개념 잡는 데이터 분석 with 머신러닝
Regular price
$30.34
Sale price
Regular price
✈️
Estimated delivery date 예상 배송일
Standard Shipping
불러오는 중...
주문일로부터 8-12 영업일
Express Shipping
불러오는 중...
주문일로부터 6-8 영업일
우리가 살고 있는 이 시대는 무한 경쟁 사회이며, 개인, 기업, 국가 모두가 경쟁력 강화를 위해 기술 발전에 힘쓰고 있다. 개인의 능력, 산업기술 보유, 국가 핵심기술 보유를 위해 지속적으로 노력하고 있는 것이다. 집중하고 있는 IT 분야의 핵심기술로는 인공지능, 데이터 분석, 블록체인, AR/VR, 클라우드 컴퓨팅, 자율 주행차, 나노 기술 등이 해당된다. 특히나 인공지능과 데이터 분석은 산업, 금융 등의 다양한 분야에서 고객의 니즈 파악과 보다 정확한 서비스를 위해 활용되고 있다. 이는 모든 분야에서 보편적인 도구로써 인공지능이나 데이터 분석 기술이 필요하다는 것이다.
즉, 의학, 금융 서비스, 비즈니스 인텔리전스 분야 등에서 데이터 분석 기술은 핵심 투자 집중 영역의 다양한 형태로 진화하고 있다. 이에 인공지능 및 데이터 분석 기술을 보다 쉽게 활용할 수 있도록 다양한 형태의 도구들이 생겨나고 있지만, 아직은 파이썬 언어를 이용한 인공지능이나 데이터 분석 기술 활용이 가장 쉽게 접근할 수 있는 방법 중의 하나이다.
본 교재는 이 같은 현시대의 수요를 반영하여 대학에서 교양 수준으로 머신러닝을 통한 데이터 분석을 누구나 쉽게 활용할 수 있도록 진입장벽을 낮추는 것에 초점을 두고 집필하였다. 데이터 분석이 무엇인지, 어떻게 하는 것인지 살펴보고, 데이터 분석을 위한 파이썬 언어에 대한 핵심 문법, 넘파이, 판다스, 시각화 라이브러리에 대하여 학습한다. 이후 네이버 트렌드, 행복지수, 날씨, 쇼핑몰, 드라마, 뉴스 등의 공공 데이터를 활용하여 데이터를 분석하고 머신러닝으로 예측 및 분류할 수 있는 미니 프로젝트를 다룬다.
머신러닝을 활용한 데이터 분석 기술을 보편적인 도구로써 누구나 쉽게 활용할 수 있는 그날까지 저자들은 끊임없이 고군분투할 것이다. 모쪼록 이 교재를 접한 모든 독자가 자신감을 가지고 데이터 분석에 대한 도전의 첫 단추가 잘 끼워지기를 기대한다.
즉, 의학, 금융 서비스, 비즈니스 인텔리전스 분야 등에서 데이터 분석 기술은 핵심 투자 집중 영역의 다양한 형태로 진화하고 있다. 이에 인공지능 및 데이터 분석 기술을 보다 쉽게 활용할 수 있도록 다양한 형태의 도구들이 생겨나고 있지만, 아직은 파이썬 언어를 이용한 인공지능이나 데이터 분석 기술 활용이 가장 쉽게 접근할 수 있는 방법 중의 하나이다.
본 교재는 이 같은 현시대의 수요를 반영하여 대학에서 교양 수준으로 머신러닝을 통한 데이터 분석을 누구나 쉽게 활용할 수 있도록 진입장벽을 낮추는 것에 초점을 두고 집필하였다. 데이터 분석이 무엇인지, 어떻게 하는 것인지 살펴보고, 데이터 분석을 위한 파이썬 언어에 대한 핵심 문법, 넘파이, 판다스, 시각화 라이브러리에 대하여 학습한다. 이후 네이버 트렌드, 행복지수, 날씨, 쇼핑몰, 드라마, 뉴스 등의 공공 데이터를 활용하여 데이터를 분석하고 머신러닝으로 예측 및 분류할 수 있는 미니 프로젝트를 다룬다.
머신러닝을 활용한 데이터 분석 기술을 보편적인 도구로써 누구나 쉽게 활용할 수 있는 그날까지 저자들은 끊임없이 고군분투할 것이다. 모쪼록 이 교재를 접한 모든 독자가 자신감을 가지고 데이터 분석에 대한 도전의 첫 단추가 잘 끼워지기를 기대한다.
Couldn't load pickup availability
출판사 리뷰
출판사 리뷰
이 책의 특징과 구성
이 책은 전공과 상관없이 데이터 분석을 쉽게 배울 수 있는 입문서이다. 데이터 분석을 위한 도구는 많지만, 상대적으로 배우기 쉬운 파이썬을 이용하여 데이터 분석 방법에 대하여 설명한다.
이 책의 특징
- 데이터 분석을 처음 배우는 학습자도 이해하기 쉽게 내용을 구성하였다.
- 데이터 분석을 위한 파이썬 언어의 핵심 문법, 넘파이, 판다스, 시각화 라이브러리에 대하여 다룬다.
- 다양한 주제의 공공 데이터를 활용한 머신러닝 기반의 데이터 분석 미니 프로젝트를 구성하였고,
상황에 맞는 분석 기법을 선정하여 파이썬으로 다양한 형태를 분석할 수 있도록 하였다.
이 책의 구성
본 교재는 크게 3개 분야로 구성되어 있는데, Part 01. Why는 빅데이터 분석에 대한 개요를 다루고, Part 02. What은 데이터 분석에 필요한 파이썬 핵심 문법과 관련 라이브러리에 대하여 학습한다. Part 03. How는 다양한 주제의 데이터 분석 미니 프로젝트를 통해 머신러닝을 이용한 데이터 분석을 실습한다.
강의 계획은 중간고사와 기말고사를 포함하여 15주로 구성하였다. 파이썬에 대한 프로그래밍 경험이 없는 학습자를 위해 2장에서 파이썬 핵심 문법을 다루었으나 학습자의 수준에 따라 융통성 있게 내용의 폭과 깊이를 조절하여 진행하면 좋을 것이다.
이 책은 전공과 상관없이 데이터 분석을 쉽게 배울 수 있는 입문서이다. 데이터 분석을 위한 도구는 많지만, 상대적으로 배우기 쉬운 파이썬을 이용하여 데이터 분석 방법에 대하여 설명한다.
이 책의 특징
- 데이터 분석을 처음 배우는 학습자도 이해하기 쉽게 내용을 구성하였다.
- 데이터 분석을 위한 파이썬 언어의 핵심 문법, 넘파이, 판다스, 시각화 라이브러리에 대하여 다룬다.
- 다양한 주제의 공공 데이터를 활용한 머신러닝 기반의 데이터 분석 미니 프로젝트를 구성하였고,
상황에 맞는 분석 기법을 선정하여 파이썬으로 다양한 형태를 분석할 수 있도록 하였다.
이 책의 구성
본 교재는 크게 3개 분야로 구성되어 있는데, Part 01. Why는 빅데이터 분석에 대한 개요를 다루고, Part 02. What은 데이터 분석에 필요한 파이썬 핵심 문법과 관련 라이브러리에 대하여 학습한다. Part 03. How는 다양한 주제의 데이터 분석 미니 프로젝트를 통해 머신러닝을 이용한 데이터 분석을 실습한다.
강의 계획은 중간고사와 기말고사를 포함하여 15주로 구성하였다. 파이썬에 대한 프로그래밍 경험이 없는 학습자를 위해 2장에서 파이썬 핵심 문법을 다루었으나 학습자의 수준에 따라 융통성 있게 내용의 폭과 깊이를 조절하여 진행하면 좋을 것이다.
목차
목차
Part 1 Why - 빅데이터 분석과 머신러닝
CHAPTER 1 빅데이터 분석과 머신러닝
1.1 빅데이터 분석의 이해
(1) 빅데이터 분석의 정의
(2) 빅데이터 분석의 필요성
1.2 빅데이터 분석 처리 과정
(1) 문제 해결의 목적 정의
(2) 데이터 수집
(3) 데이터 전처리와 정형화(탐색적 분석)
(4) 머신러닝 모델 적용
(5) 학습 모델 평가
1.3 빅데이터 분석과 머신러닝과의 관계
(1) 지도학습
(2) 비지도학습
(3) 강화 학습
(4) 기타
연습 문제
Part 2 What - 빅데이터 분석에 필요한 파이썬 문법과 라이브러리
CHAPTER 2 파이썬 핵심 문법
2.1 코랩 환경
(1) 코랩 기본 사용법
2.2 변수
(1) 변수의 개념
(2) 변수의 특징
(3) 변수 생성 및 규칙
2.3 연산자
(1) 산술 연산자
(2) 대입 연산자
(3) 비교 연산자
(4) 논리 연산자
(5) 문자열 연산자
2.4 표준 입·출력
(1) 표준 입력
(2) 표준 출력
2.5 컬렉션 자료형
(1) 컬렉션 자료형 개념과 필요성
(2) 리스트(list)
(3) 튜플(tuple)
(4) 딕셔너리(dictionary)
(5) 세트(set)
2.6 리스트 내포
(1) 리스트 내포 처리 과정
2.7 선택문
(1) 파이썬 선택문의 개요
(2) 조건식
(3) if / if~else
(4) if~elif / if~elif~else
2.8 반복문과 기타 제어문
(1) 파이썬 반복문 개요
(2) for 문
(3) while 문
(4) 기타 제어문
2.9 함수
(1) 함수란?
(2) 내장 함수
(3) 사용자 정의 함수
(4) 람다(lambda) 함수
연습 문제
CHAPTER 3 판다스 라이브러리의 개요
3.1 판다스 데이터의 구조 이해
(1) 시리즈
(2) 데이터프레임
3.2 데이터프레임 객체 생성하기
(1) 데이터프레임 직접 생성하기
(2) 외부 데이터 이용하기
3.3 데이터 확인하기
(1) 데이터프레임 만들기
(2) 변수 속성 파악하기
(3) 데이터 앞부분/뒷부분 확인하기
(4) 데이터 요약 통계량 출력하기
(5) 데이터 행/열 크기 확인하기
(6) 데이터 인덱스/칼럼 명 확인하기
(7) 데이터 타입 확인하기
(8) 데이터 정렬하기
(9) 데이터 빈도수 구하기
(10) 데이터 고윳값 구하기
3.4 데이터 선택하기
(1) 칼럼(열) 선택하기
(2) 레이블이나 조건 표현으로 선택하는 방법: loc[]
(3) 불 인덱싱
3.5 데이터 가공 및 그룹핑
(1) 칼럼 삭제
(2) 칼럼 이름 변경
(3) 칼럼 생성
(4) 데이터 그룹핑
3.6 결측 데이터 처리하기
(1) 결측 데이터 확인
(2) 결측 데이터 삭제하기
(3) 결측 데이터 최빈값으로 대체하기
(4) 결측 데이터 평균값으로 대체하기
연습 문제
CHAPTER 4 시각화 라이브러리 Ⅰ
4.1 데이터 시각화의 이해
(1) 데이터 시각화의 장점
(2) 데이터 시각화의 활용 사례
(3) 파이썬으로 하는 데이터 시각화
4.2 맷플롯립 라이브러리
(1) 시각화 옵션
(2) 선 그래프
(3) 막대 그래프
(4) 산점도 그래프
(5) 히스토그램
(6) 상자수염(Box Plot) 그래프
연습 문제
CHAPTER 5 시각화 라이브러리 Ⅱ
5.1 시본 라이브러리의 개요
5.2 시본 라이브러리
(1) 데이터 시각화 준비하기
(2) 시본 막대 그래프
(3) 시본 산점도 그래프
(4) 시본 히스토그램
(5) 시본 상자수염(Box Plot) 그래프
(6) 카운트 플롯(Count Plot) 그래프
(7) 바이올린 플롯(Violin Plot) 그래프
(8) 시본 히트맵(Heat Map) 그래프
(9) 다중 플롯 그리드 그래프
연습 문제
CHAPTER 6 빅데이터 분석 관련 라이브러리 종합 실습
6.1 한국 드라마 TOP 100 데이터 분석하기
(1) 데이터 확인하기
(2) 데이터 선택하기
(3) 데이터 가공 및 그룹핑
(4) 데이터 시각화
연습 문제
Part 3 how - 머신러닝을 이용한 빅데이터 분석 실습
CHAPTER 7 데이터 다듬기
7.1 머신러닝 단계
7.2 탐색적 데이터 분석
(1) 원본 데이터 관찰
(2) 요약통계값 확인
(3) 시각화
7.3 전처리 방법
(1) 데이터 타입의 변환
(2) 결측치 처리
(3) 이상치 처리
7.4 제로콜라와 기온 속성 간에는 관련이 있을까?
(1) 문제 정의
(2) 데이터 속성 설명
(3) 원본 데이터 관찰하기
(4) 요약 통계값 확인하기
(5) 전처리하기
(6) 시각화로 표현
(7) 상관관계 확인하기
7.5 데이터 탐색과 전처리 실습
(1) 문제 정의
(2) 데이터 속성 설명
(3) 원본 데이터 관찰하기
(4) 요약 통계값 확인
(5) 시각화로 표현
연습 문제
CHAPTER 8 행복지수 데이터 관계성 찾기
8.1 [상관분석] 행복지수 데이터 분석하기
(1) 데이터 확인과 가공하기
(2) 데이터 분석과 시각화
8.2 [연관분석] 장바구니 분석하기
(1) 연관분석의 개념 이해
(2) 연관분석의 필요성
(3) 연관분석의 예제
연습 문제
CHAPTER 9 날씨 데이터 예측하기
9.1 회귀분석의 개념
(1) 회귀분석의 개념 이해
(2) 기업의 회귀분석 활용 사례
(3) 단순선형회귀와 다중선형회귀
9.2 [회귀분석] 날씨 데이터 분석하기
(1) 데이터셋 정보
(2) 데이터필드의 이해
(3) 데이터 확인과 가공하기
(4) 회귀분석 예제
연습 문제
CHAPTER 10 클러스터링을 활용한 쇼핑몰 회원 관리
10.1 클러스터링
(1) K-Means
(2) Hierarchical clustering
10.2 클러스터링을 활용한 쇼핑몰 회원 세분화
(1) 데이터 읽기
(2) 데이터 탐색
(3) K-means를 이용한 군집화
(4) Hierarchical clustering을 이용한 군집화
연습 문제
CHAPTER 11 드라마 분류하기
11.1 K-최근접 이웃
(1) K-최근접 이웃의 원리
(2) class sklearn.cluster.KNeighborsClassifier 모델 사용 방법
(3) k의 수
(4) 표준화 작업
11.2 K-NN을 이용한 인기 영화 분류하기
(1) 데이터 읽기
(2) 데이터 탐색
(3) 훈련 데이터와 테스트 데이터 나누기
(4) K-NN을 이용한 분류
11.3 K-NN을 이용한 농구 선수 분류하기
(1) 데이터 읽기
(2) 데이터 탐색
(3) 경력별 선수의 특징
(4) 훈련 데이터와 테스트 데이터 나누기
(5) K-NN을 이용한 분류
연습 문제
CHAPTER 12 텍스트로 읽는 세상
12.1 자연어 처리
(1) 토큰화
(2) 토큰화 실습
12.2 워드클라우드
(1) 라이브러리 설치하기
(2) 한글 글꼴 설치
(3) 텍스트 가져오기
(4) 품사 태깅하기
(5) 동일한 단어의 빈도수 구하기
(6) wordcloud 생성
(7) matplotlib으로 시각화하기
12.3 자연어 처리 실습
(1) 뉴스기사로 워드클라우드 만들기
연습 문제
CHAPTER 1 빅데이터 분석과 머신러닝
1.1 빅데이터 분석의 이해
(1) 빅데이터 분석의 정의
(2) 빅데이터 분석의 필요성
1.2 빅데이터 분석 처리 과정
(1) 문제 해결의 목적 정의
(2) 데이터 수집
(3) 데이터 전처리와 정형화(탐색적 분석)
(4) 머신러닝 모델 적용
(5) 학습 모델 평가
1.3 빅데이터 분석과 머신러닝과의 관계
(1) 지도학습
(2) 비지도학습
(3) 강화 학습
(4) 기타
연습 문제
Part 2 What - 빅데이터 분석에 필요한 파이썬 문법과 라이브러리
CHAPTER 2 파이썬 핵심 문법
2.1 코랩 환경
(1) 코랩 기본 사용법
2.2 변수
(1) 변수의 개념
(2) 변수의 특징
(3) 변수 생성 및 규칙
2.3 연산자
(1) 산술 연산자
(2) 대입 연산자
(3) 비교 연산자
(4) 논리 연산자
(5) 문자열 연산자
2.4 표준 입·출력
(1) 표준 입력
(2) 표준 출력
2.5 컬렉션 자료형
(1) 컬렉션 자료형 개념과 필요성
(2) 리스트(list)
(3) 튜플(tuple)
(4) 딕셔너리(dictionary)
(5) 세트(set)
2.6 리스트 내포
(1) 리스트 내포 처리 과정
2.7 선택문
(1) 파이썬 선택문의 개요
(2) 조건식
(3) if / if~else
(4) if~elif / if~elif~else
2.8 반복문과 기타 제어문
(1) 파이썬 반복문 개요
(2) for 문
(3) while 문
(4) 기타 제어문
2.9 함수
(1) 함수란?
(2) 내장 함수
(3) 사용자 정의 함수
(4) 람다(lambda) 함수
연습 문제
CHAPTER 3 판다스 라이브러리의 개요
3.1 판다스 데이터의 구조 이해
(1) 시리즈
(2) 데이터프레임
3.2 데이터프레임 객체 생성하기
(1) 데이터프레임 직접 생성하기
(2) 외부 데이터 이용하기
3.3 데이터 확인하기
(1) 데이터프레임 만들기
(2) 변수 속성 파악하기
(3) 데이터 앞부분/뒷부분 확인하기
(4) 데이터 요약 통계량 출력하기
(5) 데이터 행/열 크기 확인하기
(6) 데이터 인덱스/칼럼 명 확인하기
(7) 데이터 타입 확인하기
(8) 데이터 정렬하기
(9) 데이터 빈도수 구하기
(10) 데이터 고윳값 구하기
3.4 데이터 선택하기
(1) 칼럼(열) 선택하기
(2) 레이블이나 조건 표현으로 선택하는 방법: loc[]
(3) 불 인덱싱
3.5 데이터 가공 및 그룹핑
(1) 칼럼 삭제
(2) 칼럼 이름 변경
(3) 칼럼 생성
(4) 데이터 그룹핑
3.6 결측 데이터 처리하기
(1) 결측 데이터 확인
(2) 결측 데이터 삭제하기
(3) 결측 데이터 최빈값으로 대체하기
(4) 결측 데이터 평균값으로 대체하기
연습 문제
CHAPTER 4 시각화 라이브러리 Ⅰ
4.1 데이터 시각화의 이해
(1) 데이터 시각화의 장점
(2) 데이터 시각화의 활용 사례
(3) 파이썬으로 하는 데이터 시각화
4.2 맷플롯립 라이브러리
(1) 시각화 옵션
(2) 선 그래프
(3) 막대 그래프
(4) 산점도 그래프
(5) 히스토그램
(6) 상자수염(Box Plot) 그래프
연습 문제
CHAPTER 5 시각화 라이브러리 Ⅱ
5.1 시본 라이브러리의 개요
5.2 시본 라이브러리
(1) 데이터 시각화 준비하기
(2) 시본 막대 그래프
(3) 시본 산점도 그래프
(4) 시본 히스토그램
(5) 시본 상자수염(Box Plot) 그래프
(6) 카운트 플롯(Count Plot) 그래프
(7) 바이올린 플롯(Violin Plot) 그래프
(8) 시본 히트맵(Heat Map) 그래프
(9) 다중 플롯 그리드 그래프
연습 문제
CHAPTER 6 빅데이터 분석 관련 라이브러리 종합 실습
6.1 한국 드라마 TOP 100 데이터 분석하기
(1) 데이터 확인하기
(2) 데이터 선택하기
(3) 데이터 가공 및 그룹핑
(4) 데이터 시각화
연습 문제
Part 3 how - 머신러닝을 이용한 빅데이터 분석 실습
CHAPTER 7 데이터 다듬기
7.1 머신러닝 단계
7.2 탐색적 데이터 분석
(1) 원본 데이터 관찰
(2) 요약통계값 확인
(3) 시각화
7.3 전처리 방법
(1) 데이터 타입의 변환
(2) 결측치 처리
(3) 이상치 처리
7.4 제로콜라와 기온 속성 간에는 관련이 있을까?
(1) 문제 정의
(2) 데이터 속성 설명
(3) 원본 데이터 관찰하기
(4) 요약 통계값 확인하기
(5) 전처리하기
(6) 시각화로 표현
(7) 상관관계 확인하기
7.5 데이터 탐색과 전처리 실습
(1) 문제 정의
(2) 데이터 속성 설명
(3) 원본 데이터 관찰하기
(4) 요약 통계값 확인
(5) 시각화로 표현
연습 문제
CHAPTER 8 행복지수 데이터 관계성 찾기
8.1 [상관분석] 행복지수 데이터 분석하기
(1) 데이터 확인과 가공하기
(2) 데이터 분석과 시각화
8.2 [연관분석] 장바구니 분석하기
(1) 연관분석의 개념 이해
(2) 연관분석의 필요성
(3) 연관분석의 예제
연습 문제
CHAPTER 9 날씨 데이터 예측하기
9.1 회귀분석의 개념
(1) 회귀분석의 개념 이해
(2) 기업의 회귀분석 활용 사례
(3) 단순선형회귀와 다중선형회귀
9.2 [회귀분석] 날씨 데이터 분석하기
(1) 데이터셋 정보
(2) 데이터필드의 이해
(3) 데이터 확인과 가공하기
(4) 회귀분석 예제
연습 문제
CHAPTER 10 클러스터링을 활용한 쇼핑몰 회원 관리
10.1 클러스터링
(1) K-Means
(2) Hierarchical clustering
10.2 클러스터링을 활용한 쇼핑몰 회원 세분화
(1) 데이터 읽기
(2) 데이터 탐색
(3) K-means를 이용한 군집화
(4) Hierarchical clustering을 이용한 군집화
연습 문제
CHAPTER 11 드라마 분류하기
11.1 K-최근접 이웃
(1) K-최근접 이웃의 원리
(2) class sklearn.cluster.KNeighborsClassifier 모델 사용 방법
(3) k의 수
(4) 표준화 작업
11.2 K-NN을 이용한 인기 영화 분류하기
(1) 데이터 읽기
(2) 데이터 탐색
(3) 훈련 데이터와 테스트 데이터 나누기
(4) K-NN을 이용한 분류
11.3 K-NN을 이용한 농구 선수 분류하기
(1) 데이터 읽기
(2) 데이터 탐색
(3) 경력별 선수의 특징
(4) 훈련 데이터와 테스트 데이터 나누기
(5) K-NN을 이용한 분류
연습 문제
CHAPTER 12 텍스트로 읽는 세상
12.1 자연어 처리
(1) 토큰화
(2) 토큰화 실습
12.2 워드클라우드
(1) 라이브러리 설치하기
(2) 한글 글꼴 설치
(3) 텍스트 가져오기
(4) 품사 태깅하기
(5) 동일한 단어의 빈도수 구하기
(6) wordcloud 생성
(7) matplotlib으로 시각화하기
12.3 자연어 처리 실습
(1) 뉴스기사로 워드클라우드 만들기
연습 문제
저자
저자
장은실
Jang EunSill
동국대학교에서 컴퓨터공학전공 공학박사 학위를 취득하였으며, 2018~2020년에 성균관대학교 소프트웨어대학 초빙교수와 2020~2021년에 한양대학교 소프트웨어학부 SW 교육 전담 교수를 거쳐 2021년부터 현재까지 중부대학교 학생성장교양학부 조교수로 재직 중이다. 경기도경제과학진흥원(GBSA), 한국연구재단(NRF), 정보통신기획평가원(IITP) 등에서 심사평가위원으로 활동 중이며, 컴퓨팅 기반 문제 해결, 데이터 분석, 프로그래밍 등의 저서를 집필하였다.
동국대학교에서 컴퓨터공학전공 공학박사 학위를 취득하였으며, 2018~2020년에 성균관대학교 소프트웨어대학 초빙교수와 2020~2021년에 한양대학교 소프트웨어학부 SW 교육 전담 교수를 거쳐 2021년부터 현재까지 중부대학교 학생성장교양학부 조교수로 재직 중이다. 경기도경제과학진흥원(GBSA), 한국연구재단(NRF), 정보통신기획평가원(IITP) 등에서 심사평가위원으로 활동 중이며, 컴퓨팅 기반 문제 해결, 데이터 분석, 프로그래밍 등의 저서를 집필하였다.
Payment & Security
Payment methods
Your payment information is processed securely. We do not store credit card details nor have access to your credit card information.
