먼지 쌓인 데이터, 여러분의 조직은 잘 활용하고 있습니까?
데이터와 통계를 모르고, AI 시대의 기술과 비즈니스를 논할 수 없다!
변동성으로 가득한 세상, 그 이면의 패턴을 찾아내자!

데이터 과학 뒤에 감춰진 장막을 걷어내고 “데이터에 대해 비판적으로 사고하고 말하고 이해하고 행동하기 위한 지식과 노하우”를 알려준다. 조직 구성원의 성향을 파악하는 일부터 알고리즘 이면의 수학 원리에 이르기까지, 실무에서 활용되는 데이터와 통계에 관한 모든 것을 한 권에 간추렸다. 이 책에서는 데이터 과학 비즈니스를 잘 헤쳐 나갈 수 있는 분석 도구, 용어, 사고방식을 습득하고 데이터에 관련된 어려운 문제를 조금 더 깊게 이해할 수 있다. 학습을 통해 데이터와 분석 결과에 대해 비판적으로 사고하고 데이터에 관한 모든 일에 대해 똑똑하게 자신의 의견을 말할 수 있게 될 것이다.

| 이 책에서 다루는 내용 |
- 통계적 사고를 위해 데이터를 대하는 태도와 소양
- 일상 생활과 의사결정 과정에서 영향을 미치는 변동성
- 현업에서 통계와 분석 결과에 대해 적절한 의견을 제시할 수 있는 데이터 리터러시 역량
- 머신러닝, 텍스트 분석, 딥러닝, AI의 이면에 숨은 기본 원리와 지식
- 데이터를 분석하고 해석할 때 빠지기 쉬운 함정
- 프로젝트와 조직의 성공을 위해 데이터 리드가 해야 할 일

| 이 책의 대상 독자 |
초보 데이터 과학자, 데이터 분석가, 비즈니스 전문가, AI/머신러닝 엔지니어, 기업 경영진 등 누구나 재미있게 읽고 지식을 쌓을 수 있는 책이다. 특히, 데이터 분석가와 함께 일해야 하는 마케팅 전문가, 아직 데이터에 대해 잘 모르는 개발자, 직장인이나 연구자, AI 기술을 새로운 도입과 의사결정을 위해 데이터에 관해 좀 더 깊이 있는 지식이 필요한 C레벨 임원, 데이터 팀이나 조직을 이끌어야 하는 관리자라면 더욱 필요할 것이다. 데이터 분야에서 종사하고 싶거나 데이터 리드로 성장하고 싶은 모두가 읽어야 하는 책이다.

| 이 책의 구성 |
1부, 데이터로 사고하고 리드하기 위한 첫 여정
1부에서는 데이터 리드의 관점으로 생각하는 방법을 다룬다. 조직에서 수행하는 데이터 프로젝트를 비판적으로 검토하고 적절한 질문을 제기하는 방법을 배운다. 데이터의 정의, 올바른 용어 사용, 통계적 관점으로 세상을 바라보는 방법을 살펴볼 것이다.

2부, 데이터를 대하는 태도, 확률과 통계 지식
데이터 리드는 데이터에 관한 중요한 토론에 적극적으로 참여한다. 2부에서는 데이터와 논쟁하는 방법과 업무에서 접하는 통계적 개념을 이해하기 위해 필요한 질문이 무엇인지 살펴본다. 데이터 분석 결과를 이해하거나 문제를 제기하기 위해 필요한 기초적인 통계와 확률 개념을 배울 것이다.

3부, 다양한 사례로 다시 배우는 머신러닝, 딥러닝, AI 지식
데이터 리드는 통계적 모델과 머신러닝 모델이 작동하는 기본 원리를 이해해야 한다. 비지도학습, 회귀, 분류, 텍스트 분석, 딥러닝에 대해 직관적으로 이해할 수 있게 될 것이다.

4부, 프로젝트와 조직의 성공을 위해 데이터 리드가 할 일
데이터 리드는 데이터 관련 업무를 수행할 때 흔히 저지르는 실수나 빠지기 쉬운 함정이 무엇인지를 알고 있어야 한다. 조직과 프로젝트를 실패로 이끄는 기술적인 함정에 대해 살펴보고, 데이터 프로젝트에 참여하는 사람들과 그들의 성향을 알아본다. 마지막으로, 데이터 리드로 성공하기 위한 방향을 제시할 것이다.

[1부] 데이터로 사고하고 리드하기 위한 첫 여정 1장 무엇이 문제일까 _데이터 리드라면 반드시 물어야 할 질문들 ___이 문제는 왜 중요한가 ___이 문제는 누구에게 영향을 미치는가 ___적절한 데이터가 없을 경우 어떻게 해야 할까 ___프로젝트는 언제 종료되는가 ___결과가 만족스럽지 못할 경우 어떻게 해야 할까 _데이터 프로젝트는 왜 실패했을까 ___고객 인식도 ___생각해 볼 사항 _중요한 문제에 집중하자 _정리 2장 데이터란 무엇인가 _데이터 vs 정보 ___데이터셋 예시 _데이터 유형 _데이터는 어떻게 수집되고 정형화되는가 ___관측 데이터 vs 실험 데이터 ___정형 데이터 vs 비정형 데이터 _기본적인 요약 통계량 _정리 3장 통계적 사고를 위한 준비를 갖추자 _질문을 하자 _모든 것에는 변동성이 있다 ___고객 인식도 시나리오(후속편) ___사례 연구: 신장암 발병률 _확률과 통계 ___확률 vs 직관 ___통계학을 활용한 발견 _정리 [2부] 데이터를 대하는 태도, 확률과 통계 지식 4장 데이터와 논쟁하자 _여러분이라면 어떻게 했을까 ___누락된 데이터가 초래한 재앙 _데이터의 근원을 확인하자 ___누가 데이터를 수집했는가 ___데이터는 어떤 방식으로 수집됐나 _데이터에 대표성이 있는가 ___표본 추출에 편향이 있었는가 ___이상값을 어떻게 처리했는가 _확인하지 않은 데이터는 무엇인가 ___어떤 방법으로 결측값을 처리했는가 ___측정하려는 개념을 측정할 수 있는 데이터인가 _크기를 막론하고 모든 데이터와 논쟁하자 _정리 5장 데이터를 탐색하자 _데이터 리드의 탐색적 데이터 분석 _탐색적 사고의 필요성 __어떤 질문을 해야 할까 ___가상 시나리오 _데이터는 여러분의 질문에 답할 수 있는가 ___기대치를 설정하고 상식적으로 생각하자 ___직관적으로 이해할 수 있는 데이터 값인가 ___이상값과 결측값을 잘 관리하라 _데이터에서 어떤 관계성이 보이는가 ___상관관계를 이해하자 ___상관관계를 오해하지 않도록 주의하자 ___상관관계가 인과관계를 의미하지는 않는다 _데이터에서 새로운 탐색 기회를 찾았는가 _정리 6장 확률이란 무엇인가 _추측해 보자 _게임의 법칙 ___수학적 표기 ___조건부 확률과 독립 사건 ___여러 사건의 발생 확률 ___동시에 발생하는 두 사건 _확률에 대한 사고 실험 ___확률에 대한 3가지 체크 포인트 _사건들이 서로 독립이라 가정할 때는 주의해야 한다 ___도박꾼의 오류에 빠지지 말자 _모든 확률은 조건부 확률임을 인지하자 ___의존 관계를 바꾸지 말자 ___베이즈 정리 _의미가 있는 확률인지를 반드시 확인한다 ___보정 ___가능성이 희박해도 사건은 일어난다 _정리 7장 통계에 도전하자 _통계적 추론이란 ___오차의 여지를 남기자 ___데이터가 많아질수록 증거도 늘어난다 ___현재 상황에 의문을 제기하자 ___현 상황에 반하는 증거가 있는가 ___판단 오류 균형 잡기 _통계적 추론 과정 _통계 분석 결과를 검증하기 위해 필요한 질문 ___어떤 맥락에서 나온 통계 분석 결과인가 ___표본의 크기는 얼마인가 ___무엇을 검증하는가 ___귀무가설은 무엇인가 ___유의 수준은 얼마인가 ___얼마나 많이 검증했는가 ___신뢰 구간을 제시할 수 있는가 ___실제적으로 의미 있는 결과인가 ___인과 관계를 가정하고 있는가 _정리 [3부] 다양한 사례로 다시 배우는 머신러닝, 딥러닝, AI 지식 8장 데이터에 감춰진 패턴과 그룹을 찾는 머신러닝 _비지도학습이란 _차원 축소 ___복합 변수 만들기 _주성분 분석 ___운동 능력 데이터의 주성분 ___주성분 분석 요약 ___주의해야 할 함정 _군집분석 _k-평균 군집분석 ___소매점 군집분석 ___주의해야 할 함정 _정리 9장 미래를 예측하고 현상을 설명하는 회귀 모델 _지도학습 _선형 회귀는 무슨 일을 할까 ___최소 제곱 회귀(단순히 이름만 기발한 것은 아니다) _선형 회귀에서 알 수 있는 것 ___더 많은 변수를 투입할 때 _선형 회귀가 야기하는 혼란 ___누락된 변수들 ___다중공선성 ___데이터 누수 ___외삽 오류 ___대부분의 관계는 선형적이지 않다 ___설명할 것인가, 예측할 것인가 ___회귀 모델의 성능 _그 밖의 회귀 모델 _정리 10장 판단의 기준을 파악할 수 있는 분류 모델 _분류 문제란 무엇일까 ___분류 모델의 3가지 방법 ___분류 문제 설정 _로지스틱 회귀 ___로지스틱 회귀의 장점 _의사결정나무 _앙상블 모델 ___랜덤 포레스트 ___그래디언트 부스트 트리 ___앙상블 모델의 설명력 _흔히 빠지기 쉬운 함정에 주의하자 ___데이터 유형에 맞지 않는 모델 적용 ___데이터 누수 ___모델 구축과 테스트를 위한 데이터셋 분할 ___의사결정을 위한 적절한 임곗값 선택 _정확도에 대한 오해 ___혼동 행렬 _정리 11장 글 속에 담긴 주제와 감성을 찾아내는 텍스트 분석 _텍스트 분석에 대한 기대 _텍스트를 숫자로 바꾸는 방법 ___단어 가방 ___N그램 ___단어 임베딩 _토픽 모델링 _텍스트 분류 ___나이브 베이즈 ___감성 분석 _텍스트 분석에서 고려해야 할 실용적인 문제 ___빅테크 기업의 기술적 우위 _정리 12장 데이터 리드라면 알아야 할 딥러닝과 AI _신경망 모델 ___신경망은 어떤 면에서 사람의 뇌와 비슷할까 ___간단한 신경망 모델 ___신경망이 학습하는 방법 ___조금 더 복잡한 신경망 _딥러닝 응용 사례 ___딥러닝의 장점 ___컴퓨터가 이미지를 ‘보는’ 방법 ___합성곱 신경망 ___언어 처리와 순차 데이터에 활용되는 딥러닝 _딥러닝의 실제 활용 현황 ___데이터는 충분한가? ___데이터가 구조화되어 있는가 ___신경망은 어떤 모습일까 _AI를 대하는 관점 ___빅테크 기업의 유리한 위치 ___딥러닝의 윤리적 문제 _정리 [4부] 프로젝트와 조직의 성공을 위해 데이터 리드가 할 일 13장 호시탐탐 곳곳에 도사린 실패와 함정 _데이터의 편향과 기묘한 현상 ___생존 편향 ___평균으로의 회귀 ___심슨의 역설 ___확증 편향 ___매몰비용 오류 ___알고리즘 편향 ___그 밖의 편향 _데이터 프로젝트의 대표적인 함정 ___통계와 머신러닝 함정 ___프로젝트 함정 _정리 14장 조직 구성원의 다양한 성향을 파악하자 _의사소통이 중단되는 7가지 상황 ___사후 약방문 ___알맹이 없는 발표 ___부정확한 정보의 확산 ___수렁 속으로 ___리얼리티 체크 ___권력 장악 ___허풍쟁이.. _데이터를 대하는 사람들의 3가지 태도 ___데이터 맹신자 ___데이터 비관론자 ___데이터 리드 _정리 15장 더 높은 곳을 향해