상세정보
미리보기
데이터를 읽는 사람은 언제나 강하다
- 저자
- 노무라종합연구소 데이터사이언스랩 저/전선영 역
- 출판사
- 머스트리드북
- 출판일
- 2024-11-29
- 등록일
- 2025-01-13
- 파일포맷
- PDF
- 파일크기
- 7MB
- 공급사
- YES24
- 지원기기
-
PC
PHONE
TABLET
웹뷰어
프로그램 수동설치
뷰어프로그램 설치 안내
책소개
“AI 시대를 살아가는 개인에게 데이터 해석 능력은 필수!”***분석력이 좋아지고 사고가 깊어지는 데이터 사이언스 핵심 개념 지도***노무라종합연구소 데이터 천재들의 영업 기밀***AI가 밝히는 세상을 건너는 디지털 인류에게 필요한 새로운 교양현대 생활에서 데이터가 차지하는 역할이 커지면서 데이터를 해석하고 활용하는 능력은 개인의 경쟁력이 되고 있다. 『데이터를 읽는 사람은 언제나 강하다』는 일본 최고 싱크탱크인 노무라종합연구소 데이터사이언스랩 연구원들이 인공지능(AI) 시대를 살아가는 개인에게 필요한 데이터 사이언스 핵심 개념을 세 페이지 분량의 간명한 설명과 직관적인 그래픽으로 풀어낸 책이다. “평균값과 중앙값은 무엇이 다를까?” “AI·머신러닝·딥러닝은 어떤 개념 관계일까?” “자연어 처리와 텍스트 마이닝은 어디에 활용할까?” 저자들은 이처럼 우리가 평소 자주 접하지만 어떻게 사용되는지 정확히 몰랐던 개념을 일목요연하게 펼쳐 보인다. 업무 역량을 키우고자 하는 기업 현장 실무자부터 이 분야를 처음 접하는 일반인까지 객관적이고 합리적인 사고를 원하는 모든 사람을 위한 데이터 사이언스 핵심 개념 지도가 될 것이다.
저자소개
컨설팅 서비스와 정보기술 솔루션을 제공하는 노무라종합연구소에서 전사적으로 데이터 사이언스를 추진하기 위해 설립한 조직이다. 데이터 사이언스와 관련된 노하우의 집약 및 공유, 데이터 사이언티스트의 육성 및 지원, 기초 연구를 통한 수리 모델의 구축, 경제 · 산업 · 사회 · 생활 트렌드의 예측 등 노무라종합연구소에서 수행하는 데이터 사이언스 관련 최신 연구 성과를 적극적으로 대외에 발표하고 있다. 공식 유튜브 채널에서 데이터 사이언스 용어 해설 등 다양한 정보도 제공하고 있다.
시오자키 준이치
노무라종합연구소 데이터사이언스랩 대표이자 일본 데이터사이언티스트협회 이사다. 쓰쿠바대학교 제3학군 사회공학과를 졸업하고 노무라종합연구소에 입사했으며 마케팅 전략 기획, 브랜드 매니지먼트, 광고 홍보 효과 측정 등을 연구하고 있다. 마케팅 사이언스 컨설팅 부장 등을 역임했다.
히로세 야스히코
노무라종합연구소 데이터사이언스랩 상급 연구원이자 일본 데이터사이언티스트협회 커뮤니티 허브 위원이다. 게이오기주쿠대학교 문학부 인간관계학과를 졸업하고 DNP디지털컴을 거쳐 노무라종합연구소에 입사했다. 데이터 사이언티스트의 육성 및 조직 개발 등을 담당하고 있다.
목차
한국어판 출간에 부쳐시작하며1장 일상생활 깊숙이 스며든 데이터 사이언스데이터 사이언티스트란 | 첨단 정보기술 인재 | 디지털 마케팅 | 배송 경로 최적화 | 다이내믹 프라이싱 | AI 발주 시스템 | 스포츠 데이터 사이언스 | 피플 애널리틱스Column ? 진화하는 데이터 활용 2장 자주 쓰이는 머신러닝 알고리즘과 통계 개념들데이터 사이언스 핵심 개념 지도 | 모집단과 표본 | 평균값과 중앙값 | 분산 | 중심극한정리 | 신뢰구간 | 가설 검정 | 상관계수 | 베이즈 통계 | 몬티 홀 문제 | 인과 추론 | AI | 머신러닝 | 딥러닝 | 알고리즘 | 회귀분석 | 다중 공선성 | 회귀분석의 P값 | 로지스틱 회귀 | 결정 트리 | LightGBM | 클러스터링 | k-평균법 | 주성분 분석 | 베이즈 네트워크 | 시계열 분석 | 프로펫 | 자연어 처리 | GPT-3 | 과학습 | 교차 검증 | 자동 머신러닝 | 블랙박스 문제 | 로우코드, 노코드Column ─ 넓어지는 업무 범위3장 궁금한 그 현상을 어떻게 데이터로 바꿀 것인가분석 모형 구축 | 수리 최적화 | 프로그래밍 | 클라우드 활용 | 구매 데이터 분석 | 인과관계 분석 | 텍스트 마이닝 | 의도 파악 | 이미지 인식 | 음성 인식Column ─ 데이터 사이언티스트의 미래4장 현실에서 당장 부딪힌 예상 밖 낯선 상황들데이터 분석은 전처리가 8할 | 지난 2년 데이터로 향후 10년을 예측 | 머신러닝이라 간단히 처리할 수 있다? | 제한적인 분석 환경과의 싸움 | 경영자 기대는 정밀도 99% | 분석 자체가 목적이 된다 | 담당자 직감과 어긋난다고? | 비용 대비 효과가 떨어진다? | 본보기가 될 만한 선배가 없다? | 데이터 분석만 할 뿐이다?Column ─ 수식의 아름다움5장 어쩌다 보니 데이터 사이언티스트가 된 사람들데이터 사이언티스트의 경력 이야기 | 짧은 이야기① 심리학에서 컨설팅으로 | 짧은 이야기② 원치 않던 부서 경험을 살려 | 짧은 이야기③ 수비와 공격의 텍스트 마이닝 | 짧은 이야기④ 모험적 성향이 천직으로 이어져 | 짧은 이야기⑤ 생체 반응 연구와 미래를 읽는 힘 | 짧은 이야기⑥ 취직 후 대학원에서 다시 공부 | 짧은 이야기⑦ 차고 넘치는 데이터를 활용해Column ─ 의외로 많은 문과 출신6장 데이터 해석 능력을 키우기 위해 갖추어야 할 자질들현장 비즈니스를 이해하는 힘 | 전문적인 내용을 알기 쉽게 전달하는 힘 | 최적의 답을 구체적으로 제안하는 힘 | 불확실한 시대를 시뮬레이션하는 힘 | 데이터로 할 수 있는 일을 상상하는 힘 | 따두면 어디든 써먹을 수 있는 자격증 Column ─ AI 시대 새로운 직업을 찾아서마치며찾아보기