1장 데이터 과학과 파이썬 소개
1.1 데이터 과학이란?
__1.1.1 아나콘다 설치하기
1.2 선형대수, 미분과 적분, 확률, 통계의 필요성
1.3 그리스 문자와 연산 기호
1.4 데이터와 변수의 이해
__1.4.1 텍스트 마이닝으로 살펴본 비정형 데이터의 분석
1.5 파이썬의 자료 구조
__1.5.1 파이썬 기본 빌트인 구조
__1.5.2 넘파이, 판다스 기반의 자료 구조
__1.5.3 파일로부터 자료 구조 생성하기
1.6 파이썬 실습
1.7 R 실습
1.8 핵심 요약

2장 머신 러닝을 위한 선형대수
2.1 선형대수의 필요성
2.2 벡터와 공간, 행렬과 사상
__2.2.1 벡터의 이해
__2.2.2 벡터의 사칙 연산
__2.2.3 행렬로의 확장
2.3 행렬의 내적과 외적
2.4 행렬 연산의 의미와 활용
__2.4.1 분석모형 응용 - 유사도행렬의 계산
2.5 행렬식, 역행렬 그리고 일차방정식
__2.5.1 분석모형 응용 - 마르코프 체인
2.6 행렬의 분해: 고윳값과 고유 벡터, 대각화
__2.6.1 분석모형 응용 - 주성분 분석
2.7 파이썬 실습
2.8 R 실습
2.9 핵심 요약

3장 미분과 적분의 이해와 응용
3.1 함수의 개념 이해
__3.1.1 함수와 합성 함수
__3.1.2 미분과 적분을 이해하기 위한 몇 가지 개념
3.2 미분의 이해
__3.2.1 간단한 미분 실습
__3.2.2 분석모형 응용 - 신제품 확산 모형
3.3 적분의 이해
__3.3.1 리만 적분 또는 정적분
3.4 미적분학의 기본정리, 편미분 그리고 경사 하강법
__3.4.1 미적분학의 기본정리
__3.4.2 편미분
__3.4.3 분석모형 응용 - 경사 하강법과 뉴턴랩슨 메서드
3.5 파이썬 실습
3.6 R 실습
3.7 핵심 요약

4장 확률과 통계
4.1 기초 통계 개념: 모집단/표본, 모수/통계량
4.2 통계량의 이해: 단변수 통계량
4.3 통계량의 이해: 다변수 통계량
4.4 확률이란
4.5 조건부 확률과 베이즈 정리
4.6 분석모형 응용-확률을 활용한 패턴의 발견
4.7 파이썬 실습
4.8 R 실습
4.9 핵심 요약

5장 확률 분포와 통계적 추론
5.1 확률 변수와 확률 분포
5.2 이산형 확률 분포
__5.2.1 이항 분포
__5.2.2 포아송 분포
5.3 연속형 확률 분포
__5.3.1 정규 분포와 중심 극한 정리
__5.3.2 t 분포
__5.3.3 χ2 분포
__5.3.4 F 분포
5.4 통계적 추론, 점 추정과 구간 추정
5.5 가설 검정
5.6 다양한 통계 검정
__5.6.1 정규성 검정
__5.6.2 t 검정
__5.6.3 쌍체 t 검정
__5.6.4 등분산 검정: F 검정
__5.6.5 χ2 검정 178
5.7 가설 검정의 오류 178
5.8 파이썬 실습 179
5.9 R 실습 182
5.10 핵심 요약

6장 상관분석과 분산분석
6.1 상관분석
6.2 분산분석
__6.2.1 일원 분산분석
__6.2.2 다중 비교
__6.2.3 이원 분산분석
6.3 상관분석의 활용
6.4 파이썬 실습
6.5 R 실습
6.6 핵심 요약

7장 선형 회귀 분석과 모형 확장
7.1 얇고도 깊은 분석의 목적
7.2 선형 회귀 분석
7.3 선형 회귀 분석의 주요 개념
7.4 모형의 예측과 오차의 측정
7.5 회귀모형의 확장1: 포아송 회귀모형 소개
7.6 선형모형의 확장2: 로지스틱 회귀모형 소개
__7.6.1 분류모형의 평가
7.7 파이썬 실습
7.8 R 실습
7.9 핵심 요약

8장 머신 러닝, 딥러닝 그리고 AI
8.1 데이터 분석에서 머신 러닝의 부상
8.2 딥러닝의 배경 및 개요
8.3 다양한 딥러닝 도구
__8.3.1 텐서플로 설치하기
8.4 딥러닝의 활용
8.5 파이썬 실습
8.6 R 실습
8.7 핵심 요약

부록 A 텐서플로 GPU 버전 설치하기
부록 B R 설치하기
부록 C Colab 사용하기

찾아보기