[1부] 데이터 기초체력 기르기
▣ 1장: 통계학 이해하기
1.1 왜 통계학을 알아야 할까?
1.2 머신러닝과 전통적 통계학의 차이
1.3 통계학의 정의와 기원
1.4 기술 통계화 추론 통계
__1.4.1 기술 통계
__1.4.2 추론 통계
▣ 2장: 모집단과 표본추출
2.1 모집단과 표본, 전수조사와 표본조사
2.2 표본조사를 하는 이유와 데이터과학 적용 방법
2.3 표본추출에서 나타나는 편향의 종류
2.4 인지적 편향의 종류
__2.4.1 확증 편향(confirmation bias
__2.4.2 기준점 편향(anchoring bias
__2.4.3 선택 지원 편향(choice-supportive bias
__2.4.4 분모 편향(denominator bias
__2.4.5 생존자 편향(survivorship bias
2.5 머신러닝 모델 측면의 편향과 분산
2.6 표본 편향을 최소화하기 위한 표본 추출 방법
▣ 3장: 변수와 척도
3.1 변수의 종류
3.2 변수 관계의 종류
3.3 척도의 종류
▣ 4장: 데이터의 기술 통계적 측정
4.1 중심 성향의 측정
4.2 분산과 표준편차
4.3 산포도와 범위, 사분위수, 변동계수
4.4 왜도와 첨도
__4.4.1 왜도
__4.4.2 첨도
4.5 표준편차의 경험법칙
▣ 5장: 확률과 확률변수
5.1 확률의 기본 개념
5.2 확률의 종류
5.3 분할과 베이지안 이론
__5.3.1 분할
__5.3.2 베이지안 이론
5.4 확률변수의 개념과 종류
5.5 심슨의 역설
▣ 6장: 확률분포
6.1 확률분포의 정의와 종류
6.2 이산확률분포
__6.2.1 균등분포
__6.2.2 이항분포
__6.2.3 초기하분포
__6.2.4 포아송분포
6.3 연속확률분포
__6.3.1 정규분포
__6.3.2 지수분포
6.4 중심극한정리
[2부] 데이터 분석 준비하기
▣ 7장: 가설검정
7.1 귀무가설과 대립가설
7.2 가설
