어떤 독자를 위한 책인가? -. (빅)데이터 분석 입문자(비전공자 포함) -. <빅데이터 분석기사> 수험생, <데이터 분석 (준)전문가> 수험생 -. <공공 빅데이터 청년 인턴십> 지원자 > 지금은 빅데이터•인공지능 시대! 한 권으로 데이터 분석의 기초를 잡는다 미래 먹거리로 빅데이터, 인공지능이 부상함에 따라 데이터 분석에 대한 관심이 높아지고 데이터 분석 전문 인력(기획, 분석, 시각화)의 수요가 급격하게 증가했습니다. 신규 채용이 이뤄지고 있는 분야도 바로 이곳입니다. 데이터 분석은 기초 통계, R 입문에 대한 선행학습을 필요로 합니다. 그런데 각각의 책으로 선행학습을 하다 보면 데이터 분석에 들어가기도 전에 포기를 하는 상황을 맞이합니다. 이 책의 목표는 명확합니다. 데이터 분석에 꼭 필요한 기초 통계, 데이터 과학을 한 권에 담아서 데이터 분석에 지체 없이 진입하게 돕고, 데이터 분석의 큰 그림을 보여줍니다. <공공 빅데이터 청년 인턴십> 공식 교재! 행정안전부 주최, 한국정보화진흥원 주관, CSLEE에서 시행한 ICT 분야 청년 일자리 사업, <공공 빅데이터 청년 인턴십 1기, 2기, 3기> 교재입니다. 이 책으로 데이터 분석가(Data Scientist)의 꿈을 이루세요.

Part 1. 비전공자를 위한 기초 지식(통계, R) ____Chapter 1. 기초 통계 ________1.1 통계 개요 ____________1.1.1 통계학의 중요 용어와 개념 ____________1.1.2 통계 자료의 획득 방법 ________1.2 기초 통계량과 확률 ____________1.2.1 집중화 경향 대표값 ____________1.2.2 분산도 ____________1.2.3 확률 이론 ________1.3 정규분포와 정규화 ____________1.3.1 정규분포 ____________1.3.2 표준화 ________1.4 가설 검정 ____________1.4.1 통계적 가설 ____________1.4.2 가설 검정 ________연습문제 ____Chapter 2. R 프로그래밍 ________2.1 프로그래밍 환경 만들기 ____________2.1.1 프로그래밍 언어, R ____________2.1.2 R 설치하기 ____________2.1.3 R Studio 설치하기 ____________2.1.4 R 패키지 설치하기 ________2.2 변수와 데이터 타입 ____________2.2.1 변수 ____________2.2.2 데이터 타입 ________2.3 데이터 구조 ____________2.3.1 백터 ____________2.3.2 매트릭스(행렬) ____________2.3.3 데이터프레임 ____________2.3.4 배열 ____________2.3.5 리스트 ________2.4 R 기초 프로그래밍 ____________2.4.1 연산 ____________2.4.2 흐름 제어문 ____________2.4.3 함수 ____________2.4.4 유용한 함수와 상수 ________2.5 R을 이용한 데이터 조작 방법 ____________2.5.1 데이터의 대략적인 특징 파악에 유용한 함수 ____________2.5.2 외부 파일 읽기 ____________2.5.3 데이터 추출 ____________2.5.4 데이터 구조 변경 ________연습문제 Part 2. 데이터 마트와 통계 분석 ____Chapter 3. 탐색적 데이터 분석 개요 ________3.1 탐색적 데이터 분석 개요 ____________3.1.1 데이터 대표값 탐색 ____________3.1.2 데이터 분산도 탐색 ____________3.1.3 데이터 분포 탐색 ____________3.1.4 변수 간 관계 탐색 ________연습문제 ____Chapter 4. 데이터 준비(전처리) ________4.1 데이터 전처리 ____________4.1.1 데이터 변환, 처리 ____________4.1.2 결측값 처리 ____________4.1.3 이상값 검색 ____________4.1.4 데이터 정규화 ________4.2 차원 축소 ____________4.2.1 차원 축소의 필요성 ____________4.2.2 주성분분석 ____________4.2.3 요인분석 ________4.3 변수 선택 ____________4.3.1 변수 선택 방법 ____________4.3.2 상관계수 ____________4.3.3 카이제곱검정 ____________4.3.4 0에 가까운 분산 ________연습문제 ____Chapter 5. 통계 기반 데이터 분석 ________5.1 기술 통계와 추론 통계 ____________5.1.1 기술 통계 ____________5.1.2 추론 통계 ________5.2 상관분석 ____________5.2.1 분석 방법 ____________5.2.2 상관계수 검정 ________5.3 선형회귀분석 ____________5.3.1 단순선형회귀 ____________5.3.2 다중선형회귀 ____________5.3.3 모델 진단 그래프 ____________5.3.4 회귀분석 모델의 체크사항 ________5.4 시계열분석 ____________5.4.1 시계열 데이터 개요 ____________5.4.2 정상성 ____________5.4.3 비정상 시계열을 정상 시계열로 전환하는 방법 ____________5.4.4 시계열 모델 ________5.5 주성분분석 ____________5.5.1 주성분분석 개요 ____________5.5.2 주성분분석 과정 설명 ____________5.5.3 주성분분석 목적 ____________5.5.4 주성분분석의 예 ____________5.5.5 주성분분석 해석 ____________5.5.6 적절한 주성분 개수 선택법 ________연습문제 Part 3. 정형 데이터 마이닝 ____Chapter 6. 분류분석 ________6.1 데이터 마이닝 ____________6.1.1 데이터 마이닝의 개념 ____________6.1.2 데이터 마이닝의 대표적 기능 ____________6.1.3 데이터 마이닝 추진 단계 ____________6.1.4 분류분석의 주요 모델 ________6.2 의사결정나무 ____________6.2.1 의사결정나무 모델의 개념 ____________6.2.2 분류 변수와 분류 기준값의 선택 방법 ____________6.2.3 의사결정나무의 구조 ____________6.2.4 의사결정나무 분석 예제(rpart() 함수) ____________6.2.5 의사결정나무 분석 예제(ctree() 함수) ________6.3 로지스틱 회귀 ____________6.3.1 로지스틱 회귀 모델의 개념 ____________6.3.2 로지스틱 회귀 모델 예제(glm() 함수) ________6.4 인공신경망 ____________6.4.1 인공신경망 모델의 개념 ____________6.4.2 단층신경망 ____________6.4.3 다층신경망 ____________6.4.4 피드포워드신경망 ____________6.4.5 인공신경망 분석 예제(nnet() 함수) ____________6.4.6 인공신경망 분석 예제(neuralnet() 함수) ________6.5 앙상블 ____________6.5.1 앙상블 모델의 개념 ____________6.5.2 배깅과 분석 예제(bagging() 함수) ____________6.5.3 부스팅과 분석 예제(adabag::boosting() 함수) ____________6.5.4 랜덤 포레스트와 분석 예제(randomForest() 함수) ________6.6 서포트 벡터 머신 ____________6.6.1 서포트 벡터 머신 모델의 개념 ____________6.6.2 서포트 벡터 머신 분석 예제(ksvm() 함수) ____________6.6.3 서포트 벡터 머신 분석 예제(svm() 함수) ________6.7 나이브 베이즈 ____________6.7.1 나이브 베이즈 모델의 개념 ____________6.7.2 나이브 베이즈 분석 예제(naiveBayes() 함수) ________6.8 k-최근접 이웃 ____________6.8.1 k-최근접 이웃 모델의 개념 ____________6.8.2 k-최근접 이웃 분석 예제(knn() 함수) ____________6.8.1 k-최근접 이웃 분석 예제(kknn() 함수) ________연습문제 ____Chapter 7. 분류분석 모델 평가 ________7.1 정오분류표 ____________7.1.1 분류분석 모델 평가를 위한 고려사항 ____________7.1.2 정오분류표 ____________7.1.3 신경망, 의사결정나무, 랜덤 포레스트 모델을 비교 평가하는 예제 ________7.2 ROC 곡선과 AUC ____________7.2.1 ROC 곡선과 AUC의 개념 ____________7.2.2 ROC 곡선과 AUC를 계산하여 모델을 평가하는 예제 ____________7.2.3 세 가지 분류분석 모델의 평가를 하나의 ROC 곡선으로 비교하는 예제 ________7.3 이익도표와 향상도 곡선 ____________7.3.1 이익도표와 향상도 곡선의 개념 ____________7.3.2 이익도표와 향상도 곡선을 그린 예제 ________7.4 데이터 추출 방법 ____________7.4.1 홀드아웃과 홀드아웃 예제 ____________7.4.2 교차검증과 교차검증 예제 ____________7.4.3 붓스트랩과 붓스트랩 예제 ________7.5 클래스 불균형 ____________7.5.1 클래스 불균형의 개념과 예제 ____________7.5.2 업샘플링과 예제 ____________7.5.3 다운샘플링과 예제 ____________7.5.4 SMOTE와 예제 ________연습문제 ____Chapter 8. 군집분석과 연관분석 ________8.1 군집분석 ____________8.1.1 계층적 군집분석 ____________8.1.2 k-평균 군집분석 ____________8.1.3 혼합분포 군집분석 ____________8.1.4 SOM 군집분석 ____________8.1.5 SOM 군집분석 예제 ________8.2 연관분석 ____________8.2.1 연관규칙분석 ________연습문제 Part 4. 비정형 데이터 마이닝 ____Chapter 9. 텍스트 마이닝 ________9.1 텍스트 마이닝 개요 ____________9.1.1 텍스트 마이닝의 개념 ____________9.1.2 텍스트의 위계적 구조 ____________9.1.3 단어 표현 방법 ____________9.1.4 텍스트 마이닝의 기능 ________9.2 텍스트 마이닝 기본 프로세스 ____________9.2.1 텍스트 수집 ____________9.2.2 텍스트 전처리 ________9.3 유사도 거리 ____________9.3.1 유사도 거리 함수 ____________9.3.2 유사도 거리를 계산하는 예제 ________9.4 워드 클라우드 ____________9.4.1 워드 클라우드 ________9.5 감성분석 ____________9.5.1 김성분석 ________9.6 카운터 기반의 단어 표현 ____________9.6.1 원-핫 인코딩 ____________9.6.2 백오브워드 ____________9.6.3 단어 빈도-역문서 빈도 ________9.7 워드 임베딩을 위한 단어 표현 ____________9.7.1 워드투벡터 ____________9.7.2 글로브 ________연습문제 ____Chapter 10. 사회연결망 분석 ________10.1 사회연결망 개요 ____________10.1.1 사회연결망 개념 ____________10.1.2 중심성 ____________10.1.3 사회연결망 예제(대통령 브리핑 486~488.txt) ________연습문제 ____부록 ________정답 및 해설 ________참고문헌 ________찾아보기