HOME > 도서안내 > 도서안내
 
도서명미래 예측의 과학적 방법론 머신러닝을 활용한 예측분석론
저자윤현식
분류[사회]
발행일2025-09-26 판형신국판
ISBN979-11-94716-25-9 (93320)
페이지227 정가17,000원
네티즌평가 |
(총 0 명 참여)   도서정보 인쇄하기 15
  이 책은 크게 세 가지 내용을 담고 있습니다. 첫째, 예측분석의 이론적 기반과 역사적 발전 과정을 살펴봅니다. 이를 통해 독자들은 예측이 단순히 최근의 기술 트렌드가 아니라, 과거부터 축적되어 온 과학적 탐구의 연장선임을 이해할 수 있을 것입니다. 둘째, 머신러닝의 다양한 알고리즘에 관해 설명합니다. 회귀분석, 의사결정나무, 랜덤 포레스트, 신경망 등 대표적인 기법들을 알기 쉽도록 설명하며, 독자들이 직접 실무에 적용하는 능력을 기를 수 있도록 안내합니다. 셋째, 예측분석과 데이터 분석이 실제 사회와 산업 현장에서 어떻게 활용되고 어떤 영향을 미칠 수 있는지를 논의합니다. 이를 통해 예측이 단순히 학문적 연구를 넘어 사회 문제 해결에 이바지할 수 있음을 강조합니다. 특히 이 책은 학문적 엄밀성과 실무적 실용성의 균형을 추구합니다. 학부 또는 대학원 학생들에게는 체계적 교재로, 연구자들에게는 응용 사례의 지침서로, 현업 실무자들에게는 실질적 도구로서 기능할 수 있기를 바랍니다.
도서소개 인쇄하기
머리말 / 06

1. 예측 분석 왜 중요한가?
1.1. 용어 속의 의미 / 16
1.2. 애널리틱스(analytics)와 애널리시스(analysis)의 차이 / 20
1.3. 데이터 마이닝(data mining)은 어디에 위치하는가? / 20
1.4. 애널리틱스와 데이터 사이언스가 갑자기 주목받는 이유 / 21
1.5. 애널리틱스의 응용 분야 / 24
1.6. 애널리틱스의 주요 도전 과제 / 25
▪요약 / 31

2. 비즈니스 분석에 대한 분류 체계
▪요약 / 48

3. 예측 분석과 데이터 마이닝
3.1. 데이터 마이닝이란 무엇인가? / 55
3.2. 데이터 마이닝이 아닌 것은 무엇인가? / 58
3.3. 일반적인 데이터 마이닝 응용 분야 / 60
3.4. 데이터 마이닝으로 발견할 수 있는 패턴의 종류 / 66
3.5. 데이터 마이닝의 학습 방식 분류 / 68
3.6. 데이터 마이닝의 그늘: 개인정보 침해 문제 / 73
▪요약 / 78

4. 예측 분석을 위한 표준화된 절차
4.1. KDD(Knowledge Discovery in Databases) 프로세스 / 81
4.2. CRISP-DM: 범용 데이터 마이닝 표준 프로세스 / 82
4.3. SEMMA / 94
4.4. SEMMA와 CRISP-DM의 비교 / 99
4.5. 데이터 마이닝을 위한 식스 시그마(Six Sigma) / 100
4.6. 어떤 방법론이 가장 우수한가? / 103
▪요약 / 103

5. 예측 분석을 위한 표준화된 절차
5.1. 데이터 분석에서의 데이터의 본질 / 107
5.2. 범주형 데이터와 수치형 데이터의 특성 / 108
5.3. 분석을 위한 데이터 전처리 / 113
5.4. 데이터 마이닝 기법 / 121
5.5. 분류기법 개요 / 137
5.6. 데이터 마이닝과 예측 분석에 대한 오해와 현실 / 160
▪요약 / 164
6. 머신러닝 모델의 학습
6.1. 회귀와 분류 모델 / 166
6.2. 비용 함수와 머신러닝 모델의 학습 / 170
6.3. 최대 우도 추정 / 172
6.4. 경사 기반 학습 / 174
6.5. 회귀 및 분류 과업에서의 성능 평가 / 179
▪요약 / 182

7. 예측 분석을 위한 표준화된 절차
7.1. 나이브 베이즈(Naive Bayes) / 187
7.2. k-최근접 이웃(k-Nearest Neighbor: k-NN) / 193
7.3. 인공신경망(Artificial Neural Networks: ANN) / 199
7.4. 서포트 벡터 머신(Support Vector Machines: SVM) / 205
7.5. 선형 회귀 / 211
7.6. 로지스틱 회귀 / 218
7.7. 시계열 예측(Time-Series Forecasting) / 220
▪요약 / 222

8. 텍스트 분석, 토픽 모델링, 감성 분석
8.1. 자연어 처리(Natural Language Processing: NLP) / 231
8.2. 택스트 마이닝 프로세스 / 238
8.3. 토픽 모델링(topic modeling) / 248
8.4. 감정 분석(Sentiment Analysis) / 253
▪요약 / 264