파이썬 데이터 분석

학습 내용과 절차

학습 내용은 1장의 '데이터 분석과 머신러닝 개요'로 시작하여 2장~13장까지의 빅데이터 분석을 위한 12가지 머신러닝 기법들로 구성하였다. 각 장에서는 차원축소, 군집화, 연관분석, 분류분석, 회귀분석에 대한 대표적인 분석 알고리즘을 소개하였으며, 9장부터는 인공신경망을 이해하는 퍼셉트론을 시작으로 딥러닝을 단계적으로 소개하였다.

1장
- 데이터 분석과 머신러닝 개요
2장
- 분석 알고리즘: 주성분 분석
- 분석유형 예시: 차원축소
3장
- 분석 알고리즘: K-평균 군집분석
- 분석유형 예시: 군집화
4장
- 분석 알고리즘: Apriori 알고리즘
- 분석유형 예시: 연관분석
5장
- 분석 알고리즘: K-최근접 이웃 알고리즘
- 분석유형 예시: 분류분석, 회귀분석
6장
- 분석 알고리즘: 서포트 벡터 머신
- 분석유형 예시: 분류분석 (회귀분석은 제외함)
7장
- 분석 알고리즘: C5.0(의사결정나무 분석)
- 분석유형 예시: 분류분석
8장
- 분석 알고리즘: 경사하강법
- 분석유형 예시: 회귀분석
9장
- 분석 알고리즘: 인공신경망과 퍼셉트론
- 분석유형 예시: 분류분석, 회귀분석
10장
- 분석 알고리즘: 다층 퍼셉트론과 딥러닝
- 분석유형 예시: 분류분석, 회귀분석
11장
- 분석 알고리즘: 딥러닝: 회귀분석
- 분석유형 예시: 회귀분석
12장
- 분석 알고리즘: 딥러닝: 분류분석
- 분석유형 예시: 분류분석
13장
- 분석 알고리즘: 합성곱 신경망과 이미지 분류
- 분석유형 예시: 분류분석
부록
- Colab의 한글 폰트 설치 및 그래프 출력

2장부터 소개하는 각 장의 학습 단계는 머신러닝 기법들의 기본 원리를 이해하고, 예시를 통해 활용 방법을 익히며, 파이썬 패키지 또는 머신러닝 관련 기관에서 제공하는 토이 데이터 세트(toy datasets)를 활용하는 학습 과정으로 설계되어 있다. 그 과정은 '개요 ▶ 기본 원리 ▶ 예제 분석 ▶ 파이썬 기반 예제 실습 ▶ 파이썬 기반 토이 데이터 세트 실습 ▶ 요약' 순이며, 각 장이 끝날 때마다 '연습문제'와 '응용문제'를 통해 이해 여부를 파악하고 응용 능력을 키울 수 있도록 하였다.

1. 개요 (1절) ▶ 2. 기본 원리 (2절) ▶ 3. 예제 분석 (3절) ▶ 4. 파이썬 기반 예제 실습 (4절) ▶ 5. 파이썬 기반 토이 데이터 세트 실습 (5절) ▶ 6. 요약 ▶ 7. 연습문제 ▶ 8. 응용문제

학습 절차는 다음과 같다. 먼저, 1장에서 데이터 분석 개요와 구글 Colab의 개발 환경을 파악할 필요가 있다. 그림 왼쪽에 있는 2~7장은 순서에 관계없이 흥미 있는 주제를 적절히 선택하면 될 것이다. 한편, 그림 오른 쪽에 있는 8장의 경사하강법은 회귀분석의 원리를 설명하고 있으나, 인공신경망 학습의 기본 원리가 되기 때문에 잘 익혀둘 필요가 있다. 이어서 인공 신경망의 학습모형을 단계적으로 설명하는 9장부터 13장까지 순서대로 학습하길 권한다.

1장 데이터 분석과 머신러닝 개요 ▶ [ 2장 주성분 분석 / 3장 K-평균 군집화 / 4장 Apriori 알고리즘 / 5장 K-최근접 이웃 알고리즘 / 6장 서포트 벡터 머신 / 7장 C5.0(의사결정나무 분석) ] ▶ 8장 경사하강법 ▶ 9장 인공신경망과 퍼셉트론 ▶ 10장 다층 퍼셉트론과 딥러닝 ▶ 11장 딥러닝: 회귀분석 ▶ 12장 딥러닝: 분류분석 ▶ 13장 합성곱 신경망과 이미지 분류

머리말
학습 내용과 절차

Chapter 1 데이터 분석과 머신러닝 개요
1.1 인공지능과 데이터 분석
1.2 머신러닝 기법
1.3 머신러닝 개발 환경

Chapter 2 주성분분석
2.1 차원축소 개요
2.2 주성분분석의 기본 원리
2.3 주성분분석 예시
2.4 파이썬 기반 분석
2.5 응용: 붓꽃의 차원축소
요약
연습문제
응용문제: 보스톤 주택가격의 차원축소

Chapter 3 K-평균 군집화
3.1 군집화 개요
3.2 K-평균 군집화의 기본 원리
3.3 K-평균 군집화의 예시
3.4 파이썬 기반 분석
3.5 응용: 붓꽃의 군집화
요약
연습문제
응용문제: 자동차 모델의 군집화

Chapter 4 Apriori 알고리즘
4.1 연관분석 개요
4.2 Apriori 알고리즘의 기본 원리
4.3 Apriori 알고리즘의 예시
4.4 파이썬 기반 분석
4.5 응용: 온라인 유통 상품의 연관성 분석
요약
연습문제
응용문제: 'Adult' 인구 조사 데이터 분석

Chapter 5 K-최근접 이웃 알고리즘
5.1 KNN 개요
5.2 KNN 기본 원리
5.3 KNN의 예시
5.4 파이썬 기반 분류
5.5 파이썬 기반 회귀
5.6 응용: 유방암 진단
요약
연습문제
응용문제: 붓꽃 종의 분류

Chapter 6 서포트 벡터 머신
6.1 SVM 개요
6.2 SVM의 기본 원리
6.3 SVM의 예시
6.4 파이썬 기반 분류
6.5 응용: 유방암 진단
요약
연습문제
응용문제: 붓꽃 종의 분류

Chapter 7 C5.0
7.1 의사결정나무 분석 개요
7.2 C5.0의 기본원리
7.3 C5.0의 예시
7.4 파이썬 기반 분석
7.5 응용: 붓꽃 종의 분류
요약
연습문제
응용문제: 유방암 진단

Chapter 8 경사하강법
8.1 경사하강법 개요
8.2 경사하강법의 기본 원리
8.3 경사하강법의 예시
8.4 파이썬 기반 분석
8.5 응용: 당노병 진단(단순회귀)
요약
연습문제
응용문제: 당뇨병 진단(다중 회귀분석)

Chapter 9 인공신경망과 퍼셉트론
9.1 인공신경망의 개요
9.2 퍼셉트론의 기본 원리
9.3 퍼셉트론의 예시
9.4 파이썬 기반 분석
9.5 응용: 붓꽃의 분류
요약
연습문제
응용문제 1: AND / XOR 연산의 분류문제
응용문제 2: 이진 분류

Chapter 10 다층 퍼셉트론과 딥러닝
10.1 딥러닝 개요
10.2 다층 퍼셉트론과 XOR 예시
10.3 역전파 기본 원리
10.4 파이썬 기반 XOR 연산
10.5 파이썬 기반 비선형 함수의 회귀분석
요약
연습문제
응용문제 1: 이진 분류
응용문제 2: 비선형 함수의 회귀분석

Chapter 11 딥러닝: 회귀분석
11.1 회귀분석 예시: 보스톤 주택가격 예측
11.2 딥러닝 모형 개요
11.3 파이썬 기반 분석
11.4 과적합과 드롭아웃 모형
요약
연습문제
응용문제 1: 당뇨병 진단
응용문제 2: 와인 평가

Chapter 12 딥러닝: 분류분석
12.1 분류문제 예시: MINST 손글씨 분류
12.2 딥러닝 모형 개요
12.3 파이썬 기반 분석
12.4 과적합과 드롭아웃 모형
요약
연습문제
응용문제 1: 붓꽃의 종 분류
응용문제 2: 패선 MNIST 이미지 분류
응용문제 3: 와인 분류

Chapter 13 합성곱 신경망의 이미지 분류
13.1 합성곱 신경망의 개요
13.2 합성곱 신경망의 모형 구조와 기본 원리
13.3 파이썬 기반 분석
요약
연습문제
응용문제: 패선 MNIST 이미지 분류

부록
참고문헌
찾아보기

장용식 저자 장용식 교수는 서강대학교 이학사, POSTECH 이학석사, KAIST에서 경영공학 박사 학위를 취득하였고, 현재 한신대학교 IT경영학과 교수로 재직 중이다. POSCO 그룹에서 MIS 연구 및 개발 경험이 있으며, 지능정보 분야의 다수 국내외 연구 논문을 발표하였고, 안드로이드 앱, JSP 웹, R코딩, R데이터분석 등의 저서를 출판하였다. 현재 최적화모형, 사물인터넷, 그리고 데이터분석 기반 인공지능시스템의 연구에 관심을 두고 있다.