데이터를 읽는 힘

1장 빅데이터: 개념, 활용, 등장 배경
1.1 빅데이터의 정의와 특징
1.2 데이터를 통한 기업 운영의 목표
1.3 빅데이터 등장배경

2장 데이터 분석 절차 및 기법의 분류
2.1 데이터 분석 절차
2.2 데이터 분석 기법의 분류

3장 Descriptive Analytics: 데이터를 이해하는 과정
3.1 데이터 요약을 위한 기초 개념
3.2 그래프와 그림을 활용한 데이터 요약
3.3 수치를 활용한 데이터 요약

4장 Predictive Analytics: 데이터로 미래를 학습하는 과정
4.1 데이터를 통한 예측
4.2 데이터 전처리
4.3 예측 및 분류 모델의 성능 평가

5장 Predictive Analytics I: 예측 및 분류 모델 I
5.1 선형회귀 모델
5.2 최근접 이웃 알고리즘(k-NN)
5.3 의사결정나무(Decision tree)

6장 Predictive Analytics II: 예측 및 분류 모델 II
6.1 조건부 확률과 나이브 베이즈 분류기
6.2 로지스틱 회귀분석
6.3 신경망

7장 Predictive Analytics III: 예측 및 분류 모델 III
7.1 서포트 벡터 머신(SVM)
7.2 부스팅 기법
7.3 앙상블(Ensemble) 기법

8장 비지도 학습: Unsupervised Learning
8.1 연관규칙
8.2 협업 필터링
8.3 군집분석(클러스터링, Clustering)

9장 Prescriptive analytics I: 처방적 분석과 선형계획법의 기본 원리
9.1 Prescriptive analytics란 무엇인가
9.2 의사결정을 수리모형으로 바꾸기
9.3 선형계획법의 원리

10장 Prescriptive analytics II: 응용사례
10.1 광고 예산은 어디에 써야 할까: 매체 선정 문제
10.2 어떤 원료를 얼마나 섞어야 할까: 사료 배합 문제
10.3 항공권 가격과 좌석 배정의 원리: 수익경영
10.4 어떤 복지사업을 지원해야 할까: 프로젝트 선정 문제

11장 데이터와 AI 시대의 책임 있는 분석
11.1 분석 기법 돌아보기
11.2 데이터 생애주기와 윤리적 쟁점
11.3 AI 혁신의 특징과 구성 요소

김우성 KAIST 산업 및 시스템공학과를 졸업하고 동 대학원에서 박사학위를 받았다. 호주 멜버른대학교 수학·통계학과에서 연구원으로 근무했으며, 한동대학교 경영경제학부 교수를 거쳐 현재 건국대학교 경영학과 교수로 재직하고 있다. 비즈니스 애널리틱스, 데이터 분석, 인공지능 응용, 운영관리, 경영과학 등을 연구하고 가르치고 있으며, 데이터와 분석 기법을 실제 기업과 공공부문의 의사결정 문제에 적용하는 데 관심을 두고 있다.