1장. 기초 훑어보기

__1.1 데이터 준비
____데이터 포맷
____변수 타입
____변수 선택
____특징 엔지니어링
____누락된 데이터
__1.2 알고리즘 선택
____비지도학습
____지도학습
____강화 학습
____이 밖에 고려해야 할 점
__1.3 파라미터 튜닝
__1.4 결과 평가하기
____분류 지표
____회귀 지표
____검증
__1.5 요약

2장. 평균 군집화

__2.1 고객 군집 찾기
__2.2 예제: 영화 팬들의 성향 프로필
__2.3 군집 정의하기
____얼마나 많은 군집이 존재하는가?
____군집의 포함 관계는 어떤가?
__2.4 제약
__2.5 요약

3장. 주성분 분석

__3.1 식품의 영양 성분 파악
__3.2 주성분
__3.3 예제: 식품 그룹 분석
__3.4 제약
__3.5 요약

4장. 연관 규칙

__4.1 구매 패턴 발견하기
__4.2 지지도와 신뢰도, 향상도
__4.3 예제: 식료품 거래 분석
__4.4 Apriori 원칙
____지지도가 높은 품목 집합 찾기
____신뢰도나 향상도가 높은 품목 규칙 찾기
__4.5 제약
__4.6 요약

5장. 소셜 네트워크 분석

__5.1 관계 매핑하기
__5.2 예제: 무기 거래로 엿보는 지정학
__5.3 루뱅 메서드
__5.4 페이지랭크 알고리즘
__5.5 제약
__5.6 요약

6장. 회귀 분석

__6.1 추세선 찾기
__6.2 예제: 주택 가격 예측
__6.3 기울기 하강법
__6.4 회귀 계수
__6.5 상관 계수
__6.6 제약
__6.7 요약

7장. k-최근접 이웃과 이상 감지

__7.1 식품 감별
__7.2 유유상종
__7.3 예제: 와인의 차이 알아내기
__7.4 이상 감지
__7.5 제약
__7.6 요약

8장. 서포트 벡터 머신

__8.1 “아니요”냐, “절대 아니요!”냐?
__8.2 예제: 심장병 예측
__8.3 최적 경계 그리기
__8.4 제약
__8.5 요약

9장. 의사결정 트리

__9.1 재앙에서 살아남을지 예측하기
__9.2 예제: 타이타닉 탈출하기
__9.4 제약
__9.5 요약

10장. Random Forests

__10.1 대중의 지혜
__10.2 예제: 범죄 예측
__10.3 앙상블
__10.4 부트스트랩 집계
__10.5 제약
__10.6 요약

11장. 신경망

__11.1 두뇌 흉내 내기
__11.2 예제: 수기 숫자 인식
__11.3 신경망의 구성 요소
__11.4 활성화 규칙
__11.5 제약
__11.6 요약

12장. A/B 테스트와 멀티 암드 밴딧

__12.1 A/B 테스트의 기초
__12.2 A/B 테스트의 제약
__12.3 입실론 감소 전략
__12.4 예제: 멀티 암드 밴딧
__12.5 ‘승자 고집하기’에 얽힌 재밌는 사연
__12.6 입실론 감소 전략의 제약
__12.7 요약

부록

__A. 지도학습 알고리즘 개요
__B. 지도학습 알고리즘 개요
__C. 튜닝 파라미터 목록
__D. 다양한 평가 지표
____분류 지표
____회귀 지표

2017년 스탠퍼드대학교 CS102 빅데이터 강의에 활용된 이 책은 데이터 과학을 처음 시작하는 사람들에게 주로 사용되는 분석 기법과 핵심적인 머신 러닝 알고리즘의 원리를 실제 데이터를 바탕으로 설명하고 있다. 구체적인 코드나 세세한 수학적 내용으로 독자를 힘들게 하기보다, 알고리즘의 동작 원리와 장단점을 제시함으로써 데이터 과학을 처음 시작하는 비전공자나 데이터 과학이 무엇인지 궁금한 독자에게 훌륭한 출발점을 제공한다.