코딩 없이 배우는 데이터 과학
빅데이터·인공지능 세계 권위자가 제언하는
$34.27
SKU
9788970674315
[Free shipping over $100]
Standard Shipping estimated by Thu 12/5 - Wed 12/11 (주문일로부 10-14 영업일)
Express Shipping estimated by Mon 12/2 - Wed 12/4 (주문일로부 7-9 영업일)
* 안내되는 배송 완료 예상일은 유통사/배송사의 상황에 따라 예고 없이 변동될 수 있습니다.
| Publication Date | 2023/03/08 |
| Pages/Weight/Size | 185*257*25mm |
| ISBN | 9788970674315 |
| Categories | IT 모바일 > OS/데이터베이스 |
Description
별도의 코딩 없이 데이터를 분석하는 No Code, Low Code의 시대!
데이터 과학 입문자와 비전공자를 위한 데이터 분석의 새로운 방법을 제시하다!
인공지능의 발전에 따라 별도의 코딩 없이 데이터를 분석하는 No Code, Low Code의 시대로 전환되어 가고 있다. 이러한 흐름에 따라 저자는 데이터 과학 분야의 전문가들이 아닌, 입문자 및 비전공자 등 일반인도 쉽고 빠르게 실무에서 바로 사용할 수 있는 데이터 분석의 새로운 방법을 이 책에 소개하였다.
제1장. [데이터 과학을 위한 체계]에서는 데이터 과학에 접근하는 방법을 소개한다. 여기서는 데이터 과학에 접근하는 다양한 관점과 이 책에서 채택하는 프레임워크에 대해 설명한다. 제2장. [데이터 과학을 위한 도구]에서는 데이터 과학에 활용 가능한 여러 도구를 소개하고, 이 책의 실습 도구인 SAS ⓡ OnDemand for Academics에 대하여 설명한다. 제3장. [데이터 가공과 처리]에서는 획득한 데이터를 실제 분석이 가능한 데이터로 가공 및 처리하기 위한 방법에 대하여 학습한다. 제4장. [기술적 데이터 분석]에서는 데이터를 정리 및 요약하는 과정을 통해 데이터가 가진 특성을 파악하는 방법에 대해 다룬다. 제5장과 6장. [시각적 데이터 분석Ⅰ,Ⅱ]에서는 그래프나 지도와 같은 시각화 도구를 활용하여 데이터를 분석하고 그 결과를 어떤 식으로 활용하는지, 또 어떻게 이해해야 하는지에 대한 방법을 학습한다.
그간 출간된 다양한 도서들은 저자들이 아는 것을 당연히 독자들도 알고 있으리라 짐작하기 때문에 데이터 과학의 프레임워크를 설명하는 부분에 있어 인색하였다. 하지만 이 책은 프로그래밍에 대한 이해가 전혀 없는 독자들도 쉽게 이해하고, 따라할 수 있도록 특정 학문에 치우치거나 개별 방법론에 매몰되지 않고, 보다 거시적인 안목에서 데이터 과학의 프레임워크를 제공하고 있다. 따라서 데이터 과학, 프로그래밍, 인공지능 등에 관심이 있는 독자, 특히 이 분야에 관심이 있지만 사전 지식 등이 없는 독자에게 많은 도움이 될 것이다.
데이터 과학 입문자와 비전공자를 위한 데이터 분석의 새로운 방법을 제시하다!
인공지능의 발전에 따라 별도의 코딩 없이 데이터를 분석하는 No Code, Low Code의 시대로 전환되어 가고 있다. 이러한 흐름에 따라 저자는 데이터 과학 분야의 전문가들이 아닌, 입문자 및 비전공자 등 일반인도 쉽고 빠르게 실무에서 바로 사용할 수 있는 데이터 분석의 새로운 방법을 이 책에 소개하였다.
제1장. [데이터 과학을 위한 체계]에서는 데이터 과학에 접근하는 방법을 소개한다. 여기서는 데이터 과학에 접근하는 다양한 관점과 이 책에서 채택하는 프레임워크에 대해 설명한다. 제2장. [데이터 과학을 위한 도구]에서는 데이터 과학에 활용 가능한 여러 도구를 소개하고, 이 책의 실습 도구인 SAS ⓡ OnDemand for Academics에 대하여 설명한다. 제3장. [데이터 가공과 처리]에서는 획득한 데이터를 실제 분석이 가능한 데이터로 가공 및 처리하기 위한 방법에 대하여 학습한다. 제4장. [기술적 데이터 분석]에서는 데이터를 정리 및 요약하는 과정을 통해 데이터가 가진 특성을 파악하는 방법에 대해 다룬다. 제5장과 6장. [시각적 데이터 분석Ⅰ,Ⅱ]에서는 그래프나 지도와 같은 시각화 도구를 활용하여 데이터를 분석하고 그 결과를 어떤 식으로 활용하는지, 또 어떻게 이해해야 하는지에 대한 방법을 학습한다.
그간 출간된 다양한 도서들은 저자들이 아는 것을 당연히 독자들도 알고 있으리라 짐작하기 때문에 데이터 과학의 프레임워크를 설명하는 부분에 있어 인색하였다. 하지만 이 책은 프로그래밍에 대한 이해가 전혀 없는 독자들도 쉽게 이해하고, 따라할 수 있도록 특정 학문에 치우치거나 개별 방법론에 매몰되지 않고, 보다 거시적인 안목에서 데이터 과학의 프레임워크를 제공하고 있다. 따라서 데이터 과학, 프로그래밍, 인공지능 등에 관심이 있는 독자, 특히 이 분야에 관심이 있지만 사전 지식 등이 없는 독자에게 많은 도움이 될 것이다.
Contents
추천의 글
머리말
1. 데이터 과학을 위한 체계
1.1. 왜 데이터 과학인가?
1.1.1. 데이터 과학이란 무엇인가?
1.1.2. 데이터 과학자의 길
1.1.3. ‘코딩 없이’ 배우는 데이터 과학의 중요성
1.2. 데이터 과학을 위한 기본 지식
1.2.1. 데이터
1.2.2. 변수
1.3. 데이터 과학의 프레임워크
1.3.1. 이론적 배경에 따른 분류
1.3.2. 분석 목적에 따른 분류
1.3.3. 종속 변수에 따른 분류
1.3.4. 변수의 개수에 따른 분류
2. 데이터 과학을 위한 도구
2.1. 데이터 과학을 위한 도구
2.1.1. 데이터 과학을 위한 도구란?
2.1.2. 오픈 소스 소프트웨어
2.1.3. 상용 소프트웨어
2.2. 왜 SAS ODA인가?
2.2.1. SAS ODA의 서비스 제공 배경
2.2.2. SAS ODA의 채택 사유
2.3. SAS ODA 사용하기
2.3.1. 권장 시스템 환경
2.3.2. 서비스 가입하기
2.4. SAS Studio 둘러보기
2.4.1. 기본 구성
2.4.2. 작업 모드
2.4.3. 프로세스 플로우
2.5. SAS Studio 맛보기
2.5.1. 폴더 만들기
2.5.2. 라이브러리 만들기
2.5.3. 작업 및 유틸리티
3. 데이터 가공과 처리
3.1. 왜 데이터 처리가 중요한가?
3.1.1. 신뢰성 확보를 위한 도구
3.1.2. 큰 데이터를 다루기 위한 도구
3.1.3. 이 정도면 훌륭한 분석 도구
3.1.4. 예제 데이터 소개
3.2. 데이터 입력과 출력
3.2.1. 파일 업로드
3.2.2. 데이터 확인하기
3.2.3. 데이터 내보내기
3.2.4. 파일 다운로드
3.3. 데이터 처리 기본
3.3.1. 질의
3.3.2. 질의 출력
3.3.3. 칼럼 선택
3.3.4. 칼럼 필터
3.3.5. 칼럼 요약
3.3.6. 칼럼 정렬
3.4. 데이터 구조 변환
3.4.1. 테이블 조인
3.4.2. 테이블 연결
3.4.3. 데이터 전치
4. 기술적 데이터 분석
4.1. 기술적 데이터 분석이란?
4.1.1. 데이터의 소리
4.1.2. 기술적 데이터 분석의 유형
4.1.3. 기술적 데이터 분석의 필요성
4.2. 수치형 데이터 분석
4.2.1. 수치형 데이터 분석이란?
4.2.2. 위치
4.2.3. 변동성
4.2.4. 모양
4.3. 범주형 데이터 분석
4.3.1. 범주형 데이터 분석이란?
4.3.2. 일원 빈도 분석
4.3.3. 결측률 분석
4.4. 데이터 변환
4.4.1. 데이터 순위화
4.4.2. 값 재코딩
4.4.3. 범위 재코딩
4.4.4. 데이터 변환
4.4.5. 데이터 표준화
5. 시각적 데이터 분석 I
5.1. 시각적 데이터 분석
5.1.1. 시각적 데이터 분석이란?
5.1.2. 공통 작업
5.2. 1차원 그래프
5.2.1. 막대 그래프
5.2.2. 원 그래프
5.2.3. 히스토그램
5.2.4. 상자 도표
5.3. 2차원 그래프
5.3.1. 산점도
5.3.2. 열지도
5.3.3. 시계열 도표
5.3.4. 모자이크 도표
5.4. 다차원 그래프
5.4.1. 선 그래프
5.4.2. 막대-선 그래프
5.4.3. 버블 도표
6. 시각적 데이터 분석 II
6.1. 지도 그래프란?
6.1.1. 지도 그래프란?
6.1.2. 위도와 경도
6.1.3. 지도 데이터
6.1.4. 지도의 유형
6.1.5. 지도 그래프의 종류
6.2. 위치 지도
6.2.1. 위경도 데이터 생성
6.2.2. 버블 지도
6.2.3. 산점 지도
6.2.4. 시계열 지도
6.3. 지역 지도
6.3.1. 등치 지역도
6.3.2. 텍스트 지도
맺음말
머리말
1. 데이터 과학을 위한 체계
1.1. 왜 데이터 과학인가?
1.1.1. 데이터 과학이란 무엇인가?
1.1.2. 데이터 과학자의 길
1.1.3. ‘코딩 없이’ 배우는 데이터 과학의 중요성
1.2. 데이터 과학을 위한 기본 지식
1.2.1. 데이터
1.2.2. 변수
1.3. 데이터 과학의 프레임워크
1.3.1. 이론적 배경에 따른 분류
1.3.2. 분석 목적에 따른 분류
1.3.3. 종속 변수에 따른 분류
1.3.4. 변수의 개수에 따른 분류
2. 데이터 과학을 위한 도구
2.1. 데이터 과학을 위한 도구
2.1.1. 데이터 과학을 위한 도구란?
2.1.2. 오픈 소스 소프트웨어
2.1.3. 상용 소프트웨어
2.2. 왜 SAS ODA인가?
2.2.1. SAS ODA의 서비스 제공 배경
2.2.2. SAS ODA의 채택 사유
2.3. SAS ODA 사용하기
2.3.1. 권장 시스템 환경
2.3.2. 서비스 가입하기
2.4. SAS Studio 둘러보기
2.4.1. 기본 구성
2.4.2. 작업 모드
2.4.3. 프로세스 플로우
2.5. SAS Studio 맛보기
2.5.1. 폴더 만들기
2.5.2. 라이브러리 만들기
2.5.3. 작업 및 유틸리티
3. 데이터 가공과 처리
3.1. 왜 데이터 처리가 중요한가?
3.1.1. 신뢰성 확보를 위한 도구
3.1.2. 큰 데이터를 다루기 위한 도구
3.1.3. 이 정도면 훌륭한 분석 도구
3.1.4. 예제 데이터 소개
3.2. 데이터 입력과 출력
3.2.1. 파일 업로드
3.2.2. 데이터 확인하기
3.2.3. 데이터 내보내기
3.2.4. 파일 다운로드
3.3. 데이터 처리 기본
3.3.1. 질의
3.3.2. 질의 출력
3.3.3. 칼럼 선택
3.3.4. 칼럼 필터
3.3.5. 칼럼 요약
3.3.6. 칼럼 정렬
3.4. 데이터 구조 변환
3.4.1. 테이블 조인
3.4.2. 테이블 연결
3.4.3. 데이터 전치
4. 기술적 데이터 분석
4.1. 기술적 데이터 분석이란?
4.1.1. 데이터의 소리
4.1.2. 기술적 데이터 분석의 유형
4.1.3. 기술적 데이터 분석의 필요성
4.2. 수치형 데이터 분석
4.2.1. 수치형 데이터 분석이란?
4.2.2. 위치
4.2.3. 변동성
4.2.4. 모양
4.3. 범주형 데이터 분석
4.3.1. 범주형 데이터 분석이란?
4.3.2. 일원 빈도 분석
4.3.3. 결측률 분석
4.4. 데이터 변환
4.4.1. 데이터 순위화
4.4.2. 값 재코딩
4.4.3. 범위 재코딩
4.4.4. 데이터 변환
4.4.5. 데이터 표준화
5. 시각적 데이터 분석 I
5.1. 시각적 데이터 분석
5.1.1. 시각적 데이터 분석이란?
5.1.2. 공통 작업
5.2. 1차원 그래프
5.2.1. 막대 그래프
5.2.2. 원 그래프
5.2.3. 히스토그램
5.2.4. 상자 도표
5.3. 2차원 그래프
5.3.1. 산점도
5.3.2. 열지도
5.3.3. 시계열 도표
5.3.4. 모자이크 도표
5.4. 다차원 그래프
5.4.1. 선 그래프
5.4.2. 막대-선 그래프
5.4.3. 버블 도표
6. 시각적 데이터 분석 II
6.1. 지도 그래프란?
6.1.1. 지도 그래프란?
6.1.2. 위도와 경도
6.1.3. 지도 데이터
6.1.4. 지도의 유형
6.1.5. 지도 그래프의 종류
6.2. 위치 지도
6.2.1. 위경도 데이터 생성
6.2.2. 버블 지도
6.2.3. 산점 지도
6.2.4. 시계열 지도
6.3. 지역 지도
6.3.1. 등치 지역도
6.3.2. 텍스트 지도
맺음말