이 책을 미리 따라한 베타테스터의 한마디 문과에 비전공자 출신인 저도 데이터사이언스에 적용되는 수학 이론을 쉽게 배울 수 있는 책입니다. 대부분 고등학생 때 배운 내용이지만 고등학교 수학책을 전부 공부하기엔 양이 많아 갈피를 못 잡겠고, 시간도 없어서 데이터사이언스와 점점 멀어질 때 이 책을 추천합니다. 단순히 수학 이론만 다루지 않고, 파이썬 코드도 함께 다뤄 더 유용하게 쓰일 것입니다. 수학적 개념뿐 아니라 어떻게 쓰이는지 파이썬 코드까지 확인할 수 있기 때문에 데이터사이언스와 수학의 연결성을 이해하기 좋은 교재라고 생각합니다. 또한 개념을 확인할 수 있는 예제를 풀며 기초부터 탄탄히 할 수 있어 도움이 많이 되었습니다.

〈첫째 마당〉 데이터사이언스에서의 수학 1장 | 데이터사이언스 시작하기 1-1 데이터사이언스란? 통계와 머신러닝의 차이점 1-2 데이터사이언스의 프로세스 1-3 프로그래밍과 머신러닝의 차이점 1-4 데이터사이언스를 위한 준비물 주피터 노트북을 활용한 프로그래밍 환경 만들기 구글 코랩을 활용한 프로그래밍 환경 만들기 1-5 데이터사이언스를 위한 수학의 필요성 〈둘째 마당〉 데이터사이언스에서의 기초 함수 2장 | 기초 함수 2-1 1차 함수 1차 함수에서 기울기와 절편의 의미 2-2 2차 함수 최솟값과 최댓값의 원리를 통해 최적화 이해하기 2-3 지수 함수 지수 함수의 이동 2-4 로그 함수 로그 함수의 이동 3장 | 시그모이드 함수 3-1 시그모이드 함수의 정의 3-2 시그모이드 함수의 활용 3-3 시그모이드 함수의 원리와 오차 〈셋째 마당〉 데이터사이언스에서의 미분함수 4장 | 미분함수 4-1 데이터사이언스에서 중요한 수학 개념 4-2 딥러닝의 작동원리와 미분함수 4-3 미분함수 5장 | 미분의 응용 5-1 미분 법칙 5-2 딥러닝에서의 오차역전파 5-3 오차역전파의 계산 원리 계산 그래프 역전파 계산 원리 오차역전파 계산방식 〈넷째 마당〉 데이터사이언스에서의 벡터 6장 | 벡터의 기초 6-1 선형대수 6-2 벡터 벡터의 정의 벡터의 특징 벡터의 표현 벡터의 종류 데이터사이언스에서 벡터의 활용 7장 | 벡터의 특성 7-1 선형 결합 7-2 선형 독립 7-3 선형 종속 7-4 벡터 공간 7-5 벡터 공간의 표현 7-6 부분 공간 7-7 벡터의 기저 좌표 평면(R2 )에서의 기저 좌표 공간(R3)에서의 기저 표준 기저 벡터 8장 | 벡터의 연산 1 8-1 벡터의 덧셈 벡터 덧셈의 성질 8-2 벡터의 뺄셈 8-3 벡터의 곱셈 : 내적 벡터의 내적 방법 9장 | 벡터의 연산 2 9-1 벡터의 연산 : 복습(덧셈, 뺄셈, 내적) 9-2 벡터의 곱셈 : 외적 벡터의 외적 연산 방법 벡터의 내적과 외적의 비교 9-3 특수 벡터 : 직교 벡터 SVM의 원리 직교 벡터의 원리 9-4 벡터의 크기 9-5 벡터의 활용 9-6 벡터의 거리 맨하튼 거리 유클리드 거리 〈다섯째 마당〉 데이터사이언스에서 확률 10장 | 확률의 기초 10-1 확률 시작하기 전에 : 통계와 머신러닝 10-2 확률이란 수학적 확률 vs. 통계적 확률 확률의 기본 용어 확률의 정의 및 성질 10-3 독립 시행의 확률 독립 시행의 확률 구하기 : 곱으로 구하기 10-4 조건부 확률 독립 사건과 종속 사건 조건부 확률 11장 | 베이지안 확률 11-1 곱셈 정리 11-2 베이즈 정리(베이지안 확률) 11-3 베이지안 확률 응용 : 데이터사이언스에 적용하기 〈여섯째 마당〉 데이터사이언스에서의 통계 12장 | 통계 12-1 확률변수 확률변수의 유형 확률변수와 확률함수와의 관계 확률함수의 유형 확률질량함수 vs. 확률밀도함수 12-2 확률분포 확률변수의 기댓값 분산(V (X ))과 표준편차(σ(X )) 확률 분포 유형 13장 | 통계적 추정과 검정 13-1 통계적 추정 대푯값 모집단과 표본 회귀분석 13-2 통계적 검정 가설 설정 : 귀무가설 vs. 대립가설 & 1종 오류 vs. 2종 오류 유의 수준 결정 유의 확률과 신뢰구간 검정방법 : 양측 검정, 단측 검정 검정 통계량 〈일곱째 마당〉 데이터사이언스에서의 성능 평가 14장 | 데이터사이언스에서의 성능 평가 14-1 혼동 행렬 14-2 ROC curve 14-3 AUC13-2 통계적 검정 309 가설 설정 : 귀무가설 vs. 대립가설 & 1종 오류 vs. 2종 오류 310 유의 수준 결정 314 유의 확률과 신뢰구간 315 검정방법 : 양측 검정, 단측 검정 318 검정 통계량 319 〈일곱째 마당〉 데이터사이언스에서의 성능 평가 14장 | 데이터사이언스에서의 성능 평가 14-1 혼동 행렬 330 14-2 ROC curve 338 14-3 AUC 342