- ÁÖ¹®»óǰ¼ö·®
- °³
- ¿¹»óÀû¸³±Ý
P - »óǰÇÒÀαÝ
- ¿ø
- ¹è¼Û·á
- ¿ø
- ÁÖ¹®ÇÕ°è
- ¿ø
¹Ýµð¾Ø·ç´Ï½º ·Ôµ¥Ä«µå | °áÁ¦±Ý¾× ÃÖ´ë 25% û±¸ÇÒÀÎ (1¸¸¿ø ÀÌ»ó °áÁ¦°Ç¿¡ ÇÑÇØ ¿ù 2ȸ, °Ç´ç ÃÖ´ë 1¸¸¿ø ÇÒÀÎ) |
---|---|
¹Ýµð¾Ø·ç´Ï½º ¿ì¸®VÄ«µå | °áÁ¦±Ý¾× 10% û±¸ÇÒÀÎ |
OKij½¬¹é Æ÷ÀÎÆ® | ÃÖ¼Ò 10¿øºÎÅÍ Àü¾× »ç¿ë or 1% Àû¸³ |
---|---|
Çö´ëÄ«µå MÆ÷ÀÎÆ® | °áÁ¦±Ý¾×ÀÇ ÃÖ´ë 10% »ç¿ë °¡´É |
½ÅÇÑÄ«µå Æ÷ÀÎÆ® | °áÁ¦±Ý¾×ÀÇ ÃÖ´ë 10% »ç¿ë °¡´É(ÀϺÎÄ«µå) |
Çϳª(±¸.¿Üȯ) Æ÷ÀÎÆ® | º¸À¯ Çѵµ ³»¿¡¼ 100% »ç¿ë °¡´É |
¾¾Æ¼Ä«µå Æ÷ÀÎÆ® | °áÁ¦±Ý¾×ÀÇ ÃÖ´ë 50% »ç¿ë °¡´É |
NH³óÇù TAKE5Ä«µå | 20% û±¸ÇÒÀÎ(Edu Pack) |
---|---|
ä¿ò Ç÷¡Æ¼´½ ¸ÖƼīµå | 20% û±¸ÇÒÀÎ |
¸ð¹ÙÀÏ Tmoney ½ÅÇÑÄ«µå | 10% û±¸ÇÒÀÎ |
½ÅÇÑÄ«µå Shopping | 10% û±¸ÇÒÀÎ |
NH³óÇù üũīµå | 10% û±¸ÇÒÀÎ |
NH20 ÇØº½ ½Å¿ëÄ«µå | 10% û±¸ÇÒÀÎ |
¾¾Æ¼ Ŭ¸®¾î Ä«µå | 7% û±¸ÇÒÀÎ |
NH20 ÇØº½ üũīµå | 5% û±¸ÇÒÀÎ |
NH³óÇù LADY´Ù¼ØÄ«µå | 5% û±¸ÇÒÀÎ |
½ÅÇÑÄ«µå Å¥ºê | 5% û±¸ÇÒÀÎ |
½ÅÇÑÄ«µå Å¥ºê PLATINUM# | 5% û±¸ÇÒÀÎ |
NAVER Pay °áÁ¦ ½Ã ³×À̹öÆäÀÌ Æ÷ÀÎÆ® 5% Àû¸³ ?
[2õ¿ø Ãß°¡ Àû¸³]
ÃÑ ÁÖ¹®±Ý¾× 5¸¸¿ø ÀÌ»ó ±¸¸Å ½Ã 2,000¿ø Ãß°¡ Àû¸³
[¸â¹ö½Ê Ãß°¡ Àû¸³]
½´ÆÛ·ç´Ï : 3% Ãß°¡ Àû¸³
°ñµå·ç´Ï : 2% Ãß°¡ Àû¸³
½Ç¹ö·ç´Ï : 1% Ãß°¡ Àû¸³
´Ü, ±¹³»µµ¼, eBook¸¸ ±¸¸Å ½Ã Àû¸³ ºÒ°¡
¡Ø Ãâ°í¿¹Á¤ÀÏÀº µµ¼ Àç°í»óȲ¿¡ µû¶ó º¯µ¿µÉ ¼ö ÀÖ½À´Ï´Ù.
¡Ø Ãâ°í¿¹Á¤ÀÏÀº µµ¼ Àç°í»óȲ¿¡ µû¶ó º¯µ¿µÉ ¼ö ÀÖ½À´Ï´Ù.
¡°µµ·Î¸íÁÖ¼Ò¡±¸¦ ½±°Ô ã¾Æº¸¼¼¿ä
1. µµ·Î¸íÀ¸·Î °Ë»öÇϱâ (¿¹, ¡°Á÷Áö±æ¡± or ¡°Á÷Áö±æ+322¡±)
2. °Ç¹°¸íÀ¸·Î °Ë»öÇϱâ (¿¹, ¡°¹Ýµð¾Ø·ç´Ï½ººôµù¡±)
3. µ¿(À¾/¸é/¸®) À¸·Î °Ë»ö (¿¹, ¡°Àλ絿¡± or ¡°Àλ絿+43¡±)
4. µµ·Î¸íÁÖ¼Ò¸¦ ¸ð¸£½Ç °æ¿ì µµ·Î¸íÁÖ¼Ò ¾È³»½Ã½ºÅÛ(http://www.juso.go.kr)¿¡¼ È®ÀÎÇØÁÖ¼¼¿ä.
ÁÖ¼ÒÀÇ µ¿(À¾/¸®/¸é) ¶Ç´Â ¸¶Áö¸· ºÎºÐÀ» ÀÔ·ÂÇϽŠÈÄ °Ë»öÀ» ´©¸£¼¼¿ä.
ÃÑ 0°Ç, °Ë»ö°á°ú ÁÖ¼Ò¸¦ Ŭ¸¯ÇϽøé ÀÚµ¿ÀÔ·Â µË´Ï´Ù.
¿ìÆí¹øÈ£ | ÁÖ¼Ò |
---|
°Ë»öµÈ ÁÖ¼Ò°¡ ¾ø½À´Ï´Ù. |
³×À̹öID·Î º°µµ ¾Û ¼³Ä¡ ¾øÀÌ ½Å¿ëÄ«µå ¶Ç´Â ÀºÇà°èÁ Á¤º¸¸¦ µî·ÏÇÏ¿© ³×À̹öÆäÀÌ ºñ¹Ð¹øÈ£·Î °áÁ¦ÇÒ ¼ö ÀÖ´Â °£Æí°áÁ¦ ¼ºñ½º ÀÔ´Ï´Ù.
R·Î ¹è¿ì´Â ½Ç¹« µ¥ÀÌÅÍ °úÇÐ ´Ï³ª Áܸá, Á¸ ¸¶¿îÆ® 30,000¿ø
ÄÚµù¼ÎÇÁÀÇ 3ºÐ µö·¯´×, Äɶ󽺸À ÄÚµù¼ÎÇÁ(±è¼ºÁø) 27,000¿ø
Do it! ½±°Ô ¹è¿ì´Â R µ¥ÀÌÅÍ ºÐ¼® ±è¿µ¿ì 18,000¿ø
Á¤º¸ °Ë»öÀÇ À̷аú ½ÇÁ¦ 40,500¿ø (10%¡é+5%P)
ÇÇó ¿£Áö´Ï¾î¸µ, Á¦´ë·Î ½ÃÀÛÇϱâ 22,500¿ø (10%¡é+5%P)
½ºÄ®¶ó¿Í ¸Ó½Å ·¯´× [2ÆÇ] 40,500¿ø (10%¡é+5%P)
°³¹ßÀÚ¸¦ À§ÇÑ ¸Ó½Å ·¯´× 22,500¿ø (10%¡é+5%P)
Pandas·Î ÇÏ´Â µ¥ÀÌÅÍ °úÇÐ [2ÆÇ] 31,500¿ø (10%¡é+5%P)
Python Machine Learning by Example 22,500¿ø (10%¡é+5%P)
±ÝÀ¶°øÇÐÀ¸·Î R ¸¶½ºÅÍÇϱâ 27,000¿ø (10%¡é+5%P)
´ë¿ë·® ¸Ó½Å ·¯´×°ú ½ºÆÄÅ© 31,500¿ø (10%¡é+5%P)
ÆÄÀ̽ã ÀÚ¿¬¾î ó¸®ÀÇ À̷аú ½ÇÁ¦ 31,500¿ø (10%¡é+5%P)
ÆÄ¿ö BI¿Í ¿¢¼¿ ÆÄ¿ö ÇǺ¿À» »ç¿ëÇÑ µ¥ÀÌÅÍ ºÐ¼® 27,000¿ø (10%¡é+5%P)
R µö·¯´× ÄîºÏ 27,000¿ø (10%¡é+5%P)
µö·¯´× µ¥ÀÌÅÍ Àüó¸® ÀÔ¹® 18,000¿ø (10%¡é+5%P)
µ¥ÀÌÅÍ °úÇÐ ÀÔ¹®ÀÚ¸¦ À§ÇÑ R 36,000¿ø (10%¡é+5%P)
4Â÷ »ê¾÷Çõ¸í ±â¼ú ¿ø¸® 12,420¿ø (10%¡é+5%P)
C++¿Í CUDA C·Î ±¸ÇöÇÏ´Â µö·¯´× ¾Ë°í¸®Áò Vol.2 25,200¿ø (10%¡é+5%P)
R·Î ÇÏ´Â ½¬¿î µö·¯´× 18,000¿ø (10%¡é+5%P)
µ¥ÀÌÅÍ ¿¹ÃøÀ» À§ÇÑ ¸Ó½Å ·¯´× 40,500¿ø (10%¡é+5%P)
Åë°è ºÐ¼® ³Ê¸Ó RÀÇ ¹«±Ã¹«ÁøÇÑ È°¿ë 36,000¿ø (10%¡é+5%P)
C++¿Í CUDA C·Î ±¸ÇöÇÏ´Â µö·¯´× ¾Ë°í¸®Áò Vol.3 25,200¿ø (10%¡é+5%P)
Å©·Ñ¸®ÀÇ Åë°èÇÐ °ÀÇ 27,000¿ø (10%¡é+5%P)
µ¥ÀÌÅÍ ½ºÅ丮ÅÚ¸µ 22,500¿ø (10%¡é+5%P)
µ¥ÀÌÅÍ ½Ã°¢È Visualizing Data 31,500¿ø (10%¡é+5%P)
C++¿Í CUDA C·Î ±¸ÇöÇÏ´Â µö·¯´× ¾Ë°í¸®Áò Vol.1 27,000¿ø (10%¡é+5%P)
[ǰÀý] ¿£ÅÍÇÁ¶óÀÌÁî µ¥ÀÌÅÍ ·¹ÀÌÅ© ±¸Ãà 36,000¿ø (10%¡é+5%P)
[ǰÀý] ¼öÇÐ ¾øÀÌ ¹è¿ì´Â µ¥ÀÌÅÍ °úÇаú ¾Ë°í¸®Áò 12,420¿ø (10%¡é+5%P)
[ǰÀý] R·Î ÇÏ´Â ÄöÆ® Æ®·¹À̵ù 29,700¿ø (10%¡é+5%P)
[ÀýÆÇ] ¸ÞÀÌÀú¸®±× ¾ß±¸ Åë°èÇÐ 27,000¿ø (10%¡é+5%P)
[ÀýÆÇ] µ¥ÀÌÅÍ ½Ã°¢È ¿ø¸® 31,500¿ø (10%¡é+5%P)
[ÀýÆÇ] ºòµ¥ÀÌÅÍ ¸¶ÀÌ´× 36,000¿ø (10%¡é+5%P)
Visualize This ºñÁÖ¾ó¶óÀÌÁî µð½º 27,000¿ø (10%¡é+5%P)
Building Machine Learning Systems ... 27,000¿ø (10%¡é+5%P)
Machine Learning ¸Ó½Å ·¯´× 54,000¿ø (10%¡é+5%P)
ÀÚ¿¬¾î ÅØ½ºÆ® 󸮸¦ ÅëÇÑ °Ë»ö ½Ã½ºÅÛ ±¸Ãà 36,000¿ø (10%¡é+5%P)
¿¹Ãø ºÐ¼® ¸ðµ¨¸µ ½Ç¹« ±â¹ý 36,000¿ø (10%¡é+5%P)
ºòµ¥ÀÌÅÍ ºñÁî´Ï½º ¼º°ø Áöµµ 22,500¿ø (10%¡é+5%P)
ºòµ¥ÀÌÅÍ Ã³¸®¿Í ºÐ¼®À» À§ÇÑ ÇÏµÓ ¸Ê¸®µà½º ÇÁ·Î±×·¡¹Ö - ac... 35,000¿ø (0%¡é+3%P)
ºòµ¥ÀÌÅÍ ºÐ¼® µµ±¸ R ÇÁ·Î±×·¡¹Ö 31,500¿ø (10%¡é+5%P)
[ǰÀý] R°ú Knitr¸¦ Ȱ¿ëÇÑ µ¥ÀÌÅÍ ¿¬µ¿Çü ¹®¼ ¸¸µé±â 36,000¿ø (10%¡é+5%P)
[ǰÀý] µ¥ÀÌÅÍ ½Ã°¢È ÀÎÁö°úÇÐÀ» ¸¸³ª´Ù 45,000¿ø (10%¡é+5%P)
[ÀýÆÇ] RStudio µû¶óÀâ±â 13,500¿ø (10%¡é+5%P)
À縮µå ·£´õ
´º¿å¿¡ ÀÖ´Â Åë°è ÄÁ¼³ÆÃ°ú ±³À° ¼ºñ½º¸¦ Á¦°øÇÏ´Â ·£´õ ¾Ö³Î¸®Æ½½º »çÀÇ ¼ö¼® µ¥ÀÌÅÍ °úÇÐÀÚ¸ç, ¼¼°è¿¡¼ °¡Àå Å« R ¸ðÀÓÀÎ ´º¿å ¿ÀÇ ½ºÅÂÆ¼½ºÆ¼Äà ÇÁ·Î±×·¡¹Ö ¸ðÀÓ(New York Open Statistical Programming Meetup)°ú ´º¿å R ÄÜÆÛ·±½º(New York R Conference) °ü¸®ÀÚ´Ù.
Ä÷³ºñ¾Æ ´ëÇÐÀÇ Åë°èÇÐ Á¶±³¼öÀ̱⵵ ÇÏ´Ù. ½ºÄà ÇÇÀÚ Åõ¾î(Scott¡¯s Pizza Tours)ÀÇ Åõ¾î °¡À̵å·Îµµ Ȱµ¿ÇÑ´Ù. Ä÷³ºñ¾Æ ´ëÇÐ Åë°èÇаú¿¡¼ ÇкÎ, ¹Ä·»¹ö±× ´ëÇп¡¼ ¼öÇÐ ¼®»ç¸¦ ¸¶ÃÆ´Ù. Çаè¿Í »ê¾÷°è¿¡ °ÉÄ£ ´Ù¾çÇÑ °æÇèÀÌ ÀÖÀ¸¸ç, µ¥ÀÌÅÍ °ü·Ã Ä¿¹Â´ÏƼ Ȱµ¿À» ¸Å¿ì ¿½ÉÈ÷ ÇØ¼ MIT ½½·Î°Ç ½ºÆ÷Ã÷ ¾Ö³Î¸®Æ½½º ÄÜÆÛ·±½º(MIT Sloan Sports Analytics Conference) µî Àü ¼¼°è¿¡¼ ¿¸®´Â ¿©·¯ ¸ðÀÓ¿¡¼ ÀÚÁÖ ¹ßÇ¥ÇÑ´Ù. Åë°èÇп¡ ´ëÇÑ ±ÛµéÀº jaredlander.com¿¡¼ º¼ ¼ö ÀÖÀ¸¸ç °ÔÀçµÈ ±ÛÀº CBS, ¿ù ½ºÆ®¸®Æ® Àú³Î °°Àº ¸¹Àº ¸Åü¿¡ ¼Ò°³µÆ´Ù.
°í¼®¹ü
°¡Å縯´ëÇб³ Àǰú´ëÇÐÀ» Á¹¾÷ÇÑ ½Å°æ°ú Àü¹®ÀÇ´Ù. ¾à 10³â µ¿¾È ȯÀÚ¸¦ Áø·áÇϴ٠â¾÷¿¡ ¶Ù¾îµé¾ú´Ù. ÇöÀç´Â Ç÷Áß ¼øÈ¯¾Ï ¼¼Æ÷¿¡ ±â¹ÝÀ» µÐ µ¿¹Ý Áø´Ü ±â±â CTC-based Companion Diagnostics¸¦ °³¹ßÇÏ´Â ¹ÙÀÌ¿Àº¥Ã³¸¦ À̲ø°í ÀÖ´Ù. º¥Ã³ ȸ»ç·Î¼ ¸¹Àº ¾î·Á¿òÀ» ÇìÃijª°¡°í ÀÖÁö¸¸ ¾ðÁ¨°¡ ·¹Áî Ä¿Áî¿ÍÀÏÀÌ À̾߱âÇÑ Æ¯ÀÌÁ¡À» ³Ñ¾î Áö¼ö ¼ºÀå(Exponetial Growth)À» ÇÒ ¼ö ÀÖÀ» °ÍÀ̶ó´Â Èñ¸ÁÀ» ǰ°í ÀÖ´Ù. ȸ»ç°¡ ±×·± Áö¼öÀû ¼ºÀåÀ» ¼ºÃëÇϱâ À§Çؼ´Â ICT ±â¼úÀ» Àß È°¿ëÇÒ ¼ö ÀÖ¾î¾ß ÇÑ´Ù´Â ¹ÏÀ½ÀÌ ÀÖ¾î ICT °øºÎµµ ¸ØÃßÁö ¾Ê´Â´Ù. ¾ðÁ¨°¡ °¡»óº´¿ø(virtual hospital)À» ¸¸µé °èȹÀ» Çϰí ÀÖ´Ù.
Àú¼ú¼·Î ¡ºR°ú Knitr¸¦ Ȱ¿ëÇÑ µ¥ÀÌÅÍ ¿¬µ¿Çü ¹®¼ ¸¸µé±â¡»(¿¡ÀÌÄÜÃâÆÇ, 2014), ¡ºÅë°è ºÐ¼® ³Ê¸Ó RÀÇ ¹«±Ã¹«ÁøÇÑ È°¿ë¡»(¿¡ÀÌÄÜ, 2017), ¡ºR Shiny ÇÁ·Î±×·¡¹Ö °¡À̵塻(Çѳª·¡¾ÆÄ«µ¥¹Ì, 2017)°¡ ÀÖÀ¸¸ç, ¹ø¿ª¼·Î ¡ºR°ú Shiny ÆÐŰÁö¸¦ Ȱ¿ëÇÑ À¥ ¾ÖÇø®ÄÉÀÌ¼Ç °³¹ß¡»(¿¡ÀÌÄÜ, 2014), ¡ºData Smart: ¿¢¼¿·Î ÀÌÇØÇÏ´Â µ¥ÀÌÅÍ °úÇÐ ÀÔ¹®¡»(¿¡ÀÌÄÜ, 2015), ¡º¹ÌƼ¾î ÀÎ ¾×¼Ç¡»(¿¡ÀÌÄÜ, 2015), ¡ºÃʺ¸ÀÚ¸¦ À§ÇÑ RStudio ¸¶½ºÅÍ¡»(¿¡ÀÌÄÜ, 2017)µîÀÌ ÀÖ´Ù.
¡Ú ÁöÀºÀÌÀÇ ¸» ¡Ú
Àϻ󿡼 ¹ß»ýÇÏ´Â µ¥ÀÌÅÍÀÇ ¾çÀÌ Áõ°¡ÇÔ¿¡ µû¶ó ³ÑÄ¡´Â µ¥ÀÌÅ͸¦ ó¸®Çϱâ À§ÇØ »õ·Ó°í ´õ ³ªÀº µµ±¸µéÀÌ ÇÊ¿äÇÏ°Ô µÆ´Ù. ÀüÅëÀûÀ¸·Î ÀÌ·¯ÇÑ µµ±¸µéÀº ¾ç±Ø´ÜÀ¸·Î ºÐ·ùµÈ´Ù. ¿¢¼¿, SPSS °°Àº °¡º±°í °³ÀÎÀûÀÎ ºÐ¼® µµ±¸µé°ú C++¿Í °°Àº °ÍµéÀ» »ç¿ëÇÏ´Â °í¼º´É ºÐ¼® µµ±¸°¡ ÀÖ¾ú´Ù. °³Àοë ÄÄÇ»ÅÍÀÇ ¼º´ÉÀÌ Çâ»óµÇ¸é¼ ÀÌ µÎ ÁöÁ¡ Áß°£¿¡¼ °·ÂÇϸ鼵µ ´ëÈÇüÀ¸·Î »ç¿ëÇÒ ¼ö ÀÖ´Â µµ±¸°¡ »ý°Ü³ª±â ½ÃÀÛÇß´Ù. °³ÀÎ ÄÄÇ»ÅÍ¿¡¼ Ž»öÀûÀÎ ¹æ¹ýÀ¸·Î ºÐ¼®ÇÏ´Â °ÍÀ» ½ÃÀÛÀ¸·Î ¹Ù·Î ¼öÁØ ³ôÀº ºñÁî´Ï½º ÇÁ·Î¼¼½º¸¦ Áö¿øÇÏ´Â ¼¹ö·Î ¿Å°Ü ÀÛ¾÷ÇÒ ¼ö ÀÖ°Ô µÆ´Ù. ÀÌ ÁöÁ¡¿¡ ÀÖ´Â µµ±¸µéÀÌ R, ÆÄÀ̽㠰°Àº ½ºÅ©¸³Æ® ¾ð¾îµéÀÌ´Ù.
RÀº 1993³â ¿ÀŬ·£µå ´ëÇÐÀÇ ·Î¹öÆ® Á¨Æ²¸Ç°ú ·Î½º ÀÌÇÏÄ« ±³¼ö, º§ ¿¬±¸¼ÒÀÇ Á¸ è¹ö½º¿¡ ÀÇÇØ °³¹ßµÈ S ¾ð¾î¸¦ ¹ÙÅÁÀ¸·Î °³¹ßµÆ´Ù. RÀº ¿ø·¡ ´ëÈÇü ¹æ½ÄÀ» ÅëÇØ »ç¿ëÀÚ°¡ ¸í·ÉÀ» ÀÔ·ÂÇÏ°í ±× °á°ú¸¦ ¹Ù·Î ¹ÞÀ¸¸ç, ´Ù½Ã »õ·Î¿î ¸í·ÉÀ» ½ÇÇàÇÏ´Â °úÁ¤À¸·Î »ç¿ëÇÒ ¼ö ÀÖ°Ô ¸¸µé¾îÁø °í¼öÁØ ¾ð¾î´Ù. ±× ÈÄ ÁøÈ¸¦ °ÅµìÇØ ½Ã½ºÅÛ¿¡ ÀÓº£µùÇØ º¹ÀâÇÑ ¹®Á¦µéÀ» ÇØ°áÇÏ´Â µ¥ »ç¿ëÇÒ ¼ö ÀÖ°Ô µÆ´Ù.
RÀº µ¥ÀÌÅ͸¦ º¯ÇüÇϰųª ºÐ¼®ÇÏ´Â ´É·Â ¿Ü¿¡µµ ³î¶ó¿î ±×·¡ÇÈ ±â´É°ú ¸®Æ÷Æ® Á¦ÀÛ ´É·ÂÀ» °®Ãß°í ÀÖ´Ù. ÀÌÁ¦´Â µ¥ÀÌÅÍ °úÇп¡¼ µ¥ÀÌÅÍÀÇ ÃßÃâ, º¯Çü, ¸ðÇü ÀûÇÕ, Ãß·Ð, ¿¹Ãø, ÇÃ·ÎÆÃ°ú ·¹Æ÷ÆÃ±îÁö °ÅÀÇ Àü ¿µ¿ª¿¡ °ÉÃÄ »ç¿ëµÈ´Ù.
RÀÇ Àαâ´Â 2000³â´ë ÈĹݺÎÅÍ Ä¡¼Ú±â ½ÃÀÛÇßÀ¸¸ç, Çа迡¼ ¹þ¾î³ª ÀºÇà, ¸¶ÄÉÆÃ, Á¦¾à, Á¤Ä¡ÇÐ, À¯ÀüüÇÐ µî ¿©·¯ ºÐ¾ß·Î ÆÛÁö±â ½ÃÀÛÇß´Ù. C++ °°Àº Àú¼öÁØ ÄÄÆÄÀÏ·¯ ¾ð¾î, SAS ¶Ç´Â SPSS °°Àº Åë°è Àü¿ë ÆÐŰÁö, 800ÆÄ¿îµåÂ¥¸® °í¸±¶óÀÎ ¿¢¼¿ µîÀ» »ç¿ëÇÏ´ø »ç¿ëÀÚµéÀÌ RÀÇ »õ·Î¿î »ç¿ëÀÚ°¡ µÆ´Ù. °°Àº ½Ã±â¿¡ RÀÇ ±â´ÉÀ» È®ÀåÇÏ´Â ¶óÀ̺귯¸®ÀÎ ¾Öµå-¿Â ÆÐŰÁöÀÇ ¼ýÀÚµµ ±ÞÁõÇß´Ù.
RÀº ÇÁ·Î±×·¡¹Ö °æÇèÀÌ ÀüÇô ¾ø´Â Ãʺ¸ÀÚ¿¡°Ô´Â ´Ù¼Ò µÎ·Á¿î Á¸ÀçÀ̱⵵ ÇÏÁö¸¸ ³ª´Â RÀ» »ç¿ëÇÏ°í ¾ó¸¶ Áö³ªÁö ¾Ê¾Æ ¸¶¿ì½º·Î Æ÷ÀÎÆÃÇϰí Ŭ¸¯ÇÏ´ø ¹æ¹ý ´ë½Å ÇÁ·Î±×·¥ÈÇØ ºÐ¼®ÇϱⰡ ÈξÀ ½±°í, ÈξÀ Æí¸®Çϸç, ÈξÀ ¹ÏÀ½Á÷½º·´°Ô ´À³¢´Â »ç¿ëÀÚµéÀ» ¸¹ÀÌ ºÁ¿Ô´Ù. RÀ» Á» ´õ ½±°í ºü¸£°Ô ¹è¿ï ¼ö ÀÖ°Ô ÇÏ·Á´Â °ÍÀÌ ³ªÀÇ ¸ñÇ¥´Ù.
¡Ú ¿Å±äÀÌÀÇ ¸» ¡Ú
R ¾ð¾î°¡ »ç¿ëµÇ´Â ºÐ¾ß´Â ¸Å¿ì ³Ð±â ¶§¹®¿¡ R¿¡ °üÇÑ Ã¥µéµµ ¸¹ÀÌ ÃâÆÇµÇ°í ÀÖ´Ù. ¾î¶² Çй®À̳ª µµ¸ÞÀο¡ RÀ» ºÙÀÌ¸é °Å±â¿¡ ÇØ´çÇϴ åÀ» ãÀ» ¼ö ÀÖÀ» Á¤µµ´Ù. ¿¹¸¦ µé¸é R for machine learning, R for biology, R for Finance, R for Marketing °ü·Ã Ã¥À» ¾î·ÆÁö ¾Ê°Ô ãÀ» ¼ö ÀÖ´Ù. ÀÌ Ã¥Àº R for Data Science ºÐ¾ß¿¡ ÇØ´çÇÑ´Ù.
ÀÌ Ã¥ÀÇ ÀåÁ¡Àº RÀÇ Æ÷°ýÀûÀÎ ¸éÀ» ´Ù·é´Ù´Â Á¡ÀÌ´Ù. ÀúÀÚ´Â Åë°èÇÐÀ» Àü°øÇÏ°í µ¥ÀÌÅÍ È¸»ç¸¦ ¿î¿µÇÏ´Â µ¥ÀÌÅÍ °úÇÐÀÚ¸ç, Ä÷³ºñ¾Æ ´ëÇб³¿¡¼ µ¥ÀÌÅÍ °úÇÐ °³·ÐÀ» °ÀÇÇϱ⵵ ÇÑ´Ù. ÀúÀÚÀÇ ¼¹®¿¡ µû¸£¸é ÀÌ Ã¥Àº ±× °ÀÇÀÇ ³»¿ëÀ» »À´ë·Î »ï¾Ò´Ù°í ÇÑ´Ù. Áï R¿¡ ÃÊÁ¡À» ¸ÂÃá µ¥ÀÌÅÍ °úÇÐ °³·Ð¼·Î Ã¥ÀÌ ±âȹµÆ´Ù´Â Àǹ̴Ù. ±× Á¡Àº ÀÌ Ã¥ÀÇ ¸ñÂ÷¸¦ º¸´õ¶óµµ µå·¯³´Ù. ÀúÀÚ´Â ¡®R for Everyone¡¯À̶ó´Â Á¦¸ñÀ» ºÙ¿´Áö¸¸ ¹ø¿ªÀ» ¸¶Ä¡°í º¸´Ï ¡®µ¥ÀÌÅÍ °úÇÐ ÀÔ¹®ÀÚ¸¦ À§ÇÑ R¡¯ Á¤µµ°¡ °¡Àå ÀûÇÕÇÑ Á¦¸ñÀ̶ó°í »ý°¢ÇÑ´Ù. ¾î¶² Àǵµ°¡ ÀÖ°ÚÁö¸¸ Ã¥ÀÇ ³»¿ë¸¸ º¸¸é ±×·¸´Ù´Â À̾߱â´Ù.
Á» ´õ ±¸Ã¼ÀûÀ¸·Î º¸¸é ÄÄÇ»ÅÍ ¾ð¾î·Î¼ R ¾ð¾îÀÇ À̸ðÀú¸ð¸¦ ¼³¸íÇßÀ¸¸ç, ¿ÜºÎ¿¡ ÀÖ´Â µ¥ÀÌÅ͸¦ R·Î °®°í ¿À´Â ¹æ¹ý, °®°í ¿Í¼ º»°ÝÀûÀÎ ºÐ¼®¿¡ µé¾î°¡±â Àü Áغñ °úÁ¤¿¡¼ µ¥ÀÌÅ͸¦ Á¤Á¦Çϴ ŸÀ̵ð¹ö½º(Tidyverse) °°Àº ÃÖ½ÅÀÇ ¹æ¹ý, µ¥ÀÌÅÍ Å½»öÀ» À§ÇÑ µ¥ÀÌÅÍ ½Ã°¢È ¹æ¹ý, µ¥ÀÌÅÍ¿¡ ´ëÇÑ ¿©·¯ °¡Áö ¸ðÇüÀ» ¸¸µé°í Æò°¡ÇÏ´Â ¹æ¹ý, ºÐ¼®µÈ °á°ú¸¦ ´Ù¸¥ »ç¶÷°ú °øÀ¯Çϱâ À§ÇØ R ¸¶Å©´Ù¿î/´ÏÅÍ °°Àº ¹æ¹ýÀ¸·Î ¹®¼ÈÇÏ´Â ¹æ¹ý, »þÀÌ´Ï(shiny) ¾ÛÀ» Á» ´õ ´ÙÀ̳ª¹ÍÇÏ°Ô ¸¸µå´Â ¹æ¹ý, ±×¸®°í ¸¶Áö¸·À¸·Î R ÆÐŰÁö·Î ÀÚ½ÅÀÌ ¸¸µç °ÍÀ» ´Ù¸¥ »ç¶÷°ú °øÀ¯ÇÏ´Â ¹æ¹ý±îÁö µ¥ÀÌÅÍ °úÇÐÀÇ °ÅÀÇ ¸ðµç ºÎºÐÀ» ¸Á¶óÇϰí ÀÖ´Ù. À̰ÍÀº µ¥ÀÌÅÍ °úÇÐÀÚµéÀÌ ÀÏ»óÀûÀ¸·Î ÇÏ´Â ÀÏÀÌ´Ù.
µû¶ó¼ ÀÌ Ã¥Àº µ¥ÀÌÅÍ °úÇÐÀÚ°¡ µÇ°íÀÚ ÇÏ´Â µ¶ÀÚ¿¡°Ô ÁÁÀº ¾È³»¼°¡ µÉ °ÍÀÌ´Ù. °³ÀÎÀûÀÎ »ý°¢ÀÏÁö ¸ð¸£Áö¸¸, µ¥ÀÌÅÍ °úÇÐÀ» ÇÏ·Á´Â »ç¶÷¿¡°Ô RÀº ÇÇÇØ°¥ ¼ö ¾ø´Â ¿µ¿ªÀ̶ó°í »ý°¢ÇÑ´Ù. ¿Ö³ÄÇÏ¸é µ¥ÀÌÅÍ °úÇÐÀÇ ±Ù°£Àº Åë°èÇÐÀ̸ç, RÀº Åë°èÇÐÀÚµéÀÇ ÇÙ½É ¾ð¾î±â ¶§¹®ÀÌ´Ù.
Åë°èÇÐ Áö½ÄÀÌ ±íÁö ¾Ê¾Æ¼ Åë°èÇп¡ ´ëÇÑ ºÎºÐÀÌ °¡Àå ¹ø¿ªÀÌ ¾î·Á¿ü´Ù. ÀúÀÚ°¡ Åë°èÇÐ Àü°øÀÚ¿©¼ÀÎÁö ¸ð¸£Áö¸¸, ÀÌ Ã¥Àº ¼±Çü, ºñ¼±Çü ¸ðÇü±îÁö ±¤¹üÀ§ÇÏ°í ´Ù¾çÇÏ°Ô ¼³¸íÇϰí ÀÖ´Ù. ºñÀü°øÀڷμ ºñ¼±Çü ¸ðÇü °°Àº ³»¿ëÀº ³¸¼± °ÍÀ̾ú´Ù. ÃֽЏӽŠ·¯´× ¾Ë°í¸®Áò°ú °ü·ÃµÈ ¾Ë°í¸®Áò¿¡ ´ëÇÑ Á÷°¨(intuition)À» ÆÄ¾ÇÇÏ´Â °ÍÀÌ Áß¿äÇØ¼ ÀúÀÚµµ ÃßõÇϴ åÀÌÁö¸¸ ¡ºAn Introduction to Statistical Learning¡»(Springer, 2017)À» °°ÀÌ ÀÐÀ¸¸é¼ ¸¹Àº ³»¿ëÀ» Âü°íÇß´Ù. ¹°·Ð ´õ ±íÀÌ ÀÌÇØÇÏ´Â µ¥´Â ´õ ¸¹Àº ½Ã°£ÀÌ ÇÊ¿äÇÒ °ÍÀÌ´Ù. ³ª¿Í ºñ½ÁÇÑ Ã³Áö¿¡ ÀÖ´Â ºÐÀ̶ó¸é ÀÌ Ã¥µµ °°ÀÌ ÀÐÀ¸¸é¼ °øºÎÇÒ °ÍÀ» ÃßõÇÑ´Ù.
ÀåÁ¡ÀÌ ÀÖÀ¸¸é ´ÜÁ¡µµ ÀÖ´Ù. °³·Ð¼·Î¼ Æ÷°ýÀûÀÎ Á¢±Ù¹ýÀ» ¼±ÅÃÇ߱⠶§¹®¿¡ ÇÑ ÁÖÁ¦¿¡ ´ëÇÑ ±íÀÌ ÀÖ´Â ¼³¸í ºÎÁ·ÇÏ´Ù. ÀÌ Ã¥¿¡¼ ÇÑ ÀåÀ¸·Î ¼³¸íµÇ´Â ³»¿ëµéÀÌ ÇϳªÀÇ Ã¥À¸·Î ¿«¾îÁú ¼ö ÀÖ´Â °ÍµéÀÌ ¸¹´Ù. ³»°¡ Àú¼úÇϰųª ¹ø¿ªÇÑ Ã¥µé¸¸ ¿¹·Î µé¾îµµ ±×·¸´Ù. ´ÏÅÍ(knitr) ÆÐŰÁö¿Í R ¸¶Å©´Ù¿î ÆÐŰÁö¸¦ »ç¿ëÇØ ÄÚµå¿Í ÅØ½ºÆ®¸¦ ÇÕÃÄ ¹®¼ÈÇÏ´Â ¹æ¹ýÀº ¡ºÅë°è ºÐ¼® ³Ê¸Ó RÀÇ ¹«±Ã¹«ÁøÇÑ È°¿ë¡»(¿¡ÀÌÄÜ, 2017), »þÀÌ´Ï(shiny) ÆÐŰÁö·Î À¥ ¾ÖÇø®ÄÉÀ̼ÇÀ» ¸¸µå´Â ¹æ¹ýÀº ¡ºR Shiny ÇÁ·Î±×·¡¹Ö °¡À̵塻 (Çѳª·¡¾ÆÄ«µ¥¹Ì, 2017), RStudio »ç¿ë¹ý¿¡ ´ëÇÑ ¹ø¿ª¼ ¡ºÃʺ¸ÀÚ¸¦ À§ÇÑ RStudio ¸¶½ºÅÍ¡»(¿¡ÀÌÄÜ, 2017) µî°ú °ü·ÃÀÌ ÀÖ´Ù. Åë°èÇÐÀ¸·Î µé¾î°¡¸é ÇϳªÇϳªÀÇ ÁÖÁ¦°¡ °Å´ëÇÑ »êÀ̰í, ±×°ÍµéÀ» ¼Ò°³ÇÏ´Â ´Ù¾çÇÑ Ã¥µéÀÌ ÀÖ´Ù.
ü°è¸¦ °®Ãá ¸ðµç °ÍÀÌ ±×·¯Çϵí óÀ½ºÎÅÍ ÇÑ ÁÖÁ¦¿¡ ¸ôÀÔÇÒ ¼ö´Â ¾ø´Ù. ÀÌ Ã¥Àº ¾Õ¿¡¼µµ ¾ð±ÞÇßÁö¸¸ RÀÇ µå³ÐÀº ÁöÆòÀ» º¸¿©ÁØ´Ù. µ¶ÀÚµéÀº ÀÌ Ã¥À» ÅëÇØ RÀÇ ½Å¼¼°è¸¦ °æÇèÇÒ °ÍÀ̰í, ÀÌ Ã¥À» °è±â·Î ´õ ¸Ö¸®, ´õ ±íÀÌ µé¾î°¥ ¼ö ÀÖÀ¸¸®¶ó »ý°¢ÇÑ´Ù.
- ¹Ýµð¾Ø·ç´Ï½º¿¡¼ ±¸¸ÅÇϽеµ¼´Â ¹°·ù ´ëÇà À§Å¹¾÷ü ¿õÁø ºÏ¼¾À» ÅëÇØ ¹è¼ÛµË´Ï´Ù.
(¹è¼Û Æ÷Àå¿¡ "¿õÁø ºÏ¼¾"À¸·Î Ç¥±âµÉ ¼ö ÀÖ½À´Ï´Ù.)
- ±¸¸ÅÇÑ »óǰÀÇ Ç°Áú°ú ¹è¼Û °ü·Ã ¹®ÀÇ´Â ¹Ýµð¾Ø·ç´Ï½º·Î ¹®ÀÇ ¹Ù¶ø´Ï´Ù.
- õÀçÁöº¯ ¹× Åùè»çÀÇ »çÁ¤¿¡ µû¶ó ¹è¼ÛÀÌ Áö¿¬µÉ ¼ö ÀÖ½À´Ï´Ù.
- °áÁ¦(ÀÔ±Ý) ¿Ï·á ÈÄ ÃâÆÇ»ç ¹× À¯Åë»çÀÇ »çÁ¤À¸·Î ǰÀý ¶Ç´Â ÀýÆÇ µÇ¾î »óǰ ±¸ÀÔÀÌ ¾î·Á¿ï ¼ö ÀÖ½À´Ï´Ù. (º°µµ ¾È³» ¿¹Á¤)
- µµ¼»ê°£Áö¿ªÀÇ °æ¿ì Ãß°¡ ¹è¼Ûºñ°¡ ¹ß»ýµÉ ¼ö ÀÖ½À´Ï´Ù.
»óǰ ¼³¸í¿¡ ¹Ýǰ/ ±³È¯ °ü·ÃÇÑ ¾È³»°¡ ÀÖ´Â °æ¿ì ±× ³»¿ëÀ» ¿ì¼±À¸·Î ÇÕ´Ï´Ù. (¾÷ü »çÁ¤¿¡ µû¶ó ´Þ¶óÁú ¼ö ÀÖ½À´Ï´Ù)
¹Ýǰ/±³È¯ ¹æ¹ý | Ȩ > °í°´¼¾ÅÍ > ÀÚÁÖã´ÂÁú¹® ¡°¹Ýǰ/±³È¯/ȯºÒ¡± ¾È³» Âü°í ¶Ç´Â 1:1»ó´ã°Ô½ÃÆÇ |
---|---|
¹Ýǰ/±³È¯ °¡´É ±â°£ | ¹Ýǰ,±³È¯Àº ¹è¼Û¿Ï·á ÈÄ 7ÀÏ À̳», »óǰÀÇ °áÇÔ ¹× °è¾à³»¿ë°ú ´Ù¸¦ °æ¿ì ¹®Á¦¹ß°ß ÈÄ 30ÀÏ À̳»¿¡ ½Åû°¡´É |
¹Ýǰ/±³È¯ ºñ¿ë | º¯½É ȤÀº ±¸¸ÅÂø¿ÀÀÇ °æ¿ì¿¡¸¸ ¹Ý¼Û·á °í°´ ºÎ´ã(º°µµ ÁöÁ¤ Åùè»ç ¾øÀ½) |
¹Ýǰ/±³È¯ ºÒ°¡ »çÀ¯ |
|
¼ÒºñÀÚ ÇÇÇØº¸»ó ȯºÒÁö¿¬¿¡ µû¸¥ ¹è»ó |
|
¹Ýǰ/±³È¯ ÁÖ¼Ò | °æ±âµµ ÆÄÁֽà ¹®¹ß·Î 77, ¿õÁøºÏ¼¾(¹Ýµð¾Ø·ç´Ï½º) |