저자의 말

 

데이터는 이제 특정 분야의 전문가만 다루는 대상이 아니라, 누구나 이해하고 활용해야 하는 중요한 정보가 되었습니다. 이러한 변화에 맞추어 학교의 교육과정에는 ‘데이터 과학’ 과목이 새롭게 편성되었습니다. 이는 데이터를 이해하고 분석하는 능력이 학교 교육에서 길러야 할 중요한 역량이 되었음을 의미합니다. 하지만 새롭게 도입된 과목인 만큼 학생과 교사가 활용할 수 있는 실습 중심의 자료는 아직 충분하지 않은 것이 현실입니다. 

 

이러한 고민에서 만든 이 책은 학생들의 눈높이에 맞는 실제 데이터를 선정하여, 데이터 분석의 개념을 자연스럽게 익히고 흥미를 느낄 수 있도록 구성하였습니다.

 

제1부에서는 데이터 과학을 처음 접하는 학생들도 부담 없이 따라올 수 있도록 기초부터 단계적으로 학습할 수 있게 하였습니다. 파이썬을 이용한 데이터 처리와 시각화, 탐색적 데이터 분석, 머신러닝의 기초를 실습 중심으로 익힐 수 있도록 하였으며, 복잡한 이론을 나열하기보다 데이터를 직접 다루고 결과를 해석하는 과정을 통해 데이터 분석의 기본 원리를 이해하는 데 중점을 두었습니다.

제2부에는 제1부에서 익힌 내용을 바탕으로 문제를 해결하는 다양한 융합 프로젝트를 수록하였습니다.

 

이 책은 고등학교 ‘데이터 과학’ 과목을 위해 집필하였지만, 데이터 분석을 처음 배우는 대학생이나 일반인도 기초 개념부터 실제 데이터 분석 실습까지 단계적으로 학습할 수 있게 구성하여 학교 수업은 물론, 데이터 분석을 처음 시작하는 모든 학습자에게 도움이 될 수 있을 것입니다.

[목 차]

제1부. 데이터 분석 연습하기

chapter 1. 파이썬(Python)으로 데이터 분석 환경 구성하기

01. 데이터 분석 환경 구성하기

02. 파이썬의 데이터 구조-변수부터 딕셔너리까지

 

chapter 2. 데이터 분석 라이브러리 판다스(pandas) 알아보기

01. 판다스란?

02. 판다스의 두 가지 기본 데이터 구조

03. 판다스 기초

 

chapter 3. 기초 통계로 데이터 이해하기

01. 데이터 구조 확인: info(), shape

02. 기초 통계: describe(), mean(), median(), mode()

03. 범주형 데이터 분포: value_counts()

04. 정렬: sort_values()

05. 그룹별 비교: groupby()

 

chapter 4. 데이터 시각화

01. 시각화란?

02. 맷플롯립(Matplotlib)

03. 시본(Seaborn)

04. 판다스 플롯을 이용한 간단한 시각화

 

chapter 5. 탐색적 데이터 분석(EDA)

01. 탐색적 데이터 분석이란?

02. FIFA 축구 선수 데이터 탐색

03. 국민건강보험공단 진료내역 데이터 탐색

 

chapter 6. 머신러닝으로 데이터 예측 및 분류 연습하기

01. 머신러닝이란 무엇인가?

02. 머신러닝의 종류

03. 머신러닝의 기본 흐름

04. 지도학습 - 회귀 | 기온(℃)에 따른 아이스크림 판매량 예측

05. 지도학습 - 회귀 | 다이아몬드 가격 예측

06. 지도학습 - 분류 | 다이아몬드 고가/일반 분류

07. 비지도학습 - 군집 | 와인 데이터 군집화

 

제2부. 데이터 과학 실전 프로젝트 수행하기

실전 프로젝트 시작하기

● 구글 코랩 사용하기

● 프로젝트 수행 절차

 

프로젝트 1. 청소년 건강 데이터로 흡연 시작 연령 예측하기

01. 문제 정의

02. 데이터 수집

03. 데이터 탐색 및 전처리

04. 모델 생성 및 학습

05. 모델 평가

06. 모델 성능 개선하기

07. 모델 활용

 

프로젝트 2. 제주 감귤 당도 예측 앱 제작하기

01. 문제 정의

02. 데이터 수집

03. 데이터 탐색 및 전처리

04. 모델 생성 및 학습, 평가하기

05. 모델 활용

06. 스트림릿으로 감귤 당도 예측 앱 제작하기

 

프로젝트 3. 이력서 데이터로 채용 여부 예측하기

01. 문제 정의

02. 데이터 수집

03. 데이터 탐색 및 전처리

04. 모델 생성 및 학습

05. 모델 평가

06. 모델 활용

 

프로젝트 4. 감자잎 질병 예측 스마트팜 대시보드 제작하기

01. 문제 정의

02. 데이터 수집

03. 데이터 탐색 및 전처리

04. 다양한 모델 생성 및 학습, 평가

05. 모델 활용

06. 피지컬 컴퓨팅의 이해

07. ESP32 보드로 스마트 농장 대시보드 만들기

 

프로젝트 5. 합성곱 신경망으로 손글씨 숫자 분류하기

01. 컴퓨터는 이미지를 어떻게 인식하는가?

02. 데이터 수집 및 전처리

03. 모델 생성 및 학습

04. 모델 평가

05. 모델 활용

 

● 연습 문제 정답 코드

● 부록_실전 데이터 분석을 위한 전처리

● 찾아보기