• 컴퓨터/IT > 컴퓨터공학 > 전산개론/전산통계

출판사 리뷰

출판사 서평 ★ 이 책에서 다루는 내용 ★ ■ 접근과 설정이 용이한 왓슨 언어 학습 ■ 왓슨의 사용처 개발 과정과 중요성 및 실제 사용처 예제 ■ 실제 사용성을 바탕으로 한 왓슨 분석 솔루션 디자인 ■ 콘텐트 분석 사이클 관련 기본 개념과 왓슨 분석의 적용 ■ 탐색, 예측, 조합 등 왓슨의 모든 기능 ■ 왓슨 솔루션의 최적화 및 확장 ■ 기업 수준에서의 왓슨의 사용 ■ 왓슨과 다른 툴 셋의 통합 ★ 이 책의 대상 독자 ★ 데이터의 발견 및 분석을 수행하고 의미를 부여하고자 하는 모든 사람들을 위한 책이다. 데이터 과... ★ 이 책에서 다루는 내용 ★ ■ 접근과 설정이 용이한 왓슨 언어 학습 ■ 왓슨의 사용처 개발 과정과 중요성 및 실제 사용처 예제 ■ 실제 사용성을 바탕으로 한 왓슨 분석 솔루션 디자인 ■ 콘텐트 분석 사이클 관련 기본 개념과 왓슨 분석의 적용 ■ 탐색, 예측, 조합 등 왓슨의 모든 기능 ■ 왓슨 솔루션의 최적화 및 확장 ■ 기업 수준에서의 왓슨의 사용 ■ 왓슨과 다른 툴 셋의 통합 ★ 이 책의 대상 독자 ★ 데이터의 발견 및 분석을 수행하고 의미를 부여하고자 하는 모든 사람들을 위한 책이다. 데이터 과학자들은 클라우드에서 데이터 분석 작업을 쉽게 실행할 새로운 방법을 탐구하는 목적으로 이 책을 활용할 수 있다. 이 책은 프로그래밍 경험이 없어도 읽을 수 있다. ★ 이 책의 구성 ★ 1장, ‘퀵 스타트’에서는 IBM 왓슨 분석 툴에 접근하는 방법을 순차적으로 제공한다. 현재 사용 가능한 IBM 왓슨의 여러 버전과 주요 개념 및 용어를 설명하고, 또한 일반적인 사용 설정 방법이나 본인에 맞는 조정 방법 등을 소개한다. 2장, ‘실제 사용처 찾기’에서는 데이터에서 의미 있는 통찰력을 얻기 위해 실제 사용처를 찾는 것이 IBM 왓슨 분석 툴을 사용하는 데 어떤 도움이 되는지 현실적인 예제를 사용해 설명한다. 3장, ‘왓슨 분석 툴을 활용한 솔루션 디자인’에서는 데이터 분석을 위해 IBM 왓슨 분석 툴을 사용하는 타당한 접근법을 찾는 과정, 시작하기 전에 생각해봐야 할 사항들, 시작부터 끝까지 처리되는 솔루션 디자인의 개발 방법, 결과 분석에 대한 기대치의 설정 방법 등을 다룬다. 4장, ‘내용 분석 이해하기’에서는 내용 분석 실습과 빅데이터 분석 툴로 IBM 왓슨 분석 툴이 사용되는 방법을 논의한다. 5장, ‘왓슨 분석 예측과 조합’에서는 IBM 왓슨 분석 예측과 조합을 살펴보기 위해 실제 사용처를 활용한다. 6장, ‘최적화와 확장’에서는 IBM SPSS와 같은 외부 툴을 사용해 왓슨 분석 툴을 확장하는 개념을 살펴본다. 7장, ‘기업적 관점’에서는 IBM 왓슨 분석 툴을 사용할 때 기업적인 관점에서 생각할 수 있도록 한다. 8장, ‘통합적인 가치 추가’에서는 IBM 코그노스 기업 정보 수집 BI 보고를 포함한 여러 데이터 소스로 왓슨을 통합하는 것이 왜 중요한지 다루며, 그러한 통합을 수행하는 데 요구되는 과정을 설명한다. ★ 옮긴이의 말 ★ 부분적인 데이터를 바탕으로 감성과 감정으로 의사를 결정하는 시대는 이미 저물었고, 데이터가 모든 의사 결정을 지배하는 시대가 도래했다. 지금까지 수많은 기업들이 쌓여가는 데이터를 제대로 사용하지 못했고, 창고에 처박아뒀던 습관을 다시 고쳐보기 시작했다. 방대한 데이터를 바탕으로 기업의 이윤에 도움이 될 만한 여러 가지 통찰을 얻기 위해 어떤 툴을 이용할지 고민하고 있다. 아직까지 완벽한 인지 분석 툴은 존재하지 않지만, IBM 왓슨은 상당히 진보된 분석 결과를 통찰로 보여준다. 오래지 않아 알려지기 시작한 빅데이터란 용어가 이제 그다지 낯설지 않고 오히려 친숙하게 느껴진다. 모든 정보는 빅데이터 분석을 통해 통찰로 분석되고, 이는 일반 사람들이 쉽게 이해할 수 있는 수준에 이르렀다. 빅데이터의 선두 주자라고 주장하는 많은 기업들이 즐비하다. IBM은 단연 이 분야에 있어서 선두를 달리고 있다. IBM은 단순히 왓슨 분석 툴을 제공하는 것뿐만 아니라, 머신 러닝(기계 학습)을 처리하는 컴퓨터 라이브러리를 무료로 공개하고, 많은 사람들이 사용할 수 있도록 하는 등의 많은 기여를 하고 있다. 바야흐로 데이터의 시대다. 데이터의 시대에서는 전문적으로 데이터를 분석할 수 있는 사람이 어디서나 필요하기 마련이다. 굳이 복잡한 수학에 기반한 전문적인 통계 관련 분야에 종사하지 않더라도, 관련된 툴을 다루며 빅데이터를 처리하는 데이터 분석가는 단연 인기 있는 직종 가운데 하나다. 미국에서 데이터 과학자의 연봉이 2만 달러를 넘어선 지 이미 오래다. 앞으로 이런 추세는 틀림없이 지속될 것이다. 내 경험에 비춰볼 때, 학교에서 배운 데이터 분석에 대한 지식을 바탕으로 이 책에서 제공하는 기술만 완전히 익혀도 데이터 분석의 기반은 갖췄다고 할 수 있다. 이 책의 역자로서 궁극적으로 바라는 바는, 독자 분들이 이 책에서 제공하는 데이터 분석의 실제 사용처 예제를 완전히 자신의 것으로 만들어 몸담은 회사의 데이터에 적용함으로써 많은 통찰을 얻을 뿐 아니라 이를 통해 개인의 발전을 이루고 산업의 발전에 기여하는 것이다.

★ 지은이의 말 ★

기술적인 경험과 언론의 보도 내용을 봤을 때, IBM 왓슨 분석 툴은 일반적으로 필요한 복잡성을 제외하고도 데이터를 발견하고 분석을 실행하는 정교한 능력을 갖춰 데이터 과학자들을 대체할 수 있을 것처럼 보인다. IBM은 인지 컴퓨팅(왓슨)에 계속해서 많은 자본을 투자하고 있다. 현재 IBM은 이 기술을 주류로 만들기 위해 학생들이 인지 컴퓨팅 과정을 밟도록 여러 선두적인 기술 대학과 파트너십을 맺고 있다. 따라서 IBM 왓슨을 배워야 할 필요성이 점차 대두되고 있다.

★ 옮긴이의 말 ★

부분적인 데이터를 바탕으로 감성과 감정으로 의사를 결정하는 시대는 이미 저물었고, 데이터가 모든 의사 결정을 지배하는 시대가 도래했다. 지금까지 수많은 기업들이 쌓여가는 데이터를 제대로 사용하지 못했고, 창고에 처박아뒀던 습관을 다시 고쳐보기 시작했다. 방대한 데이터를 바탕으로 기업의 이윤에 도움이 될 만한 여러 가지 통찰을 얻기 위해 어떤 툴을 이용할지 고민하고 있다. 아직까지 완벽한 인지 분석 툴은 존재하지 않지만, IBM 왓슨은 상당히 진보된 분석 결과를 통찰로 보여준다.
오래지 않아 알려지기 시작한 빅데이터란 용어가 이제 그다지 낯설지 않고 오히려 친숙하게 느껴진다. 모든 정보는 빅데이터 분석을 통해 통찰로 분석되고, 이는 일반 사람들이 쉽게 이해할 수 있는 수준에 이르렀다. 빅데이터의 선두 주자라고 주장하는 많은 기업들이 즐비하다. IBM은 단연 이 분야에 있어서 선두를 달리고 있다. IBM은 단순히 왓슨 분석 툴을 제공하는 것뿐만 아니라, 머신 러닝(기계 학습)을 처리하는 컴퓨터 라이브러리를 무료로 공개하고, 많은 사람들이 사용할 수 있도록 하는 등의 많은 기여를 하고 있다.
바야흐로 데이터의 시대다. 데이터의 시대에서는 전문적으로 데이터를 분석할 수 있는 사람이 어디서나 필요하기 마련이다. 굳이 복잡한 수학에 기반한 전문적인 통계 관련 분야에 종사하지 않더라도, 관련된 툴을 다루며 빅데이터를 처리하는 데이터 분석가는 단연 인기 있는 직종 가운데 하나다. 미국에서 데이터 과학자의 연봉이 2만 달러를 넘어선 지 이미 오래다. 앞으로 이런 추세는 틀림없이 지속될 것이다.
내 경험에 비춰볼 때, 학교에서 배운 데이터 분석에 대한 지식을 바탕으로 이 책에서 제공하는 기술만 완전히 익혀도 데이터 분석의 기반은 갖췄다고 할 수 있다. 이 책의 역자로서 궁극적으로 바라는 바는, 독자 분들이 이 책에서 제공하는 데이터 분석의 실제 사용처 예제를 완전히 자신의 것으로 만들어 몸담은 회사의 데이터에 적용함으로써 많은 통찰을 얻을 뿐 아니라 이를 통해 개인의 발전을 이루고 산업의 발전에 기여하는 것이다.

목차
1장. 퀵 스타트
__소개
____등록
____로그인
____환영 페이지
____계정
____업그레이드
____추가적인 내용
____바로가기 창
__내용 분석 구조
____주요 컴포넌트
____데이터의 흐름
____흐름 나가기
____상세 검사
__중요한 개념과 용어
____구조화와 비구조화
____텍스트 분석
____검색
____발견
____마이닝
____컬렉션
____양상
____빈도
____연관성
____편차
__일반적으로 도움이 되는 조언
____힌트
____참여
__요약
2장. 실제 사용처 찾기
__실제 사용처 정의
____실제 사용처의 중요성
____왓슨 사용하기
__데이터에 대해 알아야 할 내용
____질문 만들기
__데이터를 문맥에 맞추기
____데이터 문맥의 중요성
__실제 사용처 예제
____NFL 스타디움 판매
____수익성 슬롯 머신
____품질
____데이터 개선하기
____메트릭 확인하기
____추가적인 질문
____범죄 기록
____문맥(Context)
____통찰 공유하기
____작업 저장
__요약
3장. 왓슨 분석 툴을 활용한 솔루션 디자인
__데이터 고려하기
____콘텐트 분석 데이터 모델
__왓슨 분석 프로그래밍 인터페이스
__왓슨 분석 툴 프로그래밍
__요약
4장. 내용 분석 이해하기
__콘텐트 분석의 기본 개념
____매뉴얼 혹은 자동
____텍스트 분석의 어려움
__왓슨 분석을 사용한 콘텐트 분석의 분석 사이클
____목적 정의
____데이터 획득
____분석 실시
____동작 결정
____검증
__실례가 되는 실제 사용처
____1단계: 목표 정의
____2단계: 데이터 획득
____3단계: 분석 실시
____4단계: 동작 결정
____5단계: 검증
__텍스트 데이터
____데이터 메트릭
____검색과 필터
__요약
5장. 왓슨 분석 예측과 조합
__예측
__왓슨 분석 예측 만들기
____예측의 결과 확인하기
__조합
____뷰
____대시보드
__템플릿 사용하기
__간단한 실제 사용처
__알아두면 좋은 내용들
____버전 관리
____조합
__요약
6장. 최적화와 확장
__요구 사항 만족하기
____맞춤화하거나 확장하는 이유
__왓슨 맞춤화하기
____가입
____데이터
__탭, 그룹화, 새로운 데이터 추가하기
__왓슨 확장
____데이터 품질
____왓슨 데이터 메트릭
__IBM SPSS 사용하기
__누락된 값 처리
__실제 사용처 예제
__요약
7장. 기업적 관점
__기업의 입장 소개
__왓슨 지식의 정의
____데이터 이해
____데이터의 분류나 그룹화
____데이터 강화
____정규화와 모델링
____수집
__왓슨 객체 관리
__문서의 이름
____이름 규칙 개발하기
__테스팅
____공유하기 전에 테스트하기
__기업의 비전
____평가와 실험
____예측과 조합
____관리와 최적화
____비전에 관해
__기업 왓슨 로드맵
__왓슨 업그레이드
____무료 버전
____개인 버전
____프로 버전
__다음 과정
__기업 실제 사용처
____기업화 제안 사항
__모델러 스트리밍
____왓슨에 업로드하기
____왓슨으로 예측하기
____왓슨 버전
__요약
8장. 통합적인 가치 추가
__왓슨 프로 버전으로 업그레이드
__왓슨 프로
____가용 공간
____관리: 계정, 사용자, 데이터 연결
____업그레이드: 관련된 제품
____문서
____대화
____폴더
__근원 데이터 연결 추가하기
____근원 데이터 선택하기
____또는 직접 만든 연결을 선택하기
____연결 만들기
__트위터
__IBM 코그노스 BI
____코그노스 데이터 연결
__통합 과정
__더 많은 배움의 기회
____자신의 데이터 사용하기
__가용한 추가 자료
__요약