--- title: "@피터브루스 #데이터사이언스 #실용주의 #통계학" url: "https://notes.junghanacs.com/bib/20240617T120208" author: "Junghan Kim" date: "2024-06-17T12:02:00+09:00" tags: ["bib","datascience","python","rlang"] description: "데이터 과학자가 꼭 알아야 할 통계 개념을 파이썬과 R 예제로 추려서 설명하는 실용 입문서다." --- > [!abstract] 이 노트에 대하여 > > 데이터 과학에 꼭 필요한 통계 개념을 파이썬과 R 예제로 추려 설명하는 실용 입문서다. 고전 통계를 모두 배우기보다 분석과 머신러닝에 필요한 핵심을 빠르게 익히게 돕는다. - 피터 브루스 and 앤드루 브루스 2021 "데이터 과학을 위한 통계 - 파이썬 R언어 실용주의 통계학" 이준용 파이썬과 R로 필요한 만큼만 배우는 실용주의 통계학통계 기법은 데이터 과학의 핵심이지만, 데이터 과학자가 고전 통계를 낱낱이 알아야 하는 것은 아니다. 이 책은 데이터 과학의 관점에서 통계 핵심 개념과 기법을 필요한 것만 골라 소개한다. 50가지 개념을 차근차... 원서 : Practical Statistics for Data Scientists 파이썬과 R언어를 하나로 통합하여 학습할 수 있음에 장점 ## "데이터 과학을 위한 통계 - 파이썬 R언어 실용주의 통계학" (2021) ([피터 브루스 and 앤드루 브루스 2021](https://notes.junghanacs.com/bib/20240617T120208#citeproc_bib_item_1)) 피터 브루스 and 앤드루 브루스 2021 이준용 파이썬과 R로 필요한 만큼만 배우는 실용주의 통계학통계 기법은 데이터 과학의 핵심이지만, 데이터 과학자가 고전 통계를 낱낱이 알아야 하는 것은 아니다. 이 책은 데이터 과학의 관점에서 통계 핵심 개념과 기법을 필요한 것만 골라 소개한다. 50가지 개념을 차근차... 원서 : Practical Statistics for Data Scientists ### 책소개: 파이썬과 R로 필요한 만큼만 배우는 실용주의 통계학 통계 기법은 데이터 과학의 핵심이지만, 데이터 과학자가 고전 통계를 낱낱이 알아야 하는 것은 아니다. 이 책은 데이터 과학의 관점에서 통계 핵심 개념과 기법을 필요한 것만 골라 소개한다. 50가지 개념을 차근차근 정리하고 코드를 실행해보면, 필수 통계 지식을 빠르게 흡수할 수 있다. 2판에는 기존 R 코드와 호응하는 파이썬 코드를 새롭게 추가했다. 『데이터 과학을 위한 통계』로 필요한 이론을 적재적소에 잘 활용하는 실력 있는 데이터 과학자로 거듭나길 바란다. ### 출판사 리뷰 데이터 분석에서 머신러닝까지 50가지 핵심 개념 파이썬과 R 코드를 실행해보며, 필요한 만큼만 배운다! 많은 데이터 과학자가 통계 개념을 이해하지 못해 한계에 부딪힌다. 문제가 조금만 복잡해도 어디서부터 어떻게 해결해야 할지 몰라 당황하거나, 출력한 결과를 이해하지 못해 난감해하기 일쑤다. 이 책은 통계 지식에 목마른 현업 데이터 과학자와 인공지능 개발자를 위해 쓰였다. 목표는 다음 두 가지다. 첫째, 데이터 과학과 관련된 통계의 핵심 개념을 소화하기 쉽고 따라 하기 쉽게 소개한다. 둘째, 데이터 과학의 관점에서 어떤 개념이 정말 중요하고 유용한지, 어떤 개념이 덜 중요한지 구분해 알게 한다. EDA, 표본분포, 유의성 검정, 회귀분석, 분류, 통계적 머신러닝, 비지도 학습 등 오늘날 데이터 분석과 머신러닝 분야에서 널리 사용하는 주제로 구성했고, 데이터 과학자가 꼭 알아야 하는 개념을 50여 가지만 ‘콕’ 집어 정리했다. 자유도, p 값, 상관계수 등 고전 통계에서 중요하게 생각하는 개념 중, 빅데이터를 다루는 데이터 과학자가 세부 사항까지 자세히 알 필요가 없는 것은 그에 맞게 안내한다. 주요 절마다 ‘용어 정리’와 ‘주요 개념’을 정리해 학습 편의를 높이고, 같은 용어라도 통계학, 데이터 과학, 컴퓨터 과학에서 저마다 다르게 쓰는 경우에는 그 차이점을 정리했다. 2판의 가장 큰 특징은 새로 제공하는 파이썬 코드다. 파이썬 코드를 싣기 위해 과학 계산과 데이터 과학 분야에서 30년 이상의 경력을 갖춘 저자가 새로 투입됐다. 파이썬이나 R, 둘 중 하나만 다룰 줄 알아도 책의 내용을 이해하고 코드를 실행해볼 수 있다. 모두 다룰 줄 안다면 두 언어 간의 구현 차이를 비교하는 재미가 쏠쏠할 것이다. 일반인 대상의 통계책은 시시하고 전공 수준의 통계학 교과서는 어려워 엄두가 안 난다면, 이 책을 징검다리 삼아 통계 지식과 통계적 사고력을 키워보길 바란다. 누구든 이 책을 끝까지 잘 마치면, 필요한 이론을 적재적소에 잘 활용하는 실력 있는 데이터 과학자로 거듭날 수 있다. ### 주요 내용 -데이터 과학의 초석인 탐색적 데이터 분석 시작하기 -임의표본추출로 편향을 줄이고 고품질 데이터셋을 얻는 방법 -실험설계 원칙을 적용해 타당한 결론을 도출하고 명확한 답을 찾는 방법 -회귀분석으로 결과를 추정하고 이상을 탐지하는 방법 -범주를 예측하고 찾아내는 주요 분류 기법 -데이터로 학습하는 통계적 머신러닝 기법 -레이블 없는 데이터에서 의미를 추출하는 비지도 학습 기법 ## 1 탐색적 데이터 분석 ### 1.1 정형화된 데이터의 요소 ### 1.2 테이블 데이터 ### 1.3 위치 추정 ### 1.4 변이 추정 ### 1.5 데이터 분포 탐색하기 ### 1.6 이진 데이터와 범주 데이터 탐색하기 ### 1.7 상관관계 ### 1.8 두 개 이상의 변수 탐색하기 ## 2 데이터와 표본분포 ### 2.1 임의표본추출과 표본편향 ### 2.2 선택편향 ### 2.3 통계학에서의 표본분포 ### 2.4 부트스트랩 ### 2.5 신뢰구간 ### 2.6 정규분포 ### 2.7 긴 꼬리 분포 ### 2.8 스튜던트의 t 분포 ### 2.9 이항분포 ### 2.10 카이제곱분포 ### 2.11 F 분포 ### 2.12 푸아송 분포와 그 외 관련 분포들 ## 3 통계적 실험과 유의성검정 ### 3.1 A/B 검정 ### 3.2 가설검정 ### 3.3 재표본추출 ### 3.4 통계적 유의성과 p 값 ### 3.5 t 검정 ### 3.6 다중검정 ### 3.7 자유도 ### 3.8 분산분석 ### 3.9 카이제곱검정 ### 3.10 멀티암드 밴딧 알고리즘 ### 3.11 검정력과 표본크기 ## 4 회귀와 예측 ### 4.1 단순선형회귀 ### 4.2 다중선형회귀 ### 4.3 회귀를 이용한 예측 ### 4.4 회귀에서의 요인변수 ### 4.5 회귀방정식 해석 ### 4.6 회귀진단 ### 4.7 다항회귀와 스플라인 회귀 ## 5 분류 ### 5.1 나이브 베이즈 ### 5.2 판별분석 ### 5.3 로지스틱 회귀 ### 5.4 분류 모델 평가하기 ### 5.5 불균형 데이터 다루기 ## 6 통계적 머신러닝 ### 6.1 k-최근접 이웃 ### 6.2 트리 모델 ### 6.3 배깅과 랜덤 포레스트 ### 6.4 부스팅 ## 7 비지도 학습 ### 7.1 주성분분석 ### 7.2 k-평균 클러스터링 ### 7.3 계층적 클러스터링 ### 7.4 모델 기반 클러스터링 ### 7.5 스케일링과 범주형 변수 ## 관련메타 - [#데이터사이언스](https://notes.junghanacs.com/meta/20241010T175020) ## BIBLIOGRAPHY - 피터 브루스, and 앤드루 브루스. 2021. *데이터 과학을 위한 통계 - 파이썬 R언어 실용주의 통계학*. Translated by 이준용. .