터과학과 통계학의 관계에 대한 인식을 얻을 수 있을 것이다. 아니면 '이것은 그냥 통계학이잖아'라는 입장을 계속 유지할 지도 모른다. 그 경우 우리는 그 주장이 명료하게 제시되는 모습을 보고 싶다.
    • 데이터과학으로 전공 전환을 고려 중이거나 데이터과학 스킬을 향상시키고자 하는 계량분석가, 수학자, 물리학자, 혹은 다른 과학 분야의 박사들은 데이터과학이 무엇인지 혹은 무엇을 요구하는지에 대한 관점을 얻을 것이다.
    • 학생들이나 데이터과학에 문외한인 독자들은 데이터과학에 깊숙이 던져지게 될 것이다. 만약 여러분이 모든 내용을 이해할 수 없다고 하더라도 걱정하지 말기 바란다. 그것은 배우는 과정의 일부일 뿐이다.
  • [저자] 레이철 슈트

    News Corp.의 Data Science 분야 선임 부사장이다. 컬럼비아 대학교에서 통계학 박사를 받았고 구글 연구소에서 통계학자로 수년간 일했다. 컬럼비아 대학교의 통계학과 겸임교수며, 컬럼비아에서 데이터과학공학연구소의 교육위원회의 창설멤버다. 구글에서 일한 내용을 바탕으로 여러 특허를 출원 중에 있으며, 특히 사용자 행태를 이해하는 프로토타입 알고리즘을 만들고 모형을 구축함으로써 사용자 대면제품을 만드는 데 일조하였다. NYU 수학과에서 석사학위를 받았고 스탠포드 대학교에서는 공학-경제시스템과 운용과학(OR)의 석사학위를 가지고 있다. 미시간 대학교의 수학과에서 학사학위를 받았다.

    [저자] 캐시 오닐

    하버드 대학에서 수학 박사학위를 받고 MIT 수학과에서 박사후과정을 거쳤으며 바나드 대학의 교수로 있으면서 대수기하학에 관한 수많은 연구논문을 발표했다. 이후 대학교수직을 그만두고 민간기업으로 이직하였다. 신용위기의 와중에 헤지펀드인 D.E.Shaw에서 시장분석가로 활동하였으며 헤지펀드와 은행의 지주사에 대한 위험을 평가하는 소프트웨어 리스크메트릭스(RiskMetrics)에 참여하였다. 현재 뉴욕의 창업 업계에서 데이터과학자로 있으며 mathbabe.org에서 블로그를 운영하고 월가를 점령하라(Occupy Wall

    Street)에도 관여하고 있다.

    [역자] 윤영민

    1994년 미국 UC 버클리에서 사회학 박사학위를 받았다. 현재 한양대학교 ERICA 캠퍼스의 정보사회학과 교수 겸 언론정보대학장으로 재직 중이며, (사)한국데이터사이언스학회 회장, 국가오픈데이터포럼 공동의장, 한국디지털도서관위원회 위원으로 활동하고 있다. 정보기술과 인간, 정보기술과 사회의 접점을 연구하여 『전자정보공간론』(1996), 『사이버공간의 정치』(2000), 『사이버공간의 사회』(2003), 『Dialogue: 소셜미디어와 집단지성 1, 2』(2011) 등 다수의 저서와 논문을 발표했다. 또한 크리스찬 아카데미(현 대

    화문화 아카데미), 유네스코한국위원회, 현정포럼, 대통령 자문 전자정부특별위원회, 스마트정부(Gov. 3.0) 오픈포럼 등을 통해 최신 정보기술을 이용한 사회혁신에도 활발하게 참여했다. 2002년에는 전자정부 구축에 기여한 공로를 인정받아 홍조근정훈장을 수여했다.

    [역자] 허선

    서울대학교에서 학사, 석사학위를 받았고 삼성전자 경영기획실과 삼성경제연구소 산업연구실에서 근무했다. 1993년 미국 Texas A&M 대학교에서 산업공학 박사학위를 받았으며 현재 한양대학교 산업경영공학과 교수로 재직하고 있다. 주요 연구분야는 데이터마이닝, 응용확률론, 대기행렬이론과 응용 등이다. 『확률과정론(R.L.Disney)』(청문각, 1997)을 번역하였고, 『유비쿼터스 환경에서 물류정보의 적시성 확보』(정석물류통상연구원, 2008), 『공학의 마에스트로-산업공학』(청문각, 2010) 등의 저서가 있으며, SCI급

    국제저명학술지에 30편, 국내저명학술지에 34편의 논문을 게재하였다. 현재 대한산업공학회, 한국산업경영시스템학회, 한국SCM학회 종신회원이다.

    [역자] 전희주

    고려대학교에서 학사, 석사학위를 받았고, 노스캐롤라이나 주립대학교에서 통계학 박사학위를 받았다. 미국 SAS, P&G, 삼성카드, SK텔레콤에서 고객관계관리(CRM)와 데이터분석 업무를 하였다. 현재 동덕여자대학교 정보통계학과 교수로 재직 중이며 한국도로공사 경영평가위원, 동부화재 자문교수, 남양주시 빅데이터 자문교수, 한국데이터사이언스학회 부회장, 한국영업관리학회 부회장으로 활동하고 있다. 주요 연구분야로는 CRM, 소셜네트워크분석(SNA), 보험마케팅이며, 주요저서로는 『보험자료를 활용한 일반화 선형모형』(사이플러스, 2009), 『문화교류역량과 다문화경영이 기업성과에 미치는 영향』 (집문당, 2013), 『미적분학』(한티미디어,2014) 등이 있다.

    [역자] 김정일

    연세대학교와 대학원에서 통계학을 전공하고 연세대학교 의과대학 예방의학교실에서 다양한 의료 데이터 분석 및 연구를 수행하였고, 하버드 대학원에서 통계학을 전공한 후 세계 최대 통신회사인 AT&T에서 연구소와 다양한 데이터 분석업무를 거치며 2004년 11월 퇴사할 때까지 데이터베이스 마케팅과 마케팅 사이언스 업무를 수행했다. 2005년 1월 삼성생명의 해외 핵심인력 임원으로 영입되어 2012년 퇴사할 때까지 데이터베이스 마케팅과 CRM을 리드하였다. 2013년 2월 빅데이터 분석 및 비즈니스 모델 전문 컨설팅 업체인 디비디스커버를 창립하여 금융, 통신 등 다양한 분야에서 실제 빅데이터를 활용하여 분석, 예측, 및 활용을 추진 중이다. 한국마케터협회의 일원으로서 『마케터분투기』(리더스북, 2010)를 저술하였다.

    [역자] 류자현

    한양대학교 사회학과 박사 수료 후 한양대학교 에리카 캠퍼스에서 사회학 입문 강의를 하고 있다. 온라인 공간에서의 상호작용에 관심이 많아 소셜미디어에서의 집단지성과 관련된 박사논문을 작성하고 있다. 논문 번역으로 『정보시스템: 교육정보시스템을 중심으로』(한국사회학, 2006)와 『공공부문 소셜미디어 가이드라인 분석』(공저, 2012) 등이 있다.

  • CHAPTER 1 소개: 데이터과학이란 무엇인가?
        1.1 빅데이터와 데이터과학 열풍
        1.2 열풍을 넘어서
        1.3 왜 지금?
        1.4 현재의 풍경(약간의 역사와 함께)
        1.5 데이터과학 프로필
        1.6 사고 실험: 메타 정의
        1.7 데이터과학자는 정말로 어떤 직업인가?


    CHAPTER 2 통계적 추론, 탐색적 데이터분석과 데이터과학 과정
        2.1 빅데이터 시대의 통계적 사고
        2.2 탐색적 데이터분석
        2.3 데이터과학 과정
        2.4 사고 실험: 여러분은 혼돈을 어떻게 시뮬레이션할 것인가?
        2.5 사례 연구: 리얼다이렉트


    CHAPTER 3 알고리즘
        3.1 기계학습 알고리즘
        3.2 세 가지 기본 알고리즘
        3.3 연습문제: 기본적인 기계학습 알고리즘들
        3.4 전체 요약
        3.5 사고 실험: 통계로봇


    CHAPTER 4 스팸 필터, 나이브베이즈, 경합
        4.1 사고 실험: 예제로 배우기
        4.2 나이브베이즈
        4.3 좀 더 멋있게: 라플라스 평활
        4.4 나이브베이즈와 k-NN의 비교
        4.5 코드 예시
        4.6 웹스크래핑: 기사분류를 위한 나이브베이즈


    CHAPTER 5 로지스틱 회귀
        5.1 사고 실험
        5.2 분류기
        5.3 M6D 로지스틱 회귀 사례연구
        5.4 Media 6 Degrees 연습문제


    CHAPTER 6 시간기록과 금융 모형화
        6.1 카일 티그와 티비태그
        6.2 시간기록
        6.3 캐시 오닐
        6.4 사고 실험
        6.5 금융 모형화
        6.6 연습문제: 티비태그와 시간기록 사건 데이터


    CHAPTER 7 데이터에서 의미 추출하기
        7.1 윌리엄 커키어스키
        7.2 캐글모형
        7.3 사고 실험: 로봇 평가자의 윤리적 함축성은 무엇인가?
        7.4 특징 선택
        7.5 데이비드 허페이커: 사회연구에 대한 구글의 하이브리드 접근법


    CHAPTER 8 추천 엔진: 대규모 사용자 대면 데이터 상품
        8.1 현실 세계의 추천 엔진
        8.2 사고 실험: 필터 버블
        8.3 연습문제: 추천 시스템 만들기


    CHAPTER 9 데이터 시각화와 사기 탐지
        9.1 데이터 시각화의 역사
        9.2 다시 한 번, 데이터과학이란 무엇인가?
        9.3 데이터 시각화 프로젝트의 사례
        9.4 마크의 데이터 시각화 프로젝트
        9.5 데이터과학과 위험
        9.6 스퀘어 사의 데이터 시각화
        9.7 이언의 사고 실험
        9.8 참고사항


    CHAPTER 10 소셜네트워크와 데이터 저널리즘
        10.1 모닝사이드 애널리틱스에서의 소셜네트워크 분석
        10.2 소셜네트워크 분석
        10.3 소셜네트워크의 용어들
        10.4 사고 실험
        10.5 모닝사이드 애널리틱스
        10.6 통계적 관점으로 본 소셜네트워크 분석의 배경
        10.7 데이터 저널리즘


    CHAPTER 11 인과성
        11.1 상관은 인과관계를 함축하지는 않는다
        11.2 OK 큐피트의 시도
        11.3 황금 기준: 확률적 임상실험
        11.4 A/B 검정
        11.5 차선책: 관찰적 연구
        11.6 세 가지의 조언


    CHAPTER 12 역학
        12.1 매디건의 배경
        12.2 사고 실험
        12.3 현대 학술 통계학
        12.4 의학 문헌과 관찰 연구
        12.5 계층화는 교란변수 문제를 해결하지 않는다
        12.6 더 나은 방법은 없을까?
        12.7 연구 실험
        12.8 사고 실험을 마치며


    CHAPTER 13 데이터경진대회의 교훈 : 데이터 누출과 모형 평가
        13.1 클라우디아의 데이터과학자 프로필
        13.2 데이터마이닝 경진대회
        13.3 좋은 모형 개발자가 되는 방법
        13.4 데이터 누출
        13.5 누출을 피하는 방법
        13.6 모형 평가하기
        13.7 알고리즘 선택
        13.8 마지막 예
        13.9 사고를 나누기


    CHAPTER 14 데이터엔지니어링: 맵리듀스, 프리젤, 하둡
        14.1 데이비드 크로셔에 대해
        14.2 사고 실험
        14.3 맵리듀스
        14.4 단어빈도수 문제
        14.5 맵리듀스의 다른 예
        14.6 프리젤
        14.7 조시 윌스에 대해
        14.8 사고 실험
        14.9 데이터과학자가 된다는 것
        14.10 경제성 살펴보기: 하둡
        14.11 다시 조시에게: 워크플로
        14.12 하둡을 시작하려면?


    CHAPTER 15 수업에 대한 학생들의 소감
        15.1 과정적 사고
        15.2 더 이상 순진하지 않다
        15.3 도와주기
        15.4 여러분의 마일리지는 다를 수 있다
        15.5 다리와 터널을 잇는 길들
        15.6 우리 작업의 일부


    CHAPTER 16 차세대 데이터과학자, 교만, 그리고 윤리
        16.1 지금까지 무엇을 학습했는가?
        16.2 다시 한 번, 데이터과학이란 무엇인가?
        16.3 차세대 데이터과학자란?
        16.4 윤리적인 데이터과학자 되기
        16.5 경력에 관한 조언

  •  

    • About This Book "데이터과학, 최고의 교과서"



      데이터 과학은 하나의 완전히 새로운 학문이라고 한다. 시대가 변해 가면서 많은 새로운 용어들이 생겨나고 다시 결합해서 나타나 쉽게 잊혀지지만 데이터 과학은 앞으로 학문의 중요한 부분을 차지 할 것으로 보인다.! 컬럼비아 대학교재로 사용한 데이터 과학!



      story "협업을 통하여 데이터과학의 정체성과 비전을 보여주는 책 "

      책에서는 여러학문간, 학문과 현업간의 협업을 가장 중요한 특징으로 뽑고 있더. 과전 데이터과학이 무엇인데, 협업이 중요하다고 앞서 말하는 걸까.



      데이터과학은 완전히 새로운 학문이다. 이 책에서는 하나의 학문적 전공인 데이터과학의 현주소를 묘사하고, 과연 데이터과학을 통해 앞으로 무엇이 될 수 있는지 처방하고자 한다.



      책을 읽으려면 배경지식이 있어야한다. 악간의 프로그래밍 지식 뿐만 아니라 수학적, 통계적 지식도 필요하다. 책을 읽으면서, 통계와 수학적인 이론만 나오면 내용이 너무 어렵게 느껴졌다. 책에는 기본 지식이 없더라고 쉽게 풀어 썼다고 나와 있지만, 개인적인 생각으로는 전혀 그렇지 않다.! 배경지식이 필수이다.! 특히 예제의 부가적인 설명이 부족하였다.



      책을 읽으면서 데이터 과학을 업무로 삶는 사람들은 많은 사고 능력이 필요하다는 걸 느꼈다. 단순 빅데이터에서 출발한 것이 아니라 "프라이버시에 대한 걱정을 감소시키고 이해와 통제를 제고시킬 최선의 방법은 무엇인가?"라는 문제 자체를 분석하고 가능한 것들을 나열하고, 해결하는 아이디어는 뽑고, 시각화 하고, 통계적으로 분석한다.









      이 책은 프로그램밍 지식보다는 통계쪽의 탄탄한 기본 지식이 있다면 쉽게 이해할 수 있을 것 같다. 아무래도 대학 교재로 활용되다 보니, 많은 내용을 담고 있어, 한번에 이해하기가 수월하지는 않지만, 데이터 과학이라는 새로운 학문이 무엇이고, 어떤것들을 포함하고 있는지 알고 싶다면 꼭 읽어봐야 하는 책이다. 앞으로 전망이 밝다는 데이터 과학에 대해 알고 싶다면, 이 책은 선수지식이 있는 데이터 초보자에서 매우 유익할 것이다.

    • ["데이터과학 입문"이라는 이 책에 대해..]

      이 책은 표지에서도 나와있지만 컬럼비아 대학교 데이터과학 대학원 수업에서 교재로 사용된 서적으로 이 책의 서평에 나와있었다. 사실 이전에도 이 책의 출판 소식을 보면서 내심 이 책에 많은 기대를 가지고 필자의 손에 들어오기만을 기다렸다. 막상 받아보니 기대에 못 미친 것도 있고 기대이상인 인 부분도 있었다. 그리고 끝까지 읽어보면서 책의 내용과 나의 공부방향에 대해 많은 생각을 가지게 해준 책이였다. 이제 이 책을 차근차근 리뷰해보도록 하자.





      ["데이터과학 입문"]

      이 책의 차례들만 보아도 저자분이 학생들에게 어떤 내용들을 가르쳐주고 싶은지 얼마나 다양하고 많은 내용들을 담고자 했는지를 알 수 있다. 그리고 책의 내용들 살펴보자면 책을 몇 장 넘겨보면 역자와 필자의 말들이 나오고, 이후에 학습자를 위한 가이드가 등장한다. 책의 내용, 목표 그리고 책을 읽는 방법 등과 같이 학습자를 위한 내용들이 나와있다. 그런데 책을 읽다보면 이 뿐만이 아니라 학습자를 위한 다양한 부가적인 정보들과 내용들이 다양하다. 주제에 대한 연습문제와 용어 설명, 사례 연구 등 학습자의 이해를 돕기 위한 정보들을 많이 책 내용에 넣어두었다.

      필자도 읽는 내내 이런 내용들을 접하면서 해당 주제에 대해 좀 더 이해를 하기가 쉬웠었다. 확실히 이 책의 주제들은 하나같이 데이터 과학에 대한 입문자들이 보기에는 어려운 내용들이 많다. 하지만 저자는 이런 어려운 주제들을 접했을 때 학습자가 쉽게 지치거나 포기하지 않도록 재미있고 부가적인 내용들을 추가함으로써 이해도를 높이고자 노력했다는 것이 책을 읽으면서 느껴졌다.



      하지만 읽으면서 알고리즘이나 특정 사례에 대한 설명들이 어렵거나 약간 부족하게 느껴졌다. 게다가 아래와 같은 연습문제를 포함한 다양한 지문에서 제시된 예제 코드들의 설명이 부족하거나 아예 설명이 없고 소스 내 주석만 있는 경우가 많았다. 또한 예제 코드들이 어떤 때는 R 언어로 되어있거나 파이썬 혹은 쉘 코드로 짜여져 있어서 이런 언어들에 대한 기본이 부족한 학습자가 볼 경우 이해가 어려울 수 있다는 단점이 존재할 것 같았다.



      이외에 이런 단점들을 제외하면 이 책은 정말 데이터 과학에 대한 전반적인 이론적 내용들을 충실히 다루었다고 생각하며, 이 책을 접하며 데이터 과학을 공부하는 학습자들을 배려하는 부가적인 내용들이 많아 데이터 과학 분야의 교과서라는 이름이 아깝지 않다는 생각을 개인적으로 가졌었다.



      [리뷰를 마치며..]

      위에서 언급했던 장/단점들을 나열하면 아래와 같다.



      [장점]

      - 학습자를 위한 가이드가 잘 나와있고, 내용 역시 데이터 과학에 대한 알고리즘부터 관련 사례정보, 하둡까지 다양하게 나와있다.

      - 연습문제와 사고실험, 사례연구 등 학습자의 이해를 돕기위한 부가적인 정보들이 많다.



      [단점]

      - 연습문제를 포함한 다양한 지문에 나오는 코드들에 대해 문법적으로나 내용적으로 설명이 부족하다.

      - 파이썬, R, 쉘코드 등 한가지의 언어가 아닌 다양한 언어들이 예문으로 나와 이런 언어들의 기본이 부족한 학습자가 볼 경우 이해가 어렵다.

      - 일부 알고리즘이나 주제에 대한 설명들이 약간 부족하거나 어렵게 나와있는 것들이 있다.

    • 이 책을 선택하게 된 계기는 데이터를 좀 더 잘 다뤄보고 싶은 작은 소망에서 시작했습니다.

      대학원과 회사에서 수많은 데이터에서 어떤 Fact로 끄집어내고 표현하기 위해서 데이터를 공부하다보니 자연스럽게 빅데이터에

      관심을 가지게 되었고, 빅데이터를 수치로 표현할 수 있는 방법들을 고민하곤 했습니다.

      때문에, 조금의 프로그래밍, 조금의 수학적 지식, 하찮은 빅데이터에 대한 지식을 가지고 이 책을 읽기 시작했습니다.



      첫 느낌은 이 책에 상단부에 적혀 있는 "구글, MS, 이베이 데이터과학자에게 배우다" 라는 말처럼 꽤 신뢰도 있는 사람들이 만들었

      구나, 그리고 컬럼비아 대학교 교재라고 한 거 보면 학습하기에 용이하게 섹션이 나뉘어 있겠다..란 생각을 했습니다.

      표지는 오라일리의 전형적인 표지 스타일이었고, 표지 동물은 아르마딜로라네요.. 태어난 지 수시간만에 걷는 동물이라고 하는 걸

      보니 이 표지의 동물을 아르마딜로로 한 이유가 책을 통해 단 몇시간 만에 데이터과학을 알 게 된다는 의미가 아닐까 추측해봤습니다.



      이 책의 구성은 1장에서는 데이터과학 이라는 것에 대한 정의를 내리고, 2장과 3장에서는 책 전체의 기초가 되는 통계적 모형화와

      기계학습 알고리즘을 설명합니다. 4장~8장에서는 다양한 맥락에 따라 특정한 모형과 알고리즘의 사례들을 검토함으로써 데이터

      과학에 대한 이해를 돕고 있습니다. 9장과 10장에서는 데이터 시각화와 소셜네트워크라는 새로운 영역을 다루고 있습니다.

      11장부터는 인과성과 데이터과학, 데이터과학의 미래에 대해 설명하고 있는데 솔직히 이 부분은 반복적으로 봐도 이해가 안가네요.

      하지만 데이터를 효율적으로 시각화하고, 활용하는 방법에 대해 어렴풋이 느낄 수 있는 장이었던 것 같습니다.



      지금까지 데이터의 범위와 활용 폭이 너무 방대해서, 해당하지 않는 직업이 없고 관련없는 산업이 없는데 무엇이 데이터과학이고

      어떤 것이 빅데이터인지에 대해 의구심이 들었던 것이 사실입니다.

      하지만 이 책을 읽으면서 앞으로의 데이터과학자들은 단순히 데이터를 처리/정제/시각화 하는데 그치지 않고, 문제를 해결하기

      위한 Fact(사실)을 좀 더 객관적으로 설명하고, 도구(R, 파이썬 등)을 사용하여 좀 더 효율적으로 다양한 질문을 제기하여 세상

      을 이롭게 하는 사람이 되어야 할 것입니다.

      더욱이 데이터과학자에 한정한 데이터과학이 아니라, 세상을 살아가는 모두에게 좀 더 친숙하게 데이터과학을 설명하고 있는

      이 책을 통해 저도 앞으로 더욱 관심있게 데이터에 대한 활용을 고민해보고, 공부하도록 하겠습니다. 이것이 저의 시작입니다.

  • 내용이 없습니다.
    • 파이썬을 활용한 베이지안 통계: 동전 던지기와 하키 승률로 배우는 데이터 분석

      앨런 B. 다우니

    • 파이썬 라이브러리를 활용한 데이터 분석(수정보완판)

      웨스 맥키니(Wes Mckinney)

    • 비즈니스 활용 사례로 배우는 데이터 분석:R

      사카마키 류지 , 사토 요헤이

    • R로 배우는 데이터 분석 기본기 데이터 시각화 : 예제와 함수 중심으로 배우는 빅데이터 분석

      후나오 노부오

    • Head First Data Analysis : 당신을 최고의 데이터 분석가로 이끌어줄 마법 같은 학습서

      마이클 밀튼

    • 헬로 데이터 과학 : 삶과 업무를 바꾸는 생활 데이터 활용법

      김진영

    • 비즈니스를 위한 데이터 과학 : 빅데이터를 바라보는 데이터 마이닝과 분석적 사고

      포스터 프로보스트 , 톰 포셋

닫기

해당 상품을 장바구니에 담았습니다.
장바구니로 이동하시겠습니까?