• 컴퓨터/IT > 데이터베이스 > 데이터베이스 일반

2020/8 컴퓨터/IT 23위 | 현재 컴퓨터/IT 23위 |

반디앤루니스 리뷰

데이터 분석 관점에서 통계학을 설명한다. 어려운 통계학 개념을 이론, 수식, 파이썬 코드로 세 번 살펴본다. 한 번 보고 완전히 이해하지 못해도 여러 번 반복 설명하므로 읽는 동안 점점 이해도가 올라간다. 단순한 기술 설명뿐 아니라 예측에 사용하는 분석용 통계학과 머신러닝의 관계까지 알아본다.

출판사 리뷰

데이터 분석에서 머신러닝까지 파이썬으로 배우는 통계 데이터 분석에 통계 지식은 필수지만 모든 개발자가 통계 전문가일 필요는 없다. 이 책은 통계를 모르는 개발자나, 파이썬과 통계 둘 다 모르는 독자가 데이터 분석에 필요한 통계를 배우는 데 적합하다. 1장에서 통계 기초를, 2장에서는 파이썬 기초를 다루며 이를 바탕으로 3장에서는 파이썬으로 데이터 분석에 필요한 통계 기법을 학습한다. 이후 데이터 분석에 필요한 기본 통계모델을 학습하고, 정규선형모델, 일반선형모델을 거쳐 머신러닝까지 확장한다. 통계에 관한 세세한 노하우와 팁보다는 통계 용어와 기본 수식, 간단한 파이썬 문법으로 구현하는 데 집중하여 통계학 기초를 다지는 데 최선을 다했다. 주요 내용 ●\t통계학 기초 ●\t파이썬 기초와 주피터 노트북 설정 ●\t파이썬을 이용한 통계 분석 ●\t정규선형모델과 일반선형모델 ●\t통계학과 머신러닝 연계

CHAPTER 1 통계학 기본
1.1 통계학
1.2 표본을 얻는 과정
1.3 표본을 얻는 과정의 추상화
1.4 기술통계 기초
1.5 모집단분포 추정
1.6 확률질량함수와 확률밀도함수
1.7 통계량 계산
1.8 확률론 기본
1.9 확률변수와 확률분포

CHAPTER 2 파이썬과 주피터 노트북 기초
2.1 환경 구축
2.2 주피터 노트북 기본
2.3 파이썬 프로그래밍 기본
2.4 numpy와 pandas 기본

CHAPTER 3 파이썬을 이용한 데이터 분석
3.1 파이썬을 이용한 기술통계: 1변량 데이터
3.2 파이썬을 이용한 기술통계: 다변량 데이터
3.3 matplotlib과 seaborn을 이용한 데이터 시각화
3.4 모집단에서 표본 추출 시뮬레이션
3.5 표본 통계량 성질
3.6 정규분포와 응용
3.7 추정
3.8 통계적가설검정
3.9 평균값의 차이 검정
3.10 분할표 검정
3.11 검정 결과 해석

CHAPTER 4 통계모델 기본
4.1 통계모델
4.2 통계모델을 만드는 방법
4.3 데이터의 표현과 모델의 명칭
4.4 파라미터 추정: 우도의 최대화
4.5 파라미터 추정: 손실의 최소화
4.6 예측 정확도의 평가와 변수 선택

CHAPTER 5 정규선형모델
5.1 연속형 독립변수가 하나인 모델(단순회귀)
5.2 분산분석
5.3 독립변수가 여럿인 모델

CHAPTER 6 일반선형모델
6.1 여러 가지 확률분포
6.2 일반선형모델의 기본
6.3 로지스틱 회귀
6.4 일반선형모델의 평가
6.5 푸아송 회귀

CHAPTER 7 통계학과 머신러닝
7.1 머신러닝 기본
7.2 정규화와 리지 회귀, 라소 회귀
7.3 파이썬을 이용한 리지 회귀와 라소 회귀
7.4 선형모델과 신경망
7.5 이 책 다음으로 배울 것