조언으로 빼곡한 '개발자를 위한 필수 수학'

개발자를 위한 필수 수학
기초 수학으로 시작하는 데이터 과학 첫걸음
저자: 토머스 닐드 / 번역: 박해선 / 한빛미디어 / 2024-06-03
원제: Essential Math for Data Science
https://www.hanbit.co.kr/store/books/look.php?p_code=B6844303854

 

앓는 소리를 먼저 하자면, 기초를 다지기 위해 이 책을 골랐고 꽤 힘들게 읽었습니다. 한두 번 더 실습해야겠다고 마음 먹었습니다. 책 내내 보이는 리본 달린 보충 설명과 주의사항이 상당히 도움이 되고 안심이 되었습니다. P값 해킹, e, 실전 요령, 편향 등 한 장(chatpter)를 할애하기는 애매하지만 두고두고 유익한 가르침이 줄곧 나왔습니다.

 

데이터 과학자를 꿈꾸는 이에게는 필독서라고 봅니다. SPSS, SAS로 통계 업무를 보다가 Python으로 확장하는 데에도 도움이 되겠고, 탄탄한 수학 기초에 비해 약한 통계 노하우를 단기간에 습득하는 데에도 유용하겠습니다. 말미에는 경력 경로 등 데이터 과학/분석 업계에서 성장하려는 후배에게 조언하는 내용이 실렸습니다. 352쪽이라는 분량을 채우며 허투루 넘어가는 주제가 없습니다. 한두 달에 이 책을 소화하기는 어렵지 않을까 합니다. 게다가 저자가 소개하는 강의 영상까지 전부 본다면 석 달도 모자랄 듯합니다. 그만큼 내용이 알찹니다. 데이터 분석가, 데이터 과학자로 대성하고자 한다면 끈질기게 완독하고 연습문제까지 전부 풀어보시길 바랍니다. 자신감이 단단히 쌓일 겁니다.

 

"한빛미디어 < 나는리뷰어다 > 활동을 위해서 책을 제공받아 작성된 서평입니다."

---

반응형

1장 기초 수학과 미적분
_1.1 정수론
_1.2 연산 순서
_1.3 변수
_1.4 함수
_1.5 합계
_1.6 거듭제곱
_1.7 로그
_1.8 오일러 수와 자연로그
_1.9 극한
_1.10 미분
_1.11 적분
_1.12 마치며

 

2장 확률
_2.1 확률 이해하기
_2.2 확률 계산
_2.3 이항 분포
_2.4 베타 분포
_2.5 마치며

 

3장 기술 통계와 추론 통계
_3.1 데이터란 무엇인가요?
_3.2 기술 통계와 추론 통계
_3.3 모집단, 표본, 편향
_3.4 기술 통계
_3.5 추론 통계
_3.6 t 분포: 소규모 표본 처리
_3.7 빅 데이터 고려 사항과 텍사스 명사수 오류
_3.8 마치며

 

4장 선형대수학
_4.1 벡터란 무엇인가요?
_4.2 선형 변환
_4.3 행렬 곱셈
_4.4 행렬식
_4.5 특수 행렬
_4.6 연립 방정식과 역행렬
_4.7 고유 벡터와 고윳값
_4.8 마치며

 

5장 선형 회귀
_5.1 기본 선형 회귀
_5.2 잔차와 제곱 오차
_5.3 최적의 직선 찾기
_5.4 과대적합 및 분산
_5.5 확률적 경사 하강법
_5.6 상관 계수
_5.7 통계적 유의성
_5.8 결정 계수
_5.9 추정 표준 오차
_5.10 예측 구간
_5.11 훈련/테스트 분할
_5.12 다중 선형 회귀
_5.13 마치며

 

6장 로지스틱 회귀와 분류
_6.1 로지스틱 회귀 이해하기
_6.2 로지스틱 회귀 수행하기
_6.3 다변수 로지스틱 회귀
_6.4 로그 오즈 이해하기
_6.5 R2
_6.6 p 값
_6.7 훈련/테스트 분할
_6.8 오차 행렬
_6.9 베이즈 정리와 분류
_6.10 ROC 곡선과 AUC
_6.11 클래스 불균형
_6.12 마치며

 

7장 신경망
_7.1 언제 신경망과 딥러닝을 사용할까요?
_7.2 간단한 신경망
_7.3 역전파
_7.4 사이킷런 사용하기
_7.5 신경망과 딥러닝의 한계
_7.6 마치며

 

8장 경력 조언과 앞으로의 진로
_8.1 데이터 과학의 재정의
_8.2 데이터 과학의 간략한 역사
_8.3 나만의 강점 찾기
_8.4 데이터 과학 직무에서 주의해야 할 사항
_8.5 꿈의 직업이 존재하지 않나요?
_8.6 이제 어디로 가야 하나요?
_8.7 마치며

 

부록 A 보충 학습
A.1 심파이로 수학식 표현하기
A.2 밑바닥부터 이항 분포 구현하기
A.3 밑바닥부터 베타 분포 구현하기
A.4 베이즈 정리 유도하기
A.5 밑바닥부터 CDF와 역CDF 구현하기
A.6 e를 사용해 시간 경과에 따른 사건 확률 예측하기
A.7 언덕 오르기와 선형 회귀
A.8 언덕 오르기와 로지스틱 회귀
A.9 선형 계획법에 대한 간략한 소개
A.10 사이킷런을 사용한 MNIST 분류기

 

<별책 부록> 워크북