HOME > 상세정보

상세정보

데이터과학 입문 (210회 대출)

자료유형
단행본
개인저자
Schutt, Rachel, 1976- O'Neil, Cathy, 저 윤영민, 역 허선, 역 전희주, 역 김정일, 역 류자현, 역
서명 / 저자사항
데이터과학 입문 / 레이철 슈트, 캐시 오닐 지음 ; 윤영민 [외]옮김
발행사항
서울 :   한빛미디어,   2014   (2015)  
형태사항
396 p. : 삽화, 도표 ; 24 cm
원표제
Doing data science
ISBN
9788968481352
일반주기
구글, MS, 이베이 데이터과학자에게 배우다  
색인수록  
공역자: 허선, 전희주, 김정일, 류자현  
일반주제명
Big data Data mining Information science Data structures (Computer science) Database management Cyberinfrastructure
000 00000cam c2200205 c 4500
001 000045815686
005 20150403162416
007 ta
008 141103s2014 ulkad 001c kor
020 ▼a 9788968481352 ▼g 13000
035 ▼a (KERIS)BIB000013606180
040 ▼a 211023 ▼c 211023 ▼d 211009
041 1 ▼a kor ▼h eng
082 0 4 ▼a 006.312 ▼2 23
085 ▼a 006.312 ▼2 DDCK
090 ▼a 006.312 ▼b 2014z5
100 1 ▼a Schutt, Rachel, ▼d 1976-
245 1 0 ▼a 데이터과학 입문 / ▼d 레이철 슈트, ▼e 캐시 오닐 지음 ; ▼e 윤영민 [외]옮김
246 1 9 ▼a Doing data science
260 ▼a 서울 : ▼b 한빛미디어, ▼c 2014 ▼g (2015)
300 ▼a 396 p. : ▼b 삽화, 도표 ; ▼c 24 cm
500 ▼a 구글, MS, 이베이 데이터과학자에게 배우다
500 ▼a 색인수록
500 ▼a 공역자: 허선, 전희주, 김정일, 류자현
650 0 ▼a Big data
650 0 ▼a Data mining
650 0 ▼a Information science
650 0 ▼a Data structures (Computer science)
650 0 ▼a Database management
650 0 ▼a Cyberinfrastructure
700 1 ▼a O'Neil, Cathy, ▼e
700 1 ▼a 윤영민, ▼e
700 1 ▼a 허선, ▼e
700 1 ▼a 전희주, ▼e
700 1 ▼a 김정일, ▼e
700 1 ▼a 류자현, ▼e
900 1 0 ▼a 슈트, 레이철, ▼e
900 1 0 ▼a 오닐, 캐시, ▼e
945 ▼a KLPA

No. 소장처 청구기호 등록번호 도서상태 반납예정일 예약 서비스
No. 1 소장처 중앙도서관/제2자료실(3층)/ 청구기호 006.312 2014z5 등록번호 111755414 도서상태 대출가능 반납예정일 예약 서비스 B M
No. 2 소장처 과학도서관/Sci-Info(1층서고)/ 청구기호 006.312 2014z5 등록번호 121231319 도서상태 대출가능 반납예정일 예약 서비스 B M
No. 3 소장처 과학도서관/Sci-Info(1층서고)/ 청구기호 006.312 2014z5 등록번호 121232643 도서상태 대출가능 반납예정일 예약 서비스 B M
No. 4 소장처 과학도서관/Sci-Info(1층서고)/ 청구기호 006.312 2014z5 등록번호 121234882 도서상태 대출가능 반납예정일 예약 서비스 B M
No. 5 소장처 과학도서관/Sci-Info(1층서고)/ 청구기호 006.312 2014z5 등록번호 121234954 도서상태 대출가능 반납예정일 예약 서비스 B M
No. 6 소장처 의학도서관/자료실(3층)/ 청구기호 006.312 2014z5 등록번호 131050076 도서상태 대출가능 반납예정일 예약 서비스 B
No. 7 소장처 세종학술정보원/과학기술실/ 청구기호 006.312 2014z5 등록번호 151327825 도서상태 대출가능 반납예정일 예약 서비스
No. 소장처 청구기호 등록번호 도서상태 반납예정일 예약 서비스
No. 1 소장처 중앙도서관/제2자료실(3층)/ 청구기호 006.312 2014z5 등록번호 111755414 도서상태 대출가능 반납예정일 예약 서비스 B M
No. 소장처 청구기호 등록번호 도서상태 반납예정일 예약 서비스
No. 1 소장처 과학도서관/Sci-Info(1층서고)/ 청구기호 006.312 2014z5 등록번호 121231319 도서상태 대출가능 반납예정일 예약 서비스 B M
No. 2 소장처 과학도서관/Sci-Info(1층서고)/ 청구기호 006.312 2014z5 등록번호 121232643 도서상태 대출가능 반납예정일 예약 서비스 B M
No. 3 소장처 과학도서관/Sci-Info(1층서고)/ 청구기호 006.312 2014z5 등록번호 121234882 도서상태 대출가능 반납예정일 예약 서비스 B M
No. 4 소장처 과학도서관/Sci-Info(1층서고)/ 청구기호 006.312 2014z5 등록번호 121234954 도서상태 대출가능 반납예정일 예약 서비스 B M
No. 소장처 청구기호 등록번호 도서상태 반납예정일 예약 서비스
No. 1 소장처 의학도서관/자료실(3층)/ 청구기호 006.312 2014z5 등록번호 131050076 도서상태 대출가능 반납예정일 예약 서비스 B
No. 소장처 청구기호 등록번호 도서상태 반납예정일 예약 서비스
No. 1 소장처 세종학술정보원/과학기술실/ 청구기호 006.312 2014z5 등록번호 151327825 도서상태 대출가능 반납예정일 예약 서비스

컨텐츠정보

책소개

컬럼비아 대학교 대학원의 데이터과학 입문 16주 강의를 총 16개장으로 옮겨 놓은 데이터과학 입문서다. 구글, MS, 이베이 등 데이터과학자들이 참여하여 실제 사례를 분석하고 직접 사용하는 코드를 제시한다.

총 16개 장에 걸쳐 소개되는 강의들에서는 구글, MS, 이베이 등 데이터과학자들이 사례 분석과 직접 사용하는 코드를 제시하면서 새 알고리즘, 방법론, 모형을 공유한다. 선형대수, 확률, 통계에 익숙하고 프로그래밍 경험이 있다면 이 책은 최고의 데이터과학 입문서가 될 것이다.

이 책은 컬럼비아 대학교 대학원의 데이터과학 입문 16주 강의를 총 16개장으로 옮겨 놓은 데이터과학 입문서다. 구글, MS, 이베이 등 데이터과학자들이 참여하여 실제 사례를 분석하고 직접 사용하는 코드를 제시한다.

★ 데이터과학, 최고의 교과서
사람들은 데이터가 선거나 비즈니스 모형을 바꿀 수도 있다는 점을 알게 됐다. 이에 따라 데이터과학과 관련된 직업도 많이 생겨 났다. 하지만 데이터과학은 여러 학문이 섞여 있어 올바른 가이드 없이는 쉽게 진입할 수 없다. 그렇다면 당신은 어떻게 시작할 것인가? 이 책은 컬럼비아대학교 대학원의 데이터과학 입문 수업을 바탕으로 데이터과학에 입문하려는 당신이 알아야 할 내용을 상세히 다루고 있다.
총 16개 장에 걸쳐 소개되는 강의들에서는 구글, MS, 이베이 등 데이터과학자들이 사례 분석과 직접 사용하는 코드를 제시하면서 새 알고리즘, 방법론, 모형을 공유한다. 선형대수, 확률, 통계에 익숙하고 프로그래밍 경험이 있다면 이 책은 최고의 데이터과학 입문서가 될 것이다.

★ 이 책의 구성
이 책은 수업과 같은 순서로 구성되어 있다.
● 1장 : 우리는 '데이터과학이란 무엇인가?'라는 중심 질문에 관한 몇 개의 기초적인 자료로 시작하고, 조직화하는 원칙으로서의 데이터과학 과정을 소개한다.
● 2장, 3장 : 책 전체의 기초가 되는 통계적 모형화와 기계학습 알고리즘을 개괄적으로 살펴본다.
● 4장, 5장, 6장, 8장 : 다양한 맥락에 따라 특정한 모형과 알고리즘의 사례들을 검토한다.
● 7장 : 데이터에서 어떻게 의미를 도출하고, 모형에 포함될 특징을 어떻게 만드는지 알아본다.
● 9장, 10장 : 전통적으로 대학에서 가르치지 않는 데이터 시각화와 소셜네트워크라는 두 영역을 다룬다.
● 11장, 12장 : 예측에서 인과성으로 방향을 선회한다.
● 13장, 14장 : 데이터 준비와 공학에 관한 것이다.
● 15장 : 수업에 참여한 학생들에게 데이터과학을 학습한다는 것이 어떤 의미인지 들어본다.
● 16장 : 데이터과학의 미래에 대해 우리가 희망하는 점이 논의된다.

★ 이 책의 대상 독자
● 경험이 많은 데이터과학자들은 아마도 자신이 하고 있는 일을 새로운 각도에서 보고 이해하게 될 것이다.
● 통계학자들은 데이터과학과 통계학의 관계에 대한 인식을 얻을 수 있을 것이다. 아니면 '이것은 그냥 통계학이잖아'라는 입장을 계속 유지할 지도 모른다. 그 경우 우리는 그 주장이 명료하게 제시되는 모습을 보고 싶다.
● 데이터과학으로 전공 전환을 고려 중이거나 데이터과학 스킬을 향상시키고자 하는 계량분석가, 수학자, 물리학자, 혹은 다른 과학 분야의 박사들은 데이터과학이 무엇인지 혹은 무엇을 요구하는지에 대한 관점을 얻을 것이다.
● 학생들이나 데이터과학에 문외한인 독자들은 데이터과학에 깊숙이 던져지게 될 것이다. 만약 여러분이 모든 내용을 이해할 수 없다고 하더라도 걱정하지 말기 바란다. 그것은 배우는 과정의 일부일 뿐이다.


정보제공 : Aladin

저자소개

레이철 슈트(지은이)

News Corp.의 Data Science 분야 선임 부사장이다. 컬럼비아 대학교에서 통계학 박사를 받았고 구글 연구소에서 통계학자로 수년간 일했다. 컬럼비아 대학교의 통계학과 겸임교수며, 컬럼비아에서 데이터과학공학연구소의 교육위원회의 창설멤버다. 구글에서 일한 내용을 바탕으로 여러 특허를 출원 중에 있으며, 특히 사용자 행태를 이해하는 프로토타입 알고리즘을 만들고 모형을 구축함으로써 사용자 대면제품을 만드는 데 일조하였다. NYU 수학과에서 석사학위를 받았고 스탠포드 대학교에서는 공학-경제시스템과 운용과학(OR)의 석사학위를 가지고 있다. 미시간 대학교의 수학과에서 학사학위를 받았다.

캐시 오닐(지은이)

UC버클리를 졸업하고 1999년 하버드대학교에서 대수적 정수론으로 수학박사 학위를 받았다. 매사추세츠공과대학교(MIT)에서 박사후과정을 거친 후 컬럼비아대학교와 공동학위를 수여하는 버나드 칼리지 수학과 종신교수로 재직했다. 2007년 수학을 현실 세계에 활용한다는 아이디어에 매료되어 교수직을 버리고, 헤지펀드 디이 쇼(D.E. Shaw)의 퀀트(quant)가 된다. 디이 쇼의 선물거래팀을 이끌며 2000년대 글로벌 금융계의 호황과 붕괴를 몸소 겪는다. 수학과 금융의 결탁이 불러온 파괴적 힘에 환멸을 느끼고 월스트리트를 떠났다. 이후 IT업계에서 데이터과학자로서 금융상품의 위험도, 소비자 구매 패턴 등을 예측하는 수학 모형을 개발했다. 수학자이자 퀀트, 데이터과학자로 일하면서 그녀는 장밋빛으로 포장된 빅데이터 경제가 불평등을 확산하고 민주주의를 위협한다는 사실을 깨닫게 된다. 현재는 월가점거운동(Occupy Wall Street)의 하위조직인 대안금융그룹을 이끌고 있다. 또한 알고리즘을 감사하고 위험성을 측정하는 기업 ORCAA를 설립해 빅데이터의 그림자를 세상에 알리는 데 힘쓰고 있다.

윤영민(옮긴이)

1994년 미국 UC 버클리에서 사회학 박사학위를 받았다. 현재 한양대학교 ERICA 캠퍼스의 정보사회학과 교수 겸 언론정보대학장으로 재직 중이며, (사)한국데이터사이언스학회 회장, 국가오픈데이터포럼 공동의장, 한국디지털도서관위원회 위원으로 활동하고 있다. 정보기술과 인간, 정보기술과 사회의 접점을 연구하여 『전자정보공간론』(1996), 『사이버공간의 정치』(2000), 『사이버공간의 사회』(2003), 『Dialogue: 소셜미디어와 집단지성 1, 2』(2011) 등 다수의 저서와 논문을 발표했다. 또한 크리스찬 아카데미(현 대 화문화 아카데미), 유네스코한국위원회, 현정포럼, 대통령 자문 전자정부특별위원회, 스마트정부(Gov. 3.0) 오픈포럼 등을 통해 최신 정보기술을 이용한 사회혁신에도 활발하게 참여했다. 2002년에는 전자정부 구축에 기여한 공로를 인정받아 홍조근정훈장을 수여했다.

전희주(옮긴이)

고려대학교에서 학사, 석사학위를 받았고, 노스캐롤라이나 주립대학교에서 통계학 박사학위를 받았다. 미국 SAS, P&G, 삼성카드, SK텔레콤에서 고객관계관리(CRM)와 데이터분석 업무를 하였다. 현재 동덕여자대학교 정보통계학과 교수로 재직 중이며 한국도로공사 경영평가위원, 동부화재 자문교수, 남양주시 빅데이터 자문교수, 한국데이터사이언스학회 부회장, 한국영업관리학회 부회장으로 활동하고 있다. 주요 연구분야로는 CRM, 소셜네트워크분석(SNA), 보험마케팅이며, 주요저서로는 『보험자료를 활용한 일반화 선형모형』(사이플러스, 2009), 『문화교류역량과 다문화경영이 기업성과에 미치는 영향』 (집문당, 2013), 『미적분학』(한티미디어,2014) 등이 있다.

허선(옮긴이)

서울대학교에서 학사·석사학위를, 미국 Texas A&M 대학교에서 산업공학 박사학위를 받았으며, 1995년부터 한양대학교 산업경영공학과 교수로 재직하고 있다. 응용확률론, 대기행렬이론과 응용 등이 연구 분야이며, 현재는 빅데이터 분석, 텍스트마이닝, 인공지능 등에 관심을 가지고 있다. 지은 책으로 『공학의 마에스트로 - 산업공학』(청문각, 2010)이 있고, 옮긴 책으로 『데이터마이닝』(시그마프레스, 2016), 『데이터과학입문』(한빛미디어, 2014), 『확률과정론』(청문각, 1997)이 있으며, SCI급 국제 저명 학술지에 40여 편, 국내 저명 학술지에 60여 편의 논문을 게재하였다. 현재 대한산업공학회, 한국산업경영시스템학회, 한국SCM학회 종신회원이다.

김정일(옮긴이)

연세대학교와 대학원에서 통계학을 전공하고 연세대학교 의과대학 예방의학교실에서 다양한 의료 데이터 분석 및 연구를 수행하였고, 하버드 대학원에서 통계학을 전공한 후 세계 최대 통신회사인 AT&T에서 연구소와 다양한 데이터 분석업무를 거치며 2004년 11월 퇴사할 때까지 데이터베이스 마케팅과 마케팅 사이언스 업무를 수행했다. 2005년 1월 삼성생명의 해외 핵심인력 임원으로 영입되어 2012년 퇴사할 때까지 데이터베이스 마케팅과 CRM을 리드하였다. 2013년 2월 빅데이터 분석 및 비즈니스 모델 전문 컨설팅 업체인 디비디스커버를 창립하여 금융, 통신 등 다양한 분야에서 실제 빅데이터를 활용하여 분석, 예측, 및 활용을 추진 중이다. 한국마케터협회의 일원으로서 『마케터분투기』(리더스북, 2010)를 저술하였다.

류자현(옮긴이)

한양대학교 사회학과 박사 수료 후 한양대학교 에리카 캠퍼스에서 사회학 입문 강의를 하고 있다. 온라인 공간에서의 상호작용에 관심이 많아 소셜미디어에서의 집단지성과 관련된 박사논문을 작성하고 있다. 논문 번역으로 『정보시스템: 교육정보시스템을 중심으로』(한국사회학, 2006)와 『공공부문 소셜미디어 가이드라인 분석』(공저, 2012) 등이 있다.

정보제공 : Aladin

목차

목차
옮긴이의 글 = 6
서문 = 8
감사의 글 = 15
CHAPTER 1 소개: 데이터과학이란 무엇인가?
 1.1 빅데이터와 데이터과학 열풍 = 27
 1.2 열풍을 넘어서 = 29
 1.3 왜 지금? = 30
 1.4 현재의 풍경(약간의 역사와 함께) = 32
 1.5 데이터과학 프로필 = 36
 1.6 사고 실험: 메타 정의 = 38
 1.7 데이터과학자는 정말로 어떤 직업인가? = 40
CHAPTER 2 통계적 추론, 탐색적 데이터분석과 데이터과학 과정
 2.1 빅데이터 시대의 통계적 사고 = 43
 2.2 탐색적 데이터분석 = 59
 2.3 데이터과학 과정 = 66
 2.4 사고 실험: 여러분은 혼돈을 어떻게 시뮬레이션할 것인가? = 70
 2.5 사례 연구: 리얼다이렉트 = 71
CHAPTER 3 알고리즘
 3.1 기계학습 알고리즘 = 78
 3.2 세 가지 기본 알고리즘 = 80
 3.3 연습문제: 기본적인 기계학습 알고리즘들 = 109
 3.4 전체 요약 = 115
 3.5 사고 실험: 통계로봇 = 115
CHAPTER 4 스팸 필터, 나이브베이즈, 경합
 4.1 사고 실험: 예제로 배우기 = 117
 4.2 나이브베이즈 = 121
 4.3 좀 더 멋있게: 라플라스 평활 = 127
 4.4 나이브베이즈와 k-NN의 비교 = 129
 4.5 코드 예시 = 129
 4.6 웹스크래핑: API와 기타 도구들 = 131
 4.7 제이크의 연습문제: 기사분류를 위한 나이브베이즈 = 133
CHAPTER 5 로지스틱 회귀
 5.1 사고 실험 = 140
 5.2 분류기 = 141
 5.3 M6D 로지스틱 회귀 사례연구 = 144
 5.4 Media 6 Degrees 연습문제 = 154
CHAPTER 6 시간기록과 금융 모형화
 6.1 카일 티그와 티비태그 = 161
 6.2 시간기록 = 164
 6.3 캐시 오닐 = 170
 6.4 사고 실험 = 171
 6.5 금융 모형화 = 172
 6.6 연습문제: 티비태그와 시간기록 사건 데이터 = 189
CHAPTER 7 데이터에서 의미 추출하기
 7.1 윌리엄 커키어스키 = 191
 7.2 캐글모형 = 195
 7.3 사고 실험: 로봇 평가자의 윤리적 함축성은 무엇인가? = 199
 7.4 특징 선택 = 201
 7.5 데이비드 허페이커: 사회연구에 대한 구글의 하이브리드 접근법 = 220
CHAPTER 8 추천 엔진: 대규모 사용자 대면 데이터 상품
 8.1 현실 세계의 추천 엔진 = 226
 8.2 사고 실험: 필터 버블(Filter Bubble) = 239
 8.3 연습문제: 추천 시스템 만들기 = 239
CHAPTER 9 데이터 시각화와 사기 탐지
 9.1 데이터 시각화의 역사 = 243
 9.2 다시 한 번, 데이터과학이란 무엇인가? = 246
 9.3 데이터 시각화 프로젝트의 사례 = 248
 9.4 마크의 데이터 시각화 프로젝트 = 251
 9.5 데이터과학과 위험 = 259
 9.6 스퀘어의 데이터 시각화 = 272
 9.7 이언의 사고 실험 = 274
 9.8 참고사항 = 274
CHAPTER 10 소셜네트워크와 데이터 저널리즘
 10.1 모닝사이드 애널리틱스에서의 소셜네트워크 분석 = 278
 10.2 소셜네트워크 분석 = 280
 10.3 소셜네트워크의 용어들 = 280
 10.4 사고 실험 = 284
 10.5 모닝사이드 애널리틱스 = 285
 10.6 통계적 관점으로 본 소셜네트워크 분석의 배경 = 288
 10.7 데이터 저널리즘 = 294
CHAPTER 11 인과성
 11.1 상관은 인과관계를 함축하지 않는다 = 298
 11.2 OK 큐피트의 시도 = 301
 11.3 황금 기준: 확률적 임상실험 = 303
 11.4 A/B 검정 = 305
 11.5 차선책: 관찰 연구 = 307
 11.6 세 가지의 조언 = 313
CHAPTER 12 역학
 12.1 매디건의 배경 = 315
 12.2 사고 실험 = 316
 12.3 현대 학술 통계학 = 317
 12.4 의학 문헌과 관찰 연구 = 318
 12.5 층화는 교란변수 문제를 해결하지 않는다 = 318
 12.6 더 나은 방법은 없을까? = 321
 12.7 연구 실험(OMOP) = 322
 12.8 사고 실험을 마치며 = 327
CHAPTER 13 데이터경진대회의 교훈: 데이터 누출과 모형 평가
 13.1 클로디아의 데이터과학자 프로필 = 330
 13.2 데이터마이닝 경진대회 = 331
 13.3 좋은 모형 개발자가 되는 방법 = 333
 13.4 데이터 누출 = 333
 13.5 누출을 피하는 방법 = 339
 13.6 모형 평가하기 = 340
 13.7 알고리즘 선택 = 345
 13.8 마지막 예 = 345
 13.9 사고를 나누기 = 346
CHAPTER 14 데이터공학: 맵리듀스, 프리젤, 하둡
 14.1 데이비드 크로셔에 대해 = 348
 14.2 사고 실험 = 349
 14.3 맵리듀스 = 350
 14.4 단어빈도수 문제 = 351
 14.5 맵리듀스의 다른 예 = 356
 14.6 프리젤 = 357
 14.7 조시 윌스에 대해 = 358
 14.8 사고 실험 = 358
 14.9 데이터과학자가 된다는 것 = 359
 14.10 경제성 살펴보기: 하둡 = 360
 14.11 다시 조시에게: 워크플로 = 362
 14.12 하둡을 시작하려면? = 362
CHAPTER 15 수업에 대한 학생들의 소감
 15.1 과정적 사고 = 365
 15.2 더 이상 순진하지 않다 = 367
 15.3 도와주기 = 368
 15.4 여러분의 마일리지는 다를 수 있다 = 370
 15.5 다리와 터널을 잇는 길들 = 373
 15.6 우리 작업의 일부 = 373
CHAPTER 16 차세대 데이터과학자, 교만, 그리고 윤리
 16.1 지금까지 무엇을 학습했는가? = 375
 16.2 다시 한 번, 데이터과학이란 무엇인가? = 376
 16.3 차세대 데이터과학자란? = 378
 16.4 윤리적인 데이터과학자 되기 = 382
 16.5 경력에 관한 조언 = 386
찾아보기 = 389

관련분야 신착자료

Baumer, Benjamin (2021)