따라하며 배우는 데이터 과학: 실리콘밸리 데이터 과학자가 알려주는

2018년 세종도서 학술부문 우수도서 선정!

가장 빠르게, 가장 제대로 배우는 데이터 과학 입문서!

도서구매 사이트(가나다순)

[강컴] [교보문고] [도서11번가] [반디앤루니스] [알라딘] [예스이십사] [인터파크]

전자책 구매 사이트(가나다순)

[교보문고] [구글북스] [리디북스] [알라딘] [예스이십사] [인터파크]

출판사 제이펍

지은이 권재명

출판일 2017년 8월 4일

페이지 364쪽

판 형 46배판변형(188*245*17)

제 본 무선(soft cover)

정 가 26,000원

ISBN 979-11-85890-86-9 (93000)

키워드 R 언어 / SQL / 데이터 / 데이터 시각화 / ggplot2 / 통계 / 빅데이터 / 회귀분석

분 야 빅데이터 / 통계

관련 사이트

■ 저자 운영 A/S 블로그

관련 포스트

■ 2017/07/27 - [출간전 책소식] - 실리콘밸리 데이터 과학자가 전하는 "데이터 과학 입문"

관련 시리즈

■ (없음)

관련 도서

■ 데이터 과학자, 무엇을 배울 것인가: 빅 데이터 시대의 데이터 과학자 양성 독본

관련 파일 다운로드

■ 예제 코드

■ 연습문제 해답 일부
■ 웹 기반 파이썬 버전

강의보조 자료

교재로 채택하신 분들은 메일을 보내주시면 아래의 자료를 보내드리겠습니다: jeipubmarketer@gmail.com

■ 강의교안(구글 슬라이드 버전), 강의교안(파워포인트 버전)

■ 본문의 그림과 표(PDF 버전)

샘플 PDF(차례, 머리말, 베타리더 후기, 0장, '이 책의 사용법, 1장 '데이터 과학이란?', 2장 '데이터 분석 환경 구성하기')

따라하며배우는데이터과학_sample.pdf

정오표 페이지

■ http://jpub.tistory.com/726

도서구매 사이트(가나다순)

[강컴] [교보문고] [도서11번가] [반디앤루니스] [알라딘] [예스이십사] [인터파크]

전자책 구매 사이트(가나다순)

[교보문고] [구글북스] [리디북스] [알라딘] [예스이십사] [인터파크]

도서 소개

가장 빠르게, 가장 제대로 배우는 데이터 과학 입문서!

이 책은 ‘실무’에 초점을 맞춘 데이터 사이언스 ‘입문서’다. 다양한 배경을 가진 독자들이 가장 짧은 시간에 기본적인 데이터 사이언스 분석을 시작할 수 있도록 하였다. '가장 짧은 시간'에 배워야 하므로 필수적이지 않은 내용은 과감히 생략하고, 설명은 최대한 간략히 하려고 노력하였다. 또한, ‘다양한 배경’을 가진 독자들을 위해 통계나 컴퓨터 전공 지식이 없더라도 읽을 수 있도록 하였으나, 통계의 핵심인 기초통계와 선형모형(회귀분석과 분산분석 포함)은 반드시 제대로 배울 것을 권장한다. ‘기본적인’ 데이터 분석은 텍스트 자료, 그래프 모형, 시계열 분석, 공간자료 분석 등 개별적인 자료 형태보다는 다양한 분석에 공통적으로 적용되는 방법들을 다룬다.

이 책은 대학이나 학원의 강의 교재 혹은 자습서로 사용할 수도 있다. 강의 교재로는 학부 및 대학원 수준의 데이터 과학, 통계학, 자료분석 등의 강의에 주교재 혹은 부교재로 사용할 수 있다. 몇 주간의 단기 과정에서 일부 장만을 다루어도 좋다. R과 유닉스 코드 예를 따라 하고, 각 장 끝의 연습문제를 반드시 풀어 보도록 하자.

이 책의 대상 독자

• ‘데이터 사이언스 입문’ 수업을 듣는 학원생, 학부생 및 대학원생
• 데이터 분석 업무를 하고자 하는 관련 분야 엔지니어
• 데이터 과학 팀을 구축하고자 하는 관련 분야 매니저

추천사

권재명 박사의 《따라 하며 배우는 데이터 과학》은 해들리 위컴(Hadley Wickham)의 ‘tidyverse’ 철학에 기반을 둔 데이터 가공에 관한 충실한 소개와 더불어 라쏘와 랜덤 포레스트와 같은 최신 머신러닝 기법, 그리고 기존의 R 서적에서 다루지 않은 유용한 R 관련 지식을 많이 소개하고 있다. 특히, ‘데이터 분석 환경 구성하기’, ‘코딩 스타일’과 ‘R 마크다운’에 관한 내용은 R을 처음 배우는 입문자와 현장 실무자들이 반드시 알아야 할 내용으로, 학계와 실리콘밸리를 오가면서 쌓은 저자의 경험이 고스란히 담긴 부분이며, 마지막 ‘실리콘밸리에서 데이터 과학자 되기’에 관한 내용은 향후 차세대 데이터 과학자를 꿈꾸는 이들에게 훌륭한 지침이 되리라 생각한다. 이 책이 앞으로 데이터 과학자를 꿈꾸는 모든 이들의 필독서가 될 것을 믿어 의심치 않는다.

― 장원철(서울대학교 통계학과 교수)

지은이 소개

권재명

데이터 분석이 취미이자 직업인 통계학자 출신의 실리콘밸리 데이터 과학자. 1972년에 서울에서 태어났다. 어려서부터 컴퓨터를 좋아해서 전산학을 공부하고자 서울대학교 계산통계학과에 입학했다(1990년). 하지만 대학 2학년 때 들은 통계수업에 매료되어 통계를 전공하기로 결심하여 서울대 통계학 학사(1994년), 석사(1996년)를 거쳐 버클리대학교(UC Berkeley)에서 박사(2000년) 학위를 받았다. 졸업 후 같은 대학에서 교통 데이터 분석 연구원으로 활동했고, 이후 이스트베이 캘리포니아주립대학교(Cal State East Bay)에서 통계학과 조교수를 지냈다. 2009년부터 지금까지 실리콘밸리의 인터넷, 테크 기업에서 데이터 과학자로, 그리고 분석 팀 리더로 활동 중이다.

차례

1장 데이터 과학이란? _ 1

1.1 데이터 과학의 정의 1

1.2 데이터 과학 프로세스 8

1.3 데이터 과학자가 갖춰야 할 능력 11

2장 데이터 분석 환경 구성하기 _ 15

2.1 데이터 과학의 연장, 컴퓨터, 기타 도구들 15

2.2 R 설치와 팁 18

2.3 R 스튜디오 설치와 팁 18

2.4 R 라이브러리 설치 20

2.5 파이썬 24

2.6 서브라임 텍스트 26

2.7 깃 버전 관리 소프트웨어와 깃허브 26

2.8 유닉스 활용하기 28

2.9 구글 독스/스프레드시트/슬라이드 31

3장 데이터 취득과 데이터 가공: SQL과 dplyr _ 33

3.1 데이터 취득과 데이터 가공이란 무엇이며, 왜 중요한가? 33

3.2 데이터 취득 34

3.3 데이터 출력 44

3.4 데이터 가공 44

3.5 데이터 가공을 위한 도구 46

3.6 R의 dplyr 패키지 51

4장 데이터 시각화 I: ggplot2 _ 63

4.1 시각화의 중요성 63

4.2 베이스 R 그래픽과 ggplot2 69

4.3 변수의 종류에 따른 시각화 기법 74

4.4 시각화 과정의 몇 가지 유용한 원칙 87

5장 코딩 스타일 _ 91

5.1 스타일 가이드와 협업 91

5.2 R 코딩 스타일 94

5.3 파이썬 스타일 가이드와 도구 98

5.4 SQL 코딩 스타일 100

5.5 코딩 스타일 이외의 베스트 프랙티스 100

6장 통계의 기본 개념 복습 _ 102

6.1 통계, 올바른 분석을 위한 틀 102

6.2 첫째, 통계학은 숨겨진 진실을 추구한다 105

6.3 둘째, 통계학은 불확실성을 인정한다 107

6.4 셋째, 통계학은 관측된 데이터가 가능한 여러 값 중 하나라고 생각한다 107

6.5 스튜던트 t-분포와 t-검정이란? 111

6.6 P-값을 이해하면 통계가 보인다 113

6.7 P-값의 오해와 남용 114

6.8 신뢰구간의 의미 119

6.9 넷째, 통계학은 어렵다 122

6.10 모집단, 모수, 표본 123

6.11 모수추정의 정확도는 sqrt(n)에 비례한다 126

6.12 모든 모형은 틀리지만 일부는 쓸모가 있다 128

6.13 이 장을 마치며 129

7장 데이터 종류에 따른 분석 기법 _ 131

7.1 데이터형, 분석 기법, R 함수 131

7.2 모든 데이터에 행해야 할 분석 133

7.3 수량형 변수의 분석 134

7.4 성공-실패값 범주형 변수의 분석 138

7.5 설명변수와 반응변수 142

7.6 수량형 X, 수량형 Y 의 분석 142

7.7 범주형 x , 수량형 y 154

7.8 수량형 x, 범주형 y (성공-실패) 159

7.9 더 복잡한 데이터의 분석, 머신러닝, 데이터 마이닝 167

8장 빅데이터 분류분석 I: 기본 개념과 로지스틱 모형 _ 170

8.1 분류분석이란? 170

8.2 환경 준비 179

8.3 분류분석 예제: 중산층 여부 예측하기 180

8.4 훈련, 검증, 테스트세트의 구분 185

8.5 시각화 186

8.6 로지스틱 회귀분석 188

8.7 이 장을 마치며 195

9장 빅데이터 분류분석 II: 라쏘와 랜덤 포레스트 _ 197

9.1 glmnet 함수를 통한 라쏘 모형, 능형회귀, 변수 선택 197

9.2 나무 모형 205

9.3 랜덤 포레스트 209

9.4 부스팅 214

9.5 모형 비교, 최종 모형 선택, 일반화 능력 평가 218

9.6 우리가 다루지 않은 것들 220

10장 빅데이터 분류분석 III: 암 예측 _ 225

10.1 위스콘신 유방암 데이터 225

10.2 환경 준비와 기초 분석 226

10.3 데이터의 시각화 229

10.4 훈련, 검증, 테스트세트의 구분 231

10.5 로지스틱 회귀분석 232

10.6 라쏘 모형 적합 234

10.7 나무 모형 236

10.8 랜덤 포레스트 238

10.9 부스팅 239

10.10 최종 모형 선택과 테스트세트 오차 계산 240

11장 빅데이터 분류분석 IV: 스팸 메일 예측 _ 244

11.1 스팸 메일 데이터 244

11.2 환경 준비와 기초 분석 247

11.3 데이터의 시각화 250

11.4 훈련, 검증, 테스트세트의 구분 254

11.5 로지스틱 회귀분석 255

11.6 라쏘 모형 적합 258

11.7 나무 모형 260

11.8 랜덤 포레스트 262

11.9 부스팅 263

11.10 최종 모형 선택과 테스트세트 오차 계산 264

12장 분석 결과 정리와 공유, R 마크다운 _ 268

12.1 의미 있는 분석과 시각화 268

12.2 분석의 타당성 271

12.3 보고서 작성과 구성 272

12.4 분석 결과의 공유 275

12.5 R 마크다운 278

13장 빅데이터 회귀분석 I: 부동산 가격 예측 _ 281

13.1 회귀분석이란? 281

13.2 회귀분석 예제: 부동산 가격 예측 283

13.3 환경 준비와 기초 분석 284

13.4 훈련, 검증, 테스트 세트의 구분 286

13.5 선형회귀 모형 286

13.6 라쏘 모형 적합 291

13.7 나무 모형 293

13.8 랜덤 포레스트 295

13.9 부스팅 296

13.10 최종 모형 선택과 테스트세트 오차 계산 297

14장 빅데이터 회귀분석 II: 와인 품질 예측 _ 300

14.1 와인 품질 데이터 소개 300

14.2 환경 준비와 기초 분석 301

14.3 데이터의 시각화 302

14.4 훈련, 검증, 테스트세트의 구분 304

14.5 선형회귀 모형 305

14.6 라쏘 모형 적합 309

14.7 나무 모형 311

14.8 랜덤 포레스트 313

14.9 부스팅 314

14.10 최종 모형 선택과 테스트세트 오차 계산 315

15장 데이터 시각화 II: 단어 구름을 사용한 텍스트 데이터의 시각화 _ 318

15.1 제퍼디! 질문 데이터 318

15.2 자연어 처리와 텍스트 마이닝 환경 준비 320

15.3 단어 구름 그리기 320

15.4 자연어 처리 예 323

15.5 고급 텍스트 마이닝을 향하여 323

15.6 한국어 자연어 처리 324

16장 실리콘밸리에서 데이터 과학자 되기 _ 326

16.1 데이터 과학자에게 요구되는 자질들 326

16.2 데이터 과학자 고용 과정 327

16.3 인터뷰 준비 329

16.4 행동질문과 상황질문 330

16.5 취업의 패러독스 332

찾아보기 334