몇 개의 단순한 작업 단계를 조합하여 복잡해 보이는 수치적 문제를 해결할 수 있습니다. 하물며 인간보다 빠르고 오류가 적은 기계로 해낼 수 있습니다. 기계학습은 인공지능을 가능하게 하는 기반이며 통계계산이 그 중추에 있습니다.
통계학 전공 교과에는 계산 문제가 편재되어 있습니다. 이것을 체계화하고 깊이 있게 다루기 위하여 많은 대학에서 통계계산(statistical computing)이라는 교과를 개설합니다. 이 책은 2013년에 고려대학교 학부 과정에 개설된 통계계산 방법론의 강의를 기초로 써진 것으로 최신의 트렌드를 반영하여 개편하였습니다.

이 개정판은 몇 가지 포인트에 초점을 맞추고 있습니다. 첫째, 계산 알고리즘을 개념적으로 설명하는 데 그치지 않고 R과 Python 언어로 코딩하였습니다. 이러한 접근은 수리적 사고(思考)의 방향이 수식(formula)에서 알고리즘(algorithm)으로 옮겨가는 이 시대에 가치가 큽니다. 둘째, 통계학 커리큘럼에서 핵심인 몬테칼로 방법들을 보강하였습니다. 그런 이유로 몬테칼로 적분(8장)과 MCMC(9장)를 추가하였고 재표집 방법(10장)을 보완하였습니다. 또한 반복계산이 요구되는 일반화선형모형(11장)과 군집화(12장)를 새로 넣었습니다. 셋째, 학습 동기 유발과 탐구적 학습의 진작을 염두에 두었습니다. 앞으로는 많이 아는 사람이 아니라 스스로 능동적인 학습을 하는 사람들이 좋은 평가를 받게 됩니다. 이 책을 교재로 채택하시는 교수님들께는 강의를 조금 줄이고 대신 학생들의 탐구 학습을 지도해주시고 발표에 시간을 할애하시길 당부드립니다.

이 책에서 계산도구는 데이터과학에서 손꼽히는 두 언어인 R과 Python입니다. 모든 알고리즘을 직접 코딩하였고 내장함수(built-in functions)와의 연계를 꾀하였습니다. R과 Python 중 하나로도 이 책을 학습할 수 있습니다. 교재에 제시된 R과 Python 스크립트는 출판사 홈페이지(http://www.freeaca.com) 자료실에 올려져 있습니다. “copy and paste” 및 단순한 편집으로 응용이 가능합니다.
이 책으로 독자 여러분 모두가 계산의 즐거움을 알게 되고 계산 역량이 성장하길 바랍니다.

1장. 계산의 기초 2장. 수열 3장. 선형 대수 4장. 수치 미분과 적분 5장. 비선형 방정식 6장. 최적화 7장. 몬테칼로 입문 8장. 몬테칼로 적분 9장. MCMC 10장. 재표집 방법 11장. 일반화선형모형 12장. 군집화 참고문헌 찾아보기