#광고 - 링크로 구매 시 글쓴이에게 소정의 수수료가 제공됩니다.
"개발자를 위한 필수 수학"은 데이터 과학, 머신러닝, 통계학 등 현대 IT 분야에서 필수적으로 요구되는 수학적 기초를 다루는 책입니다. 저자 토머스 닐드는 이 책을 통해 개발자들이 수학을 보다 쉽게 이해하고 활용할 수 있도록 돕고자 합니다. 이 책은 기초 수학부터 시작하여 미적분, 확률, 통계, 선형대수학 등 다양한 수학적 개념을 체계적으로 설명합니다. 각 장에서는 이론적인 설명뿐만 아니라, 실제 프로그래밍 언어인 파이썬을 활용한 실습 코드도 제공하여 독자들이 배운 내용을 즉시 적용할 수 있도록 구성되어 있습니다.
특히, 선형 회귀, 로지스틱 회귀, 신경망 등 데이터 과학의 핵심 기술에 수학이 어떻게 적용되는지를 명확하게 설명하며, 이를 통해 독자들은 수학적 사고를 바탕으로 데이터 분석 및 머신러닝 모델을 이해하고 구현할 수 있게 됩니다. 또한, 각 장의 마지막에는 복습을 위한 워크북이 제공되어 학습한 내용을 점검하고 강화할 수 있는 기회를 제공합니다.
이 책은 단순히 수학적 개념을 배우는 데 그치지 않고, 데이터 과학 분야에서의 경력 개발에 대한 조언도 포함되어 있어, 독자들이 자신의 진로를 고민하는 데에도 큰 도움이 될 것입니다. 수학에 대한 두려움을 극복하고, 실무에서의 적용 가능성을 높이고자 하는 개발자들에게 이 책은 훌륭한 가이드가 될 것입니다.
"개발자를 위한 필수 수학"은 수학적 기초가 부족한 개발자뿐만 아니라, 이미 현업에서 활동 중인 개발자들에게도 새로운 통찰과 지식을 제공할 수 있는 귀중한 자원입니다. 데이터 과학과 머신러닝의 세계를 탐험하고 싶은 모든 개발자에게 추천하는 이 책은, 수학적 이해를 통해 더 나은 문제 해결 능력을 기를 수 있도록 도와줄 것입니다.
목차
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
- 교보문고: https://bitl.bz/Hw9kax
- Yes24: https://bitl.bz/XlVfoT
- 쿠팡: https://bitl.bz/B5G5OF
'데이터 과학 > 데이터 과학을 위한 수학' 카테고리의 다른 글
| 스티븐 애벗, 해석학 첫걸음 - 2 판, 한빛아카데미 (0) | 2025.05.04 |
|---|---|
| 스티븐 H. 프리드버그 , 아놀드 J. 인셀 , 로렌스 E. 스펜스, 프리드버그 선형대수학 - 5 판, 한빛아카데미 (0) | 2025.05.03 |
| 장철원, 몬테카를로 시뮬레이션으로 배우는 확률통계 with 파이썬 - 기초 개념부터 확률 과정 기반 데이터 예측까지, 비제이퍼블릭 (0) | 2025.03.27 |
| 히라오카 카즈유키 , 호리 겐, 프로그래머를 위한 선형대수, 길벗 (2) | 2025.03.13 |
| 길버트 스트랭, 딥러닝을 위한 선형대수학, 한빛아카데미 (2) | 2025.02.15 |