차근차근 데이터 분석과 인공지능 with 파이썬
- 출판사:
- 연두에디션
- 저 자:
-
류현수·박진영·최리사·최지영·최미선
- 발행일:
- 2022-10-15
- 가 격:
- 23,000원
- 페이지:
- 392 페이지
- ISBN:
- 979-11-92187-72-3
- 도 수 :
- 2도
- 도서자료
-
목차
- CHAPTER 1. 인공지능 개요 001
1. 인공지능이란? 。。。003
1.1 인공지능 。。。003
1.2 인공지의 역사 。。。004
1.3 인공지능의 분류 。。。006
1.4 인공지능 기술 활용 。。。007
1.5 인공지능의 영향력 。。。012
1.6 인공지능에 대한 의견 。。。013
1.7 인공지능 윤리 。。。014
2. 인공지능 기술의 활용 。。。015
2.1 인공지능 기술이 적용되는 분야 。。。015
2.2 인공지능 기술이 적용된 구체적 사례 。。。015
3. 인공지능과 데이터 。。。019
3.1 데이터의 역할 。。。019
3.2 빅데이터 활용 사례 。。。020
3.3 잘못된 데이터의 남용 。。。022
4. 데이터 분석과 파이썬 。。。024
■ EXERCISE 。。。025
CHAPTER 2 데이터 분석을 위한 SW 설치 및 준비 。。。027
1. 개발 도구 설치 。。。029
1.1 파이썬과 주피터 노트북 설치 。。。029
1.2 아나콘다 설치와 사용 。。。031
2. 주피터 노트북 사용법 。。。035
3. 코랩(Colab) 사용법 。。。037
3.1 코랩(Colab)의 특징 。。。037
3.2 코랩(Colab) 시작 。。。038
3.3 코랩으로 파이썬 프로그램 작성하기 。。。041
■ EXERCISE 。。。042
CHAPTER 3 파이썬 기초 문법 。。。043
1. 변수와 자료형 。。。045
1.1 파이썬 변수의 특징 。。。045
1.2 데이터 타입(자료형) 。。。045
1.3 강제 형 변환 。。。046
2. 입력과 출력 。。。048
2.1 입력 。。。048
2.2 출력 。。。049
3. 연산자, 문자열 슬라이싱 。。。052
3.1 연산자 。。。052
3.2 문자열 가르기(Slice) 。。。053
4. 조건문 。。。054
4.1 사용 형식 。。。054
4.2 예제 : 점수에 따른 결과 출력하기 。。。054
5. 반복문 。。。055
5.1 반복문 for 。。。055
5.2 반복문 while 。。。056
5.3 반복문에서 사용하는 continue / break / else 。。。057
6. 함수 。。。058
6.1 함수의 정의 。。。058
6.2 함수의 정의 및 실행 。。。059
■ EXERCISE 。。。061
CHAPTER 4 파이썬 자료구조 기초 。。。063
1. 리스트 기초 。。。065
1.1 리스트 사용법 : 리스트 생성, 데이터 추가, 삭제 。。。065
1.2 리스트에서 유용하게 사용하는 파이썬 내장 함수 。。。070
1.3 리스트 컴프리헨션(표현식) 。。。072
2. 2차원 리스트 。。。074
2.1 2차원 리스트 。。。074
3. 튜플, 딕셔너리 。。。078
3.1 튜플(tuple) 。。。078
3.2 딕셔너리(dictionary) 。。。079
■ EXERCISE 。。。081
CHAPTER 5 넘파이 (Numpy) 。。。083
1. 넘파이 개요 。。。085
1.1 넘파이(Numpy)란? 。。。085
1.2 넘파이(NumPy)의 특징 。。。086
2. 넘파이 배열 만들기 。。。089
2.1 넘파이 배열 생성하기 。。。089
2.2 배열의 속성 출력 。。。094
2.3 배열의 인덱싱과 슬라이싱 。。。095
2.4 배열의 변형 : transpose( ), reshape( ), flatten( ) 。。。096
3. 넘파이 배열 활용하기 。。。098
3.1 연산자에 의한 기본 연산 。。。098
3.2 유니버설 함수 。。。099
3.3 넘파이 배열의 연산 연습 。。。100
■ EXERCISE 。。。102
CHAPTER 6 판다스(Pandas) 。。。105
1. 판다스 개요 。。。107
1.1 판다스(Pandas)란? 。。。107
1.2 판다스 특징 。。。107
2. 판다스 데이터프레임 만들기 。。。108
2.1 데이터프레임의 구조 。。。108
2.2 파이썬 리스트를 데이터프레임으로 생성 。。。109
2.3 파이썬 딕셔너리를 데이터프레임으로 생성 。。。110
2.4 파일을 읽어서 데이터프레임 생성 : csv 파일 。。。110
2.5 파일을 읽어서 데이터프레임 생성 : xlsx 파일。。。113
2.5 데이터프레임의 데이터 보기 。。。115
3. 판다스 데이터프레임 활용하기 。。。127
3.1 데이터프레임의 데이터 집계 。。。127
3.2 데이터프레임의 결측치 처리 。。。130
3.3 데이터프레임의 변경 。。。135
■ EXERCISE 。。。140
CHAPTER 7 그래프 그리기 。。。143
1. 맷플롯립(Matplotlib) 。。。145
1.1 맷플롯립(Matplotlib)이란? 。。。145
1.2 맷플롯립으로 그래프 그리기 。。。145
1.3 맷플롯립(matplotlib)을 사용할 때 한글 출력하는 방법 。。。156
2. 시본(Seaborn) 。。。160
2.1 시본(Seaborn)이란? 。。。160
2.2 시본으로 그래프 그리기 。。。160
■ EXERCISE 。。。170
CHAPTER 8 데이터 분석 - 공공데이터 활용 。。。173
1. 총 인구수, 출생아 수 분석하여 차트로 표현하기 。。。175
1.1 통계청에서 데이터 가져오기 。。。175
1.2 총 인구수, 출생아 수 차트 그리기 。。。176
1.3 연도별 총 인구수, 출생아 수를 하나의 차트에 그리기 。。。178
2. 공원정보를 분석하여 지도로 표현하기 。。。182
2.1 folium 라이브러리 설치하기 。。。182
2.2 구글 맵에서 위도, 경도 찾아오기 。。。183
2.3 folium으로 간단한 지도 그리기 。。。183
2.4 공공데이터 or 무료 데이터 다운 받기 。。。186
2.5 공공데이터를 활용하여 지도 그리기 。。。188
3. 지역별 인구현황을 분석하여 차트로 표현하기 。。。194
3.1 공공데이터 포털 사이트에서 인구현황 다운 받기 。。。194
3.2 판다스로 데이터를 가져와서 확인 및 결측치 제거 。。。195
3.3 특정 동만 데이터 조회해 차트 그리기 。。。197
■ EXERCISE 。。。205
CHAPTER 9 데이터 분석 - 타이타닉 。。。207
1. 타이타닉 생존자 분석 실습 。。。209
1.1 분석에 필요한 설정 및 라이브러리 import 。。。209
1.2 타이타닉 데이터셋 가져오기 。。。210
1.3 타이타닉 데이터 구성 살펴보기 。。。210
1.4 생존자 집계 。。。212
1.5 성별 생존자 수와 생존율 분석 。。。213
1.6 어린이/성인남자/성인여자별 생존자 수와 생존율 분석 。。。216
1.7 객실 등급별, 성별 생존자 수와 생존율 분석 。。。219
1.8 나이별 생존자 수 분석 。。。226
■ EXERCISE 。。。233
CHAPTER 10 머신러닝 입문 。。。235
1. 머신러닝의 이해 。。。237
1.1 ‘머신러닝’이란? 。。。237
1.2 머신러닝 학습 방법 。。。237
2. 머신러닝 맛보기 – 코드 없는 간단한 예제 。。。240
2.1 ‘티처블 머신(teachable machine)’ 알아보기 。。。240
2.2 ‘티처블 머신’ 예제1 – 개/고양이를 구분하는 머신러닝(이미지 파일) 。。。240
2.3 ‘티처블 머신’ 예제2 – 가위/바위/보를 구분하는 머신러닝(웹캠 사용) 。。。243
3. 파이썬으로 간단한 머신러닝 코드 작성하기 。。。245
3.1 학습 데이터 준비하기 。。。245
3.2 파이썬으로 코드 작성하기 。。。246
■ EXERCISE 。。。252
CHAPTER 11 머신러닝 - 지도 학습(분류) 。。。253
1. 지도 학습 분류 소개 。。。255
1.1 지도 학습의 개념 。。。255
1.2 지도 학습의 분류(Classification)란? 。。。255
1.3 분류 모델을 생성하는 절차 。。。256
2. 머신러닝 모델 만들기 - 분류 。。。257
2.1 의사결정 트리(Decision Tree) 알고리즘 。。。257
2.2 K 최근접 이웃(K-Nearest Neighbor : KNN) 알고리즘 。。。271
2.3 랜덤 포레스트(Random forest) 알고리즘 。。。278
2.4 분류 모델의 평가 및 검증 。。。279
■ EXERCISE 。。。290
CHAPTER 12 머신러닝 - 지도 학습(회귀) 。。。293
1. 지도 학습 회귀 소개 。。。295
1.1 지도 학습의 회귀(Regression)란? 。。。295
2. 머신러닝 모델 만들기 - 회귀 。。。295
2.1 선형 회귀(Linear Regression) 알고리즘 。。。295
2.2 K 최근접 이웃 회귀(KNN Regression) 알고리즘 。。。301
2.3 귤의 당도 예측 회귀 모델 만들기 。。。317
■ EXERCISE 。。。323
CHAPTER 13 머신러닝 - 비지도 학습(군집화) 。。。325
1. 비지도 학습 - 군집화 소개 。。。327
1.1 비지도 학습의 개념 。。。327
1.2 비지도 학습의 군집화(clustering)란? 。。。327
2. 머신러닝 모델 만들기 - 군집화 。。。328
2.1 K 평균 군집화 (K-Means Clustering) 알고리즘 。。。328
2.2 군집화 머신러닝 모델 만들기 。。。339
2.3 군집화 모델의 평가 。。。351
■ EXERCISE 。。。354
CHAPTER 14 딥러닝 맛보기 。。。357
1. 딥러닝 소개 。。。359
1.1 딥러닝이란? 。。。359
1.2 인공 신경망 。。。359
1.3 딥러닝 종류 。。。360
2. 딥러닝 모델 만들기 。。。360
2.1 텐서플로우(TensorFlow) 。。。360
2.2 첫 번째 딥러닝 모델 만들기 。。。361
2.3 합성곱 신경망(CNN) 딥러닝 모델 만들기 。。。372
■ EXERCISE 。。。385
INDEX 。。。387
