R 데이터 분석 머신러닝

수학·통계에 대한 두려움 없이 데이터 분석 전문가되기!



데이터 분석에 사용되는 다양한 프로그램 중 머신러닝 관련 종사자는 파이썬을 선호하지만, 일반 업무 종사자는 R을 사용한다는 조사 결과가 있다. 이처럼 데이터 활용 및 빅데이터 분석 영역으로 R이 많이 활용되고 있다는 뜻이다. 이 책은 R 프로그래밍의 기초부터 시작하여 데이터를 시각화하는 방법을 직접 구현해봄으로써 R을 사용한 통계 분석까지 이를 수 있게 구성되어 있다. 데이터 분석가가 되기 위해 필요한 역량 및 분석 탐색 과정을 구분하여 설명해주고, 예제 파일을 제공하여 학습자가 직접 프로그래밍해 볼 수 있기 때문에 활용 범위가 훨씬 넓다. 다년간 실무에서 학생들을 마주하는 저자가 집필하였기 때문에 학습자에게 어떤 부분이 가장 필요한지 자세히 설명해 준다. 그렇기 때문에 혼자 공부를 시작해도, 교재로도 적합하다.

PART 1. R의 사용법

1. R의 사용법

1.1 소개 및 환경 구성

1.2 기초 사용법

1.3 데이터 타입

1.4 프로그래밍 기능

1.5 데이터 조작 관련 명령어 정리

1.6 데이터 조작 관련 패키지 사용

1.7 요약



2. 데이터 시각화

2.1 그래프 그리기 절차의 요약

2.2 그래프 구성의 결정

2.3 그래프의 다양한 옵션

2.4 단계별로 그래프 그리기

2.5 기본 그래프 그리기

2.6 그래프의 부가적인 기능

2.7 다양한 그래프 소개

2.8 패키지를 사용한 그래프 그리기

2.9 패키지를 사용한 그래프 그리기 - ggplot2 패키지

2.10 데이터 시각화 방법 정리

2.11 요약



PART 2. R을 사용한 통계 분석

3. 통계 분석

3.1 통계 분석의 설명에 대한 전체 요약

3.2 표본 생성 및 기초 통계량

3.3 독립성 및 적합성 검정

3.4 통계 분석의 종류

3.5 차이 검정

3.6 인과(상관)관계 검정

3.7 요약



PART 3. R의 활용법

4. 회귀 분석

4.1 선형회귀

4.2 중선형회귀 및 적절한 변수의 선택

4.3 신경망

4.4 커널 방법론

4.5 로지스틱 회귀

4.6 다항 로지스틱 회귀

4.7 요약



5. 기계학습

5.1 개념

5.2 의사결정 트리

5.3 앙상블

5.4 서포트 벡터 머신

5.5 베이지안 추론

5.6 요약



6. 빅데이터 분석

6.1 개념

6.2 군집 분석

6.3 차원 축소 기법

6.4 연관 규칙 분석

6.5 판별 분석

6.6 요약



7. 시계열 분석

7.1 개념

7.2 시계열 데이터의 생성

7.3 시계열 데이터의 분석 절차(ARIMA 기준)

7.4 시계열 데이터의 분해 단계

7.5 시계열 데이터의 변환 단계

7.6 최적화된 파라미터의 결정 단계

7.7 모형 만들기와 예측 단계

7.8 변환하지 않은 시계열 데이터 기반의 예측(옵션)

7.9 시계열 데이터의 군집화(옵션)

7.10 요약



8. 특수 분석

8.1 워드 클라우드

8.2 소셜 네트워크 분석

8.3 구조 방정식

8.4 시뮬레이션과 몬테카를로 시뮬레이션

8.5 요약



PART 4. 데이터 분석 및 전처리 기법

9. 데이터 분석 및 전처리 기법

9.1 데이터 분석에 필요한 역량

9.2 데이터 분석의 유형

9.3 데이터 탐색 과정

9.4 데이터 전처리 과정 정리(데이터 클린징)

9.5 추가 데이터 전처리 기법

9.6 효과적인 분석을 위한 변수의 제거 및 선택

9.7 요약



10. 마무리

조민호 중원대학교 컴퓨터공학과 교수로 재직 중이다. 기업체에 서 26년간 소프트웨어 개발 업무를 담당했다. 데이터 분 석, 인공지능에 관심을 가지고 연구하고 있으며 여행을 좋아하고, 사주·타로·관상을 전공해 석사를 받았다. 행복해지기 위해 공부하는 것이 아니고 공부하면서 행복 을 느끼라고 학생들에게 이야기하곤 한다.