본문내용 바로가기

KYOBO 교보문고

금/토/일 주말특가
북캉스 선물주간(8월)
삼성 갤럭시 이용자면 무료!
[VORA]보라프렌즈 6기 모집
  • 교보인문학석강 정혜신 작가
  • 손글씨스타
  • 손글쓰기캠페인 메인
  • 손글씨풍경
처음 배우는 데이터 과학
* 중고장터 판매상품은 판매자가 직접 등록/판매하는 상품으로 판매자가 해당상품과 내용에 모든 책임을 집니다. 우측의 제품상태와 하단의 상품상세를 꼭 확인하신 후 구입해주시기 바랍니다.
420쪽 | 규격外
ISBN-10 : 1162240474
ISBN-13 : 9791162240472
처음 배우는 데이터 과학 중고
저자 필드 케이디 | 역자 최근우 | 출판사 한빛미디어
정가
28,000원
판매가
21,200원 [24%↓, 6,800원 할인]
배송비
2,600원 (판매자 직접배송)
지금 주문하시면 2일 이내 출고 가능합니다.
토/일, 공휴일을 제외한 영업일 기준으로 배송이 진행됩니다.
2018년 2월 20일 출간
제품상태
상태 상급 외형 상급 내형 상급

[상태 상세 항목] 선택 해당 사항있음 미선택 해당 사항없음

1.외형 상세 미선택 낙서 미선택 얼룩 미선택 접힘 미선택 낙장(뜯어짐) 미선택 찢김 미선택 변색 미선택 제본불량 미선택 부록있음

2.내형 상세 미선택 낙서 미선택 얼룩 미선택 접힘 선택 낙장(뜯어짐) 미선택 찢김 미선택 변색 [*첫페이지(출판사,지은이외정보가 나온곳) 뜯어져서 없어요.]

이 상품 최저가
17,000원 다른가격더보기
새 상품
25,200원 [10%↓, 2,800원 할인] 새상품 바로가기
수량추가 수량빼기
안내 :

중고장터에 등록된 판매 상품과 제품의 상태는 개별 오픈마켓 판매자들이 등록, 판매하는 것으로 중개 시스템만을 제공하는
인터넷 교보문고에서는 해당 상품과 내용에 대해 일체 책임을 지지 않습니다.

교보문고 결제시스템을 이용하지 않은 직거래로 인한 피해 발생시, 교보문고는 일체의 책임을 지지 않습니다.

중고책 추천 (판매자 다른 상품)

더보기

판매자 상품 소개

※ 해당 상품은 교보문고에서 제공하는 정보를 활용하여 안내하는 상품으로제품 상태를 반드시 확인하신 후 구입하여주시기 바랍니다.

*첫페이지(출판사,지은이외정보가 나온곳) 뜯어져서 없어요.

  뜯어진 표시있고요, 그외 깨끗합니다.

  꼭 참고하시고 주문해주세요~

판매자 배송 정책

  • 토/일, 공휴일을 제외한 영업일 기준으로 배송이 진행됩니다.

더보기

구매후기 목록
NO 구매후기 구매만족도 ID 등록일
60 잘 읽겠습니다.^^^^^^ 5점 만점에 5점 gabiha*** 2020.04.23
59 배송이 매우 빠릅니다. 5점 만점에 5점 smooms*** 2020.03.28
58 책 상태도 좋고 배송도 빠릅니다. 5점 만점에 5점 dongh9*** 2020.03.16
57 배송빠르고 책 상태도 좋아요 5점 만점에 5점 hou1*** 2019.06.19
56 굳굳굳굳굳굳굳굳굳굳굳 5점 만점에 5점 parkjon*** 2019.03.27

이 책의 시리즈

책 소개

상품구성 목록
상품구성 목록

데이터 과학자가 알아야 하는 거의 모든 것 프로그래밍 경험은 많지만 통계나 데이터 분석을 잘 모르거나, 반대로 이론은 잘 알지만 실제로 데이터를 다루는 프로그래밍 경험이 없다면 데이터 과학을 어떻게 공부해야 할지 막막하기 마련입니다. 이 책은 데이터 과학자의 실무에 필요한 컴퓨터 공학 및 프로그래밍을 자세히 소개합니다. 또 널리 사용하는 머신러닝 알고리즘에 대한 직관적 설명, 수학적 배경, 실제 사례를 다룹니다. 데이터 과학에서 필수인 시각화 방법과 도구, 데이터를 해석하는 데 필요한 확률과 통계도 다룹니다. 마지막으로 데이터 과학 업무 결과를 정리하고 소통하는 노하우를 소개합니다. 이 책은 데이터 과학자가 알아야 하는 내용을 빠르고 체계적으로 전달하는 최고의 안내서입니다.

저자소개

저자 : 필드 케이디
저자 필드 케이디 Field Cady는 앨런 인공지능 연구소(Allen institute for artificial intelligence)에서 데이터 과학자로 종사 중입니다. 미국 스탠퍼드 대학교에서 수학과 물리학을 전공하고 워싱턴 대학교에서 응용수학 석사 학위를 받았습니다. 이후 카네기 멜런 대학교에서 컴퓨터공학으로 박사 과정을 밟다가 중퇴했습니다. 싱크빅 애널리틱스(Think Big Analytics)와 본인이 세운 홀리 애널리틱스(LLCHolly Analytics LLC)에서 다양한 분야에 빅데이터 컨설팅을 했습니다.

역자 : 최근우
옮긴이 최근우는 영국 퀸 메리 런던 대학교(Queen Mary University of London)의 디지털음악연구소(Centre for Digital Music)에서 박사 과정을 밟으며 버즈뮤직에서 딥러닝 연구를 맡고 있습니다. http://keunwoochoi.blogspot.com/과 https://keunwoochoi.wordpress.com/에 우리말과 영문으로 연구 관련 블로그를 운영 중입니다. 서울대학교 전기컴퓨터공학부에서 학사 및 석사 학위를 받았고 한국전자통신연구원(ETRI) 오디오연구실에서 음악 및 음향신호처리 연구를 수행했습니다.

목차

CHAPTER 1 데이터 과학 유니콘이 되자!
1.1 데이터 과학자는 단지 연봉이 높은 통계학자일 뿐이다?
1.2 왜 파이썬을 쓰나요?
1.3 한마디 더

[Part 1 데이터 과학 필수 요소]

CHAPTER 2 큰 그림으로 보는 데이터 과학
2.1 문제 파악
2.2 데이터 분석 및 이해 - 기초
2.3 데이터 분석 및 이해 - 전처리
2.4 데이터 분석 및 이해 - 데이터 탐험
2.5 특징값 추출
2.6 모델 수집 및 분석
2.7 결과 정리 및 발표
2.8 코드 배포
2.9 반복 작업
2.10 주요 용어

CHAPTER 3 프로그래밍 언어
3.1 왜 프로그래밍 언어를 사용해야 하나요? 다른 대안은 없나요?
3.2 데이터 과학에서 사용하는 프로그래밍 언어
3.3 파이썬 속성 코스
3.4 문자열 데이터
3.5 함수 정의하기
3.6 파이썬의 공학용 라이브러리
3.7 개발 환경 및 라이브러리 소개
3.8 파이썬 관련 문서 및 참고 자료
3.9 더 알아보기
3.10 주요 용어

CHAPTER 4 데이터 먼징 : 문자열 다루기, 정규표현식, 데이터 정리하기
4.1 생애 최악의 데이터셋
4.2 실수를 예방하는 방법
4.3 데이터 자체의 문제
4.4 데이터 형식 문제
4.5 데이터 형식 정리 예제
4.6 정규표현식
4.7 실제 현장 이야기
4.8 더 알아보기
4.9 주요 용어

CHAPTER 5 시각화와 대푯값
5.1 파이썬의 시각화 도구
5.2 아이리스 데이터셋
5.3 원형 차트
5.4 막대그래프
5.5 히스토그램
5.6 평균, 표준편차, 중간값, 백분위
5.7 상자그림
5.8 산포도
5.9 산포도와 로그 축
5.10 산포 행렬
5.11 히트맵
5.12 상관관계
5.13 안스콤 쿼텟 데이터셋과 대푯값의 한계
5.14 시계열 데이터
5.15 더 알아보기
5.16 주요 용어

CHAPTER 6 머신러닝 개론
6.1 역사적 맥락
6.2 지도학습과 비지도학습
6.3 학습 데이터, 시험 데이터, 과적합
6.4 더 알아보기
6.5 주요 용어

CHAPTER 7 특징값 추출
7.1 일반 특징값
7.2 데이터 표본 여러 개의 대푯값
7.3 복잡한 특징값
7.4 어떤 특징값을 예측할지 결정하기

CHAPTER 8 머신러닝과 분류
8.1 분류기란?
8.2 현실적인 고려사항
8.3 이진 분류와 다범주 분류
8.4 예제 코드
8.5 다양한 분류기의 특징
8.6 분류기 평가하기
8.7 분류 기준값 정하기
8.8 더 알아보기
8.9 주요 용어

CHAPTER 9 의사소통과 문서화
9.1 일반적인 원칙
9.2 슬라이드 작성
9.3 보고서 작성
9.4 발표하기
9.5 코드 문서 작성하기
9.6 더 알아보기
9.7 주요 용어

[Part 2 데이터 과학 확장팩]

CHAPTER 10 비지도학습 : 군집화와 차원 축소
10.1 고차원의 저주
10.2 아이겐페이스와 차원 축소 예제
10.3 주성분 분석
10.4 스크리 도표와 차원 이해하기
10.5 요인 분석
10.6 주성분 분석의 한계
10.7 군집화
10.8 더 알아보기
10.9 주요 용어

CHAPTER 11 회귀
11.1 당뇨 진행 상황 예측 예제
11.2 최소제곱법
11.3 비선형 커브피팅
11.4 커브피팅 평가 : R2과 상관관계
11.5 오차의 상관관계
11.6 선형 회귀
11.7 라소쏘 회귀와 특징값 선정
11.8 더 알아보기
11.9 주요 용어

CHAPTER 12 데이터 인코딩과 파일 형식
12.1 일반적인 데이터 형식
12.2 CSV 파일
12.3 JSON 파일
12.4 XML 파일
12.5 HTML 파일
12.6 Ta r 묶음 파일
12.7 Gzip 파일
12.8 Zip 파일
12.9 이미지 파일 형식
12.10 바이트 데이터
12.11 정수형
12.12 실수형
12.13 텍스트 데이터
12.14 더 알아보기
12.15 주요 용어

CHAPTER 13 빅데이터
13.1 빅데이터가 정확히 뭔가요?
13.2 하둡과 하둡 파일시스템
13.3 HDFS 사용하기
13.4 파이스파크 예제 코드
13.5 스파크 둘러보기
13.6 스파크 연산
13.7 파이스파크를 실행하는 두 가지 방법
13.8 스파크 설정하기
13.9 파이스파크 : 더 깊이 살펴보기
13.10 스파크 : 팁과 주의사항
13.11 맵리듀스 패러다임
13.12 성능 개선을 위한 고려사항
13.13 더 알아보기
13.14 주요 용어

CHAPTER 14 데이터베이스
14.1 관계형 데이터베이스와 MySQL
14.2 키-값 저장소
14.3 와이드 컬럼 저장소
14.4 문서 저장소
14.5 더 알아보기
14.6 주요 용어

CHAPTER 15 좋은 프로그래밍 습관 기르기
15.1 코딩 스타일
15.2 버전 관리와 깃
15.3 테스트 코드
15.4 테스트 주도 개발 방법론
15.5 애자일 방법론
15.6 더 알아보기
15.7 주요 용어

CHAPTER 16 자연어 처리
16.1 자연어 처리가 필요한 상황
16.2 언어와 통계
16.3 주식 관련 신문 기사의 감정 분석 예제
16.4 자연어 처리 소프트웨어 및 데이터셋
16.5 토큰화
16.6 BoW 특징값
16.7 단어 빈도와 문서 빈도 역수
16.8 n-그램
16.9 불용어
16.10 표제어 추출과 공통부분 추출
16.11 동의어 처리
16.12 품사 태깅
16.13 그 외 문제들
16.14 자연어 처리 심화과정
16.15 더 알아보기
16.16 주요 용어

CHAPTER 17 시계열 데이터 분석
17.1 위키피디아 조회수 예측 예제
17.2 시계열 데이터 분석 순서
17.3 시계열 데이터와 타임스탬프 데이터 비교
17.4 내삽법과 외삽법
17.5 신호 스무딩
17.6 간단한 데이터 전처리
17.7 추세와 주기성
17.8 윈도우 적용
17.9 시계열 데이터의 특징값 추출
17.10 특징값 추출 심화 과정
17.11 푸리에 분석
17.12 시계열 데이터와 특징값
17.13 더 알아보기
17.14 주요 용어

CHAPTER 18 확률
18.1 동전 던지기와 베르누이 확률변수
18.2 다트 던지기와 균등확률변수
18.3 균등분포와 유사난수
18.4 비이산 불연속 확률변수
18.5 표기법, 기댓값, 표준편차
18.6 종속성, 주변확률, 조건부확률
18.7 확률분포의 꼬리
18.8 이항분포
18.9 푸아송 분포
18.10 정규분포
18.11 다차원 정규분포
18.12 지수분포
18.13 로그 정규분포
18.14 엔트로피
18.15 더 알아보기
18.16 주요 용어

CHAPTER 19 통계
19.1 데이터 과학과 통계학
19.2 베이지언과 빈도론자의 비교
19.3 가설검정
19.4 다중 가설검정
19.5 매개변수 추정
19.6 t 검정
19.7 신뢰구간
19.8 베이지안 통계학
19.9 나이브 베이즈
19.10 베이지안 네트워크
19.11 선험적 확률 추정
19.12 더 알아보기
19.13 주요 용어

CHAPTER 20 프로그래밍 언어의 주요 개념
20.1 프로그래밍 방법론
20.2 컴파일과 인터프리팅
20.3 자료형 체계
20.4 더 알아보기
20.5 주요 용어

CHAPTER 21 알고리즘의 성능과 메모리 관리
21.1 예제 코드
21.2 알고리즘의 성능과 빅오표기법
21.3 정렬 알고리즘과 이진검색
21.4 평균복잡도와 분할상환분석
21.5 오버헤드 줄이기, 메모리 관리
21.6 팁 : 수치연산 라이브러리를 이용하자
21.7 팁 : 사용하지 않는 대용량 객체를 삭제한다
21.8 팁 : 가능하면 내장 함수를 사용한다
21.9 팁 : 불필요한 함수 호출을 자제한다
21.10 팁 : 덩치가 큰 객체는 가급적 새로 만들지 않는다
21.11 더 알아보기
21.12 주요 용어

[Part 3 데이터 과학 특수 분야]

CHAPTER 22 컴퓨터 메모리와 자료구조
22.1 가상 메모리
22.2 C 언어 예제
22.3 자료형과 배열
22.4 구조체
22.5 포인터, 스택, 힙
22.6 주요 자료구조
22.7 더 알아보기
22.8 주요 용어

CHAPTER 23 최대 우도 추정과 최적화
23.1 최대 우도 추정
23.2 커브피팅 예제
23.3 로지스틱 회귀 예제
23.4 최적화
23.5 경사 하강법과 볼록 최적화
23.6 볼록 최적화
23.7 확률 경사 하강법
23.8 더 알아보기
23.9 주요 용어

CHAPTER 24 고급 분류기
24.1 라이브러리 선정
24.2 딥러닝 기초
24.3 합성곱신경망
24.4 텐서
24.5 MNIST 숫자 필기 인식
24.6 순환신경망
24.7 베이지안 네트워크
24.8 학습 및 예측
24.9 마르코프 연쇄 몬테카를로 방법
24.10 파이엠시 예제
24.11 더 알아보기
24.12 주요 용어

CHAPTER 25 확률 과정
25.1 마르코프 연쇄
25.2 마르코프 연쇄의 종류
25.3 마르코프 연쇄 몬테카를로
25.4 은닉 마르코프 모델
25.5 비터비 알고리즘
25.6 랜덤워크
25.7 브라운 운동
25.8 ARMA 모델
25.9 연속 마르코프 과정
25.10 푸아송 과정
25.11 더 알아보기
25.12 주요 용어

책 속으로

출판사 서평

★ 이 책에서 다루는 내용 데이터 과학 분야에서 필요한 다양한 능력과 기술을 책 한 권에 모두 담았습니다. 당장 해결해야 하는 문제가 있어서 빠르게 필요한 지식을 습득해야 하는 경우나, 체계적으로 데이터 과학을 배워 데이터 과학자가 되길 희망하는 경...

[출판사서평 더 보기]

★ 이 책에서 다루는 내용
데이터 과학 분야에서 필요한 다양한 능력과 기술을 책 한 권에 모두 담았습니다. 당장 해결해야 하는 문제가 있어서 빠르게 필요한 지식을 습득해야 하는 경우나, 체계적으로 데이터 과학을 배워 데이터 과학자가 되길 희망하는 경우에 이 책이 도움이 될 겁니다.

이 책은 다음과 같은 내용을 다룹니다.

- 파이썬과 각종 파이썬 라이브러리 예제 코드 수록
- 빅데이터의 장단점 및 사용 방법 소개
- 각종 알고리즘의 직관적인 해설
- 현업에서 볼 수 있는 다양한 사례 연구
- 데이터셋 분석, 시간 관리, 업무 계획, 필요한 지식에 대한 실용적인 조언

이 책은 총 3부로 이루어져 있으며, 부별 내용은 다음과 같습니다.

[1부_ 데이터 과학 필수 요소]
현업에서 분야를 막론하고 거의 모든 경우에 사용하는 데이터 과학의 가장 핵심적인 내용을 다룹니다. 여기서 다루는 내용은 꼭 데이터 과학자가 아니더라도 간단한 데이터 과학 지식이 필요한 사람들이라면 아주 유용하게 쓸 수 있는 기법입니다.

[2부_ 데이터 과학 확장팩]
1부와 마찬가지로 데이터 과학의 핵심 내용을 다루지만 더 심도 있는 기법을 소개합니다. 예를 들어 군집화 알고리즘은 현업에서 자주 사용되기 때문에 1부에서 다뤄도 될 법한 주제지만 여기서 다룹니다. 반면 자연어 처리같이 특정 분야에서만 주로 사용하는 주제도 같이 소개합니다. 데이터 과학자라면 2부까지는 확실하게 알아두어야 합니다.

[3부_ 데이터 과학 특수 분야]
꼭 알아야 하는 내용은 아니지만 알아두면 좋은 기법을 소개합니다. 여기서는 1, 2부에서 설명한 내용 중 일부를 골라 이론적 배경 등을 더 깊게 살펴봅니다. 그 외에도 자주 사용하지는 않지만 어쩌다 맞닥뜨릴 수 있는 내용도 다룹니다.

★ 이 책을 읽는 방법
이 책은 다음 세 가지 유형의 독자를 가정하고 썼습니다. 자신에게 맞는 방법으로 읽으시면 됩니다.

[데이터 과학의 기본기를 튼튼하게 다지고 싶은 독자]
이 책을 처음부터 끝까지 순서대로 읽기 바랍니다. 그러고 나면 곧바로 현업에서 데이터 과학을 활용할 수 있을 겁니다. 컴퓨터공학이나 수학의 기초를 갖추고 있는 독자라면 이미 알고 있는 내용도 조금 나옵니다.

[특정 주제를 알고자 하는 독자]
이 책은 각 장을 따로따로 읽어도 되도록 썼습니다. 급하게 찾아볼 내용이 있다면 필요한 장을 찾아서 읽으면 됩니다.

[프로젝트를 시작하는 독자]
데이터 과학 알고리즘을 구현하다 막히는 경우에는 이 책의 풍부한 예제 코드를 참고하기 바랍니다.

★ 관련 서적 (제목 + ISBN)
● 헬로 데이터 과학 / 9791162240137
● 처음 배우는 머신러닝 / 9788968484636
● 신경망 첫걸음 / 9788968483509
● 텐서플로 첫걸음 / 9788968484902
● 파이썬 라이브러리를 활용한 데이터 과학 / 9788968483394

[출판사서평 더 보기 닫기]

책 속 한 문장

회원리뷰

  • 데이터 과학이란 무엇인가.요즘 대학교에는 Data Science라는 학과가 있기도 하다.석사 전공 지도 교수님께서 현재 모교의...
    데이터 과학이란 무엇인가.
    요즘 대학교에는 Data Science라는 학과가 있기도 하다.
    석사 전공 지도 교수님께서 현재 모교의 Data Science 학과장으로 계시며,
    그 곳에서 현재 매년 석사들이 배출되고 있다.

    기사로는 자주 접한 데이터 과학.
    대강 어떤 일들을 하는 지는 알겠는데, 뭐라고 딱히 정의하기는 어렵다.
    시대의 흐름과 기술 발전에 따라 생겨한 학문이긴 하지만
    수학, 화학, 물리학 등 기초 학문과 나란히 두기에는 좀 애매한 느낌도 있다.

    데이터 과학을 전공, 배우고 나서 데이터 과학자가 되면 어떤 일을 하게 되는 것일까?
    그들의 Role은 무엇인가.

    이러한 궁금증들을 이 책에서 명쾌하게 이야기해주고 있다.

    데이터 과학자가 해야할 것들은 상당히 광범위하다.
    이 책을 읽기 전 내가 생각했던 데이터 과학자보다 저자가 이야기 하는 데이터 과학자의 Role은 훨씬 더 거대하다.

    저자가 말하는 데이터 과학자는 

    원본 데이터의 정제부터 시작하여 이를 가공, 특징점을 추출하여 의미있는 값을 얻어 발표, 보고서 혹은 코드 형태로 결과를 도출하여 비즈니스에 반영시키는 사람이다.

    위의 모든 작업은 데이터 과학자 혼자서 할 수 있는 수준의 것은 아니다.
    일련의 팀을 꾸려 각 작업들을 전체적으로 관리, 감독하는 사람이 바로 데이터 과학자일 것이다.
    물론 우리 나라 대기업 식의 관리, 감독이 아니다.
    각 작업에 대해 디테일하게 기술적으로 알고 접근할 수 있어야 한다.
    데이터 정제, 특징점 추출, 사용된 알고리즘들의 적합성 체크, 코드 리뷰 등 모든 것을 꿰어야 한다.
    그런 점에서 석사 2년을 Data Science 전공을 했다고 하더라도 "나는 데이터 과학자입니다"라고 말하기는 어렵다.

    그만큼 데이터 과학자가 되는 것은 무척이나 어려운 길이다.
    그 어려움을 좀더 수치적으로 살펴보고 싶다면 본 도서의 목차를 보면 된다.
    목차만 봐서는 이 책 한권만 읽고 나면 IT 계열의 슈퍼 스타가 될 것 같은 환상에 사로 잡히기도 한다.
    파이선, 머신러닝, 빅 데이터 (하둡, 스파크), 데이터베이스, 자연어 처리, 확률, 통계 그리고 그 외 훨씬 더 많은 분야와 주제를 다루고 있다.
    목차만 봐서는 거의 컴공 4년 과정 + @를 담고 있는 것 같기도 하다.
    하지만 정신을 차리고 생각해보면 420페이지에 이 모든 것을 담을 수는 없다.

    오해하지 말자

    이 책의 제목은 "처음 배우는 데이터 과학"이다.
    앞서 말했든 데이터 과학은 알아야 할게 굉장히 많은 분야이다.
    그래서 데이터 과학자를 목표로 한다면 어디서 부터 무엇을 공부해야 할지도 알기 어렵다.
    이 책은 그런 점에서 멘토와 같다고 할 수 있다.
    데이터 과학자가 되기 위해서 최소한 알고 있어야 하는 것들을,
    A부터 Z까지 쭈욱 소개해주는 오리엔테이션이라고 할까?
    하지만 단순 오리엔테이션이라고 하기에는 사실 쉽지 않은 것도 사실이다.
    각종 확률, 통계와 머신러닝 알고리즘 등에서 나오는 용어들만 봐도 머리가 아프다.
    파이선에 대한 기초 문법을 설명해주지만 파이선에 익숙하지 않다면 사실 예제 코드를 따라가기도 쉽지만은 않다.
    그런 점에서는 완전 생 초보가 처음 읽기에는 쉬운 책은 아니다.

    첫 숟갈에 배부를 생각은 접어두고 이 책을 읽는 것이 좋을 것 같다.

    이 책을 읽고 감을 잡게 되면,
    이제 데이터 과학자가 되기 위한 여정을 시작할 준비가 되었다고 보면 될 것 같다.
    다시 말하지만 이 책의 목차만 보고 현혹되면 안된다.
    각 목차마다 관련 도서가 몇 권씩 나와 있다.
    진정한 데이터 과학자가 되고 싶다면, 각 목차 별 해당 도서를 하나씩 각개 격파하는 심정으로 학습을 이어 나가야 할 것이다.

  • 데이터 과학이라는 말도 어느덧 익숙해져 버린 2018년이다. 사실 데이터 과학이 본격적으로 대두하기 전에도 비슷한 일은 많...

    데이터 과학이라는 말도 어느덧 익숙해져 버린 2018년이다. 사실 데이터 과학이 본격적으로 대두하기 전에도 비슷한 일은 많았다. 빅데이터 이전에도 큰 데이터는 많았듯이 말이다. 그런데 데이터 과학은 공부할 범위를 잡기가 굉장히 모호하다. 데이터를 분석해서 가치 있는 정보를 뽑아내는 모든 일을 통칭하기 때문이다. 심지어 요즘에는 인공지능을 활용한 빅데이터 분석까지 가세하여 나날이 범위가 넓어지고 있다. 

    이 책은 데이터 과학에 입문하기 위한 가장 기초적이고 핵심적인 내용을 폭넓게 다룬다. 저자가 스탠퍼드-카네기멜런 대학교 졸업이라는 훌륭한 학업 배경을 가져서인지는 몰라도, 중요한 내용을 잘 뽑아내서 탄탄하게 구성되어 있다. 복잡한 이론의 나열 대신, 핵심을 찌르는 설명을 먼저 제시하고 예제로서 간결한 파이썬 코드를 제시하는 부분이 특히 좋다. 데이터 과학 도서임에도 평범한 사람이라면 겁을 집어먹기 쉬운 수학/통계학 수식도 거의 나오지 않기 때문에, 내용 대부분을 저자의 설명과 예제 코드만으로 이해할 수 있다. 

    이 책은 데이터 과학 업무를 수행하는 데 필요한 다양한 능력과 기술을 책 한 권에 모두 담았다는 점이 돋보인다. 파이썬과 각종 데이터 관련 라이브러리뿐만 아니라 사례 연구까지 틈틈이 제시하며, 심지어는 시간 관리와 업무 계획에 대한 조언까지 날려주는 저자의 글쓰기 역량에는 감탄을 금할 수 없다. 수학, 확률, 통계, 데이터베이스, 빅데이터, 인공지능, 컴퓨터 메모리와 자료구조, 알고리즘, 좋은 프로그래밍 습관에 기르기까지 그야말로 몇 년에 걸쳐서 갈고 닦아야만 하는 과정을 400페이지에 압축하여 즐겁게 훑어볼 수 있다는 건 대단한 매력이다. 

    이 책의 원제는 <The Data Science Handbook>이다. 즉, 데이터 과학자가 되려는 사람을 위한 핸드북이다. 따라서 이 책의 소스코드는 독자의 이해에 중점을 두어 구성되었다. 데이터 과학 실무에서 조언을 얻기 위한 책을 기대하는 독자라면 중/고급 분석 이론서나 데이터 과학 실무 소스코드가 실린 쿡북(CookBook) 스타일의 다른 책을 찾아보는 게 좋겠다. 

    사실 이 책의 최대 장점은 자연스러운 번역에 있다. 영미권에 거주하고 있는 역자의 언어 능력인지 아니면 편집진의 열혈 교정 덕인지는 모르겠지만, 얇지 않은 책이 물 흐르듯 읽힌다. 영어 원서 번역으로는 올해 읽은 책 중에 가장 자연스러운 문장 흐름이다. 저자의 문체도 지루하지 않고 가독성이 좋아서 데이터를 다루고 싶은 학생이나 개발자 모두에게 단연코 추천할만한 양서이다. 

교환/반품안내

※ 상품 설명에 반품/교환 관련한 안내가 있는 경우 그 내용을 우선으로 합니다. (업체 사정에 따라 달라질 수 있습니다.)

교환/반품안내
반품/교환방법

[판매자 페이지>취소/반품관리>반품요청] 접수
또는 [1:1상담>반품/교환/환불], 고객센터 (1544-1900)

※ 중고도서의 경우 재고가 한정되어 있으므로 교환이 불가할 수 있으며, 해당 상품의 경우 상품에 대한 책임은 판매자에게 있으며 교환/반품 접수 전에 반드시 판매자와 사전 협의를 하여주시기 바랍니다.

반품/교환가능 기간

변심반품의 경우 수령 후 7일 이내, 상품의 결함 및 계약내용과 다를 경우 문제점 발견 후 30일 이내

※ 중고도서의 경우 판매자와 사전의 협의하여주신 후 교환/반품 접수가 가능합니다.

반품/교환비용 변심 혹은 구매착오로 인한 반품/교환은 반송료 고객 부담
반품/교환 불가 사유

소비자의 책임 있는 사유로 상품 등이 손실 또는 훼손된 경우(단지 확인을 위한 포장 훼손은 제외)

소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우 예) 화장품, 식품, 가전제품 등

복제가 가능한 상품 등의 포장을 훼손한 경우 예) 음반/DVD/비디오, 소프트웨어, 만화책, 잡지, 영상 화보집

소비자의 요청에 따라 개별적으로 주문 제작되는 상품의 경우 ((1)해외주문도서)

디지털 컨텐츠인 eBook, 오디오북 등을 1회 이상 다운로드를 받았을 경우

시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우

전자상거래 등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우

1) 해외주문도서 : 이용자의 요청에 의한 개인주문상품이므로 단순 변심 및 착오로 인한 취소/교환/반품 시 해외주문 반품/취소 수수료 고객 부담 (해외주문 반품/취소 수수료는 판매정가의 20%를 적용

2) 중고도서 : 반품/교환접수없이 반송하거나 우편으로 접수되어 상품 확인이 어려운 경우

소비자 피해보상
환불지연에 따른 배상

- 상품의 불량에 의한 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은 소비자분쟁해결 기준 (공정거래위원회 고시)에 준하여 처리됨

- 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의 소비자 보호에 관한 법률에 따라 처리함

판매자
yuki29
판매등급
우수셀러
판매자구분
일반
구매만족도
5점 만점에 5점
평균 출고일 안내
2일 이내
품절 통보율 안내
3%

이 책의 e| 오디오

바로가기

최근 본 상품