현대 사회는 데이터의 홍수 시대라고 해도 과언이 아닙니다. 다양한 분야에서 수많은 데이터가 생성되고 있으며 이 데이터를 효과적으로 활용하는 것이 기업과 국가의 경쟁력을 좌우하는 중요한 요소 중 하나가 되었습니다
이 책을 통해 데이터 과학에 대한 전반적인 이해를 높이고 실무에 적용할 수 있는 능력을 키울 수 있을 것입니다.

제1장 빅데이터의 등장 배경
■ 4차 산업혁명과 빅데이터 | 6p
■ 빅데이터란 무엇인가? | 8p
■ 정형데이터와 비정형 데이터 | 12p

제2장 빅데이터의 수명 주기와 IT기술
■ 빅데이터를 위한 IT 기술 | 18p
■ 빅데이터의 수명주기 | 20p
■ 빅데이터를 위한 IT 기술 | 22p
■ 빅데이터 분석기법 | 27p

제3장 데이터 과학의 개론
■ 데이터 과학의 정의 | 30p
■ 데이터 과학의 핵심 영역 | 33p
■ 데이터 과학자의 직무와 실무 | 39p

제4장 데이터 과학의 방법론 - 인공지능
■ 인공지능의 개념 | 42p
■ 인공지능의 핵심 영역 | 47p
■ 인공지능의 활용 사례 | 51p

제5장 데이터 과학의 방법론 - 머신러닝
■ 머신러닝의 개념 | 56p
■ 머신러닝의 학습 원리 | 59p
■ 머신러닝의 학습 유형 | 61p

제6장 데이터 과학의 방법론 - 데이터 분석 방법론
■ 데이터 분석 절차 | 67p
■ 데이터 분석 방법론 | 78p

제7장 데이터분석 실습환경
■ 데이터 분석을 위한 파이썬 개발언어 | 82p
■ 데이터 분석 실습 환경 구글 코랩 | 87p

제8장 머신러닝 알고리즘 - 의사결정트리
■ 의사결정 트리 알고리즘의 개념 | 95p
■ 의사결정 트리 알고리즘의 학습원리 | 100p

제9장 머신러닝 알고리즘 - 의사결정 트리 실습
■ 의사결정 트리 알고리즘을 이용한 분류 모델 학습 | 109p
■ 의사결정 트리 알고리즘을 이용한 분류 모델 시각화 | 110p

제10장 머신러닝 알고리즘 - 회귀분석
■ 회귀분석 알고리즘의 개념 | 112p
■ 회귀분석 알고리즘의 학습원리 | 115p

제11장 머신러닝 알고리즘 - 회귀분석 실습
■ 회귀분석 알고리즘을 이용한 예측모델 학습 | 120p
■ 회귀분석 알고리즘을 이용한 예측모델 평가 | 121p

제12장 머신러닝 알고리즘 - 군집분석
■ 군집분석 알고리즘의 개념 | 123p
■ 군집분석 알고리즘의 학습원리 | 128p

제13장 머신러닝 알고리즘 - 인공신경망
■ 인공신경망의 개념 | 134p
■ 다층신경망의 개념 | 138p

제14장 머신러닝 알고리즘 - 인공신경망 실습
■ 인공신경망 알고리즘을 이용한 분류 모델 학습 | 142p
■ 인공신경망 알고리즘을 이용한 분류 모델 평가 | 143p