데이터 분석과 머신러닝 실전

Chapter 01 분석 환경 구축

제1절 분석 환경 이해 3
제2절 R과 R Studio 설치(Windows 기준) 4
1. R 설치 4
2. R Studio 설치 5
3. 프로젝트 생성 8
제3절 Python과 아나콘다 설치(Windows 기준) 10
1. 아나콘다 설치 10
2. 주피터 노트북 활용 12
제4절 프로그래밍 기초 문법 15
1. 변수 17
2. 함수 18
3. 패키지 18
4. 연산자 24


Chapter 02 데이터 전처리와 탐색적 분석

제1절 데이터 유형과 구조 29
1. 데이터 유형 29
2. 데이터 프레임 구조 30
제2절 데이터 탐색 31
1. 데이터 로딩 31
2. 데이터 파악 33
제3절 데이터 정제 37
1. 이상치와 결측치 처리 37
2. 데이터 스케일링 49

Chapter 03 통계이론

제1절 통계의 기본개념 57
1. 통계 개요 57
2. 전수조사와 표본조사 59
3. 집단 특성 지표 60
제2절 주요 확률분포 68
1. 정규분포 69
2. t분포 73
3. χ²분포 74
4. F분포 75
제3절 통계적 추론 76
1. 추정 76
2. 가설검정 77


Chapter 04 전통적 통계 기반 분석 기법

제1절 빈도의 비율 차이 분석 91
1. 교차분석 91
2. Fisher의 정확성 검정 100
제2절 평균 차이 분석Ⅰ: t검정 106
1. 단일표본 t검정 108
2. 대응표본 t검정 116
3. 독립표본 t검정 124
제3절 평균 차이 분석Ⅱ: 분산분석 136
1. 일원 분산분석 137
2. 이원 분산분석 151
3. 반복측정 분산분석 166
제4절 상관분석 180
1. 데이터 불러와 확인 181
2. 상관분석 실시 184
3. 상관분석 결과 표현 187
제5절 회귀분석 189
1. 단순 선형회귀 191
2. 다중 선형회귀 218
3. 로지스틱 회귀 243


Chapter 05 머신러닝 기반 분석 기법

제1절 머신러닝 개요 261
1. 개념 261
2. 활용 방식 262
3. 주요 기법 263
4. 분석 절차 265
5. 데이터 분할 방법 266
6. 모델 성능 평가 269
7. 예제 데이터 274
제2절 전통적 모델 277
1. K-최근접 이웃 277
2. 결정 트리 291
3. 서포트 벡터 머신 300
제3절 앙상블 모델 311
1. 배깅 결정 트리 311
2. 랜덤 포레스트 323
3. Gradient Boosting Machine 332
4. XGBoost 345
제4절 신경망 모델 361
1. 인공신경망 361
2. 심층신경망 375
제5절 성능 평가 결과 410

조희수 경희대학교에서 경영정보시스템을 전공하며 박사학위를 취득하였다. 한국도로공사 ICT센터, 스마트톨링추진단, 영업시스템처 등에서 근무하면서 공공서비스 분야의 IT 혁신을 주도해 왔으며, 현재는 산업 현장에서 데이터 기반 의사결정 지원과 기술 적용 확산에 기여하고 있다.
아울러 국립창원대학교 빅데이터자산관리학과와 김천대학교 스마트물류시스템공학과에서 겸임교수로 재직하며 빅데이터, 통계, 머신러닝, 인공지능 과목을 강의하고 있으며, 풍부한 실무 경험을 바탕으로 실용적이고 문제 해결 중심의 인재 양성에 힘쓰고 있다.