잠자는 코딩 뇌를 깨워라파이썬 기초부터 머신러닝까지 한 권에!프로그래밍 경험이나 지식이 없는 분들을 위해 파이썬과 다양한 라이브러리(넘파이, 맷플롯립, 판다스, 사이킷런 등)를 사용한 문제 해결 비법을 소개합니다. 이 책을 통해 일상에서 마주하는 다양한 문제를 프로그래밍으로 해결하는 기술을 배워보세요. 데이터 모델링과 해석 같은 데이터 과학의 핵심을 배우고, 간단한 머신러닝 기법도 만나봅니다.이 책은 MIT 강의를 기반으로 만들어진 컴퓨터 과학 입문서로 프로그래밍을 전혀 모르는 초보자도 부담 없이 펼쳐볼 수 있습니다. 컴퓨팅 사고와 간단한 알고리즘처럼 프로그래밍 입문에 꼭 필요한 주제로 잠들어 있던 코딩 뇌를 깨우세요. 각 장에 마련된 뇌풀기 문제를 통해 데이터 시각화나 시뮬레이션, 데이터 계산 기법, 머신러닝 같은 실용적인 주제를 살펴보며 프로그래밍 능력을 키워봅시다.
MIT 전기공학 및 컴퓨터과학부(EECS)에서 듀갈드 C. 잭슨 교수로 재직하고 있으며 ACM의 펠로이자 미국 예술 과학 아카데미의 회원입니다. 1999년부터 2004년까지 전기공학 및 컴퓨터과학부에서 학부장을 맡았으며, 현재는 MIT의 컴퓨터과학 및 인공지능 연구소(CSAIL)에서 의료 문제에 적용할 수 있는 고급 머신러닝 및 컴퓨터 비전 기술 연구를 이끌고 있습니다. 또한, 환자 치료 관리에 사용하는 인공지능 플랫폼을 개발하는 헬스앳스케일 테크놀로지스Health[at]Scale Technologies를 설립해 CTO로 재직하고 있습니다. MIT에서 2006년부터 직접 문제를 구성하고 데이터에서 유용한 정보를 찾아내는 데 필요한 계산적 사고를 익히는 수업을 개설했으며, 해당 강의는 온라인으로도 공개되어 2백만 명 이상의 학생이 수강했습니다.
1부 프로그래밍 시작하기1장 시작하기2장 파이썬 소개_2.1 파이썬과 파이썬 IDE 설치하기_2.2 파이썬의 기본 요소__2.2.1 객체, 표현, 수치 타입__2.2.2 변수와 할당_2.3 분기 프로그램_2.4 문자열과 입력__2.4.1 입력__2.4.2 문자 인코딩에 관한 여담_2.5 while 루프_2.6 for 루프와 range_2.7 스타일의 중요성3장 간단한 수치 프로그램_3.1 완전 열거_3.2 근사 해법과 이분 검색_3.3 부동소수점 사용에 대하여_3.4 뉴턴-랍슨 방법2부 효율적으로 프로그래밍하기4장 함수, 유효범위, 추상화_4.1 함수와 유효범위__4.1.1 함수 정의__4.1.2 키워드 인수와 기본값__4.1.3 가변 길이 인수__4.1.4 유효범위_4.2 사양_4.3 함수를 사용해 코드를 모듈화하기_4.4 객체로서의 함수_4.5 메서드5장 구조적인 타입과 가변성_5.1 튜플__5.1.1 복수 할당_5.2 range와 iterator 타입_5.3 리스트와 가변성__5.3.1 복제__5.3.2 리스트 내포_5.4 리스트의 고차 연산_5.5 문자열, 튜플, 레인지, 리스트_5.6 집합_5.7 딕셔너리_5.8 딕셔너리 내포6장 재귀와 전역 변수_6.1 피보나치수열_6.2 팰린드롬_6.3 전역 변수3부 탄탄한 프로그램 만들기7장 모듈과 파일_7.1 모듈_7.2 사전에 정의된 패키지 사용하기_7.3 파일8장 테스트와 디버깅_8.1 테스트__8.1.1 블랙박스 테스트__8.1.2 글라스박스 테스트__8.1.3 테스트 수행하기_8.2 디버깅__8.2.1 디버깅 배우기__8.2.2 실험 설계하기__8.2.3 어려운 상황에 직면했을 때__8.2.4 버그를 찾았을 때9장 예외와 assert_9.1 예외 처리하기_9.2 제어 흐름 메커니즘으로 예외 사용하기_9.3 assert10장 클래스와 객체 지향 프로그래밍_10.1 추상 데이터 타입과 클래스__10.1.1 매직 메서드와 해싱 가능 타입__10.1.2 추상 데이터 타입을 사용해 프로그램 설계하기__10.1.3 학생 관리를 위한 클래스_10.2 상속__10.2.1 다단계 상속__10.2.2 대체 원칙_10.3 캡슐화와 정보 은닉__10.3.1 제너레이터_10.4 고급 예제4부 프로그래밍으로 문제 풀기11장 알고리즘 복잡도의 간략한 소개_11.1 계산 복잡도에 관한 고찰_11.2 점근 표기법_11.3 중요한 몇 가지 복잡도 종류__11.3.1 상수 복잡도__11.3.2 로그 복잡도__11.3.3 선형 복잡도__11.3.4 로그 선형 복잡도__11.3.5 다항 복잡도__11.3.6 지수 복잡도__11.3.7 복잡도 비교12장 몇 가지 간단한 알고리즘과 데이터 구조_12.1 검색 알고리즘__12.1.1 선형 검색과 간접 참조로 원소에 접근하기__12.1.2 이진 검색과 가정 활용_12.2 정렬 알고리즘__12.2.1 합병 정렬__12.2.2 파이썬의 정렬 기능_12.3 해시 테이블13장 그래프 출력과 클래스_13.1 맷플롯립으로 그래프 그리기_13.2 모기지 그래프 그리기_13.3 전염병을 위한 인터랙티브 그래프5부 프로그래밍으로 현실 세계 이해하기14장 배낭 문제와 그래프 최적화 문제_14.1 배낭 문제__14.1.1 탐욕 알고리즘__14.1.2 0/1 배낭 문제의 최적 솔루션_14.2 그래프 최적화 문제__14.2.1 고전적인 그래프 문제__14.2.2 최단 경로: 깊이 우선 탐색과 너비 우선 탐색15장 동적 계획법_15.1 피보나치수열 다시 살펴보기_15.2 동적 계획법과 0/1 배낭 문제_15.3 동적 계획법과 분할 정복16장 랜덤 워크와 데이터 시각화_16.1 랜덤 워크_16.2 술에 취한 농부의 산책_16.3 편향된 랜덤 워크_16.4 위험한 들판6부 데이터 이해하기17장 확률적 프로그램, 확률 그리고 분포_17.1 확률적 프로그램_17.2 간단한 확률 계산하기_17.3 추론 통계_17.4 분포__17.4.1 확률 분포__17.4.2 정규 분포__17.4.3 연속 균등 분포와 이산 균등 분포__17.4.4 이항 분포와 다항 분포__17.4.5 지수 분포와 기하 분포__17.4.6 벤포드 분포_17.5 해싱과 충돌_17.6 잘하는 팀이 얼마나 자주 이기나요?18장 몬테카를로 시뮬레이션_18.1 파스칼의 문제_18.2 크랩스 게임 _18.3 테이블 룩업을 사용해 성능 높이기_18.4 π 찾기_18.5 시뮬레이션 모델에 관한 맺음말19장 샘플링과 신뢰도_19.1 보스턴 마라톤 데이터 샘플링_19.2 중심 극한 정리_19.3 평균의 표준 오차20장 실험 데이터 이해하기_20.1 스프링 운동__20.1.1 선형 회귀를 사용해 최적의 직선 찾기_20.2 발사체 운동__20.2.1 결정 계수__20.2.2 계산 모델 사용하기_20.3 지수적으로 분포된 데이터 다루기_20.4 이론이 없을 때21장 무작위 시험과 가설 검정_21.1 유의성 검증하기_21.2 P 값을 주의하세요_21.3 단측 1표본 검정_21.4 유의한가요? 유의하지 않은가요?_21.5 표본 크기는?_21.6 다중 가설_21.7 조건부 확률과 베이즈 통계__21.7.1 조건부 확률__21.7.2 베이즈 정리22장 거짓말, 새빨간 거짓말 그리고 통계학_22.1 가비지 인 가비지 아웃(GIGO)_22.2 테스트의 불완전성_22.3 오해하기 쉬운 그래프_22.4 Cum Hoc Ergo Propter Hoc_22.5 전체를 알려주지 않는 통계 측정_22.6 샘플링 편향_22.7 맥락의 중요성_22.8 사과와 오렌지 비교하기_22.9 체리 피킹_22.10 주의해야 할 외삽_22.11 텍사스 명사수의 오류_22.12 혼동하기 쉬운 백분율_22.13 회귀 오류_22.14 통계적으로 유의한 차이가 실제로 유의하지 않을 수 있음_22.15 주의 사항7부 머신러닝23장 판다스로 데이터 탐험하기_23.1 데이터프레임과 CSV 파일_23.2 시리즈와 데이터프레임 만들기_23.3 열과 행 선택하기__23.3.1 loc와 iloc를 사용해 선택하기__23.3.2 그룹 선택하기__23.3.3 내용으로 선택하기_23.4 데이터프레임 조작하기_23.5 확장 예제__23.5.1 온도 데이터__23.5.2 화석 연료 소비량24장 머신러닝 간략히 살펴보기_24.1 특성 벡터_24.2 거리 지표25장 군집_25.1 Cluster 클래스_25.2 k 평균 군집_25.3 가상의 예제_25.4 실전 예제26장 분류_26.1 분류기 평가하기_26.2 마라톤 선수의 성별 예측하기_26.3 K 최근접 이웃_26.4 회귀 기반 분류기_26.5 타이타닉 생존자 예측하기_26.6 마무리
