현장에서 바로 써먹는 데이터 분석 with 파이썬
$36.80
SKU
9791197529580
[Free shipping over $100]
Standard Shipping estimated by Mon 12/9 - Fri 12/13 (주문일로부 10-14 영업일)
Express Shipping estimated by Wed 12/4 - Fri 12/6 (주문일로부 7-9 영업일)
* 안내되는 배송 완료 예상일은 유통사/배송사의 상황에 따라 예고 없이 변동될 수 있습니다.
| Publication Date | 2022/06/30 |
| Pages/Weight/Size | 188*257*20mm |
| ISBN | 9791197529580 |
| Categories | IT 모바일 > OS/데이터베이스 |
Description
현장 전문가인 저자의 노하우를 통해 실무 예제와 쉬운 설명으로 파이썬 기본+실무 마스터하기!
가상의 1인 기업의 데이터 분석 스토리로, 프로젝트 전 과정을 배울 수 있다!
데이터 분석 현장 전문가가 데이터 분석 이론과 현장에서 필요한 파이썬 실무 활용법과 노하우를 설명한다. 데이터 분석에 대해 자세히 이해할 수 있도록 데이터 분석의 개념, 발달 과정, 분석 과정을 알아보고 파이썬의 기본 문법부터 활용법을 배운다. 독자들의 이해를 돕기 위해 가상의 1인 기업의 김대표를 등장시켜 병아리가 부화하고 성장하고 성별과 품종을 구분하고 닭의 체중을 예측하는 과정을 통해 파이썬 프로젝트 전 과정을 배울 수 있다. 그리고 인공 신경망과 딥러닝, 텍스트 마이닝, 학습에 참고할 만한 내용을 다룬다.
가상의 1인 기업의 데이터 분석 스토리로, 프로젝트 전 과정을 배울 수 있다!
데이터 분석 현장 전문가가 데이터 분석 이론과 현장에서 필요한 파이썬 실무 활용법과 노하우를 설명한다. 데이터 분석에 대해 자세히 이해할 수 있도록 데이터 분석의 개념, 발달 과정, 분석 과정을 알아보고 파이썬의 기본 문법부터 활용법을 배운다. 독자들의 이해를 돕기 위해 가상의 1인 기업의 김대표를 등장시켜 병아리가 부화하고 성장하고 성별과 품종을 구분하고 닭의 체중을 예측하는 과정을 통해 파이썬 프로젝트 전 과정을 배울 수 있다. 그리고 인공 신경망과 딥러닝, 텍스트 마이닝, 학습에 참고할 만한 내용을 다룬다.
Contents
Chapter 1 데이터 분석의 이해
1 데이터란?
1-1 데이터의 정의
1-2 데이터 → 정보 → 지식 → 지혜
1-3 빅데이터의 등장
1-4 빅데이터가 만들어 내는 변화
1-5 빅데이터의 활용
1-6 빅데이터와 인공지능
2 데이터 분석이란?
2-1 데이터 과학? 데이터 분석? 데이터 마이닝?
2-2 데이터 분석가와 데이터 과학자
2-3 도메인 지식
3. 데이터 분석의 발달 과정
3-1 통계학의 등장
3-2 사람들이 통계를 어려워하는 이유
3-3 컴퓨터의 등장과 인공지능
3-4 인공지능, 머신러닝 그리고 딥 러닝
4. 데이터 분석 과정
4-1 데이터 분석의 결과물
4-2 데이터 분석 과정
5. 데이터 분석 가이드 맵
[핵심요약]
[연습문제]
Chapter 2. 데이터 분석을 위한 준비
1. 데이터 수집
1-1 데이터 수집 방법
1-2 데이터베이스에서의 데이터 수집 방법-SQL
1-3 웹에서의 데이터 수집 방법-웹 크롤링
1-4 API에서의 데이터 수집 방법
2. 데이터 셋 준비 시 주의해야 할 점
2-1 분석에 적합한 데이터 형태
2-2 이항 데이터
2-3 범주형 데이터를 수치화시키는 방법-One-Hot Encoding
3. 아나콘다 설치하기
3-1 파이썬이란?
3-2 파이썬의 특징
3-3 파이썬을 배울까요? R을 배울까요?
3-4 아나콘다 설치하기(Windows 기반)
4. 주피터 노트북
4-1 주피터 노트북이란?
4-2 기본 사용법
4-3 주석과 마크다운
4-4 메뉴별 주요 기능
5. 패키지 설치하기
5-1 패키지란?
5-2 패키지 설치하기 - 인터넷 연결 환경
5-3 패키지 설치하기 - Off-Line 환경
5-4 패키지 사용하기
6. 구글 코랩
[핵심요약]
[연습문제]
CHAPTER 3 데이터 다루기
1. 파이썬 문법에 대한 이해
1-1 파이썬 문법 체계
1-2 변수
1-3 함수
1-4 조건문
1-5 반복문
1-6 자료형
2. pandas의 데이터 프레임
2-1 데이터 프레임이란?
2-2 데이터 프레임 다루기
3. numpy의 다차원 배열
3-1 다차원 배열이란?
3-2 다차원 배열 다루기
4. 데이터 정제
4-1 결측치(NaN)
4-2 이상치(Outlier)
4-3 스케일링(Scaling)
[핵심요약]
[연습문제]
본격적인 실습에 앞서
chapter 4 통계분석과 기본 그래프
1. 어제까지 몇 마리의 병아리가 부화했을까? (기초 통계량)
1-1 데이터 불러오기
1-2 데이터 확인하기
1-3 기초 통계량 구하기
1-4 데이터 정렬하기
1-5 막대 그래프 그려보기
1-6 한글 폰트 지정 및 그래프 색상 바꿔보기
1-7 그래프 위에 텍스트 추가하기
1-8 그래프 위에 선 추가하기
1-9 파이 차트 그려보기
2. 부화한 병아리들의 몸무게는 얼마일까? (정규분포와 중심극한정리)
2-1 데이터 불러와서 구조와 유형 확인하기
2-2 통계량으로 분포 확인하기
2-3 히스토그램으로 분포 확인하기
2-4 상자그림으로 분포 확인하기
2-5 다중 그래프로 분포 확인하기
3. 사료 제조사별 성능 차이가 있을까? (가설검정)
3-1 데이터 불러와서 확인하기
3-2 상자그림으로 분포 비교하기
3-3 정규분포인지 검정하기
3-4 t-test로 두 집단 간 평균 검정하기
[핵심요약]
[연습문제]
chapter 5 상관분석과 회귀분석
1. 병아리의 성장에 영향을 미치는 인자는 무엇일까? (상관분석)
1-1 상관분석이란?
1-2 데이터 불러와서 확인하기
1-3 상관분석을 위한 별도 데이터 셋 만들기
1-4 상관분석 실시
1-5 상관분석 결과 표현하기
2. 병아리의 몸무게를 예측할 수 있을까? (회귀분석)
2-1 회귀분석이란?
2-2 단순 선형 회귀분석
2-3 다중 회귀분석
2-4 다중공선성
2-5 비선형 회귀분석
[핵심요약]
[연습문제]
chapter 6 분류 및 군집분석
1. 병아리의 성별을 구분할 수 있을까? (로지스틱 회귀)
1-1 로지스틱 회귀란?
1-2 데이터 불러와서 확인하기
1-3 로지스틱 회귀분석
1-4 분류 알고리즘의 성능 평가 방법
1-5 로지스틱 회귀모델의 성능 평가
2. 병아리의 품종을 구분할 수 있을까? (분류 알고리즘)
2-1 다양한 분류 알고리즘
2-2 나이브 베이즈 분류
2-3 k-최근접 이웃
2-4 의사결정나무
2-5 배깅
2-6 부스팅
2-7 랜덤 포레스트
2-8 서포트 벡터 머신
2-9 XGBoost와 하이퍼 파라미터 튜닝
2-10 분류 알고리즘 결과 정리
3. 효과적인 사육을 위해 사육환경을 분리해 보자! (군집 알고리즘)
3-1 군집 알고리즘
3-2 k-평균 군집
[핵심요약]
[연습문제]
chapter 7 인공신경망과 딥 러닝
1. 성장한 닭의 몸무게를 예측할 수 있을까? (회귀)
1-1 인공신경망이란?
1-2 데이터 및 상관관계 확인
1-3 데이터 분할
1-4 신경망 구현
1-5 회귀모델의 성능 평가
1-6 딥 러닝이란?
1-7 H2O 활용 딥 러닝 구현(회귀)
2. 딥 러닝을 이용해 병아리 품종을 다시 구분해 보자! (분류)
2-1 Keras 활용 딥 러닝 구현(분류)
2-2 과적합을 줄이는 방법(드롭아웃)
[핵심요약]
[연습문제]
chapter 8 텍스트 마이닝
1. 고객 리뷰에서 어떻게 핵심을 파악할 수 있을까? (워드 클라우드)
1-1 워드 클라우드란?
1-2 JDK 설치하기
1-3 패키지 설치하기
1-4 텍스트 데이터 가공하기
1-5 워드 클라우드 그리기
2. 고객들은 정말로 만족했을까? (감성 분석)
2-1 감성 분석이란?
2-2 감성 사전 준비
2-3 텍스트 데이터 가공하기
2-4 감성 분석
2-5 결과 시각화
[핵심요약]
[연습문제]
chapter 9 참고할 만한 내용들
1. 데이터베이스 연결 및 SQL 사용법
1-1 데이터베이스 연결 방법
1-2 데이터베이스 테이블의 데이터 조회(Select)
1-3 데이터베이스 테이블의 데이터 입력(Insert)
1-4 데이터베이스 테이블의 데이터 삭제(Delete)
2. 비대칭 데이터
2-1 비대칭 데이터란?
2-2 언더 샘플링
2-3 오버 샘플링
3. 차원 축소와 주성분 분석(PCA)
3-1 차원 축소란?
3-2 주성분 분석(PCA)
4. 데이터 프레임 집계 및 병합
4-1 데이터 프레임 집계
4-2 데이터 프레임 병합
5. 학습을 위한 대표적인 데이터 셋 소개
5-1 패키지 내장 데이터 셋
5-2 학습용 데이터 셋 취득
6. 데이터 분석 학습 사이트 소개
6-1 생활코딩
6-2 데이터 사이언스 스쿨
6-3 코세라
6-4 캐글
연습문제 정답
1 데이터란?
1-1 데이터의 정의
1-2 데이터 → 정보 → 지식 → 지혜
1-3 빅데이터의 등장
1-4 빅데이터가 만들어 내는 변화
1-5 빅데이터의 활용
1-6 빅데이터와 인공지능
2 데이터 분석이란?
2-1 데이터 과학? 데이터 분석? 데이터 마이닝?
2-2 데이터 분석가와 데이터 과학자
2-3 도메인 지식
3. 데이터 분석의 발달 과정
3-1 통계학의 등장
3-2 사람들이 통계를 어려워하는 이유
3-3 컴퓨터의 등장과 인공지능
3-4 인공지능, 머신러닝 그리고 딥 러닝
4. 데이터 분석 과정
4-1 데이터 분석의 결과물
4-2 데이터 분석 과정
5. 데이터 분석 가이드 맵
[핵심요약]
[연습문제]
Chapter 2. 데이터 분석을 위한 준비
1. 데이터 수집
1-1 데이터 수집 방법
1-2 데이터베이스에서의 데이터 수집 방법-SQL
1-3 웹에서의 데이터 수집 방법-웹 크롤링
1-4 API에서의 데이터 수집 방법
2. 데이터 셋 준비 시 주의해야 할 점
2-1 분석에 적합한 데이터 형태
2-2 이항 데이터
2-3 범주형 데이터를 수치화시키는 방법-One-Hot Encoding
3. 아나콘다 설치하기
3-1 파이썬이란?
3-2 파이썬의 특징
3-3 파이썬을 배울까요? R을 배울까요?
3-4 아나콘다 설치하기(Windows 기반)
4. 주피터 노트북
4-1 주피터 노트북이란?
4-2 기본 사용법
4-3 주석과 마크다운
4-4 메뉴별 주요 기능
5. 패키지 설치하기
5-1 패키지란?
5-2 패키지 설치하기 - 인터넷 연결 환경
5-3 패키지 설치하기 - Off-Line 환경
5-4 패키지 사용하기
6. 구글 코랩
[핵심요약]
[연습문제]
CHAPTER 3 데이터 다루기
1. 파이썬 문법에 대한 이해
1-1 파이썬 문법 체계
1-2 변수
1-3 함수
1-4 조건문
1-5 반복문
1-6 자료형
2. pandas의 데이터 프레임
2-1 데이터 프레임이란?
2-2 데이터 프레임 다루기
3. numpy의 다차원 배열
3-1 다차원 배열이란?
3-2 다차원 배열 다루기
4. 데이터 정제
4-1 결측치(NaN)
4-2 이상치(Outlier)
4-3 스케일링(Scaling)
[핵심요약]
[연습문제]
본격적인 실습에 앞서
chapter 4 통계분석과 기본 그래프
1. 어제까지 몇 마리의 병아리가 부화했을까? (기초 통계량)
1-1 데이터 불러오기
1-2 데이터 확인하기
1-3 기초 통계량 구하기
1-4 데이터 정렬하기
1-5 막대 그래프 그려보기
1-6 한글 폰트 지정 및 그래프 색상 바꿔보기
1-7 그래프 위에 텍스트 추가하기
1-8 그래프 위에 선 추가하기
1-9 파이 차트 그려보기
2. 부화한 병아리들의 몸무게는 얼마일까? (정규분포와 중심극한정리)
2-1 데이터 불러와서 구조와 유형 확인하기
2-2 통계량으로 분포 확인하기
2-3 히스토그램으로 분포 확인하기
2-4 상자그림으로 분포 확인하기
2-5 다중 그래프로 분포 확인하기
3. 사료 제조사별 성능 차이가 있을까? (가설검정)
3-1 데이터 불러와서 확인하기
3-2 상자그림으로 분포 비교하기
3-3 정규분포인지 검정하기
3-4 t-test로 두 집단 간 평균 검정하기
[핵심요약]
[연습문제]
chapter 5 상관분석과 회귀분석
1. 병아리의 성장에 영향을 미치는 인자는 무엇일까? (상관분석)
1-1 상관분석이란?
1-2 데이터 불러와서 확인하기
1-3 상관분석을 위한 별도 데이터 셋 만들기
1-4 상관분석 실시
1-5 상관분석 결과 표현하기
2. 병아리의 몸무게를 예측할 수 있을까? (회귀분석)
2-1 회귀분석이란?
2-2 단순 선형 회귀분석
2-3 다중 회귀분석
2-4 다중공선성
2-5 비선형 회귀분석
[핵심요약]
[연습문제]
chapter 6 분류 및 군집분석
1. 병아리의 성별을 구분할 수 있을까? (로지스틱 회귀)
1-1 로지스틱 회귀란?
1-2 데이터 불러와서 확인하기
1-3 로지스틱 회귀분석
1-4 분류 알고리즘의 성능 평가 방법
1-5 로지스틱 회귀모델의 성능 평가
2. 병아리의 품종을 구분할 수 있을까? (분류 알고리즘)
2-1 다양한 분류 알고리즘
2-2 나이브 베이즈 분류
2-3 k-최근접 이웃
2-4 의사결정나무
2-5 배깅
2-6 부스팅
2-7 랜덤 포레스트
2-8 서포트 벡터 머신
2-9 XGBoost와 하이퍼 파라미터 튜닝
2-10 분류 알고리즘 결과 정리
3. 효과적인 사육을 위해 사육환경을 분리해 보자! (군집 알고리즘)
3-1 군집 알고리즘
3-2 k-평균 군집
[핵심요약]
[연습문제]
chapter 7 인공신경망과 딥 러닝
1. 성장한 닭의 몸무게를 예측할 수 있을까? (회귀)
1-1 인공신경망이란?
1-2 데이터 및 상관관계 확인
1-3 데이터 분할
1-4 신경망 구현
1-5 회귀모델의 성능 평가
1-6 딥 러닝이란?
1-7 H2O 활용 딥 러닝 구현(회귀)
2. 딥 러닝을 이용해 병아리 품종을 다시 구분해 보자! (분류)
2-1 Keras 활용 딥 러닝 구현(분류)
2-2 과적합을 줄이는 방법(드롭아웃)
[핵심요약]
[연습문제]
chapter 8 텍스트 마이닝
1. 고객 리뷰에서 어떻게 핵심을 파악할 수 있을까? (워드 클라우드)
1-1 워드 클라우드란?
1-2 JDK 설치하기
1-3 패키지 설치하기
1-4 텍스트 데이터 가공하기
1-5 워드 클라우드 그리기
2. 고객들은 정말로 만족했을까? (감성 분석)
2-1 감성 분석이란?
2-2 감성 사전 준비
2-3 텍스트 데이터 가공하기
2-4 감성 분석
2-5 결과 시각화
[핵심요약]
[연습문제]
chapter 9 참고할 만한 내용들
1. 데이터베이스 연결 및 SQL 사용법
1-1 데이터베이스 연결 방법
1-2 데이터베이스 테이블의 데이터 조회(Select)
1-3 데이터베이스 테이블의 데이터 입력(Insert)
1-4 데이터베이스 테이블의 데이터 삭제(Delete)
2. 비대칭 데이터
2-1 비대칭 데이터란?
2-2 언더 샘플링
2-3 오버 샘플링
3. 차원 축소와 주성분 분석(PCA)
3-1 차원 축소란?
3-2 주성분 분석(PCA)
4. 데이터 프레임 집계 및 병합
4-1 데이터 프레임 집계
4-2 데이터 프레임 병합
5. 학습을 위한 대표적인 데이터 셋 소개
5-1 패키지 내장 데이터 셋
5-2 학습용 데이터 셋 취득
6. 데이터 분석 학습 사이트 소개
6-1 생활코딩
6-2 데이터 사이언스 스쿨
6-3 코세라
6-4 캐글
연습문제 정답