Advertisement
| exploratory data analysis 뜻: 데이터 드리븐 리포트 이상석, 2023-11-06 “무조건 안 된다는 상사, 데이터로 설득하라!” 데이터를 근거로 의사소통해야 하는 모든 실무자를 위한 데이터 기반의 의사결정 가이드 경험 또는 직관만으로 의사결정자나 이해관계자를 설득할 확률은 0%에 가깝다. 상사나 고객을 설득하려면 데이터에 기반하여 소통해야 한다. 이 책은 데이터 분석에 실무적으로 접근하고 방대한 데이터 속에서 핵심 인사이트를 찾아내며, 그 결과를 명확하게 전달하는 방법을 안내한다. 또한 데이터 분석 결과를 비즈니스에 성공적으로 적용한 여섯 가지 사례를 제공한다. 이를 통해 분석 목표를 파악하는 것부터 데이터 유형에 따라 적절한 분석 기법을 선정하고, 분석 결과를 바탕으로 의사결정자를 설득하기까지의 실무 절차를 그대로 익힐 수 있다. 데이터 기반의 의사결정 절차를 살펴보면서 데이터를 효율적으로 분석하고, 그 결과를 근거로 원활히 소통하는 전문 역량을 키워보자. |
| exploratory data analysis 뜻: 적게 일하고 많이 버는 AI 워커스 김덕진, 김아람, 2024-09-19 국내 대표 AI 전문가 김덕진 소장의 회사에서 바로 쓰는 AI 실전서 ◎ 도서 소개 ‘적게 일하고 돈 잘 버는’ 일잘러들의 최상위 코스를 소개합니다! 국내 최고 AI 전문가 김덕진 소장의 퇴근 시간을 앞당기는 생성형 AI 활용법 『AI 2024』, 『챗봇 2025 트렌드&활용백과』로 서점 베스트셀러를 휩쓸며 국내 최고 AI 전문가로 인정받는 김덕진 소장이 이번에는 실무자들을 위한 AI 툴 활용법으로 돌아왔다. 『적게 일하고 많이 버는 AI 워커스』는 기획, 지원, 마케팅, 창작 등 다양한 분야의 실무자들이 읽는 순간 바로 AI를 활용할 수 있게 만드는 최고의 업무 참고서다. 『적게 일하고 많이 버는 AI 워커스』는 기획, 지원, 마케팅, 창작 등 직군별 업무 프로세스에 가장 딱 들어맞는 AI 활용 지침서로서, 실무자들이 생성형 AI를 여전히 잘 못 쓰는 이유를 조목조목 짚어가며, AI와 함께 일할 수밖에 없는 당위성과 AI를 개인비서로 만드는 똑똑한 질문법, 일잘러로 레벨업하는 AI 인사이트까지 일의 혁신뿐 아니라 삶의 풍요를 이끄는 커리어 전략을 담아냈다. ☞ 함께 읽으면 좋은 21세기북스의 책들 ▶ 네 인생 우습지 않다: 인생 일타강사 전한길의 50가지 행복론 | 전한길 지음 | 21세기북스 | 2024년 7월 | 18,000원 ▶ 나는 배당투자로 매일 스타벅스 커피를 공짜로 마신다: 평생 월 500만 원씩 버는 30일 기적의 배당 파이프라인 공략집 | 송민섭(수페TV) 지음 | 21세기북스 | 2023년 12월 | 24,000원 ◎ 책 속으로 우리가 해야 할 일은 AI를 두려워하거나 회피하는 것이 아니라, AI와 함께 일하는 법을 배우는 것입니다. AI의 힘을 이해하고, 그 힘을 업무에 활용할 줄 알아야 합니다. 그것이 바로 ‘AI 워커스’의 자세입니다. 이 책 『AI 워커스』는 여러분이 그런 AI 워커스로 거듭나는 데 필요한 것들을 담고 있습니다. __저자의 말: 김덕진 4쪽 마이크로소프트와 링크드인의 조사에 따르면, 글로벌 시장에서 이미 AI는 직장 내에 조금씩 자리 잡고 있음을 알 수 있습니다. 31개국 약 3만 1천 명을 대상으로 조사를 한 결과, 75%의 사람들이 이미 업무에 AI를 활용하고 있다고 응답했습니다. 더욱 놀라운 것은, 이 중 46%의 사람들은 불과 6개월 사이에 AI를 도입했다는 것입니다. 이 추세로 진행된다면, 거의 모든 직장에서 AI의 활용이 필수 기술로 자리 잡고 있다고 보아도 무리가 아닌 것 같습니다. __1부 2장 우리는 실제로 AI를 얼마나 쓸까? 31~32쪽 생성형 AI에 대해 큰 기대를 가지고 있다가 막상 질문을 해보면 황당하거나 기대 이하의 결과물을 받아볼 때가 많습니다. 생성형 AI는 거짓말말 한다, AI라고 해서 기대했더니 별것 아니었다 등의 반응을 심심찮게 접할 수 있죠. 결국 하나하나 인간이 검토하고 수정해야 한다며 생성형 AI는 그냥 흥미 수준에서 쓰면 된다고 하는 사람들도 있습니다. 그러나 프롬프트 엔지니어링 기법을 이해하고 정확한 프롬프트를 작성한다면, 생성형 AI는 기대만큼 좋은 결과물을 도출할 수 있습니다. __2부 1장 결국 AI는 인간의 지시로 움직인다 49쪽 영어를 처음 배울 때 익혔던 문장, 기억하시나요? I am a boy. 아마 대부분 이 문장을 바탕으로 영어를 시작할 겁니다. 여기에서 I는 주어, am은 동사, a boy는 보어입니다. She teaches AI. 여기에서는 She가 주어, teaches가 동사, AI가 목적어가 됩니다. 영어를 배우면서 각각의 문장 구성 요소들을 기반으로 문법을 배웠던 기억이 있을 겁니다. 갑자기 웬 영어 공부냐고요? 프롬프트를 잘 쓰고 싶다면, 영어 문법을 익히듯 프롬프트 문법을 익히면 되기 때문입니다. __2부 2장 질문이 곧 경쟁력이다 71쪽 AI를 도구로 인식하고 인간 주도의 활용 원칙을 세웠다면, 이제 필요한 것은 AI에 대한 이해력, 즉 AI 리터러시를 높이는 것입니다. AI 리터러시란 AI 기술의 기본 개념과 작동 원리를 이해하고, 이를 실제 상황에 적절히 활용할 수 있는 능력을 말합니다. 특히 윤리적인 태도를 견지하면서 AI에 대해 비판적으로 평가하고 활용할 수 있는 것을 의미합니다. __4부 1장 AI시대, 이것만 알면 두렵지 않아요 207쪽 AI와 인간은 근본적으로 다른 존재입니다. AI는 데이터를 기반으로 패턴을 인식하고 결과를 도출하는 데 탁월하지만, 인간은 직관, 창의성, 감정, 윤리적 판단 등 복잡하고 맥락 의존적인 영역에서 강점을 보입니다. 복잡한 맥락을 이해하고 다양한 요소를 통합적으로 고려하는 인간의 능력은 AI가 아직 완벽히 모방하기 어려운 능력입니다. __4부 2장 포스트 휴먼 시대를 위한 버킷리스트, 지금 준비할 것들 224쪽 ◎ 출판사 서평 “일 잘하는 방식이 완전히 뒤집어졌다!” 〈김미경TV〉 〈손에 잡히는 경제〉 〈언더스탠딩〉 AI 전문 방송 섭외 1순위! 독보적 AI트렌드커뮤니케이터 김덕진 소장의 회사에서 바로 써먹는 AI 활용 전략 옆 팀 신입사원이 나보다 빨리 퇴근하는 이유 챗GPT 광풍은 어느 정도 잠잠해졌다. 직장인이라면 분명 AI를 활용해 생산성을 향상할 방법을 연구해 보라는 회사 지시를 들었을 것이다. 하지만 대부분 업무에서의 AI 활용은 시기상조라는 결론이 나왔다. 하지만 과연 그럴까? 마이크로소프트와 링크드인의 조사에 따르면, 글로벌 시장에서 이미 AI는 직장 내에 조금씩 자리 잡고 있다. 31개국 약 3만 1천 명을 대상으로 조사를 한 결과, 75%의 사람들이 이미 업무에 AI를 활용하고 있다고 응답했다. 더욱 놀라운 것은, 이 중 46%의 사람들은 불과 6개월 사이에 AI를 도입했다는 것이다. 그렇다면 이렇게 새로운 기술을 적극적으로 도입하는 것은 디지털 네이티브라고 불리는 어린 세대일까? 아니다. 실제로 AI 기술에 주목하고 있는 건 Z세대만이 아니다. Z세대와 밀레니얼의 사용 비중이 높지만, X세대로 분류되는 40대 중반부터 50대 후반 이상에서도 생성형 AI를 업무에 사용하고 있다. 하지만 한국 직장에서의 AI 사용률은 높지 않다. KISDI에서 2024년 4월에 발간한 보고서에 따르면, 최근 3개월 내에 생성형 AI를 사용해봤다고 응답한 사람들은 39.8%에 불과했다. 앞서 살펴본 글로벌 시장에서의 활용도에 비하면 아주 낮은 수준이다. 어떤 용도로 생성형 AI를 사용하느냐고 묻는 질문에는 업무를 위해 활용한다는 응답(47.1%)보다 단순 호기심(64.3%)이 가장 높았다. 업무 효율을 높이는 생성형 AI 한국인이 AI를 어려워하는 이유는 바로 “질문해야 한다”라는 점이다. 특히 생성형 AI의 핵심은 ‘질문 능력’이다. 이용자는 생성형 AI에게 익숙한 방식으로 질문을 하고 답변을 받으며 의사소통을 이어나가야 한다. 그러나 질문하기를 두려워하는 우리의 교육 시스템은 생성형 AI의 이용에 부정적 영향을 끼친다. 아직은 이런 질문 방식을 교육하는 시스템이 제대로 구축되지 않아, 한국인이 생성형 AI 활용에 뒤처진다는 평가를 받게 되는 것으로 보인다. 결국 AI를 통한 생산성 향상은 AI에게 어떻게, 무엇을 질문할지에 달려있다. AI는 질문자의 능력에 따라 시장조사 같은 단순 데이터 수집부터, 사업 계획 제시처럼 창의적 활동까지 모두 할 수 있는 아주 매력적인 도구다. 하지만 업무에 바쁜 직장인이 익숙해질 시간도 없이 기술은 앞서 나가고, 회사에서는 생산성 향상만 독촉한다. 읽고 바로 써먹을 수 있는 최고의 AI 업무 참고서 이런 어려움을 알고 있는 저자는 실무자들이 바로바로 적용해 업무에 써먹을 수 있게 기획/전략, 마케팅/영업, 경영지원, 개발/데이터, 1인 크리에이터로 직군을 분리하고 각 직군이 활용할 수 있는 실제 입력-출력 화면을 수록했다. 독자는 프롬프트를 업무에 바로 적용해 생산성을 높이는 동시에 다양한 응용으로 AI 활용 능력도 함께 기를 수 있다. |
| exploratory data analysis 뜻: 혼자 공부하는 데이터 분석 with 파이썬 박해선, 2023-01-09 혼자 해도 충분하다! 1:1 과외하듯 배우는 데이터 분석 자습서 이 책은 독학으로 데이터 분석을 배우는 입문자가 ‘꼭 필요한 내용을 제대로 학습’할 수 있도록 구성했습니다. 뭘 모르는지조차 모르는 입문자의 막연한 마음에 십분 공감하여 과외 선생님이 알려주듯 친절하게, 핵심적인 내용만 콕콕 집어 줍니다. 책의 첫 페이지를 펼쳐서 마지막 페이지를 덮을 때까지, 혼자서도 충분히 데이터 분석을 배울 수 있다는 자신감과 확신이 계속될 것입니다! 베타리더 검증으로, ‘함께 만든’ 입문자 맞춤형 도서 베타리더와 함께 입문자에게 맞는 난이도, 분량, 학습 요소 등을 고민하고 이를 적극 반영했습니다. 어려운 용어와 개념은 한 번 더 풀어쓰고, 복잡한 설명은 눈에 잘 들어오는 그림으로 풀어냈습니다. ‘혼자 공부해 본’ 여러 입문자의 초심과 눈높이가 책 곳곳에 반영된 것이 이 책의 가장 큰 장점입니다. 누구를 위한 책인가요? 데이터 분석을 어떻게 시작할지 막막한 비전공자 파이썬을 배운 다음 의미 있는 실습을 해 보고 싶은 파이썬 입문자 프로그래밍은 알지만, 분석(통계)에 대한 이해가 필요한 개발자 데이터에서 유의미한 결과를 도출해 이를 기획이나 마케팅에 적용해 보고 싶은 직장인 데이터 분석가, 데이터 사이언티스트라는 직업에 관심 있는 모든 사람 |
| exploratory data analysis 뜻: 데이터 과학을 위한 통계(2판) 피터 브루스, 앤드루 브루스, 피터 게데크, 2021-04-30 파이썬과 R로 필요한 만큼만 배우는 실용주의 통계학 통계 기법은 데이터 과학의 핵심이지만, 데이터 과학자가 고전 통계를 낱낱이 알아야 하는 것은 아니다. 이 책은 데이터 과학의 관점에서 통계 핵심 개념과 기법을 필요한 것만 골라 소개한다. 50가지 개념을 차근차근 정리하고 코드를 실행해보면, 필수 통계 지식을 빠르게 흡수할 수 있다. 2판에는 기존 R 코드와 호응하는 파이썬 코드를 새롭게 추가했다. 이 책으로 필요한 이론을 적재적소에 잘 활용하는 실력 있는 데이터 과학자로 거듭나길 바란다. 주요 내용 데이터 과학의 초석인 탐색적 데이터 분석 시작하기 임의표본추출로 편향을 줄이고 고품질 데이터셋을 얻는 방법 실험설계 원칙을 적용해 타당한 결론을 도출하고 명확한 답을 찾는 방법 회귀분석으로 결과를 추정하고 이상을 탐지하는 방법 범주를 예측하고 찾아내는 주요 분류 기법 데이터로 학습하는 통계적 머신러닝 기법 레이블 없는 데이터에서 의미를 추출하는 비지도 학습 기법 추천사 다른 통계 교과서나 머신러닝 매뉴얼과는 차별되는 책이다. 통계 용어와 오늘날 데이터 마이닝 용어를 연결해 설명한다는 점에서 훨씬 낫다. 설명은 간명하고 예제도 많다. 데이터 과학 입문자와 숙련자 모두에게 권할 만한 레퍼런스다. _갈리트 시뮤엘리, 『비즈니스 애널리틱스를 위한 데이터마이닝』 주 저자 데이터 분석에서 머신러닝까지 50가지 핵심 개념 파이썬과 R 코드를 실행해보며, 필요한 만큼만 배운다! 많은 데이터 과학자가 통계 개념을 이해하지 못해 한계에 부딪힌다. 문제가 조금만 복잡해도 어디서부터 어떻게 해결해야 할지 몰라 당황하거나, 출력한 결과를 이해하지 못해 난감해하기 일쑤다. 이 책은 통계 지식에 목마른 현업 데이터 과학자와 인공지능 개발자를 위해 쓰였다. 목표는 다음 두 가지다. 첫째, 데이터 과학과 관련된 통계의 핵심 개념을 소화하기 쉽고 따라 하기 쉽게 소개한다. 둘째, 데이터 과학의 관점에서 어떤 개념이 정말 중요하고 유용한지, 어떤 개념이 덜 중요한지 구분해 알게 한다. EDA, 표본분포, 유의성 검정, 회귀분석, 분류, 통계적 머신러닝, 비지도 학습 등 오늘날 데이터 분석과 머신러닝 분야에서 널리 사용하는 주제로 구성했고, 데이터 과학자가 꼭 알아야 하는 개념을 50여 가지만 ‘콕’ 집어 정리했다. 자유도, p 값, 상관계수 등 고전 통계에서 중요하게 생각하는 개념 중, 빅데이터를 다루는 데이터 과학자가 세부 사항까지 자세히 알 필요가 없는 것은 그에 맞게 안내한다. 주요 절마다 ‘용어 정리’와 ‘주요 개념’을 정리해 학습 편의를 높이고, 같은 용어라도 통계학, 데이터 과학, 컴퓨터 과학에서 저마다 다르게 쓰는 경우에는 그 차이점을 정리했다. 2판의 가장 큰 특징은 새로 제공하는 파이썬 코드다. 파이썬 코드를 싣기 위해 과학 계산과 데이터 과학 분야에서 30년 이상의 경력을 갖춘 저자가 새로 투입됐다. 파이썬이나 R, 둘 중 하나만 다룰 줄 알아도 책의 내용을 이해하고 코드를 실행해볼 수 있다. 모두 다룰 줄 안다면 두 언어 간의 구현 차이를 비교하는 재미가 쏠쏠할 것이다. 일반인 대상의 통계책은 시시하고 전공 수준의 통계학 교과서는 어려워 엄두가 안 난다면, 이 책을 징검다리 삼아 통계 지식과 통계적 사고력을 키워보길 바란다. 누구든 이 책을 끝까지 잘 마치면, 필요한 이론을 적재적소에 잘 활용하는 실력 있는 데이터 과학자로 거듭날 수 있다. |
| exploratory data analysis 뜻: Exploratory Data Analysis Frederick Hartwig, Brian E. Dearing, 1979 An introduction to the underlying principles, central concepts, and basic techniques for conducting and understanding exploratory data analysis - with numerous social science examples. |
| exploratory data analysis 뜻: 엑셀, R, 파이썬으로 시작하는 데이터 분석 조지 마운트, 2022-05-09 스프레드시트부터 프로그래밍 언어까지 3가지 도구로 배우는 실전 데이터 분석 가이드 이 책은 기본적인 데이터 분석과 데이터 분석 스택을 확실히 이해할 수 있는 개념서입니다. 엑셀뿐 아니라 프로그래밍 언어인 R과 파이썬을 사용하여 탐색적 데이터 분석 및 가설검정 방법을 익힐 수 있도록 안내합니다. 엑셀에 익숙하다면 자연스럽게 프로그래밍의 세계에 입문하고, 프로그래밍 언어에 익숙하다면 데이터 분석의 개념과 구현 방법을 살펴볼 기회를 얻을 수 있습니다. 스프레드시트로 주요 통계 개념을 익히고, 데이터 조작의 개념을 R과 파이썬 프로그래밍에 적용하며, 책에서 소개하는 도구와 프레임워크를 고급 데이터 분석 기술에 활용해볼 수 있습니다. 필수 개념과 다양한 도구 활용법을 한 권에 담은 데이터 분석 입문자 필독서! 다양한 데이터 분석 도구와 관련 도서를 접하기는 쉬워졌지만, 무엇을 먼저 공부해야 할지 몰라 입문자가 데이터 분석을 시작하는 것은 여전히 어렵습니다. 이 책은 프로그래밍을 모르는 사람도 데이터 분석을 시작할 수 있도록 안내합니다. 먼저 가장 직관적이고 효율적인 엑셀을 사용하여 탐색적 데이터 분석, 확률, 회귀 분석과 같은 통계 개념을 알기 쉽게 설명합니다. 그리고 R과 파이썬을 사용하여 앞에서 배운 개념을 실습합니다. 엑셀, R과 파이썬은 상호 보완적인 데이터 분석 도구입니다. 예를 들어 파이썬을 사용하여 엑셀 기반 리포트 생성을 자동화하거나 관계형 데이터베이스 관리 시스템(RDBMS)의 데이터를 비즈니스 인텔리전스(BI) 플랫폼의 대시보드로 가져올 수 있습니다. 따라서 데이터 분석에 필요한 기본 개념과 3가지 핵심 도구 사용법을 알면 더욱 강력한 고급 분석을 수행할 수 있으며, 각 데이터 분석 스택에 맞는 도구를 선택하여 적절한 분석을 수행하는 능력을 기를 수 있습니다. 이 책 한 권으로 손쉽게 데이터 분석 공부를 시작해보세요! 주요 내용 ● 엑셀로 배우는 데이터 분석 기초 ○ 탐색적 데이터 분석 ○ 확률 ○ 통계적 추론 ○ 상관 분석과 회귀 분석 ● R을 사용한 데이터 분석 ● 파이썬을 사용한 데이터 분석 추천사 어떻게 데이터 분석을 시작해야 할지 모르겠나요? 프로그래밍에 익숙해야 시작할 수 있을 것만 같으신가요? 데이터 분석을 시작하는 모든 사람에게 이 책을 추천드립니다. 익숙한 도구인 엑셀을 사용하여 데이터 분석의 기초 개념을 학습하고 이러한 개념을 프로그래밍 언어로 실습해보면서 데이터 분석과 친해질 수 있는 책입니다. 데이터 분석 분야의 실무자가 번역하여 어색함 없이 쉽게 읽히는 점이 큰 장점인 입문서입니다. _정미래(삼성리서치 Data Research팀 연구원) 오늘날 데이터 분석 도구가 다양해지고 관련 내용을 접하기는 쉬워졌지만 데이터 분석을 시작하려는 초보자가 이를 공부하기는 쉽지 않습니다. 이 책은 프로그래밍을 모르는 독자도 친숙한 엑셀로 데이터 분석에 필수적인 통계 이론을 배울 수 있습니다. 그리고 R과 파이썬을 사용하여 데이터를 스스로 분석할 수 있도록 돕습니다. 데이터에서 무궁무진한 인사이트를 발굴하고 싶은 독자에게 소중한 첫걸음이 되어줄 것입니다. _박예원(네이버 ML 엔지니어) 수많은 기업과 프로젝트에서 통계 모델 및 AI/ML의 활용은 필수 요소가 되고 있습니다. 현업 연구자와 엔지니어가 연구 개발 과정에서 가장 많은 시간을 들이는 작업은 바로 데이터 분석입니다. 이 책은 데이터 분석 실무자가 애정하는 엑셀, R 그리고 파이썬을 모두 아우르고 있습니다. 도구를 다루는 것에 그치지 않고, 기초적인 확률 이론과 가설 검증 과정 같은 중요한 개념도 쉽게 익힐 수 있도록 돕습니다. 실무에서 해결하고자 하는 많은 문제의 답은 결국 '데이터'에 있습니다. 이 책은 데이터에서 답을 찾고자 하는 이들에게 좋은 가이드북이 될 것입니다. _제상현(카카오엔터프라이즈 ML 리서치 엔지니어) 엑셀 활용부터 데이터 과학 이론과 분석까지 필요한 모든 내용을 담았습니다. _조던 골드마이어(마이크로소프트 엑셀 MVP) 비즈니스와 데이터 분석 입문자를 위한 필독서 _에이든 존슨(Breakthrough Data Science 데이터 과학자 겸 멘토) |
| exploratory data analysis 뜻: 마이크로소프트웨어 390호 마소팀, 책 소개 마이크로소프트웨어 390호 오픈소스와 오픈데이터는 단순히 무료로 쓰면 되는 소스와 데이터가 아니다. 참여, 공유, 기여를 통해 모두 함께 만들어가는 프로젝트다. 오픈소스와 오픈데이터가 가져온 변화와 결과 예시로 오픈소스를 왜 알아야 하는지, 어떻게 참여할 수 있는지, 어떻게 기여해야 하는지, 어떻게 지켜야 하는지 알아보자. Schema S1. 오픈소스는 어떻게 대세가 됐는가? - 송범근 S2. 오픈소스 라이선스의 탄생 - 조영준 Opinion O1. 일상에서 오픈소스 현상을 바라보는 3가지 시선 - 김도균 Future F1. 가볍게 읽어보는 블록체인 이야기 - 오명운 F2. 이더리움 시작하기 - 제이슨 김 F3. 블록체인의 미래를 방해하는 적 - 김호광 Technology T1. 이길 수 없다면 같은 편에 서라 - 최주열 T2. 오픈소스에 대한 IBM의생각과 방향 - 정창우 T3. 오픈소스 기반 클라우드 플랫폼을 이끈 AWS - 윤석찬 T4. 우아한형제들이 오픈소스를 바라보는 관점, WoowahanJS - 김민태 T5. 멋진 신세계, 컨테이너 - 이민구 T6. 오픈소스 서버리스 플랫폼, 오픈위스크 - 공진기 T7. 아마존 ECS를 위한 새로운 오픈소스 스케줄러, Blox - 김상필 T8. 하이브리드 클라우드의 방향, MS Azure Stack - 백승주 Working W1. 오픈소스 공헌이 개발자에게 미치는 영향 - 임정택 W2. 오픈소스 백신이 가지는 의미 - 최원혁 W3. 모바일 앱 테스트 자동화를 위한 애피움 활용 - 황희선 W4. 모바일 데이터베이스의 강자, Realm - 박민우 W5. 개발자는 왜 오픈소스를 알아야 하는가 - 박현정 W6. 서울JS의 시작 - 문현경, 김양원, 이웅재 W7. 데이터 과학의 놀이터, 오픈데이터 캐글 - 이상열 Applied A1. 오토모티브와 오픈소스가 만나면 - 한동준 A2. 오픈소스로 드론을 날려보자 - 차주경 Research R1. 공공데이터포털 분석 - 김학래 R2. 이미지 인식 기반 쇼핑 앱 '샷핑'과 Faster R-CNN - 남상협 R3. 자바를 튼튼히 하는 FindBugs 커스텀 결합 탐지기 - 우영식 R4. 상용 RDBMS와 오픈소스 DB에 대한 데이터베이스 선정 - 권순용 Enterprise E1. 오픈소스의 리스크를 관리하는 블랙덕 허브 - 김병선, 전재웅 E2. 당 태종과 지미 웨일스는 개방성으로 성공을 거뒀다. - 고평석 E3. 개발자의 시작은 협업과 커뮤니케이션- 이단비, 한민호, 김형종, 나영균 E4. 우아한 테크캠프의 지향점 - 김정 E5. 오픈핵에서 시작하는 오픈소스의 꿈 - 조병승 |
| exploratory data analysis 뜻: 디지털트윈의 이해 (Understanding of Digital twin) 전병우, 2022-09-17 18세기 영국에서부터 시작된 산업혁명 이래, 3차례의 산업혁명을 거쳐 현재 4차 산업혁명의 시대 속에 살아가고 있다. 이전 3차례의 산업혁명이 각각 증기기관, 전기 에너지, 컴퓨터/인터넷과 같은 특정 유형의 기술에 기인한 산업 및 사회 전반의 변화였다면, 4차 산업혁명은 이들을 종합적으로 활용/발전시켜: 1) 사람과 사물이 고도로 연결되고 (ex) IoT), 2) 더욱 지능화된 기능 및 솔루션을 제공하고 (ex) AI), 3) 사람과 사물 간의 교류에 있어 신뢰 (ex) block chain)를 증진하며, 4) 친환경, 건강증진, 안전 등 (ex) 나노기술) 다방면으로의 발전을 꾀하고자 한다. 즉, 특정 유형의 기술에 의존하는 것이 아닌, 다분야의 기술을 복합적으로 활용하여 초연결, 초지능, 초신뢰, 초생명성 사회를 구현하겠다는 것이다. 4차산업혁명의 구현기술엔 ICT (정보통신기술)가 절대적인 비중을 차지한다. 특히 ICBM (IoT, Cloud, Big data, Mobile) 및 AI는 핵심 기술이자, 다양한 매체로부터 접해본 적이 있을 것이다. 그러나, 이러한 기술들을 개별적으로 적용한다고 해서 상기 4차산업혁명의 목적이 달성되는 것은 아니다. 이들 기술의 적용에 앞서 Big picture 내지 공통의 원칙/방향성에 대해 공유가 되어있지 않다면 상호 연계로 인한 시너지 효과는커녕 개발하는 시스템의 복잡도만 증가하고, 유의미한 효과를 얻지 못할 공산이 크다. 실제 개별 요소기술들에 대해 다루는 책은, 분야별로 정도의 차이는 있지만, 국내외적으로 상당히 출판이 활발하나 이들을 효과적으로 엮을 수 있는 방향성 내지 가이드를 제시한 책의 경우 적어도 국내에선 많지 않은 실정이다. 이러한ICT 기술을 적용하는 근본적인 목적은 실제 사물, 사람에게 유용한 기능과 정보 등을 제공하는 데 있다. 상기 목적을 현실화하기 위해서는 실로 다방면의 요소기술들이 연루가 되는데, 본 책에서는 디지털트윈이라는 개념을 활용하여 내용을 전개하고자 한다. 즉, 디지털트윈은 개별 ICT 요소기술이라는 구슬들을 목걸이로 꿸 수 있는 줄과 같은 개념이라고 볼 수 있다. 본 책의 내용은 크게 디지털트윈의 개요 및 개발/활용으로 구성되어 있다. 디지털트윈의 배경과 개념을 소개한 후, 이를 토대로 어떻게 구조화할 것이고, 기존의 다양한 ICT 기술들과 어떤 연관성을 갖는지, 그리고 어떤 구현 기술들이 접목 가능한지 섬세하게 풀어나간다. |
| exploratory data analysis 뜻: 뷰티 화장품 대학 가는 길(2016학년도)(2016학년도 뷰티 화장품 대학교 입시 핵심 가이드) 코스인, 2015-09-11 2016학년도 대학수학능력시험 일정과 시험영역, 시간을 비롯해 성적표기 방법 등을 상세하게 담았다. 여기에 현직 화장품학과 교수들이 들려주는 ‘입시 노하우’를 비롯해 화장품 관련 전문가들이 말하는 ‘2016학년도 입시전형 전문가 진단’ 그리고 화장품학과 졸업생 선배들이 들려주는 다양한 입시전략 등을 실었다. |
| exploratory data analysis 뜻: 그것이 R고 싶다 양중기, 2018-07-31 데이터 분석에서 시각화까지 패키지로 배우는 실무형 R 입문서 데이터 분석가는 단순히 R 언어를 아는 것을 넘어 업계에서 표준처럼 쓰이는 각종 패키지에도 능통해야 한다. 다양한 기능을 GUI로 제공하는 R스튜디오 사용법을 익히는 것도 중요하고, 클라우드에 분석 환경을 구축하고 웹 앱을 만드는 법도 알아야 한다. 이 책은 실무에서 많이 사용하는 R스튜디오 기능과 각종 패키지 중심으로 R을 학습할 수 있게 쓰였다. 실무 친화적으로 데이터 분석과 시각화 기법을 소개하고, AWS 등 클라우드 환경과의 연동 방법도 설명한다. R스튜디오에서 클라우드까지 복잡한 통계, 확률 대신 패키지 중심으로 R 배우기 데이터 과학 분야가 성장하며 R 생태계도 풍성해지고 있다. R스튜디오는 GUI 기능이 강화되었고, 멀티 스레드를 지원하는 MRO가 널리 퍼졌으며, AWS 등 클라우드에서 R을 이용하고 나아가 반응형 웹 앱을 만드는 것도 간단해졌다. 이 책은 단순히 R 언어를 익히고 기초적인 분석 방법만을 익히는 시중의 책들과 달리, 오늘날 강력해진 R 생태계의 패키지와 도구를 활용하여 실무적인 데이터 분석 능력을 습득할 수 있게 쓰였다. 1부는 데이터가 무엇인지에 대한 개론으로서 데이터 과학자의 역할과 최근 데이터 과학 기술을 소개한다. 2부에서는 R로 데이터를 다루기 위해 알아야 할 데이터 형태와 구조, 그리고 dplyr와 tidyr을 이용한 데이터 핸들링 방법을 정리했다. 3부는 CSV, XML, SQL 등의 데이터를 읽고 기초 및 고급 통계분석을 수행하는 방법과 ggplot2 시각화를 다룬다. 4부는 대중화되고 있는 클라우드를 활용해 분석 환경을 구성하고, 클라우드 환경에서 분석 및 마크다운 보고서 작성을 수행하며, shiny와 plotly로 결과를 실시간으로 확인할 수 있는 반응형 웹 앱을 개발하는 방법도 다룬다. 처음 R 언어를 다루는 초보자는 물론, 실무자에게도 꼭 필요한 노하우를 알차게 담았다. 데이터 분석가나 데이터 과학자라는 직업에 도전하려는 많은 사람에게 도움이 되리라 자부한다. 주요 내용 - 데이터 과학자에게 필요한 역량 숙지하기 - R스튜디오 설치하고 R 기초 문법 익히기 - 행과 열 전환, 추출, 선택, 조합 등 데이터 조작 - CSV, XLS, JSON, SQL 등에서 데이터 읽기 - 회귀분석, 의사결정나무, 랜덤 포레스트 등 통계분석과 시각화 - AWS, 애저 등 클라우드 분석 환경 구성 및 활용 |
| exploratory data analysis 뜻: Applications, Basics, and Computing of Exploratory Data Analysis Paul F. Velleman, David Caster Hoaglin, 1981 Stem-and-left displays; Letter-value displays; Boxplots; x-y plotting; Resistant line; Smoothing data; Coded tables; Median polish; Rootograms; Computer graphics; Utility programs; Programming conventions; Minitab implementation; Appendices; Index. |
| exploratory data analysis 뜻: 내 성격이 왜? 박영규, 2023-09-20 나를, 혹은 상대방을 이해하지 못해서 몇 날 며칠 속앓이한 경험이 있는가? 우리가 왜 그런 행동을 하는지 알려주는 책이 나왔다. 『내 성격이 왜?』는 내가 어떤 성격을 가진 사람인지를 알게 해주는 책이다. 한 발 더 나아가 친구, 부모, 상사와 막혀있던 관계를 풀고 행복한 자아를 찾도록 도와주는 책이다. 『내 성격이 왜?』를 통하면 나에게 잘 맞는 배우자는 누구인지, 가까이하면 좋은 사람은 누구인지도 알 수 있다. 반대로 나와 잘 맞지 않는 사람은 어떤 유형인지, 왜 그 사람과 잘 맞지 않는지도 깨닫게 된다. 더불어 내 몸에서 취약한 부분과 강한 부분이 어디인지 짚어주기 때문에 식습관이나 행동에 있어 유의해야 할 점도 파악할 수 있다. |
| exploratory data analysis 뜻: Exploratory Data Analysis John Wilder Tukey, 1977 This book serves as an introductory text for exploratory data analysis. It exposes readers and users to a variety of techniques for looking more effectively at data. The emphasis is on general techniques, rather than specific problems. |
| exploratory data analysis 뜻: [Must Have] 머신러닝·딥러닝 문제해결 전략 신백균, 문제해결 방식에 정답은 없어도 패턴은 있습니다 이 책에는 수많은 캐글 수상자의 노트북을 리팩터링하며 찾아낸 공통된 패턴이 담겨 있습니다. 이 책과 함께 체계적인 머신러닝·딥러닝 문제해결 프로세스를 숙달해보세요. 단순 따라하기에서 벗어나 어떤 점을 분석해야 하는지, 분석 결과를 어떻게 적용하는지, 이 기법이 왜 유용하고 어떻게 활용하는지까지 친절하게 알려드립니다. 기본이 몸에 익으면 새로운 문제가 주어져도 쉽게 응용할 수 있습니다. 엄선한 7가지 대회와 별책부록인 〈공략집〉을 제공통해 기본기와 문제해결 능력을 확실하게 길러드립니다. 이 책은 수많은 캐글 수상자의 노트북을 수집/분석하여 여러분께 공통된 문제해결 패턴을 안내해줍니다. 총 7개의 경진대회를 이 패턴에 따라 함께 진행하면서 자연스럽게 효과적인 프로세스와 전략을 체득할 수 있게 꾸렸습니다. 머신러닝·딥러닝 문제를 하나 해결하려면 데이터 분석부터 시작하여 적합한 모델을 설계하고 최적화를 반복하는 긴 여정을 완주해야 합니다. 체계적인 프로세스를 따르더라도 몸에 익기 전까지는 도중에 길을 잃기 쉽다는 뜻입니다. 그래서 여러분이 외롭게 표류하지 않게끔 책 자체의 구성은 물론 외적으로도 여러 장치를 마련했습니다. 대표적으로 〈공략집〉과 〈미니맵〉, 〈체크리스트〉가 있습니다. ★ 공략집(with 미니맵) 공략집은 두꺼운 이 책을 초심자도 잘 따라 오실 수 있도록 안내하는 별책부록입니다. 월드맵(책의 전체 구성)과 미니맵(장별 구성)을 통해, 항상 숲을 보면서 나의 위치와 집중할 영역을 분명하게 알 수 있도록 도와드립니다. 저자 깃허브에서 최신 버전을 확인하실 수 있습니다. ★ 체크리스트 문제해결 과정에서 짚어봐야 할 사항들을 프로세스 단계별로 정리한 표입니다. 저자 깃허브에서 최신 버전을 확인하실 수 있습니다. 사본을 만드신 후 자유롭게 수정·개선하여 여러분만의 비밀 무기로 활용해주세요. ★ 책의 구성 이 책은 총 3부로 구성됩니다. 1부에서는 머신러닝·딥러닝 문제해결 역량을 키우는 데 캐글이 최적인 이유를 알아보고, 2부와 3부에서 본격적으로 대회를 공략하는 데 필요한 채비를 갖춥니다. 1장과 2장은 캐글 소개와 튜토리얼이니 캐글에 이미 익숙하신 분은 건너뛰어도 크게 상관없습니다. 3장은 중요합니다. 바로 이 책에서 반복 숙달할 문제해결 프로세스의 틀을 설명하기 때문입니다. 상위권 캐글러들의 공통된 패턴을 정리한 것이니 한 번씩 꼼꼼히 정리해보시면 좋을 것 같습니다. 4장은 데이터 유형을 나누고 각 유형에 유용한 시각화 기법들을 간단히 소개합니다. 2부에서는 머신러닝 모델을 사용하는 캐글 경진대회에 익숙해질 수 있습니다. 먼저 머신러닝의 주요 개념들을 정리해본 다음, 총 4개의 경진대회를 공략하면서 머신러닝 프로젝트 방법론을 터득하게 됩니다. 중점적으로 익힐 내용이 학습 흐름과 난이도에 맞춰 분배되도록 경진대회들을 선별해 배치했습니다. 2부부터는 본격적인 문제해결에 나서는 만큼 별책부록인 공략집의 미니맵이 큰 도움이 되리라 생각합니다. 마지막 3부에서는 비정형 데이터를, 그중에서도 이미지 데이터를 분류하는 딥러닝 문제들을 공략합니다. 전체적인 구성 방식은 2부와 같습니다. 대회를 하나하나 정복할수록 레벨업되는 느낌이 확실히 느껴지도록 구성했습니다. |
| exploratory data analysis 뜻: 문학사상 , 1978 |
| exploratory data analysis 뜻: 빅데이터 커리어 가이드북 조성준, 김현용, 박서영, 안용대, 임성연, 2021-11-26 빅데이터 시대, 직업의 탄생! 매일같이 4차 산업혁명이 화제가 되고 있는 가운데, 혁신적인 인공지능 기술이 끊임없이 발표되고 있습니다. 이에 발맞춰 많은 기업이 빅데이터 인력을 모집하고 있지만, 아직까지 빅데이터가 무엇인지 그리고 빅데이터와 관련된 직업과 직무를 어떻게 정의하고 구분 지어야 하는지에 대한 논의는 계속 진행되고 있습니다. 이 책의 목표는 지금까지 누구도 알려 주지 않았던 빅데이터 직업과 직무를 마치 친구나 선후배에게 전해 듣는 것처럼 생생하게 경험하도록 도와주는 것입니다. |
| exploratory data analysis 뜻: Exploratory Data Analysis in Empirical Research Manfred Schwaiger, Otto Opitz, 2012-12-06 This volume presents a selection of new methods and approaches in the field of Exploratory Data Analysis. The reader will find numerous ideas and examples for cross disciplinary applications of classification and data analysis methods in fields such as data and web mining, medicine and biological sciences as well as marketing, finance and management sciences. |
| exploratory data analysis 뜻: Exploratory Analysis of Spatial and Temporal Data Natalia Andrienko, Gennady Andrienko, Hans Voss, 2016-04-01 Exploratory data analysis (EDA) is about detecting and describing patterns, trends, and relations in data, motivated by certain purposes of investigation. As something relevant is detected in data, new questions arise, causing specific parts to be viewed in more detail. So EDA has a significant appeal: it involves hypothesis generation rather than mere hypothesis testing. The authors describe in detail and systemize approaches, techniques, and methods for exploring spatial and temporal data in particular. They start by developing a general view of data structures and characteristics and then build on top of this a general task typology, distinguishing between elementary and synoptic tasks. This typology is then applied to the description of existing approaches and technologies, resulting not just in recommendations for choosing methods but in a set of generic procedures for data exploration. Professionals practicing analysis will profit from tested solutions - illustrated in many examples - for reuse in the catalogue of techniques presented. Students and researchers will appreciate the detailed description and classification of exploration techniques, which are not limited to spatial data only. In addition, the general principles and approaches described will be useful for designers of new methods for EDA. |
| exploratory data analysis 뜻: Graphical Exploratory Data Analysis S. H C Dutoit, A. G W Steyn, R. H Stumpf, 1986-10-01 |
| exploratory data analysis 뜻: 이세계 요리의 길 10 EDA, 2024-02-16 영주 대리인 사이크레우스와의 대화가 불안정한 가운데 새롭게 등장한 인연 ‘붉은 수염당’과 그 생존자인 지다. 돌파구를 찾으면서도 포장마차 장사를 계속하는 아스타 일행에게 날아든 것은 숲가의 백성과 똑같은 복장을 한 누군가가 행패를 부린다는 소식인데……. |
| exploratory data analysis 뜻: 이세계 요리의 길 9 EDA, 2024-02-16 마침내 영주 대리인 사이크레우스와 숲가의 백성의 회합이 열려, 과거의 사건과 슨가와의 인연이 백일하에 드러나는 날이 다가왔다. 한편 드디어 포장마차를 정상 영업할 수 있게 된 아스타는 친구 슈미랄의 상단 《은 항아리》가 다음 거래 협의차 여행을 떠나는 것을 알게 된다. |
| exploratory data analysis 뜻: 이세계 요리의 길 1 EDA, 2016-02-26 요리라는 개념이 아예 없는 이세계 시골에서 견습 요리사가 미식 혁명을 일으킨다! 소설가가 되자 대인기 이세계 요리 판타지! 먹는 즐거움을 널리 알려라!!! 아버지가 경영하는 대중식당의 견습 요리사 츠루미 아스타는 아버지의 혼이나 다름없는 요리칼을 화재에서 구하기 위해 불바다로 뛰어들었다. 그런데 정신을 차리고 보니 낯선 밀림의 한복판이었다. 멧돼지를 꼭 닮은 짐승 기바의 습격을 받은 아스타는 『숲가의 백성』 아이 파라는 소녀의 도움으로 구사일생하고 그곳이 이세계라는 것을 알게 된다. 가스레인지도 냉장고도 존재하지 않는 그곳에서 사람들은 그저 살기 위해 먹을 뿐이다. 식사의 기쁨을 알리기 위해 이세계에서 고군분투하는 견습 요리사! |
| exploratory data analysis 뜻: 이세계 요리의 길 11 EDA, 2024-02-16 가짜 숲가의 백성 사건의 진상을 좇으면서도, 새로운 메뉴를 개발하며 포장마차를 계속 운영하는 아스타. 교착 상태가 이어질 것으로 여겨지던 그때, 아스타는 누군가에게 납치당하고, 정신이 들자 어느 저택의 한 방에서 눈을 뜨는데…. |
| exploratory data analysis 뜻: 국방부 지하의 마스터 스미스 8 람쥐썬더, 2024-08-26 전역 직전 각성한 능력 때문에 30년 넘게 국방부 지하에 갇혀 있어야 했던 말년 병장 차명준. 오로지 망치만을 두들기며 30년간 세계 최강의 대장장이가 된 그는, 전역을 위해 국방부의 눈을 속이고 과거로 회귀하게 되는데.... 다시 시작하는 두 번째 삶에서, 그는 과연 전역에 성공하여 멸망을 향해 질주하는 인류를 구원할 수 있을까? 30년간 전역 못한 남자의 처절하리만치 간절한 게이트 정복기가 지금 시작됩니다! |
| exploratory data analysis 뜻: 갓 코더 8권 SOKIN, 2023-08-04 노력이 보상받는 삶이 시작되었다 |
| exploratory data analysis 뜻: 일주일에 읽는 호메로스의 일리아스 윤덕영, 2022-08-01 기원전 800년 전, 세계 최초의 대서사시 호메로스의 《일리아스》24권을 읽기 위한 안내서를 출간했습니다. 트로이 전쟁의 이야기를 다룬 책으로, 이후에 로마제국의 건설과 연결이 됩니다. 왜냐하면 트로이 전쟁의 유일하게 생존한 트로이군 장군 아이네이아가 등장하기 때문입니다. 그리스 신화는 호메로스의 신화와 역사로 넘어가게 되고, 호메로스의 대서사시는 문학과 철학과 역사로 발전되게 됩니다. 따라서 호메로스의 대서사시《일리아스》와 《오디세이아》를 읽는 것은 인간의 발자취를 따라가는데 중요한 통찰을 제공하고 있습니다. 문화, 역사, 예술, 사상의 단초들을 만나게 될 것입니다. 호메로스의 《일리아스》와 《오디세이아》는 각각 24권으로 되어있습니다. 호메로스의 조국의 언어, 그리스어가 24개의 알파벳으로 이루어진 것을 따라간 것입니다. 트로이 전쟁은 그리스 연합군과 트로이 사이에 10년 동안 일어났지만, 호메로스는 10년간의 트로이 전쟁 이야기를 《일리아스》에서 49일간의 기록에 담고 있습니다. 《일주일에 읽는 호메로스의 일리아스》는 네 번의 전투일을 따라서 5부로 구성했습니다. 고전은 산을 오르는 것과 같다. 고전을 읽으면 근력이 생길 것이다. 고전 읽기에 도전하고 싶은 분들에게 이 책이 도움이 되길 바랍니다. |
| exploratory data analysis 뜻: 佛敎大辭典 金吉祥, 2001 |
| exploratory data analysis 뜻: 데이터 메시 세막 데그하니(Zhamak Dehghani), 이헌효, 2023-12-15 데이터 레이크를 넘어 데이터 메시로! 중앙 집중식 아키텍처 한계를 넘어선 ‘데이터 메시’ ◆ 데이터 메시 창시자가 소개하는 데이터 메시의 모든 것 ◆ 소프트웨어의 거장이자 『리팩터링』 저자 ‘마틴 파울러’ 추천 도서 데이터 메시는 기존의 데이터 웨어하우스나 데이터 레이크와는 차별화된 혁신적인 데이터 관리 접근 방식입니다. 중앙 집중화된 구조가 아닌 분산 및 탈중앙화된 개념에 중점을 두어, 복잡하고 혼란스러운 상황에서도 조직이 대규모 데이터로부터 가치를 얻을 수 있게 도와줍니다. 이러한 특징 때문에 멀티클라우드 환경에서 데이터에 쉽게 접근할 수 있는 가장 현대적인 방법 중 하나로 각광받고 있습니다. 하지만 데이터 메시는 아직 초기 단계에 머물고 있습니다. 이 책은 데이터 메시 창시자가 '다프'라는 가상기업을 사례로 들어 기업에 데이터 메시를 도입하는 과정을 상세히 서술하고 있어, 초기 단계에 놓인 데이터 메시의 현황과 도입 과정에 대한 인사이트를 제공합니다. 따라서 이 책을 통해 초기 단계의 데이터 메시를 보다 심층적으로 이해할 수 있습니다. 매번 단일 중앙 집중식 허브를 통하지 않고도 멀티클라우드 환경에서 다양한 경로를 통해 스트리밍 데이터를 효율적으로 라이팅하는 방법을 이 책에 배울 수 있습니다. 데이터의 중앙 집중화를 벗어나는 데 관심 있는 최고 기술 책임자(CTO), 최고 디지털 책임자(CDO), 데이터 매니저, 아키텍트, 그리고 엔지니어에게 이 책은 멀티클라우드 시대의 필수 안내서가 되어줄 것입니다. 이 책에서 다루는 내용 데이터 메시 아키텍처의 4가지 원칙 데이터 메시 아키텍처 및 데이터 프로덕트 아키텍처 설계 데이터 메시 전략 가이드 데이터 관리, 거버닝 및 관찰 설계 데이터 웨어하우스와 데이터 레이크를 넘어 분산형 데이터 메시로의 전환 |
| exploratory data analysis 뜻: 혼자 공부하는 R 데이터 분석 강전희, 엄동란, 2022-02-07 혼자 해도 충분하다! 1:1 과외하듯 배우는 R 데이터 분석 자습서 이 책은 독학으로 R 데이터 분석을 배우는 입문자가 ‘꼭 필요한 내용을 제대로’ 학습할 수 있도록 구성했다. ‘무엇을’, ‘어떻게’ 학습해야 할지조차 모르는 입문자의 막연한 마음을 살펴, 과외 선생님이 알려주듯 친절하게, 그러나 핵심적인 내용만 콕콕 집어준다. 책의 첫 페이지를 펼쳐서 마지막 페이지를 덮을 때까지, 혼자서도 충분히 데이터 분석을 배울 수 있다는 자신감과 확신이 계속될 것이다! 30명의 베타리더 검증으로, ‘함께 만든’ 입문자 맞춤형 도서 30명의 베타리더와 함께 구성하여 입문자에게 맞는 난이도, 분량, 학습 요소 등을 적극 반영했다. 어려운 용어와 개념은 한 번 더 풀어쓰고, 복잡한 설명은 눈에 잘 들어오는 그림으로 풀어냈다. ‘혼자 공부해 본’ 여러 입문자의 초심과 눈높이가 책 곳곳에 반영된 것이 이 책의 가장 큰 장점이다. 누구를 위한 책인가요? 프로그래밍도 통계도 처음 배우는 입문자 R 언어로 데이터 분석을 시작하고 싶은 비전공자 학부에서 R 언어를 수강했지만, 여전히 아쉬움이 남아 있는 통계 전공자 학원이나 강의로 따로 데이터 분석을 배우기에는 시간과 여건이 부족한 직장인 데이터 분석에 관심 있는 일반인 누구나 도서 특징 하나, ‘입문자 맞춤형 7단계 구성’을 따라가며 체계적으로 반복하는 탄탄한 학습 설계! 이 책은 R 데이터 분석의 핵심 내용을 7단계에 걸쳐 반복 학습하면서 자연스럽게 머릿속에 기억되도록 구성했다. 모든 절에서 [핵심 키워드]와 [시작하기 전에]를 통해 각 절의 주제에 대한 대표 개념을 워밍업한 후, 본격적인 데이터 분석 핵심 이론과 실습을 거쳐 마무리에서는 [핵심 포인트]와 [확인 문제]로 한 번에 복습한다. ‘혼자 공부할 수 있는’ 커리큘럼을 그대로 믿고 끝까지 따라가다 보면 프로그래밍과 통계 공부가 난생 처음인 R 데이터 분석 입문자도 무리 없이 책을 끝까지 마칠 수 있다! 둘, 직접 해보는 193개 ‘손코딩’으로 핵심 문법을 익히고, 데이터 분석 감각은 ‘4가지 프로젝트’로 제대로! 핵심 문법과 이론 설명은 두 눈과 머리로 술술 읽으며 넘어가고, R 코딩 감각은 직접 해보며 익힐 수 있는 193개의 엄선된 실습 예제를 담았다. 입문자에게 가장 필요한 반복 학습과 연습을 따라가다 보면 책에 담긴 코드를 ‘나의 코드’로 만들 수 있다. 마지막으로 R 언어로 공공 데이터 분석까지 직접 해보면 데이터 수집부터 분석 결과까지, 데이터 분석 전 과정을 몸소 익힐 수 있다. 셋, ‘혼공’의 힘을 실어줄 동영상 강의, 학습 사이트 지원 http://hongong.hanbit.co.kr 책으로만 학습하기엔 여전히 어려운 입문자를 위해 저자 직강 동영상도 지원한다. 또한 학습을 하며 궁금한 사항은 언제든지 질문할 수 있도록 학습 사이트를 제공한다. 저자가 질문 하나하나 직접 답변을 달아주고 있으며, R 언어 관련 최신 기술과 정보도 공유한다. 게다가 혼자 공부하고 싶지만 정작 혼자서는 자신 없는 사람들을 위해 혼공 학습단을 운영하여 마지막까지 포기하지 않고 독자가 완주할 수 있도록 최대한 지원한다. 넷, 언제 어디서든 가볍게 볼 수 있는 혼공 필수 [용어 노트] 제공 꼭 기억해야 할 핵심 개념과 용어만 따로 정리한 [용어 노트]를 제공한다. 처음 공부하는 사람들이 프로그래밍을 어려워하는 이유는 낯선 용어 때문이라는 것을 베타 리더를 통해 확인했다. 그러나 어려운 것이 아니라 익숙하지 않아서 헷갈리는 것이므로 용어나 개념이 잘 생각나지 않을 때는 언제든 부담 없이 용어 노트를 펼쳐보자. 제시된 용어 외에도 새로운 용어를 추가하면서 자신만의 용어 노트를 완성해가는 과정도 또 다른 재미가 될 것이다. 먼저 읽은 베타리더들의 한 마디 쉽게 따라하며 데이터 분석에 다가가기 좋은 ‘데이터 분석의 알파벳’같은 도서입니다. - 베타리더 곽경태 님 데이터 분석을 물어볼 곳도 마땅치 않고 어떻게 시작해야 할지 난감할 때 이 책이 좋은 가이드가 됩니다. - 베타리더 박조은 님 이 책을 모두 읽었을 때 데이터 분석 관련한 전 과정을 경험할 수 있습니다. - 베타리더 손지민 님 실습 도중 발생하는 오류 해결 방법을 친절하게 설명하고 있어 오로지 학습에만 집중할 수 있습니다. - 베타리더 양민혁 님 설명을 읽고 바로 코딩하며 익히고, 매 절 마지막에 나오는 마무리로 개념을 확인할 수 있습니다. - 베타리더 이동희 님 초보자가 시작하기도 전에 좌절하지 않도록 개발 환경 설정, 용어, 코드를 상세하게 설명합니다. - 베타리더 임혁 님 |
| exploratory data analysis 뜻: 한국어 어원연구 4 이남덕, 1998 |
| exploratory data analysis 뜻: 韓國語系統論, 訓民正音研究 , 1983 |
| exploratory data analysis 뜻: 신 HSK PT 3급 김혜연, 2022-09-01 新HSK 대표강사의 고득점 합격 노하우를 그대로! 20일 완성으로 깔끔하게 끝내는 新HSK 합격의 길잡이! 이 책은 단기간에 전략적으로 新HSK 3급 합격을 공략할 수 있는 ‘20일 학습 시스템’으로 구성되어 있다. 베테랑 강사의 정확한 경향 분석과 핵심 전략으로 개인 트레이닝과 같은 체계적인 학습 코칭에 따라 단기간에 고득점 합격을 달성할 수 있는 완벽한 길잡이 교재이다. |
| exploratory data analysis 뜻: Hanʼgukŏ ow̆on yŏngʼu Nam-duck Lee, 1985 |
| exploratory data analysis 뜻: AICE 시험 완벽 대비 Basic편 고영훈, 2024-04-15 ◎ 한 권으로 빠르게 국내 최초 AI 자격시험 집중 공략 ◎ ◎ 초단기 완성 AIDU ez 활용법 ◎ ◎ AI 용어 핵심 정리 ◎ ◎ 실전 감각 키우는 AICE BAsIC 시험 대비용 연습문제 제공 ◎ “한국이 디지털 강국으로 발돋움하려면 무엇이 필요할까?”라는 질문에서 KT가 개발하고 한국경제신문이 주관하여 국내 최초의 인공지능(AI) 시험인 AICE(AI Certificate for Everyone)를 탄생시켰다. 영어 능력을 평가하는 토익처럼 AICE는 AI 활용 능력을 평가한다. 이 책은 비전공자를 대상으로 만들어진 BASIC편이며 ‘오토 ML(머신러닝)’을 활용한다. AIDU ez는 KT가 자체 개발한 노코딩 실습도구이며 파이썬 언어를 모르거나 익숙하지 않은 사람도 인공지능의 원리를 쉽게 익히고 데이터를 다루면서 인공지능 활용 프로세스 전반을 경험할 수 있다. 초보자나 비전공자도 이 책을 통해 데이터 해석과 실질적인 AI 활용 능력을 배우고 ‘AICE’ 시험 대비를 완벽하게 할 수 있을 것이다. |
| exploratory data analysis 뜻: 언어학 , 1996 |
| exploratory data analysis 뜻: 데이터 과학을 위한 통계 피터 브루스, 앤드루 브루스, 2018-10-18 데이터 과학에 필요한 만큼만 배우는 실용주의 통계학 데이터 과학자가 고전 통계를 낱낱이 알아야 하는 것은 아니다. 이 책은 다양한 통계 기법을 데이터 과학에 적용해보며, 중요한 것과 중요하지 않은 것을 구분하는 실용적인 방법을 알려준다. EDA, 회귀분석, 분류 등 오늘날 데이터 분석과 머신러닝에서 사용하는 기법들의 근본이 되는 통계 개념을 확실하게 이해할 수 있다. |
| exploratory data analysis 뜻: 韓國語語源硏究 李男德, 1985 |
| exploratory data analysis 뜻: 이세계 요리의 길 12 EDA, 2024-02-16 리프레이아에게서 풀려난 아스타는 돌아온 일상 가운데, 숲가의 백성만이 아니라 제노스 사람들과의 인연도 실감한다. 그리고 사이크레우스와의 회담을 며칠 뒤로 앞두고 아스타는 포장마차를 재개했지만, 돈다 루가 회담 전야의 저녁 식사를 아스타에게 맡기고. |
| exploratory data analysis 뜻: 눈뫼허웅박사환갑기념논문집 , 1978 |
| exploratory data analysis 뜻: 실전 시계열 분석 에일린 닐슨, 2021-03-29 시계열 분석의 모든 것 실제 환경에 특화된 시계열 데이터 분석 및 모범 사례를 다루는 실무 지침서다. ARIMA 및 베이즈 상태 공간 같은 표준적인 통계 모델과 계층형 모델을 폭넓게 다루고, 시계열 데이터 모델링의 현대적인 파이프라인 전체를 실용적인 관점에서 안내한다. 이 책에 담긴 통계와 머신러닝 기술을 활용하면 데이터 엔지니어링 및 분석 과제를 해결하는 방법을 익히고, 시계열 데이터의 핵심을 꿰뚫어볼 수 있는 시각을 얻을 수 있을 것이다. 주요 내용 시계열 데이터 탐색 및 정리 탐색적 시계열 데이터 분석 수행 시간 데이터 저장 시계열 데이터 시뮬레이션 시계열 기능 생성 및 선택 측정 오류 머신러닝과 딥러닝을 활용한 시계열 예측 및 분류 정확도 및 성능 평가 예제 코드 github.com/deep-diver/practical-time-series-analysis-korean 추천사 파이썬과 R 코드를 번갈아 가며 사용합니다. 두 언어 중 한 언어에만 익숙한 독자도 이 책을 볼 수 있습니다. R 코드가 전반적으로 많지만 상세한 설명 덕분에 파이썬으로 쉽게 적용할 수 있습니다. 시계열 분석의 기본적인 부분을 전반적으로 잘 다룹니다. 매우 구조적이고 이해하기 쉽게 쓰였으며 디테일도 놓치지 않았습니다. 원서를 읽을 때는 좀 장황하다는 느낌을 받았지만 역자가 우리말로 옮길 때 이런 부분을 최대한 분명하게 표현하고자 노력했고, 번역서에서 흔히 발견되는 번역 투 표현을 최대한 깔끔하게 다듬었습니다. 마치 국내 저자가 저술한 서적처럼 깔끔하게 읽힙니다. 시계열 분석의 개념을 실무에 적용할 때 참조하기 위한 첫 번째 실전서로 추천합니다. _임대경, P&G Korea 데이터 사이언티스트 누구나 잘못된 일기예보 때문에 낭패를 겪고 짜증을 낸 경험이 있을 것입니다. 하지만 시계열 모델을 한 번쯤 만든 경험이 있는 사람이라면 미래를 예측하는 일이 얼마나 어려운지 알기에 기상청에서 일하는 분들을 응원할 것입니다. 이 책은 회귀부터 딥러닝까지의 기법들을 숨 가쁘게 몰아치며 설명합니다. 오차를 다루는 대목쯤 되면 지칠 수도 있지만, 이 책의 역할은 방대한 시계열의 입구라는 사실을 명심하기 바랍니다. 여느 책과 달리 참고 문헌을 인용하는 것으로 그치지 않고 R과 파이썬을 MXNet과 텐서플로를 넘나들며 내용을 하나하나 설명합니다. 이 책을 덮는 순간부터 본격적인 시계열 공부가 시작될 겁니다. 시계열에 발을 딛는 모든 분의 무운(武運)을 기원합니다. _이제현, 한국에너지기술연구원 인터넷 시대가 도래한 이후, 우리는 무수하게 쏟아지는 데이터 속에 살고 있습니다. 이 중에는 이미지 같은 정형 데이터도 있고 매일 겪는 날씨, 계절, 교통량 등 정해진 형태는 없지만 시간에 인과를 가진 데이터들도 있습니니다. 알파고에서 시작된 인공지능 붐 속에서 주류는 정형 데이터였고, 이후 정형 데이터를 가공하는 법을 알려주는 많은 책이 출간되었습니다. 하지만 시계열 데이터는 책의 한 챕터만 다루는 등 아쉬움이 많았습니다. 우리에게 중요한 것은 어떤 모델의 사용이 아니라 데이터에 맞는 가공법을 찾는 것입니다. 이 책은 시계열 형태라는 공통점만 가진 자료들을 데이터에 맞게 가공하고 사용하는 직관을 키우는 가이드입니다. _시한, VAIS 인공지능 커뮤니티 운영진 시계열 문제를 처음 접하는 시린이(시계열 분석 어린이)라면 시계열 데이터라는 개념 자체가 굉장히 생소하게 느껴질 겁니다. 이 책에서 제공하는 시계열 데이터의 기본 개념과 코드를 실전에 활용하면 시계열 문제에 대한 감을 익힐 수 있습니다. 시계열 입문자라면 이 책이 좋은 길잡이가 될 수 있으리라 생각합니다. _heroseo, 캐글 마스터 이 책은 데이터를 준비하는 과정부터 데이터 탐색, 데이터 가공, 머신러닝과 딥러닝을 이용한 모델 개발의 전반적인 과정을 소개합니다. 또한 의료, 금융, 정부 사례와 함께 시계열 분석 및 예측을 적용하는 데 필요한 아이디어도 제공합니다. 시계열 분석 및 예측을 수행하는 모든 비즈니스 의사결정자나 분석가에게 훌륭한 안내서가 되리라 확신합니다. _ 김정민, GS ITM 기술전략팀 부장 시계열 예측을 구현하는 것은 어렵지 않으나, 높은 정확도로 좋은 예측 결과를 내는 것은 매우 어렵습니다. 아무리 훌륭하고 복잡한 알고리즘으로 구현하더라도 예측이 정확하지 않다면 쓸모없는 작업이 됩니다. 이 책에서는 정확한 미래 예측을 위한 데이터 가공 방법부터 다양한 예측 모델링 개발 및 적용 방법까지 체계적으로 설명합니다. _문선홍, GS ITM 기술전략팀 부장 파이썬과 R 두 가지 언어로 시계열 데이터를 설명합니다. 특히 딥러닝의 경우 MXNet으로 처리한 과정을 눈여겨볼 필요가 있습니다. 기본적인 이론은 물론, 데이터 전처리부터 일반적인 시계열, 헬스케어, 주식시장 데이터까지 다룹니다. 시계열 데이터를 집중적으로 공부하고자 하는 독자에게 좋은 참고 자료가 될 것입니다. _정용우, GS ITM 기술전략팀 부장 아마존 데이터 웨어하우스 분야 1위 시계열 데이터 분석을 A부터 Z까지 다루는 실전 가이드 시계열 분석은 기상청, 금융·정부 기관 등 우리 실생활과 밀접한 곳에서 미래를 예측하고 대비하기 위해 사용됩니다. 시계열 데이터는 사물인터넷으로 인한 데이터 대량 생산, 헬스케어 분야의 디지털 전환, 스마트 도시의 부상 등으로 중요성이 더 커지고 있으며, 그 영향력이 모든 산업 분야로 확장될 것입니다. 이 책은 정확한 시계열 분석과 예측을 위해 시계열 데이터와 모델링의 파이프라인 전체(획득, 정리, 시뮬레이션, 저장, 모델링)를 실용적인 관점에서 폭넓게 바라보고 R과 파이썬 코드를 곁들여 설명합니다. 전반부에서는 시계열 예측의 전체 과정을 이해하는 데 기본이 되는 개념을 소개합니다. 시계열 데이터의 탐색, 수집, 정리와 ARIMA, SARIMA 모델 등을 다룹니다. 후반부에서는 MXNet과 텐서플로를 활용하여 헬스케어, 금융, 정부 데이터의 연구 사례에 시계열 기법을 대입하는 방법을 배우고 저자의 풍부한 경험을 녹여낸 다양한 예제도 소개합니다. 마지막으로 각 장에 해당하는 주제와 필수 기법에 대한 튜토리얼을 제공하는 링크를 수록했습니다. 이 책 한 권이면 실세계에서 시계열 데이터를 활용하여 시계열을 분석하고 예측하기 위한 준비를 마칠 수 있습니다. 이 실전 가이드로 시계열 예측의 정확도를 높일 수 있길 바랍니다. |
EXPLORATORY Definition & Meaning - Merriam-Webster
The meaning of EXPLORATORY is of, relating to, or being exploration. How to use exploratory in a sentence.
EXPLORATORY | English meaning - Cambridge Dictionary
EXPLORATORY definition: 1. done in order to discover more about something: 2. done in order to discover more about…. Learn more.
EXPLORATORY Definition & Meaning - Dictionary.com
Exploratory definition: pertaining to or concerned with exploration.. See examples of EXPLORATORY used in a sentence.
Exploratory - definition of exploratory by The Free Dictionary
exploratory - serving in or intended for exploration or discovery; "an exploratory operation"; "exploratory reconnaissance"; "digging an exploratory well in the Gulf of Mexico"; "exploratory …
exploratory adjective - Definition, pictures, pronunciation and …
Definition of exploratory adjective in Oxford Advanced Learner's Dictionary. Meaning, pronunciation, picture, example sentences, grammar, usage notes, synonyms and more.
EXPLORATORY definition and meaning | Collins English Dictionary
Exploratory actions are done in order to discover something or to learn the truth about something. Exploratory surgery revealed her liver cancer. Two of Britain's biggest rival supermarket chains, …
Exploratory - Definition, Meaning & Synonyms - Vocabulary.com
Whether you’re a teacher or a learner, Vocabulary.com can put you or your class on the path to systematic vocabulary improvement.
exploratory - Wiktionary, the free dictionary
From explore + -atory. Serving to explore or investigate. An exploration or investigation.
What does exploratory mean? - Definitions.net
Exploratory refers to the act of investigating, examining, or analyzing something in a detailed way to learn more about it, especially when this involves searching for new facts or understanding. …
EXPLORATORY Synonyms: 34 Similar and Opposite Words - Merriam-Webster
Synonyms for EXPLORATORY: experimental, investigative, speculative, tentative, theoretic, preliminary, theoretical, developmental; Antonyms of EXPLORATORY: standard, established, …
EXPLORATORY Definition & Meaning - Merriam-Webster
The meaning of EXPLORATORY is of, relating to, or being exploration. How to use exploratory in a sentence.
EXPLORATORY | English meaning - Cambridge Dictionary
EXPLORATORY definition: 1. done in order to discover more about something: 2. done in order to discover more about…. Learn more.
EXPLORATORY Definition & Meaning - Dictionary.com
Exploratory definition: pertaining to or concerned with exploration.. See examples of EXPLORATORY used in a sentence.
Exploratory - definition of exploratory by The Free Dictionary
exploratory - serving in or intended for exploration or discovery; "an exploratory operation"; "exploratory reconnaissance"; "digging an exploratory well in the Gulf of Mexico"; "exploratory …
exploratory adjective - Definition, pictures, pronunciation and …
Definition of exploratory adjective in Oxford Advanced Learner's Dictionary. Meaning, pronunciation, picture, example sentences, grammar, usage notes, synonyms and more.
EXPLORATORY definition and meaning | Collins English Dictionary
Exploratory actions are done in order to discover something or to learn the truth about something. Exploratory surgery revealed her liver cancer. Two of Britain's biggest rival supermarket …
Exploratory - Definition, Meaning & Synonyms - Vocabulary.com
Whether you’re a teacher or a learner, Vocabulary.com can put you or your class on the path to systematic vocabulary improvement.
exploratory - Wiktionary, the free dictionary
From explore + -atory. Serving to explore or investigate. An exploration or investigation.
What does exploratory mean? - Definitions.net
Exploratory refers to the act of investigating, examining, or analyzing something in a detailed way to learn more about it, especially when this involves searching for new facts or understanding. …
EXPLORATORY Synonyms: 34 Similar and Opposite Words - Merriam-Webster
Synonyms for EXPLORATORY: experimental, investigative, speculative, tentative, theoretic, preliminary, theoretical, developmental; Antonyms of EXPLORATORY: standard, established, …
