실무 프로젝트로 배우는 데이터 분석 with R(위키북스 데이터 사이언스 시리즈 69)

▣ 01장: 데이터 분석 과정의 이해

1.1 데이터 분석에 필요한 요소

___1.1.1 실무에서 마주치는 데이터 분석

___1.1.2 데이터 분석의 목적 설정과 진행 과정

___1.1.3 데이터 분석 방법론

___1.1.4 데이터 분석 결과의 검증 방법

___1.1.5 분석 결과를 표현하는 능력

1.2 데이터 분석의 유형

___1.2.1 요리할 것인가? 건물을 지을 것인가?

___1.2.2 보고서 작성을 위한 데이터 분석

___1.2.3 주기적으로 진행해야 하는 데이터 분석

1.3 데이터 분석에서 주의할 점

___1.3.1 데이터 분석과 도메인 지식

___1.3.2 데이터 분석 결과의 가시성

1.4 정리



▣ 02장: 실무 데이터 분석을 위한 R 기본 문법과 통계 지식

2.1 R 분석 환경 구성

___2.1.1 R, RStudio 설치 방법

___2.1.2 R 설치 후 환경 설정

2.2 데이터 타입 소개

___2.2.1 데이터 특성에 대한 이해

___2.2.2 수집된 데이터의 기본 가정

___2.2.3 비정형 데이터

2.3 R 1차원 데이터 다루기

___2.3.1 1차원 벡터 변수 다루기

___2.3.2 1차원 벡터 변수 특성 다루기

___2.3.3 문자열 다루기

___2.3.4 1차원 벡터 인덱싱

___2.3.5 1차원 벡터의 연산

___2.3.6 1차원 벡터 샘플링

2.4 R 행렬, 데이터프레임 다루기

___2.4.1 행렬 생성

___2.4.2 행렬 인덱싱

___2.4.3 행렬의 연산

___2.4.4 데이터프레임 생성

___2.4.5 데이터 행/열의 이름 변경, 인덱싱

___2.4.6 데이터프레임 변수 추가 및 변경

___2.4.7 데이터프레임 병합

2.5 R 리스트 데이터 다루기

___2.5.1 리스트 데이터 생성 및 인덱싱 - list()

2.6 R 데이터 불러오기 및 저장

___2.6.1 데이터 불러오기

___2.6.2 데이터 저장하기

2.7 반복문과 조건문

___2.7.1 for 문을 활용한 반복문 작성

___2.7.2 assign을 활용한 할당문 작성

___2.7.3 if, ifelse를 활용한 조건문 적용

2.8 결측치 처리

___2.8.1 결측치 데이터 탐색 - is.na()

___2.8.2 결측치 제거

___2.8.3 결측치 데이터 대체

2.9 사용자 함수 정의

___2.9.1 function() 소개

___2.9.2 function() 응용

2.10 R 패키지

___2.10.1 R 패키지 설치

2.11 중고차 데이터를 활용한 데이터 전처리 1

___2.11.1 데이터 연산 동시 처리

2.12 중고차 데이터를 활용한 데이터 전처리 2

___2.12.1 체인 연산자

___2.12.2 데이터셋에 새로운 변수 추가

___2.12.3 데이터 집계

___2.12.4 데이터 정렬

___2.12.5 조건에 따른 데이터 추출

___2.12.6 데이터 병합

___2.12.7 데이터 샘플링

___2.12.8 중복 데이터 처리

2.13 dplyr 활용 응용

___2.13.1 데이터 전처리 응용 1

___2.13.2 데이터 전처리 응용 2

___2.13.3 데이터 전처리 응용 3

2.14 중고차 데이터를 활용한 데이터 시각화 기초

___2.14.1 ggplot2의 기본 문법

___2.14.2 ggplot2 활용

2.15 데이터 구조 변환

___2.15.1 reshape 패키지 활용

2.16 정리



▣ 3장: 중고차 판매 데이터를 활용한 데이터 분석 기초

3.1 데이터 분석을 위한 확률과 평균 기초

___3.1.1 확률변수

___3.1.2 확률

___3.1.3 모수와 통계량

3.2 데이터 분석을 위한 확률분포

___3.2.1 이산형 확률분포

___3.2.2 중심극한정리

___3.2.3 연속형 확률분포

3.3 확률분포 함수

___3.3.1 난수 생성

___3.3.2 확률밀도, 누적분포, 분위수

3.4 중고차 가격 분포 확인을 위한 데이터 분포 탐색

___3.4.1 왜도와 첨도

___3.4.2 데이터 변환을 통한 분포 탐색

3.5 중고차 가격 분석을 위한 통계적 가설 검정

___3.5.1 귀무가설과 대립가설

___3.5.2 검정통계량과 임곗값

3.6 중고차 특성 분석을 위한 평균 분석

___3.6.1 일표본 t 검정

___3.6.2 독립표본 t 검정

___3.6.3 분산분석

3.7 중고차 가격에 미치는 영향 파악을 위한 관계 분석

___3.7.1 상관분석

___3.7.2 회귀분석

___3.7.3 회귀분석 성능 개선 방법

___3.7.4 회귀분석을 활용한 예측

___3.7.5 예측 성능 개선을 위한 비선형 모형

3.8 중고차 판매 가격 예측을 위한 분석

___3.8.1 범주형 변수를 활용한 예측 분석

___3.8.2 다중 회귀분석을 활용한 예측 분석

___3.8.3 예측 모형의 성능 평가

3.9 중고차 등급 분석을 위한 분류 모형

___3.9.1 로지스틱 회귀분석

___3.9.2 로지스틱 회귀분석의 평가 방법

___3.9.3 다중 로지스틱 회귀분석

3.10 중고차 등급 분석을 위한 머신러닝 기초

___3.10.1 의사결정나무

___3.10.2 랜덤 포레스트

3.11 정리



▣ 4장: 중고차 판매 데이터를 활용한 데이터 분석 심화

4.1 중고차 데이터 분할을 위한 데이터 분석 기법

___4.1.1 비슷한 유형의 중고차 탐색 - 유사도 분석

___4.1.2 계층적 군집분석

___4.1.3 비계층적 군집분석

4.2 중고차 특성의 차원 축소를 위한 데이터 분석 기법

4.3 정리



▣ 5장: 내 중고차 시세 확인 서비스 예측 분석

5.1 분석 개요

5.2 데이터 전처리

___5.2.1 데이터 및 패키지 불러오기

___5.2.2 데이터 전처리

5.3 현재 시세 정보 서비스 구현

___5.3.1 서비스 구현을 위한 함수 정의

5.4 신규 서비스 구현

___5.4.1 신규 서비스 구현을 위한 함수 정의

5.5 신규 서비스 테스트

5.6 정리



▣ 6장: 마케팅의 핵심 RFM 분석

6.1 분석 개요

6.2 데이터 전처리

___6.2.1 데이터 및 패키지 불러오기

___6.2.2 이벤트 로그 데이터

6.3 고객 구매 데이터 분석

___6.3.1 데이터 전처리

___6.3.2 데이터 시각화

6.4 대시보드 설계

___6.4.1 대시보드를 위한 통계치 표현

___6.4.2 대시보드 예시

6.5 고객 분류를 위한 RFM 분석

___6.5.1 RFM 분석 접근 방식

___6.5.2 RFM 분석

___6.5.3 코호트 분석

6.6 정리



▣ 7장: 리뷰 데이터 분석을 통한 감성사전 만들기

7.1 분석 개요

7.2 데이터 전처리

___7.2.1 데이터 및 패키지 불러오기

7.3 리뷰 데이터 기본 분석

___7.3.1 데이터 전처리

___7.3.2 데이터 기본 분석

7.4 감성사전 생성을 위한 모델링

___7.4.1 키워드 점수 계산을 위한 데이터셋 생성

___7.4.2 고차원 분류 모형

7.5 고객 리뷰 감성분석

___7.5.1 감성분석 진행

7.6 정리



▣ 8장: 마켓 데이터 분석

8.1 분석 개요

8.2 데이터 전처리

___8.2.1 데이터 및 패키지 불러오기

8.3 상위 판매 상품 분석

___8.3.1 판매 상품 분석

8.4 고객 구매 패턴 분석

___8.4.1 고객 재방문 시기 분석

___8.4.2 고객 구매 물품 분석

___8.4.3 고객의 구매 패턴에 따른 군집 생성

8.5 추천 시스템

___8.5.1 추천 시스템의 개념

___8.5.2 추천 시스템 구현

8.6 정리

박기군 통계학을 전공한 후 IT 솔루션 회사의 SI 프로젝트에 참여했다. 학부 재학 중에 한국문화관광 연구원이 주관하는 문화관광 빅데이터 분석 대회에서 총 2번 수상했으며, 학부 졸업 후에는 크몽(Kmong), 탈잉(Taling) 등의 플랫폼을 통해 수많은 분석 프로젝트 및 레슨을 진행했다. 위키독스 'Must Learning with R'의 저자이며, 현재는 부산대학교 산업공학과 박사과정으로 스마트 항만 물류 시스템에 대한 연구를 진행하고 있다.