데이터 과학을 위한 통계 : 데이터 분석에서 머신러닝까지 파이썬과 R로 살펴보는 50가지 핵심 ...
- 자료유형
- 단행본
- ISBN
- 9791162244180 93000\34000
- 언어부호
- 본문언어 - kor, 원저작언어 - eng
- KDC
- 005.7-5
- 청구기호
- 005.7 브237ㄷ
- 저자명
- 브루스, 피터
- 서명/저자
- 데이터 과학을 위한 통계 : 데이터 분석에서 머신러닝까지 파이썬과 R로 살펴보는 50가지 핵심 개념 / 피터 브루스 ; 앤드루 브루스 ; 피터 게데크 [공저]
- 판사항
- 2판
- 발행사항
- 서울 : 한빛미디어, 2021
- 형태사항
- 380 p. : 천연색삽화, 도표 ; 24 cm
- 주기사항
- 옮긴이 : 이준용
- 서지주기
- 색인 수록
- 원서명/원저자명
- Peter Bruce /
- 원서명/원저자명
- Andrew Bruce /
- 원서명/원저자명
- Peter Gedeck /
- 키워드
- 컴퓨터데이터
- 기타저자
- Bruce, Peter C. 1953-
- 기타저자
- Bruce, Andrew
- 기타저자
- Gedeck, Peter
- 기타저자
- 이준용
- 기타저자
- 브루스, 피터 C.
- 기타저자
- Bruce, Peter
- 기타저자
- 브루스, 앤드루
- 기타저자
- 게데크, 피터
- 가격
- \34000
- Control Number
- maf:49886
소장정보
| 서가번호 | 등록번호 | 청구기호 | 소장처 | 대출가능여부 | 대출정보 | |
|---|---|---|---|---|---|---|
| 0030468 | 005.7 브237ㄷ | 농림축산식품부 자료실 | 대출가능 |
* 대출중인 자료에 한하여 예약이 가능합니다. 예약을 원하시면 예약버튼을 클릭하십시오.
008211117s2021 ulkad 001a kor
020 ▼a9791162244180▼g93000▼c\34000
0411 ▼akor▼heng
056 ▼a005.7▼25
090 ▼a005.7▼b브237ㄷ
1001 ▼a브루스, 피터
24510▼a데이터 과학을 위한 통계▼b데이터 분석에서 머신러닝까지 파이썬과 R로 살펴보는 50가지 핵심 개념▼d피터 브루스▼e앤드루 브루스▼e피터 게데크 [공저]
250 ▼a2판
260 ▼a서울▼b한빛미디어▼c2021
300 ▼a380 p.▼b천연색삽화, 도표▼c24 cm
50010▼a옮긴이 : 이준용
504 ▼a색인 수록
50710▼tPractical statistics for data scientists : 50 essential concepts
50710▼aPeter Bruce
50710▼aAndrew Bruce
50710▼aPeter Gedeck
653 ▼a컴퓨터데이터
7001 ▼aBruce, Peter C.▼d1953-
7001 ▼aBruce, Andrew
7001 ▼aGedeck, Peter
7001 ▼a이준용
90010▼a브루스, 피터 C.
90010▼aBruce, Peter
90010▼a브루스, 앤드루
90010▼a게데크, 피터
9500 ▼b\34000
CHAPTER 1 탐색적 데이터 분석
1.1 정형화된 데이터의 요소
1.2 테이블 데이터
1.3 위치 추정
1.4 변이 추정
1.5 데이터 분포 탐색하기
1.6 이진 데이터와 범주 데이터 탐색하기
1.7 상관관계
1.8 두 개 이상의 변수 탐색하기
1.9 마치며
CHAPTER 2 데이터와 표본분포
2.1 임의표본추출과 표본편향
2.2 선택편향
2.3 통계학에서의 표본분포
2.4 부트스트랩
2.5 신뢰구간
2.6 정규분포
2.7 긴 꼬리 분포
2.8 스튜던트의 t 분포
2.9 이항분포
2.10 카이제곱분포
2.11 F 분포
2.12 푸아송 분포와 그 외 관련 분포들
2.13 마치며
CHAPTER 3 통계적 실험과 유의성검정
3.1 A/B 검정
3.2 가설검정
3.3 재표본추출
3.4 통계적 유의성과 p 값
3.5 t 검정
3.6 다중검정
3.7 자유도
3.8 분산분석
3.9 카이제곱검정
3.10 멀티암드 밴딧 알고리즘
3.11 검정력과 표본크기
3.12 마치며
CHAPTER 4 회귀와 예측
4.1 단순선형회귀
4.2 다중선형회귀
4.3 회귀를 이용한 예측
4.4 회귀에서의 요인변수
4.5 회귀방정식 해석
4.6 회귀진단
4.7 다항회귀와 스플라인 회귀
4.8 마치며
CHAPTER 5 분류
5.1 나이브 베이즈
5.2 판별분석
5.3 로지스틱 회귀
5.4 분류 모델 평가하기
5.5 불균형 데이터 다루기
5.6 마치며
CHAPTER 6 통계적 머신러닝
6.1 k-최근접 이웃
6.2 트리 모델
6.3 배깅과 랜덤 포레스트
6.4 부스팅
6.5 마치며
CHAPTER 7 비지도 학습
7.1 주성분분석
7.2 k-평균 클러스터링
7.3 계층적 클러스터링
7.4 모델 기반 클러스터링
7.5 스케일링과 범주형 변수
7.6 마치며
1.1 정형화된 데이터의 요소
1.2 테이블 데이터
1.3 위치 추정
1.4 변이 추정
1.5 데이터 분포 탐색하기
1.6 이진 데이터와 범주 데이터 탐색하기
1.7 상관관계
1.8 두 개 이상의 변수 탐색하기
1.9 마치며
CHAPTER 2 데이터와 표본분포
2.1 임의표본추출과 표본편향
2.2 선택편향
2.3 통계학에서의 표본분포
2.4 부트스트랩
2.5 신뢰구간
2.6 정규분포
2.7 긴 꼬리 분포
2.8 스튜던트의 t 분포
2.9 이항분포
2.10 카이제곱분포
2.11 F 분포
2.12 푸아송 분포와 그 외 관련 분포들
2.13 마치며
CHAPTER 3 통계적 실험과 유의성검정
3.1 A/B 검정
3.2 가설검정
3.3 재표본추출
3.4 통계적 유의성과 p 값
3.5 t 검정
3.6 다중검정
3.7 자유도
3.8 분산분석
3.9 카이제곱검정
3.10 멀티암드 밴딧 알고리즘
3.11 검정력과 표본크기
3.12 마치며
CHAPTER 4 회귀와 예측
4.1 단순선형회귀
4.2 다중선형회귀
4.3 회귀를 이용한 예측
4.4 회귀에서의 요인변수
4.5 회귀방정식 해석
4.6 회귀진단
4.7 다항회귀와 스플라인 회귀
4.8 마치며
CHAPTER 5 분류
5.1 나이브 베이즈
5.2 판별분석
5.3 로지스틱 회귀
5.4 분류 모델 평가하기
5.5 불균형 데이터 다루기
5.6 마치며
CHAPTER 6 통계적 머신러닝
6.1 k-최근접 이웃
6.2 트리 모델
6.3 배깅과 랜덤 포레스트
6.4 부스팅
6.5 마치며
CHAPTER 7 비지도 학습
7.1 주성분분석
7.2 k-평균 클러스터링
7.3 계층적 클러스터링
7.4 모델 기반 클러스터링
7.5 스케일링과 범주형 변수
7.6 마치며
