이 책은 데이터 과학 분야에서 일하는 사람들이 반드시 알아야 할 기본 상식을 다루고 있다. 데이터 분석, 머신 러닝, 딥 러닝 등 다양한 분야에서 필요한 개념과 기술들을 쉽게 이해할 수 있도록 구성되어 있다. 또한, 데이터 과학 분야에서 일하는 사람들이 직면할 수 있는 문제들과 해결 방법들도 다루고 있어 실무에서 유용하게 활용할 수 있는 내용들이 많다. 이 책을 통해 데이터 과학 분야에서 일하는 사람들은 더욱 전문성을 높일 수 있을 것이다.

확률 및 통계
선형 대수
계산법
데이터 구조 및 알고리즘
프로그래밍 언어 (Python, R, SQL)
기계 학습
딥 러닝
자연어 처리
컴퓨터 시각 인식
빅 데이터 기술 (Hadoop, Spark)
데이터 시각화
데이터 정리 및 전처리
데이터 수집
데이터웨어 하우징
클라우드 컴퓨팅
분산 시스템
베이지안 통계
시계열 분석
실험적 설계
가설 검증
회귀 분석
분류 알고리즘
클러스터링 알고리즘
치수 감소
앙상블 방법
신경망
컨볼루션 신경 네트워크
재발성 신경망
강화 학습
의사 결정 트리
Random Forests
그라디언트 부스팅
벡터 머신 지원
Naive Bayes
K-Nearest Neighbors
주요 구성 요소 분석
단일 가치 분해
비 음성 매트릭스 인수 화
잠재적 인 Dirichlet 할당
협업 필터링
협회 규칙 채굴
텍스트 마이닝
이미지 처리
신호 처리
최적화 기술
선형 프로그래밍
정수 프로그래밍
동적 프로그래밍
몬테 카를로 시뮬레이션
Markov Chain Monte Carlo