- 주문상품수량
- 개
- 예상적립금
P - 상품할인금
- 원
- 배송료
- 원
- 주문합계
- 원
네비게이션 실시간 인기 책
머신 러닝을 위한 수학 with 파이썬, R 딥러닝에 필요한 수학만 골라 담았다!
- 이원상 저
- 길벗
- 2020년 08월 24일
-
정가24,000원
-
판매가21,600원 [10% 할인]
-
결제 혜택무이자
카드할인/포인트결제 안내
제휴카드
반디앤루니스 롯데카드 결제금액 최대 25% 청구할인 (1만원 이상 결제건에 한해 월 2회, 건당 최대 1만원 할인) 반디앤루니스 우리V카드 결제금액 10% 청구할인 포인트결제
OK캐쉬백 포인트 최소 10원부터 전액 사용 or 1% 적립 현대카드 M포인트 결제금액의 최대 10% 사용 가능 신한카드 포인트 결제금액의 최대 10% 사용 가능(일부카드) 하나(구.외환) 포인트 보유 한도 내에서 100% 사용 가능 씨티카드 포인트 결제금액의 최대 50% 사용 가능 할인카드
NH농협 TAKE5카드 20% 청구할인(Edu Pack) 채움 플래티늄 멀티카드 20% 청구할인 모바일 Tmoney 신한카드 10% 청구할인 신한카드 Shopping 10% 청구할인 NH농협 체크카드 10% 청구할인 NH20 해봄 신용카드 10% 청구할인 씨티 클리어 카드 7% 청구할인 NH20 해봄 체크카드 5% 청구할인 NH농협 LADY다솜카드 5% 청구할인 신한카드 큐브 5% 청구할인 신한카드 큐브 PLATINUM# 5% 청구할인 
무이자 안내
-
적립금1,200원 적립 [5%P]
추가 적립금 안내
[2천원 추가 적립]
총 주문금액 5만원 이상 구매 시 2,000원 추가 적립
도서(eBook포함)만 구매 시 적립 대상에서 제외업채배송상품 포함(기프트, 업체배송 등) 5만원[멤버십 추가 적립]
슈퍼루니 : 3% 추가 적립
골드루니 : 2% 추가 적립
실버루니 : 1% 추가 적립
단, 국내도서, eBook만 구매 시 적립 불가
-
배송료무료배송
-
출고예정일
출고예정일 안내
※ 출고예정일은 도서 재고상황에 따라 변동될 수 있습니다.
2026년 10월 22일(목)※ 출고예정일은 도서 재고상황에 따라 변동될 수 있습니다.
당일배송 가능지역 검색
“도로명주소”를 쉽게 찾아보세요
1. 도로명으로 검색하기 (예, “직지길” or “직지길+322”)
2. 건물명으로 검색하기 (예, “반디앤루니스빌딩”)
3. 동(읍/면/리) 으로 검색 (예, “인사동” or “인사동+43”)
4. 도로명주소를 모르실 경우 도로명주소 안내시스템(http://www.juso.go.kr)에서 확인해주세요.
시/도
시/군/구
회원리뷰
ISBN: 9791165212537
288쪽
183 x 235 (㎜)
지금 이책은
- 판매지수 : 460
- 주간 컴퓨터/IT: 51위
이 분야의 베스트셀러
-
비전공자를 위한 이해할 수 있는 IT 지식
최원영
15,120원
-
컴퓨팅 사고 Level Up 소프트 파워 with 스크래치
김호다, 이지민, 정영철 외
20,700원
-
모두를 위한 RPA 유아이패스 UiPath 입문 + 활용 [2판]
송순오
26,000원
이 책과 함께 구매한 책
-
세상에서 가장 쉬운 베이즈통계학 입문 고지마 히로유키 13,950원
-
한 우물에서 한눈 팔기 강신주, 송길영, 김홍탁 외 13,500원
-
2030 축의 전환 마우로 기옌 16,200원
-
폴리매스 와카스 아메드 16,920원
-
타인의 속마음, 심리학자들의 명언 700 김태현 13,950원
책 소개
출판사 리뷰
저자 소개
저자 : 이원상
연세대학교에서 문헌정보학과 컴퓨터·산업공학을 전공했으며, 동 대학원 정보산업공학과에서 데이터 마이닝 분야 박사 학위를 취득했다. 대용량 데이터를 처리&분석하는 다양한 기법과 도구를 활용하여 Technovation, Decision Support Systems, Technological Forecasting and Social Change, PLoS One 등 국내외 학술지와 GTM, ERSA, OR, EESD 등의 국제학회에 관련 연구들을 발표하고 있다.
을 번역했고 <특허로 답하다>, <스마트 스페이스와 디지털 트랜스포메이션 전략>을 공저했다.
책 속에서
최근에 AI, 머신 러닝, 데이터 과학 분야에서 수많은 기법이 쏟아져 나오고 있습니다. 열풍과도 같은 이러한 흐름에 떠밀려, 우리는 새로운 기법들을 계속 공부하고 사용합니다. 새로운 내용을 간간이 이해할 수 있지만, 대부분 (간단한 개념일지도 모르는) 한두 개의 수학적 개념에 막혀 답답할 때가 있습니다. 결국 충분히 이해하지 않은 상태에서 최신 기법을 사용하게 되죠. 그러다가 굳은 마음으로 수학책을 다시 펼쳐도 암호 같은 수식과 설명에 다시 좌절했던 기억이 납니다. 이런 상황은 어쩌면 저뿐만 아니라 많은 사람이 겪고 있는지도 모르겠습니다. AI가 대중화될수록, 더 많은 사람이 데이터 과학을 쓸수록 우리는 필연적으로 이런 상황에 놓이게 됩니다.
사실 시중에 많은 책과 강의에서 머신 러닝과 딥러닝의 기법을 훌륭하게 설명합니다. 하지만 여전히 그 배경에 있는 기본적인 개념인 확률과 통계, 선형대수 등을 이해하기란 쉽지 않습니다. 이렇게 필요한 수학적 배경을 이해하고자 수학책을 다시 펼치기도 하고 산재된 여러 리소스를 찾기도 합니다. 그리고 그 내용을 파이썬으로 실습하려면 또다시 끝없는 웹 검색도 해야 하죠. 이런 것들이 한 곳에 정리되어 있다면 수학에 대한 이해는 차치하더라도, 산재된 학습 자료를 찾는 수고로움부터 줄일 수 있을 거라 생각합니다.
그래서 바로 수학과 데이터 분석 기법, 두 간극을 메꾸는 데 도움이 되고자 이 책을 쓰게 되었습니다. 머신 러닝과 딥러닝에서 주로 사용하는 그리스 문자부터 확률과 통계, 선형대수, 미적분까지 수학적 내용을 설명하며, 그 내용들이 머신 러닝과 딥러닝의 어떤 부분에 사용되는지도 알려줍니다. 이 책을 통해 우리가 보다 본질적인 수학 개념과 그 개념을 파이썬으로 구현하는 것에 좀 더 집중할 수 있기를 기대합니다.
- <지은이의 말> 중에서 
목차
1장 데이터 과학과 파이썬 소개
1.1 데이터 과학이란?
__1.1.1 아나콘다 설치하기
1.2 선형대수, 미분과 적분, 확률, 통계의 필요성
1.3 그리스 문자와 연산 기호
1.4 데이터와 변수의 이해
__1.4.1 텍스트 마이닝으로 살펴본 비정형 데이터의 분석
1.5 파이썬의 자료 구조
__1.5.1 파이썬 기본 빌트인 구조
__1.5.2 넘파이, 판다스 기반의 자료 구조
__1.5.3 파일로부터 자료 구조 생성하기
1.6 파이썬 실습
1.7 R 실습
1.8 핵심 요약
2장 머신 러닝을 위한 선형대수
2.1 선형대수의 필요성
2.2 벡터와 공간, 행렬과 사상
__2.2.1 벡터의 이해
__2.2.2 벡터의 사칙 연산
__2.2.3 행렬로의 확장
2.3 행렬의 내적과 외적
2.4 행렬 연산의 의미와 활용
__2.4.1 분석모형 응용 - 유사도행렬의 계산
2.5 행렬식, 역행렬 그리고 일차방정식
__2.5.1 분석모형 응용 - 마르코프 체인
2.6 행렬의 분해: 고윳값과 고유 벡터, 대각화
__2.6.1 분석모형 응용 - 주성분 분석
2.7 파이썬 실습
2.8 R 실습
2.9 핵심 요약
3장 미분과 적분의 이해와 응용
3.1 함수의 개념 이해
__3.1.1 함수와 합성 함수
__3.1.2 미분과 적분을 이해하기 위한 몇 가지 개념
3.2 미분의 이해
__3.2.1 간단한 미분 실습
__3.2.2 분석모형 응용 - 신제품 확산 모형
3.3 적분의 이해
__3.3.1 리만 적분 또는 정적분
3.4 미적분학의 기본정리, 편미분 그리고 경사 하강법
__3.4.1 미적분학의 기본정리
__3.4.2 편미분
__3.4.3 분석모형 응용 - 경사 하강법과 뉴턴랩슨 메서드
3.5 파이썬 실습
3.6 R 실습
3.7 핵심 요약
4장 확률과 통계
4.1 기초 통계 개념: 모집단/표본, 모수/통계량
4.2 통계량의 이해: 단변수 통계량
4.3 통계량의 이해: 다변수 통계량
4.4 확률이란
4.5 조건부 확률과 베이즈 정리
4.6 분석모형 응용-확률을 활용한 패턴의 발견
4.7 파이썬 실습
4.8 R 실습
4.9 핵심 요약
5장 확률 분포와 통계적 추론
5.1 확률 변수와 확률 분포
5.2 이산형 확률 분포
__5.2.1 이항 분포
__5.2.2 포아송 분포
5.3 연속형 확률 분포
__5.3.1 정규 분포와 중심 극한 정리
__5.3.2 t 분포
__5.3.3 χ2 분포
__5.3.4 F 분포
5.4 통계적 추론, 점 추정과 구간 추정
5.5 가설 검정
5.6 다양한 통계 검정
__5.6.1 정규성 검정
__5.6.2 t 검정
__5.6.3 쌍체 t 검정
__5.6.4 등분산 검정: F 검정
__5.6.5 χ2 검정 178
5.7 가설 검정의 오류 178
5.8 파이썬 실습 179
5.9 R 실습 182
5.10 핵심 요약
6장 상관분석과 분산분석
6.1 상관분석
6.2 분산분석
__6.2.1 일원 분산분석
__6.2.2 다중 비교
__6.2.3 이원 분산분석
6.3 상관분석의 활용
6.4 파이썬 실습
6.5 R 실습
6.6 핵심 요약
7장 선형 회귀 분석과 모형 확장
7.1 얇고도 깊은 분석의 목적
7.2 선형 회귀 분석
7.3 선형 회귀 분석의 주요 개념
7.4 모형의 예측과 오차의 측정
7.5 회귀모형의 확장1: 포아송 회귀모형 소개
7.6 선형모형의 확장2: 로지스틱 회귀모형 소개
__7.6.1 분류모형의 평가
7.7 파이썬 실습
7.8 R 실습
7.9 핵심 요약
8장 머신 러닝, 딥러닝 그리고 AI
8.1 데이터 분석에서 머신 러닝의 부상
8.2 딥러닝의 배경 및 개요
8.3 다양한 딥러닝 도구
__8.3.1 텐서플로 설치하기
8.4 딥러닝의 활용
8.5 파이썬 실습
8.6 R 실습
8.7 핵심 요약
부록 A 텐서플로 GPU 버전 설치하기
부록 B R 설치하기
부록 C Colab 사용하기
찾아보기
1.1 데이터 과학이란?
__1.1.1 아나콘다 설치하기
1.2 선형대수, 미분과 적분, 확률, 통계의 필요성
1.3 그리스 문자와 연산 기호
1.4 데이터와 변수의 이해
__1.4.1 텍스트 마이닝으로 살펴본 비정형 데이터의 분석
1.5 파이썬의 자료 구조
__1.5.1 파이썬 기본 빌트인 구조
__1.5.2 넘파이, 판다스 기반의 자료 구조
__1.5.3 파일로부터 자료 구조 생성하기
1.6 파이썬 실습
1.7 R 실습
1.8 핵심 요약
2장 머신 러닝을 위한 선형대수
2.1 선형대수의 필요성
2.2 벡터와 공간, 행렬과 사상
__2.2.1 벡터의 이해
__2.2.2 벡터의 사칙 연산
__2.2.3 행렬로의 확장
2.3 행렬의 내적과 외적
2.4 행렬 연산의 의미와 활용
__2.4.1 분석모형 응용 - 유사도행렬의 계산
2.5 행렬식, 역행렬 그리고 일차방정식
__2.5.1 분석모형 응용 - 마르코프 체인
2.6 행렬의 분해: 고윳값과 고유 벡터, 대각화
__2.6.1 분석모형 응용 - 주성분 분석
2.7 파이썬 실습
2.8 R 실습
2.9 핵심 요약
3장 미분과 적분의 이해와 응용
3.1 함수의 개념 이해
__3.1.1 함수와 합성 함수
__3.1.2 미분과 적분을 이해하기 위한 몇 가지 개념
3.2 미분의 이해
__3.2.1 간단한 미분 실습
__3.2.2 분석모형 응용 - 신제품 확산 모형
3.3 적분의 이해
__3.3.1 리만 적분 또는 정적분
3.4 미적분학의 기본정리, 편미분 그리고 경사 하강법
__3.4.1 미적분학의 기본정리
__3.4.2 편미분
__3.4.3 분석모형 응용 - 경사 하강법과 뉴턴랩슨 메서드
3.5 파이썬 실습
3.6 R 실습
3.7 핵심 요약
4장 확률과 통계
4.1 기초 통계 개념: 모집단/표본, 모수/통계량
4.2 통계량의 이해: 단변수 통계량
4.3 통계량의 이해: 다변수 통계량
4.4 확률이란
4.5 조건부 확률과 베이즈 정리
4.6 분석모형 응용-확률을 활용한 패턴의 발견
4.7 파이썬 실습
4.8 R 실습
4.9 핵심 요약
5장 확률 분포와 통계적 추론
5.1 확률 변수와 확률 분포
5.2 이산형 확률 분포
__5.2.1 이항 분포
__5.2.2 포아송 분포
5.3 연속형 확률 분포
__5.3.1 정규 분포와 중심 극한 정리
__5.3.2 t 분포
__5.3.3 χ2 분포
__5.3.4 F 분포
5.4 통계적 추론, 점 추정과 구간 추정
5.5 가설 검정
5.6 다양한 통계 검정
__5.6.1 정규성 검정
__5.6.2 t 검정
__5.6.3 쌍체 t 검정
__5.6.4 등분산 검정: F 검정
__5.6.5 χ2 검정 178
5.7 가설 검정의 오류 178
5.8 파이썬 실습 179
5.9 R 실습 182
5.10 핵심 요약
6장 상관분석과 분산분석
6.1 상관분석
6.2 분산분석
__6.2.1 일원 분산분석
__6.2.2 다중 비교
__6.2.3 이원 분산분석
6.3 상관분석의 활용
6.4 파이썬 실습
6.5 R 실습
6.6 핵심 요약
7장 선형 회귀 분석과 모형 확장
7.1 얇고도 깊은 분석의 목적
7.2 선형 회귀 분석
7.3 선형 회귀 분석의 주요 개념
7.4 모형의 예측과 오차의 측정
7.5 회귀모형의 확장1: 포아송 회귀모형 소개
7.6 선형모형의 확장2: 로지스틱 회귀모형 소개
__7.6.1 분류모형의 평가
7.7 파이썬 실습
7.8 R 실습
7.9 핵심 요약
8장 머신 러닝, 딥러닝 그리고 AI
8.1 데이터 분석에서 머신 러닝의 부상
8.2 딥러닝의 배경 및 개요
8.3 다양한 딥러닝 도구
__8.3.1 텐서플로 설치하기
8.4 딥러닝의 활용
8.5 파이썬 실습
8.6 R 실습
8.7 핵심 요약
부록 A 텐서플로 GPU 버전 설치하기
부록 B R 설치하기
부록 C Colab 사용하기
찾아보기
배송 시 유의사항
- 반디앤루니스에서 구매하신 도서는 물류 대행 위탁업체 웅진 북센을 통해 배송됩니다.
(배송 포장에 "웅진 북센"으로 표기될 수 있습니다.)
- 구매한 상품의 품질과 배송 관련 문의는 반디앤루니스로 문의 바랍니다.
- 천재지변 및 택배사의 사정에 따라 배송이 지연될 수 있습니다.
- 결제(입금) 완료 후 출판사 및 유통사의 사정으로 품절 또는 절판 되어 상품 구입이 어려울 수 있습니다. (별도 안내 예정)
- 도서산간지역의 경우 추가 배송비가 발생될 수 있습니다.
반품/교환
상품 설명에 반품/ 교환 관련한 안내가 있는 경우 그 내용을 우선으로 합니다. (업체 사정에 따라 달라질 수 있습니다)
반품/교환
-
반품/교환 반품/교환 방법 홈 > 고객센터 > 자주찾는질문 “반품/교환/환불” 안내 참고 또는 1:1상담게시판 반품/교환 가능 기간 반품,교환은 배송완료 후 7일 이내, 상품의 결함 및 계약내용과 다를 경우 문제발견 후 30일 이내에 신청가능 반품/교환 비용 변심 혹은 구매착오의 경우에만 반송료 고객 부담(별도 지정 택배사 없음) 반품/교환 불가 사유 - 소비자의 책임 사유로 상품 등이 손실 또는 훼손된 경우
- 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우
- 복제가 가능한 상품 등의 포장을 훼손한 경우 : 예)만화책, 잡지, 화보집 등
- 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우
- 전자상거래등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우
- 해외주문 상품(해외 원서)의 경우(파본/훼손/오발송 상품을 제외)
소비자 피해보상
환불지연에 따른 배상- 상품의 불량에 의한 반품, 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은
소비자 분쟁해결 기준(공정거래위원회고시)에 준하여 처리됨 - 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의
소비자 보호에 관한 법률에 따라 처리함
반품/교환 주소 경기도 파주시 문발로 77, 웅진북센(반디앤루니스)
