Part 1. 데이터 과학의 기본
01. 데이터 과학이란
Part 2. 데이터 과학의 기초 기술
02. 계산기의 구조
03. 프로그래밍 기초 (1
04. 프로그래밍 기초 (2
05. 알고리즘 (1
06. 알고리즘 (2
07. 데이터베이스
08. 최적화 방법
Part 3. 통계학·머신러닝의 기초
09. 기계학습 기초
10. 과적합과 모델 선택
11. 회귀 문제와 주택가격
12. 앙상블 학습과 주택가격
13. 분류 문제
14. 비지도 학습
Part 4. 코퍼스와 네트워크 분석
15. 토픽 모델
16. 네트워크 분석
Part 5. 딥러닝
17. 신경망 기초
18. 딥러닝
19. 딥러닝에 의한 순차 데이터 분석
20. 딥러닝에 의한 이미지 분석
Part 1. 데이터 과학의 기본
거대한 IT 기술의 소용돌이 속에서 데이터 과학은 나날이 성장하는 분야입니다. 1부에서는 데이터 과학과 빅데이터에 관해 설명합니다. 다음으로 인공지능과 데이터 과학의 관계성을 설명하고, 데이터 과학자의 역할을 기술합니다.
Part 2. 데이터 과학의 기초 기술
인공지능이든 데이터 과학이든 하드웨어와 프로그래밍, 데이터베이스 등의 소프트웨어 그리고 알고리즘의 진화가 오늘날의 붐을 낳은 하나의 커다란 계기였습니다. 2부에서는 데이터 과학을 지탱하는 이런 기초 기술들에 관한 내용을 다룹니다.
Part 3. 통계학·머신러닝의 기초
3부에서는 데이터의 특징을 통계 모델화하는 다양한 방법을 소개합니다. 특히 ‘컴퓨팅 기술을 활용한 통계학’이라고 불리는 머신러닝의 기본을 살펴봄으로써, 통계 모델을 작성할 때의 방법을 배울 수 있습니다.
Part 4. 코퍼스와 네트워크 분석
데이터 검색 기술에서 사용되는 코퍼스(대량의 말뭉치 분석과 사회과학에서도 인기가 많은 네트워크 데이터 분석에 대해 살펴봅니다.
Part 5. 딥러닝
딥러닝은 언어나 이미지 데이터 분야에서의 압도적인 성능에 힘입어 최근 각광받고 있는 분야입니다. 딥러닝의 근본이 된 신경망 융성의 역사를 설명하고, 딥러닝의 배경에 어떤 기술이 있는지 알아봅니다.
