신간소개 2020. 9. 7. 18:06

 

  ● 저자: 아다치 하루카

  ● 역자: 김태현

  ● 감수: 조휘용

  ● 페이지: 324

  ● 판형: 사륙배판형(188*257)

  ● 도수: 2도

  ● 정가: 25,000원

  ● 발행일: 2020년 9월 21일

  ● ISBN: 978-89-97924-74-5 93000

 

[예제 소스 다운로드] [오탈자 사이트]

 

[강컴] [교보] [반디] [알라딘] [예스24] [인터파크]

[샘플원고]

sample_machindata.pdf
1.64MB

_도서 내용

이 책은 인공지능이 올바른 데이터를 입력 받아 의미 있는 결과를 도출하는 과정에서 필수적으로 거쳐야 할 데이터 전처리에 관한 입문서이다. 정형 데이터뿐만 아니라 이미지, 텍스트 데이터와 같은 비정형 데이터를 다루는 방법을 제공한다. 데이터를 처리하고 분석하기 위해 가장 많이 사용되는 파이썬 언어를 사용하고, NumPy, Pandas 등 라이브러리를 통해 어떠한 방법으로 데이터를 시각화하고, 의미를 도출할 수 있는지를 자세하게 배울 수 있다. 실습 위주의 책이며, 파이썬을 조금만 알아도 누구나 쉽게 따라해보면서 데이터 전처리에 대한 개념과 방법 등의 기초지식을 충분히 습득할 수 있다. 이것을 기초로 스스로 데이터 전처리 전문가가 되는 길을 찾을 수 있을 것이다.

 

_대상 독자

머신러닝이나 딥러닝을 학습하고 실무에서 모델을 작성해보고자 하는 입문자

인공지능 개발자가 되기 위해 고군분투 중인 취준생 개발자

 

_목차

 

지은이의 글

옮긴이의 글

감수자의 글

다운로드 및 개발환경 안내

일러두기

 

1장 데이터 분석, 활용을 시작하기 전에

1 데이터 기반 시대로

2 데이터 분석 프로젝트에 필요한 요소

3 데이터 분석 인재에게 필요한 스킬

컬럼 | 보충지식 1 BI로 무엇을 할 수 있나?

컬럼 | 보충지식 2 데이터처리가 빠른 툴은?

 

2장 데이터 분석의 프로세스와 환경

1 들어가며

2 비즈니스 이해

3 데이터 이해

4 데이터 준비

5 모델 작성

6 평가

7 배포/공유

8 데이터 분석 환경의 선택

9 주피터 노트북 사용 방법

 

3장 정형 데이터의 전처리 (1)

1 데이터 이해

2 데이터 준비

3 모델 작성

4 다시 데이터 준비로

5 다시 한번 모델 작성으로

컬럼 | 보충지식 1 데이터 결합

컬럼 | 보충지식 2 오버 샘플링

컬럼 | 보충지식 3 분할의 순도

[함께 해봐요 3-1] Pandas를 사용한 파일 업로드

[함께 해봐요 3-2] 데이터의 행수와 열수 확인

[함께 해봐요 3-3] 데이터형 확인

[함께 해봐요 3-4] 결손값의 포함 유무 확인

[함께 해봐요 3-5] 결손값의 개수 파악

[함께 해봐요 3-6] 데이터형이 수치인 항목의 통계량 계산

[함께 해봐요 3-7] age의 히스토그램 작성

[함께 해봐요 3-8] age balance 산포도 작성과 항목 관련성 확인

[함께 해봐요 3-9] 문자열 항목 중 job의 원 그래프 작성 (1)

[함께 해봐요 3-10] 문자열 항목 중 job의 원 그래프 작성 (2)

[함께 해봐요 3-11] y의 원 그래프 작성 및 데이터 분포 확인

[함께 해봐요 3-12] 목적변수 y에 대한 데이터 분포 확인

[함께 해봐요 3-13] 전처리를 위한 코드 입력

[함께 해봐요 3-14] 각 항목의 데이터형 재확인

[함께 해봐요 3-15] 결손값 제외

[함께 해봐요 3-16] 결손값 보완

[함께 해봐요 3-17] 특이값(이상치) 제외

[함께 해봐요 3-18] 값 두 개를 가지는 데이터 변환

[함께 해봐요 3-19] 다수의 값을 가지는 데이터 변환

[함께 해봐요 3-20] 분석 데이터 세트로 완성

[함께 해봐요 3-21] 더미 변수화한 데이터 결합

[함께 해봐요 3-22] CSV 파일로 결과 출력

[함께 해봐요 3-23] Pandas를 사용한 결합의 이미지 표현

[함께 해봐요 3-24] 데이터를 로드하는 코드 작성

[함께 해봐요 3-25] imbalanced-learn 패키지 설치 유무 확인

[함께 해봐요 3-26] 주티퍼랩에 설치된 패키지 확인

[함께 해봐요 3-27] imbalanced-learn 패키지 설치

[함께 해봐요 3-28] 불균형 데이터 세트에 대한 언더 샘플링

[함께 해봐요 3-29] 오버 샘플링 구현

[함께 해봐요 3-30] 결정 트리 알고리즘을 사용한 모델 검증

[함께 해봐요 3-31] 재현율과 적합도 확인

[함께 해봐요 3-32] 파라미터와 기본값 확인

[함께 해봐요 3-33] 그리드 서치를 사용한 모델의 성능 개선

더보기

[함께 해봐요 3-34] 가장 높은 성능일 때의 모델에 대한 파라미터 조합 확인

[함께 해봐요 3-35] 모델 완성 및 영향력 높은 변수 확인

[함께 해봐요 3-36] job 통합 및 새로운 특징량 생성

[함께 해봐요 3-37] month 통합 및 새로운 특징량 생성

[함께 해봐요 3-38] day 통합 및 새로운 특징량 생성

[함께 해봐요 3-39] duration 통합 및 새로운 특징량 생성

함께 해봐요 3-40] previous 통합 및 새로운 특징량 생성

[함께 해봐요 3-41] 더미변수를 만들기 위한 목록 삽입

[함께 해봐요 3-42] get_dummies를 사용한 더미변수 생성

[함께 해봐요 3-43] CSV 파일 내용 변경

[함께 해봐요 3-44] feature_selection을 통한 변수 사용 유무 확인

 

4장 정형 데이터의 전처리 (2)

1 고객의 특성 이해

2 고객의 그룹화

3 잠재적인 요구 추출

[함께 해봐요 4-1] 분석 데이터를 읽기 위한 코드 작성

[함께 해봐요 4-2] 각 항목의 데이터형 재확인

[함께 해봐요 4-3] 범위변환 테스트

[함께 해봐요 4-4] Z변환 테스트

[함께 해봐요 4-5] 각 변수의 평균과 표준편차 값 확인

[함께 해봐요 4-6] 계층형 클러스터링을 이용한 그룹 분할

[함께 해봐요 4-7] 고객별 그룹 확인

[함께 해봐요 4-8] k-Means법을 이용한 그룹 분할

[함께 해봐요 4-9] 클러스터 ID별 데이터 분포 확인

[함께 해봐요 4-10] 클러스터 ID별 데이터 세트와의 결합

[함께 해봐요 4-11] 그룹별 데이터 건수 확인

[함께 해봐요 4-12] 각 그룹의 통계량 계산 및 성질 파악

[함께 해봐요 4-13] PCA를 이용한 신규변수 작성

[함께 해봐요 4-14] 목적변수별 분포 확인

[함께 해봐요 4-15] 목적변수별 산포도 확인

 

5장 이미지 데이터의 전처리

1 데이터 이해

2 기계학습을 위한 데이터 준비

3 딥러닝을 위한 데이터 준비

컬럼 | 보충지식 1 중간층의 추출

[함께 해봐요 5-1] OpenCV 설치

[함께 해봐요 5-2] swiss-army-ant.jpg 읽기

[함께 해봐요 5-3] 배열에 저장된 픽셀값 확인

[함께 해봐요 5-4] 배열 크기 확인

[함께 해봐요 5-5] 컬러 이미지의 픽셀값 확인

[함께 해봐요 5-6] 그레이스케일 이미지로 변환

[함께 해봐요 5-7] 그레이스케일 이미지의 픽셀값 확인

[함께 해봐요 5-8] 이진화 이미지로 변환

[함께 해봐요 5-9] 이진화 이미지의 픽셀값 확인

[함께 해봐요 5-10] 데이터 프레임 형식으로 확인하는 픽셀값

[함께 해봐요 5-11] 신규 노트북 작성

[함께 해봐요 5-12] 설명변수와 목적변수의 세트 작성 (1)

[함께 해봐요 5-13] 설명변수와 목적변수의 세트 작성 (2)

[함께 해봐요 5-14] 이진화 이미지의 침식 처리

[함께 해봐요 5-15] 이진화 이미지의 팽창 처리

[함께 해봐요 5-16] 이진화 이미지의 오프닝 처리

[함께 해봐요 5-17] 이진화 이미지의 클로징 처리

[함께 해봐요 5-18] 그레이스케일 이미지의 히스토그램 작성

[함께 해봐요 5-19] 그레이스케일 이미지의 pixels_df에 대한 t-SNE 적용

[함께 해봐요 5-20] 목적변수별 데이터 분포 확인

[함께 해봐요 5-21] 그레이스케일 이미지의 설명변수와 목적변수의 세트 작성

[함께 해봐요 5-22] 데이터 세트의 분할

[함께 해봐요 5-23] 이미지 반전을 통한 이미지 수 증가

[함께 해봐요 5-24] 블러 처리를 통한 이미지 수 증가

[함께 해봐요 5-25] 명도 변경을 통한 이미지 수 증가

[함께 해봐요 5-26] 중간층 추출 (1)

[함께 해봐요 5-27] 중간층 추출 (2)

 

6장 시계열 데이터의 전처리

1 데이터 이해

2 데이터 준비

3 훈련 데이터 작성

[함께 해봐요 6-1] 분석 데이터 세트 로드

[함께 해봐요 6-2] 데이터의 행수와 열수 확인

[함께 해봐요 6-3] 데이터형 확인

[함께 해봐요 6-4] datetime형으로 데이터 변환

[함께 해봐요 6-5] 한 행 전과의 시간차() 계산

[함께 해봐요 6-6] 경과시간() 계산 (1)

[함께 해봐요 6-7] 결손값 개수 확인

[함께 해봐요 6-8] 각 항목의 통계량 계산

[함께 해봐요 6-9] Matplotlib을 사용한 데이터 시각화

[함께 해봐요 6-10] 전처리 대상의 데이터 읽기

[함께 해봐요 6-11] 결손값 표시

[함께 해봐요 6-12] NaN을 통한 결손값 보완

[함께 해봐요 6-13] 전후의 값 평균치로 보완하는 결손값

[함께 해봐요 6-14] 경과시간() 계산 (2)

[함께 해봐요 6-15] 6시간 단위로 만들기 위한 평균치 계산

[함께 해봐요 6-16] 두 개의 데이터 세트 결합

[함께 해봐요 6-17] event.csv 파일 읽기

[함께 해봐요 6-18] 데이터 집약 및 시간 축 작성 (1)

[함께 해봐요 6-19] 데이터 집약 및 시간 축 작성 (2)

[함께 해봐요 6-20] 특징량과 목적변수 결합

[함께 해봐요 6-21] 슬라이드 창을 사용한 특징량 추출

[함께 해봐요 6-22] 기계학습의 알고리즘 형태로 특징량 변형

[함께 해봐요 6-23] 특징량 세트와 목적변수 결합

[함께 해봐요 6-24] 새로운 노트북 작성 및 코드 입력

[함께 해봐요 6-25] 데이터 시각화

[함께 해봐요 6-26] 데이터 분할

[함께 해봐요 6-27] 데이터 정규화

[함께 해봐요 6-28] 훈련 데이터의 부분시계열 작성

[함께 해봐요 6-29] 부분시계열의 파형 거리(유사도) 측정

[함께 해봐요 6-30] 케라스 실행

[함께 해봐요 6-31] 오토 인코더 네트워크 작성

[함께 해봐요 6-32] 학습 조건 설정 및 학습 실행

[함께 해봐요 6-33] 오차의 수렴 상태 확인

[함께 해봐요 6-34] 출력값 추이 비교

[함께 해봐요 6-35] 이상 스코어 계산

 

7장 자연어 데이터의 전처리

1 데이터 이해

2 기계학습을 위한 데이터 준비

3 딥러닝을 위한 데이터 준비

4 주제 추출을 위한 데이터 준비

컬럼 | 보충지식 1 한글 형태소 분석 환경의 설정

컬럼 | 보충지식 2 2-gram 에지 리스트

[함께 해봐요 7-1] 업로드한 기사를 대상으로 하는 형태소 분석

[함께 해봐요 7-2] konlpy 설치 (1)

[함께 해봐요 7-3] Okt를 통한 형태소 분석

[함께 해봐요 7-4] 정규표현식을 사용한 URL 제거

[함께 해봐요 7-5] 명사인 단어 추출

[함께 해봐요 7-6] konlpy 설치 (2)

[함께 해봐요 7-7] 모든 기사에 대한 형태소 분석 작업 진행

[함께 해봐요 7-8] docterm에 저장한 단어 확인

[함께 해봐요 7-9] 첫 번째 기사의 단어 추출

[함께 해봐요 7-10] label에 저장된 기사 인덱스 확인

[함께 해봐요 7-11] 단어 문서 행렬 작성

[함께 해봐요 7-12] 작성한 단어 문서 행렬의 크기 확인

[함께 해봐요 7-13] 고빈도어와 저빈도어 삭제

[함께 해봐요 7-14] TF-IDF치를 계산한 단어 문서 행렬 작성

[함께 해봐요 7-15] 단어 문서 행렬의 크기 확인

[함께 해봐요 7-16] konlpy 설치 (3)

[함께 해봐요 7-17] 전체 기사에 대한 처리 실행

[함께 해봐요 7-18] 작성한 데이터 세트 크기와 값 확인

[함께 해봐요 7-19] 내림순으로 단어 정렬

[함께 해봐요 7-20] 일련번호를 부여한 사전 작성

[함께 해봐요 7-21] 리스트 길이 정리

[함께 해봐요 7-22] 부족한 패키지 설치

[함께 해봐요 7-23] 부족한 패키지 실행 (1)

[함께 해봐요 7-24] 부족한 패키지 실행 (2)

[함께 해봐요 7-25] 단어 문서 행렬과 label열 결합

[함께 해봐요 7-26] label 0인 문서의 유사도 계산

[함께 해봐요 7-27] 행렬 형식에서 리스트 형식으로 변환

[함께 해봐요 7-28] 동시 출현어 에지 리스트 작성

[함께 해봐요 7-29] 문장에서 2-gram 모델 작성

[함께 해봐요 7-30] 기사 데이터에서 2-gram 모델 작성

[함께 해봐요 7-31] 단어에 ID 부여 (1)

[함께 해봐요 7-32] 단어에 ID 부여 (2)

[함께 해봐요 7-33] 띄어쓰기한 단어에 ID 부여

[함께 해봐요 7-34] 2-gram 모델 작성

[함께 해봐요 7-35] 리스트 bigram에 저장

 

부록

1 주피터랩 로컬 환경 구축

2 이미지 인식 모델 작성

3 기사 분류 모델 작성

4 기사 주제 추출

5 다양한 시각화 툴

[함께 해봐요 A1-1] 주피터랩의 홈 디렉토리 변경

[함께 해봐요 A1-2] 변경 전 소스코드

[함께 해봐요 A1-3] 변경 후 소스코드

[함께 해봐요 A2-1] 학습에 사용하는 네트워크 작성

[함께 해봐요 A2-2] 학습 조건 설정 및 학습 실행

[함께 해봐요 A2-3] 오차 이력 그래프 작성 (1)

[함께 해봐요 A2-4] 정확도 이력 그래프 작성 (1)

[함께 해봐요 A2-5] 학습에 사용하는 네트워크 작성

[함께 해봐요 A2-6] 학습 조건 설정 및 학습 실행

[함께 해봐요 A2-7] 오차 이력 그래프 작성 (2)

[함께 해봐요 A2-8] 정확도 이력 그래프 작성 (2)

[함께 해봐요 A3-1] 명사인 단어만 추출한 데이터 세트 작성

[함께 해봐요 A3-2] [함께 해봐요 7-21] 수정 및 추가 (1)

[함께 해봐요 A3-3] [함께 해봐요 7-21] 수정 및 추가 (2)

[함께 해봐요 A3-4] 학습 조건 설정 및 실행

[함께 해봐요 A3-5] 오차 이력 그래프 작성 (3)

[함께 해봐요 A3-6] 정확도 이력 그래프 작성 (3)

[함께 해봐요 A4-1] 코드 추가 및 실행

[함께 해봐요 A4-2] 네트워크 그래프 작성

[함께 해봐요 A4-3] 작성한 네트워크에 대한 클러스트 계수와 매개 중심성 계산

[함께 해봐요 A4-4] 커뮤니티 추출

[함께 해봐요 A5-1] 워드 클라우드 설치

[함께 해봐요 A5-2] [함께 해봐요 A3-1] 수정 및 실행

[함께 해봐요 A5-3] 5회 이상 출현 단어 추출

 

3_연습문제 해답 289

5_연습문제 해답 298

6_연습문제 해답 306

7_연습문제 해답 313

 

찾아보기

 

_주요 내용

 

“Garbage In, Garbage Out”

전통적인 프로그램처럼 인공지능 또한 데이터가 입력되어 데이터가 출력되는 형태입니다. 프로그램도 데이터를 자료형의 형태로 제대로 입력해주어야 원하는 출력을 얻을 수 있듯이, 인공지능 또한 데이터를 전처리라는 과정을 통해 올바른 형태로 입력해주어야 학습된 결과가 제대로 출력되는 것은 모두 같은 원리입니다. 즉, 올바르지 못한 데이터를 제공한다면, 원하는 결과물을 절대 얻을 수 없습니다. 그만큼 데이터를 어떻게 다루느냐가 매우 중요합니다. 

이 책에서는 다양한 정형 데이터와 비정형 데이터를 대상으로 기본적인 전처리의 노하우를 배우고, 파이썬을 사용해 구현하는 방법을 소개했습니다. 전처리는 과제마다 별도로 설계, 구현해 나가기 때문에, 그 전부를 소개하기는 어렵습니다. 그러나, 이 책에서 설명한 내용은 실무에서도 문제 없이 사용할 수 있습니다.

 

각 장의 연습문제는 반드시 풀어보세요

전처리의 실력을 높이기 위해서는 반복해서 문제를 풀어보는 것이 가장 빠른 지름길입니다. 만약, 잘 안 풀리는 문제가 있어도 끈기 있게 도전해서 풀 수 있도록 학습하시길 바랍니다. 고민하고 고민하며 기어코 해결해내는 것만이 실력을 높이는 왕도입니다.

 

데이터 분석을 주업무로 해나가실 분이라면

머신러닝(딥러닝을 포함해서)의 알고리즘을 사용해 분석 모델을 작성하는 작업은, 현재도 급속하게 자동화가 진행되고 있습니다. 그러나, 모델을 작성하기 위해 투입하는 특징량은, 아직 당분간은 사람의 손을 빌리지 않으면 전처리하기 어려운 상황이 계속될 것 같습니다. 그렇기 때문에, 앞으로 데이터 분석을 주업무로 해 나가실 분들은, 전처리의 실력을 계속 갈고 닦아서 자신의 가치를 높이기를 기원합니다. 그리고 이 책이 거기에 조금이라도 도움이 된다면 행복하겠습니다.

 

 

[주요 특징]

바로바로 실습 가능한 실습문제 160개 수록

스스로 풀어보는 응용문제 35개와 해답 제공

 

저자에게 질문하며 함께 공부하는 백견불여일타 카페 운영 (café.naver.com/codefirst)

 

_저자 소개 

지은이 아다치 하루카

BULB 주식회사 소속의 데이터 과학자이다. SE나 데이터 IT 벤더 데이터 분석 등을 다양하게 경험하였다. 수많은 데이터 분석 프로젝트 외에도 실무자 교육도 틈틈이 병행하고 있으며, 개인 활동으로 기사와 책 쓰기 세미나 강의도 즐긴다. 저서로는 『텐서플로로 시작하는 딥러닝 입문』, 『초보자를 위한 신경망 딥러닝 입문』이 있다. 감수성이 예민한 시기에 고등 전문 학교에서 5 년을 보내버린 탓인지 주변에서 괴짜라는 평가를 받고 있다.

 

옮긴이 김태현

소프트웨어 엔지니어. 번역가.

애플리케이션 프로그래밍으로 시작했지만 일본으로 이주하면서 임베디드 소프트웨어 분야로 전업했다. 현재는 소프트웨어 개발뿐만 아니라 책 번역에도 힘을 쓰고 있다. 로드북에서 『Xcode4로 시작하는 아이폰 프로그래밍』 및 『데이터 시각화 입문』을 번역하였다.

 

감수 조휘용

https://github.com/airplane2230

대학원 진학 전부터 신경망에 관심을 가지고 이를 공부하기 시작했다. 신경망 기술이 많은 사회적 문제를 해결할 수 있다는 매력에 끌려 지금까지 공부하고 있으며, 대학원 과정에서 신경망 기술을 활용하여 수작업을 자동화하는 문제를 다루면서 그 믿음이 굳어졌다. 정보 격차에 관심이 많으며, 이를 해결하기 위해 개인 블로그 운영, 오픈소스 참여 등의 활동을 하고 있다. 로드북에서 『백견불여일타 딥러닝 입문 with 텐서플로우 2.x』를 집필했다.

 

_상세 이미지

 

                                                                                                _

posted by 로드북

댓글을 달아 주세요

오탈자 정보 2020. 9. 7. 18:05

2020년 9월 현재 1쇄 기준입니다.

posted by 로드북

댓글을 달아 주세요

자료실 2020. 9. 7. 18:04
posted by 로드북

댓글을 달아 주세요

신간소개 2020. 7. 30. 11:36

  ● 저자: 주식회사 앤드

  ● 역자: 신상재, 변창범

  ● 페이지: 200

  ● 판형: 사륙배판변형(182*253)

  ● 도수: 4도

  ● 정가: 16,000원

  ● 발행일: 2020년 8월 13일

  ● ISBN: 978-89-97924-73-8 93320

 

[파워포인트 템플릿 다운로드] [오탈자 사이트]

 

[강컴] [교보] [반디] [알라딘] [예스24] [인터파크]

[샘플원고]

Sample_ThingkingMethod.pdf
1.35MB

_도서 내용

아이디어를 떠올리기 위해 머리를 쥐어짜낸 적이 자주 있다. 보고서를 쓸 때마다 마감 시간 코앞에 두고 겨우 마무리한다. 문제는 발생했고 해결책은 보이지 않고 앞이 캄캄하다. 의사결정 할 때마다 지옥이다. 내가 하는 모든 결정이 즉흥적이다. 홍보용 포스팅 하나 쓰는 것조차 버겁다.

우리는 일상에서, 비즈니스에서 수많은 과제를 만난다. 그 과제가 힘든 것은 생각하는 방법, 사고법이 우리 머릿속에서 제대로 작동하지 않기 때문이다. ‘생각의 질을 높임으로써 문제 해결의 질도 함께 높일 수는 없을까?’ 그런 질문에서 시작하여 60가지 사고법을 소개하고, 훈련을 통해 사고의 성공 확률을 높일 수 있게 만들어주는 책이다.

 

_대상 독자

--------이런 고민을 하는 독자-----------

즉흥적으로 일하고 있지는 않은가?

아이디어를 구체화하는 데 어려움을 겪고 있는가?

스케줄을 관리하고 일을 처리하는 능력이 부족한가?

효율적인 회의 진행 방법을 찾고 있는가?

사장님 앞에만 서면 꿀먹은 벙어리가 되는가?

보고서를 쓰는 게 너무 힘든가?

고객의 클레임 대응이 부실한가?

부정적인 면만 떠오르는가?

너무 많은 걱정이나 두려움, 우울함을 느끼는가?

내가 누구인지도 모르며 살고 있는가?

자신의 논리력이 부족하다고 생각하는가?

말 잘하고 일 잘하는 동료가 부러운 적이 있는가?

의사 결정력이 약해 이리저리 휘둘리는가?

마케팅 효과를 높이기가 힘든가?

 

 

_목차

 

베타 리더의 말

지은이의 말

옮긴이의 말

이 책의 구성

 

들어가며. 사고법을 활용하기 위해 알아둬야 할 것

 

1. 사고의 기초 체력을 키운다

01 논리적 사고

02 비판적 사고

03 연역적 사고

04 귀납적 사고

05 귀추적 사고

06 요소분해

07 MECE

08 PAC 사고

09 메타인지

10 디베이트 사고

1장 연습하기

column 사고의 줌인과 줌아웃

 

2. 아이디어 발상력을 높인다

11 브레인스토밍

12 유추적 사고

13 수평적 사고

14 역설적 사고

15 IF 사고

16 비전문가적 사고

17 트레이드온 사고

18 플러스섬 사고

19 변증법

20 스토리 사고

21 2축 사고

22 도해 사고

2장 연습하기

column 열린 질문과 닫힌 질문

 

3. 비즈니스 사고력을 높인다

23 가치 제안 사고

24 시즈 사고

더보기

25 니즈 사고

26 디자인 사고

27 비즈니스 모델 사고

28 마케팅 사고

29 전략적 사고

30 확률적 사고

31 역산적 사고

32 선택적 사고

33 비저너리 사고

34 콘셉트 사고

3장 연습하기

column 작게 시작해서 크게 키운다

 

4. 프로젝트의 추진력을 높인다

35 Why 사고(목적탐색)

36 개선 사고

37 경험학습 모델

38 이중순환 학습

39 프로세스 사고

40 횡단적 사고

41 GTD

42 자책적 사고

43 긍정적 사고

44 ABC 이론

45 자기 회고법

46 상대적 사고

47 추상화 사고

4장 연습하기

column ‘Yes, And’로 생각하기

 

 

5. 분석력을 높인다

48 가설 사고

49 논점 사고

50 프레임워크 사고

51 병목 분석

52 퍼널 분석

53 상관 분석

54 회귀 분석

55 시계열 분석

56 Why 사고(원인분석)

57 인과관계 분석

58 인과 루프

59 시스템적 사고

60 KJ

5장 연습하기

column 정량·정성 데이터와 가설 검증

 

특별부록. 발상을 도와주는 비즈니스 프레임워크

 

참고 문헌

 

 

_주요 내용

 

개인의 문제, 팀의 문제, 비즈니스의 문제 등 세상 거의 모든 문제를 풀어내는 힘

문제 해결, 아이디어 발상력을 높여주는 사고법 훈련 매뉴얼 60

아이디어 도출, 의사결정, 문제 해결에 자신 없는 모두를 위한 책

사고의 기초 체력, 아이디어 발상력, 비즈니스 사고력, 프로젝트 추진력을 높여주는 사고법 훈련 매뉴얼

 

같은 것을 보고 같은 것을 들어도, 사람은 서로 다른 생각을 합니다. 어떻게 해야 할지 몰라 막막한 상황에서도 생각지 못한 방법으로 문제를 해결하거나, 독특한 방법으로 상황을 풀어내는 사람이 있습니다.

함께 있기만 해도 모호한 생각을 구체화하고, 서로 다른 생각도 하나의 의견으로 수렴할 수 있는 사람이 여러분 주위에도 있지 않나요? 도대체 그런 사람들은 사물을 어떻게 보고, 어떻게 파악하고, 어떻게 생각하는 것일까요? ‘생각의 질을 높임으로써 문제 해결의 질도 함께 높일 수는 없을까?’ 그런 질문에서 시작하여 선인이 남긴 60가지 사고법을 소개하고, 생각할 때의 관점을 알려주기 위해 만든 책이 바로 『사고법 도감』입니다.

 

문제에 진지하게 마주하려는 사람, 생각하기를 포기하지 않는 사람, 그런 분에게 도움을 주려고 이 글을 썼습니다. ‘생각의 계단’을 한 발 더 오를 수 있는 계기가 되는 책이 되기를 소망합니다.

_지은의 글 중에서

 

홈트레이닝을 하면서 몸을 단련하고, 명상을 하면서 정신을 맑게 하는 것처럼 이 책으로 사고법을 연마하면서 뇌의 잔근육을 단련해보세요. ‘이럴 땐 이렇게 생각하면 쉽게 풀리는구나’, ‘저 사람을 설득하려면 이렇게 설명하면 되겠구나식의 다양한 시도와 경험을 쌓다 보면 막연하게 보이지 않던 길이 보이고, 고민도 빨리 해결될 것입니다.

_옮긴이의 글 중에서

 

 

 

파워포인트 템플릿을 제대로 활용하는 방법

이 책은 자신의 PC나 노트북 태블릿 등에서 바로 사고 과정을 입력하거나, 출력해서 메모하며 쓸 수 있는 파워포인트 형식의 템플릿을 제공합니다.

 

1) 먼저 자신의 문제 해결에 적합하다고 생각하는 사고법 몇가지를 선택합니다.

하나의 사고법은 다음과 같이 4단계로 구성되어 있습니다.

_1단계. 사고법의 예시 : 사례를 볼 수 있으며, 이를 통해 사고법의 이미지를 머릿속으로 그려본다.

_2단계. 사고법 개요: 사고법의 기본 정보

_3단계. 사고법 정리 : 사고법의 활용 방법

_4단계. 사고할 때 주의점, 한 단계 더 깊이 생각하는 방법 소개

 

2) 각 장의 뒤에 제공되는 연습하기를 통해 훈련법을 구체적으로 체득합니다.

각 사고법을 어떻게 훈련할 수 있는지 구체적이고 단계적으로 알려줍니다. 이를 통해 나에게 직면한 문제도 풀어낼 수 있다는 자신감을 확보합니다.

 

3) 웹에서 다운로드한 파워포인트 템플릿을 출력합니다.

연습하기를 통해 훈련한 것처럼 출력한 템플릿을 채워가며 생각을 정리해봅니다. 문제의 원인이나 해결책을 좀더 수월하게 찾아낼 수 있을 것입니다.

 

이 과정은 혼자 진행할 수도 있으며, 팀 미션으로 진행할 수도 있습니다. 개인뿐만 아니라 팀의 성장도 이끌어낼 수 있는 좋은 기회가 될 수 있을 것입니다.

 

[먼저 읽어본 베타리더의 말! ! !]

사고법의 기본 메뉴얼로 활용할 수 있는 책이라 생각합니다. 사고법을언제’, ‘써야 하는지 곰곰히 생각해 보시기를 권합니다. 더불어 사고법을 적용하지 않아야 할 때, 적용하지 못할 때를 찾아봐도 좋겠죠.

고경만 | 스타트업 CMO

 

댜앙한 사고 기술을 알려주기 때문에 기초 논리를 쌓고 싶은 사람이라면 입문용으로 누구나 쉽게 접근할 수 있어서 좋습니다. 머리에 순간 스치는아이디어라는 퍼즐조각을 맞출 때, 이 책은 사고의 흐름을 유연하게 해 줄 훌륭한 안내서가 될 것입니다.

김보나 | 마법소녀 라온

 

흥미로운 책으로 생각하는 법을 다각도로 배울 수 있어 좋았습니다. 사고법의 기본 개념뿐만 아니라 장이 끝나는 부분마다 등장하는 비즈니스 사례 연습도 추천합니다.

유동환 | LG 전자

 

_편집자 코멘트

이 책의 자매도서격(?)<비즈니스 프레임워크 도감>을 진행하면서도 비슷한 느낌을 받았습니다. 프레임워크 도감은 좀더 비즈니스에 가까운 책이다면, <사고법 도감>은 비즈니스뿐만 아니라 우리의 일상에서도 발생할 수 있는 수많은 문제들을 어떻게 풀어나가야 할지, 그 방법을 알려주는 책이라는 점에서 좀더 대중적이라고 할 수 있습니다. 이번 <사고법 도감>을 진행하면서 문제가 풀리지 않을 때 적당한 사고법을 하나 선택하고 파워포인트 템플릿을 출력해서 빈칸을 채워가거나 항목별로 연관성을 고민해보다 보면, 신기하게도 문제를 풀어낼 수 있는 여러 선택지가 또렷하게 보이는 경험을 하였습니다. 사실, 우리가 뭔가 고민할 때 노트에 적어보며 여러 가능성을 생각하고 지우고 쓰고를 반복하는 과정 중의 하나도 이 책의 사고법 중 하나였을 수도 있습니다.

문제는 이미 일어난 것입니다. 그 문제를 걱정만 하고 있다고 해결될까요? 좀더 체계적으로 사고하여 해결해 나가는 법을 배운다면, 좀더 나은 능력자로 거듭날 것입니다.

 

_저자 소개

지은이

오노 요시나오 ┃()앤드 대표이사

가설 검증과 실천을 빠르게 반복하면서 단계적으로 완성도를 높이는 것이 특기다. 지금까지 소매업과 서비스업을 중심으로 사업 구조 설계부터 커뮤니케이션 전략 수립까지 1,000여 개의 기업을 지원했다. 현재는 개인과 조직이 변화하고 성장하는 것을 돕고 있다. 저서로 비즈니스 프레임워크 도감(로드북, 신상재 옮김)이 있다.

 

 

미야타 타쿠미 ┃() 앤드 이사

콘텐츠 마케팅을 중심으로 고객사의 기획 입안 및 운영을 돕고 있다. 과제 정리와 아이디어 발생을 위한 퍼실리테이션이 특기이고 기업 교육 과정을 설계하기도 한다. ()앤드가 운영하는 사이트 히라메키EX(ひらめきEX)에서 기획서를 작성하거나 비즈니스 프레임워크를 활용하는 방법을 공유한다. 저서로 비즈니스 프레임워크 도감(로드북, 신상재 옮김)이 있다.

 

[관련 사이트 히라메키EX URL: https://www.kikakulabo.com/]

 

옮긴이

 

신상재 ┃ 일본 기술서 번역가, ‘번역하는 개발자’ 유튜버

삼성SDS에서 소프트웨어 아키텍트로 활동하다가 애자일 코어 ACT 합류하였다.

기술보다는 사람이라는 깨달음을 얻은 후부터는 최신 기술을 익히기보다는 사람의 마음을 읽고, 견고한 시스템을 구축하는 것보다는 유연한 팀을 빌딩하고, 서비스에 가치를 부여하기보다는 사람에게 동기를 부여하는 것에 많은 관심이 생겼다. 최근 그러한 생각을 구체화하기 위해 『비즈니스 프레임워크 도감』을 번역한데 이어 후속편인 『사고법 도감』도 번역하였다.

주요 번역서로는 『비즈니스 프레임워크 도감』(로드북 2020),  『인공지능을 위한 수학』(프리렉, 2018), 『스프링 철저 입문』(위키북스, 2018), 1억배 빠른 양자 컴퓨터가 온다』(로드북, 2018), 『그림으로 배우는 클라우드 인프라와 API 구조』(로드북, 2017), TCP/IP 쉽게, 쉽게』(제이펍, 2016), 『네트워크 엔지니어의 교과서』(로드북, 2016), Xcode 배우는 코코아 프로그래밍』(한빛미디어, 2010),Objective-C: 맥과 아이폰 애플리케이션 프로그래밍』(한빛미디어, 2009) 있다.

 

 

변창범 | 엔터프라이즈 애자일 코치, 애자일 프로덕트 매니저

삼성SDS 에서 일본 시군구 행정 시스템 구축 프로젝트를 다년 수행한 경험으로 일본어를 익혔고, 당시 스크럼 마스터 역할을 담당하면서 애자일을 영접하게 되었다. 이후 ACT그룹 창립부터 현재까지 프로덕트 매니저 애자일 코치로 일하고 있다. 애자일 코치로서는 10여명의 작은 조직의 애자일 적용에서부터 100 이상의 조직의 애자일 전환(Transformation)으로 주로 활동하고 있으며, 애자일의 가치와 철학을 심플하게 전달하고자 열정을 불태우고 있다. 현재는 사내 스타트업 조직인 XEED-LAB에서 버그바운티 플랫폼의 프로덕트 매니저로 일하고 있다. 이외에도 다양한 방법으로 애자일을 전파하기 위해 ICAgile Fundamental ATF(Agile Team Facilitation) 과정의 공인 강사로 활동하고 있다.

 

_상세 이미지

_끝

posted by 로드북

댓글을 달아 주세요

  1.  Addr  Edit/Del  Reply 김주현

    카톡에 편집장님 생일이라 뜨네요. 생일 축하드립니다.
    날이 갈수록 로드북에서 좋은 책들을 많이 찍어내는 것 같습니다.^^
    데이터 시각화 입문은 교보 IT도서 40위권이네요. 책 디자인도 너무 멋집니다.
    화이팅!!

    2020.08.03 21:55
    •  Addr  Edit/Del 로드북

      좋게 봐주셔서 감사합니다. ^^ 오늘도 좋은 하루 되시고, 만드시는 서비스 잘 되길 응원할게요~~~

      2020.08.04 09:53

오탈자 정보 2020. 7. 30. 11:35

2020년 8월 현재 1쇄 기준입니다.

_4페이지
오류 : 댜앙한 사고 기술을

수정: 다양한 사고 기술을

_24p

(이미지 상단 우측)

오류 : 논점을 올바른가?

수정 : 논점이 올바른가?

 

90페이지

오류: '니즈' 역자주

수정: '니즈'가 처음 등장하는 26페이지로 이동

 

_94p

(이미지 오른쪽 새로측 화살표시 상단)

오류: 오프라인

수정: 온라인

 

_99페이지 

오류: 예에서 ‘성공’과 ‘실패’의두

수정: 예에서 ‘성공’과 ‘실패’의 두

 

_168p

(이미지 왼쪽 매출 숫자)

오류: 숫자에 0 하나씩 부족함

수정: : 숫자에 0이 하나씩 추가되어야 함

(본문에서도 5백만원 -> 5천만원으로)

_186p

(본문 9째줄, 실제로 실적이 좋은 것은 김인태씨가 아니라 송석리씨임)

오류 : 김인태씨가 제안 포맷이나 생각을

수정 : 담당자가 제안 포맷이나 노하우를

 

posted by 로드북

댓글을 달아 주세요

자료실 2020. 7. 30. 11:34

파워포인트 템플릿 다운로드

파워포인트템플릿_사고법 도감.zip
0.85MB

 

posted by 로드북

댓글을 달아 주세요

신간소개 2020. 7. 6. 11:00

 

  ● 저자: 후지 토시쿠니, 와타나베 료이치

  ● 역자: 김태현

  ● 페이지: 208

  ● 판형: 사륙배판변형(182*253)

  ● 도수: 4도

  ● 정가: 20,000원

  ● 발행일: 2020년 7월 17일

  ● ISBN: 978-89-97924-72-1 93000

 

[오탈자사이트 바로가기]

[강컴] [교보] [반디] [알라딘] [예스24] [인터파크]

[샘플원고]

Sample_Data Visualization.pdf
1.92MB

_도서 내용

데이터 시각화를 배워 비즈니스에 적용할 수만 있어도 보는 눈은 극적으로 달라진다. 무슨 말인지 모를 보고서는 명확하게 바뀌고 무엇보다 읽는 사람의 시간을 극적으로 절약할 수 있다. 이 책은 잘 정리된 보고서처럼 읽는 사람의 시간을 아껴 빠르게 데이터 시각화 능력을 길러주는 책이다. 기초 이론은 간단 명쾌하게 정리되어 있으며 Before & After 데이터 시각화 사례 72가지는 여러분의 잘못된 데이터 시각화 습관을 단번에 교정할 수 있게 해준다.

이 책에서 제시하는 기법들을 토대로 자신만의 발전된 데이터 시각화 기법을 만들어 가길 바란다.

 

핵심키워드 #데이터시각화_사례 #데이터시각화 #프레젠테이션 #태블로

 

_대상 독자

데이터 표현에 고민이 많은 직장인

데이터 이론과 표현법을 공부하고 싶은 학생

 

_목차

 

추천의 글

작가의 글

옮긴이의 글

 

이론편 - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -

1. 데이터 활용 시대의 도래

1.1 개요

1.2 이 책의 구성과 읽는 법

1.3 높아지는 데이터의 가치

1.4 누구나 데이터를 활용하는 시대

1.5 비교력

 

2. 데이터 시각화

2.1 데이터 시각화의 목적

2.2 데이터 시각화의 효과 - 그래프에서 읽어낼 수 있는 것

2.3 데이터 시각화의 종류

2.4 마무리하며

 

3. 데이터 시각화에 관한 정의 및 연구

3.1 데이터의 종류

3.2 시각 속성과 게슈탈트의 법칙

 

4. 데이터 시각화의 법칙

4.1 데이터 시각화를 위한 용도별 분류

4.2 차트 유형을 선택하는 법칙

4.3 차트 유형 목록

 

실전편- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -

5. Hop! 인포메이션 디자인의 기본

5.1 색의 기본색은 강조하고 싶은 요소에 사용한다

5.2 색의 기본색의 수는 최소한으로 사용한다

5.3 색의 기본채도는 낮을수록 좋다

5.4 색의 기본색상이 다른 2색의 사용은 주의한다

5.5 색의 기본색 사용의 모순을 피해야 한다

5.6 색의 기본색이 가지고 있는 이미지를 의식한다

더보기

5.7 색의 기본하나의 색에는 하나의 역할만 부여한다

5.8 색의 기본누구에게도 부담되지 않는 배색을 사용한다

5.9 색의 기본무의미한 배경색은 사용하지 말자

5.10 장식의 기본불필요한 테두리 선은 붙이지 않는다막대 그래프

5.11 장식의 기본불필요한 테두리 선은 붙이지 않는다숫자표

5.12 장식의 기본불필요한 장식은 하지 않는다막대 그래프

5.13 장식의 기본불필요한 장식은 하지 않는다꺾은선 그래프

5.14 장식의 기본너무 굵지도 너무 가늘지도 않게 한다막대 그래프

5.15 장식의 기본너무 굵지도 너무 가늘지도 않게 한다꺾은선 그래프

5.16 장식의 기본눈금선은 될 수 있으면 눈에 띄지 않게 설정한다

5.17 장식의 기본여러 개의 레이블을 사용하지 않는다

5.18 장식의 기본불필요한 장식을 제거하는 단계별 방법

5.19 장식의 기본⑩ 3D차트는 사용하지 않는다 - 1

5.20 장식의 기본⑪ 3D차트는 사용하지 않는다 - 2

5.21 막대 그래프의 기본양을 비교할 때는 막대 그래프를 사용한다

5.22 막대 그래프의 기본축은 반드시 0에서 시작한다

5.23 막대 그래프의 기본비교용 막대 수를 과도하게 늘리지 않는다

5.24 막대 그래프의 기본배치 순서에 의미를 둔다

5.25 꺾은선 그래프의 기본경향을 파악하고 싶을 때는 꺾은선 그래프를 사용한다

5.26 꺾은선 그래프의 기본축은 잘라내도 괜찮다

5.27 꺾은선 그래프의 기본위아래에 여백을 둔다

 

5

5.28 숫자표의 기본배치 순서를 항상 의식한다

5.29 숫자표의 기본숫자표는 자리 수를 맞춰서 오른쪽으로 정렬한다

5.30 숫자표의 기본수치는 가로보다 세로로 비교한다

5.31 차트 선택의 기본① 90도 회전 문자열은 읽기 어렵다

5.32 차트 선택의 기본연속성이 없으면 꺾은선 그래프는 부적절하다

5.33 차트 선택의 기본숫자표에서는 경향을 확인할 수 없다

5.34 차트 선택의 기본원 그래프는 상세한 비교에는 적합하지 않다

5.35 차트 선택의 기본원의 크기로 양을 비교하기는 어렵다

5.36 차트 선택의 기본구성비도 트렌드는 꺾은선 그래프로 작성한다

5.37 차트 선택의 기본적절한 차트 선택하는 단계별 방법

 

6. Step! 차이를 낳는 테크닉

6.1 보기 쉬운 차트를 만드는 요령범례의 표시 위치에 신경을 쓴다

6.2 보기 쉬운 차트를 만드는 요령눈금은 자연스러운 간격으로 매긴다

6.3 보기 쉬운 차트를 만드는 요령시간축은 가로축이 기본이다

6.4 보기 쉬운 차트를 만드는 요령보조선을 활용한다

6.5 보기 쉬운 차트를 만드는 요령경향선을 활용한다

6.6 잘못된 인식을 피하는 기술그래프와 레이블의 불일치 회피

67 잘못된 인식을 피하는 기술이중축으로 표시하면 이해하기 어렵다

6.8 잘못된 인식을 피하는 기술같은 축을 이중축으로 하지 않는다

6.9 잘못된 인식을 피하는 기술마이너스 값은 아래쪽 방향으로 해야 자연스럽다

6.10 잘못된 인식을 피하는 기술데이터 결손은 알기 쉽게 표시한다

6.11 다양한 차트와 사용법누적형 막대의 강조 요소는 최하단에 표시한다

6.12 다양한 차트와 사용법점유는 그 목적을 명확하게 세운다

6.13 다양한 차트와 사용법두 개의 지표들 사이의 관계성은 산포도로 만든다

6.14 다양한 차트와 사용법산포도는 가로축에 원인, 세로축에 결과를 표시한다

6.15 다양한 차트와 사용법점의 중복은 투과성으로 해소한다

6.16 다양한 차트와 사용법다차원 산포도는 보기 어렵다

6.17 다양한 차트와 사용법플랫 차트를 유용하게 활용하자

6.18 다양한 차트와 사용법원 그래프보다 도넛 차트가 좋다

6.19 다양한 차트와 사용법면 그래프로 경향과 규모를 동시에 보여준다

6.20 다양한 차트와 사용법면 그래프를 늘어놓고 비교한다

6.21 다양한 차트와 사용법하이라이트 테이블을 사용해서 직감적으로

6.22 마음을 사로잡는 실천 테크닉조사 데이터의 시각화 - 1

6.23 마음을 사로잡는 실천 테크닉조사 데이터의 시각화 - 2

6.24 마음을 사로잡는 실천 테크닉조사 데이터의 시각화 단계

6.25 마음을 사로잡는 실천 테크닉기준점을 맞춰서 비교한다 - 1

6.26 마음을 사로잡는 실천 테크닉기준점을 맞춰서 비교한다 - 2

 

7. Jump! BI툴로 차이를 만든다

7.1 BI활용법맵을 유효하게 활용한다

7.2 BI활용법스크롤은 가급적 만들지 않는다

7.3 BI활용법필터는 사용하지 않는다

7.4 BI활용법드릴다운 기능을 활용한다

7.5 BI활용법스파게티 차트 해소법

7.6 BI활용법조합해서 과제해결 - 스파게티 차트편

7.7 BI활용법조합해서 과제해결경향과 규모의 양립편

7.8 BI활용법조합해서 과제해결비율과 양의 양립편

7.9 BI활용법대시보드도 KISS의 법칙

 

찾아보기

 

_주요 내용 

기초 이론과 실전 사례를 통해 배우는 데이터 커뮤니케이션

[이론편] 데이터 문맹에서 벗어나기 위한 첫걸음

_데이터가 무엇이고 왜 중요한지를 배운다.

_데이터 시각화의 목적은 커뮤니케이션이라는 것을 잊지 않는다.

_데이터의 종류를 알고 속성을 익힌다.

_데이터 시각화의 필수 이론을 습득한다.

 

[실천편] Before & After로 배우는 데이터 시각화 방법

_사례를 통해 배우는 인포메이션 디자인의 나쁜 예와 좋은 예(색상, 채도, , 숫자, 그래프, 차트 등)

_데이터 시각화 수준을 높여주는 실용적인 26가지 테크닉

_BI 툴로 차이를 만들어내는 방법

  

 

이 책은 이런 데이터의 시대에, 데이터가 구사하는 새로운 언어를 이해하기 위한 필독서입니다.

이론 편에서는 독자들이 꼭 알아야 할 데이터의 기본 개념을 다양한 도식으로 매우 쉽게 설명하고 있으며. 실전 편에서는 정보의 올바른 표현법과 다양한 응용 방법이 잘 표현되어 있습니다.

특히, 데이터 관련 업종 진출과 데이터 표현에 고민이 많은 직장인, 더욱 심도 있는 데이터의 이론과 표현법을 공부하고 싶은 학생들이라면 꼭 읽어야 할 교과서 같은 책이라고 생각합니다. 현재 국내에 데이터 관련 서적이 많지 않고 어려운 책이 대부분이지만, 독자의 눈높이에 맞춘 이 책을 통해 데이터라는 미지의 영역에 한 걸음 내디딜 수 있는 계기가 되었으면 좋겠습니다.

_정도천 (인포크리에이티브 대표, 크리에이티브 디렉터)

 

데이터 시각화 입문』이라는 제목처럼 기본기를 탄탄하게 해줄 수 있는 구조와 법칙에 대해 꼼꼼하게 정리되어 있습니다. 종종 잘못된 데이터 시각화로 인해 많은 오해와 잘못된 판단과 실행을 한 경험은 누구나 있을 것입니다. 데이터 시각화에 있어 당연하다 생각되는 기본이 무시될 때 그래프와 도표는 잘못된 정보로 변질되어 버리기 때문에 경험하는 사례들입니다. 이 책에 제공하는 기본과 다양한 Before After의 상황별 시각화 효과를 학습한다면 왜 기본이 중요한지를 깨달을 수 있을 것입니다.

디테일에 숨어있는 작은 요소들까지 꼼꼼히 알려주고 있어 수준의 차이를 만들어내는 데이터 시각화를 경험할 수 있을 것입니다. 특히 데이터 시각화의 입문자에게는 기반을 단단히 해주고, 직관적인 시각화를 구축하는 데 길라잡이가 될 것입니다.

_장석현 프로( SK 텔레콤,  전 카카오 UX 파트장)

 

혹시 많은 시간과 노력을 투입한 데이터 분석 결과물이 동료들이나 의사 결정권자들에게 제대로 전달되지 않거나 오해를 일으켜 어려움을 경험한 적이 있다면 데이터 시각화 입문은 데이터에 대한 이해, 종류, 시각화의 이론 및 실제 사례 등을 통해서 데이터 시각화의 전문가로 다가서게 하는 데 많은 도움을 줄 것이라고 확신합니다.

경영/디자인 전공 학생들에게는 실무에서 표현되는 다양한 데이터의 시각화 사례를 공부할 수 있고, 분석 및 기획 보고서 작성이 빈번한 실무자들에게는 원포인트 레슨과 같이 핵심을 꿰뚫는 다양한 예제를 통해 성공적인 분석 보고서 및 기획/전략안을 작성하는 데 도움을 얻을 수 있습니다. 그리고 의사 결정권자라면 데이터 시각화를 통해 좀더 효율적이고 정확한 데이터 기반의 의사 결정을 하는 데 많은 도움을 얻을 수 있습니다.

또한 데이터 시각화에 대한 이론적 배경에 대해서도 지루하지 않을 만큼의 적절한 설명은 데이터 시각화에 대한 근본적인 이해를 가질  있도록 하며 이는 데이터 시각화 활용에 있어  도서의 내용을 단순히 모방하는 것이 아닌 스스로 변형하고 개선하는 능력을 갖게 할 것이라 믿습니다.

백인섭(삼성전자 Product Manager, 스토리로 이해하는 UX 디자인 프로세스 저자)

 

우리는 데이터의 중요성과 가치가 크게 부각되는 ‘데이터’의 시대에 살고 있습니다전문 데이터 분석가가 아니라 하더라도, HR, 영업, 마케팅 등 다양한 영역에서 매일매일 데이터를 의미 있는 정보로 만들어 의사결정을 해야 하는 위치에 놓이게 됩니다.

데이터를 활용함에 있어 우리가 잊지 말아야 할 것이 있습니다데이터 자체는 도구이며, 그 도구를 통해 의미 있는 스토리를 만들어 내는 것은 바로 우리에게 달려 있다는 것입니다

이 책의 1~5장은 데이터의 역사와 정의, 그리고 데이터를 그래픽으로 표현하는 핵심적인 방법 등을 알려주어 데이터 해독 능력(Data Literacy)을 기를 수 있는 기본 지식을 제공합니다. 5~7장은 기본적인 지식을 바탕으로 실제로 업무에 활용할 수 있는 실용적인 테크닉을 함께 소개하며특히 7장에서는 데이터 시각화의 세계적 선두주자인 태블로를 활용하여정제되지 않은 데이터를 유의미한 데이터로 변화시키는 모습을 시각화를 통해 보여줍니다.
이 책은 바로 데이터로 이야기를 만드는 법, 즉 데이터 스토리텔링의 방법을 알려주고 있습니다.

김성하(태블로 코리아 지사장) 

 

_저자 소개

지은이 

후지 토시쿠니

주식회사 Truestar 매니징 디렉터. Truestar activation 주식회사 대표.

2002년 동경공업대학 이학부 졸업 후 마케팅 컨설턴트, 스포츠 어패럴의 머천다이즈를 거쳐, 2011년부터 주식회사 Truestar에 합류했다. 데이터 분석과 전략 컨설팅 업무에 종사했고, 2013년부터 BI마운팅과 도입 지원 등 솔루션 사업에 뛰어들었다. 현재는 컨설팅 사업 전개를 총괄하고 있다. 2015년에 BI 마운팅 지원을 전문적으로 전개하는 자회사 Truestar activation을 설립해 대표를 겸하고 있다.

 

와타나베 료이치

주식회사 NTT 데이터 컨설팅 & 마케팅 사업부 솔루션 컨설팅 총괄부 과장.

2004년 와세다대학 사회과학부 졸업 후 그해 NTT데이터에 입사했다. 10년 동안 기업의 데이터 활용에 매진했다. 2011년부터 2012년에는 북미 지사에 부임해 현지 기업의 BI 도입을 위해 힘썼다. 현재는 일본 태블로(Tableau) 1인자로서 글로벌 기업의 BI/DWH 시스템 및 데이터 활용의 구상 책정/도입/정착화 컨설팅을 담당하고 있다.

 

옮긴이

김태현

소프트웨어 엔지니어. 번역가.

애플리케이션 프로그래밍으로 시작했지만 일본으로 이주하면서 임베디드 소프트웨어 분야로 전업했다. 현재는 소프트웨어 개발에 더해서 책 번역에도 힘을 쓰고 있다. 로드북에서 <Xcode4로 시작하는 아이폰 프로그래밍> <머신러닝 데이터 전처리 입문(출간예정)>을 번역하였다.

 

_상세 이미지

                                                                                                _

posted by 로드북

댓글을 달아 주세요

오탈자 정보 2020. 7. 6. 10:59

오탈자 신고: chief@roadbook.co.kr 또는 댓글로 남겨주세요)

(2020년 7월 현재, 1판 1쇄 기준)

_132페이지 그림 5-88 (최프로 독자님 제보)

[오류]

[수정]

posted by 로드북

댓글을 달아 주세요

오시는 길 2020. 6. 12. 16:46

서울시 서초구 방배동 455-16 메종슈에뜨 201호

(사당역 11번 출구)

 

'오시는 길' 카테고리의 다른 글

로드북 출판사 위치 안내  (0) 2020.06.12
posted by 로드북

댓글을 달아 주세요

신간소개 2020. 6. 1. 17:24

 

  ● 저자: 조휘용

  ● 페이지: 320

  ● 판형: 사륙배판형(188*257)

  ● 도수: 2

  ● 정가: 22,000원

  ● 발행일: 2020년 6월 8일

  ● ISBN: 978-89-97924-58-5 93000

 

[오탈자사이트 바로가기] [자료실 바로가기]

[강의자료 신청]

[강컴] [교보] [반디] [알라딘] [예스24] [인터파크]

[샘플원고]

Sample_Deep Learning Basic.pdf
3.87MB

_도서 내용

텐서플로우 2.x 기반의 실습형 딥러닝 입문서다. 초급자용 실습예제 165개를 수록했고 실전 연습문제 15개를 스스로 풀어본다면 딥러닝 초급을 탈출하여 스스로 학습할 줄 아는 독자로 거듭날 수 있을 것이다. 다른 프로그래밍 입문서와 같이 딥러닝 학습 또한 반복 실습만이 입문 단계를 벗어나기 위한 가장 빠른 방법이다. 이 책이 제시하는 학습 방법인, 데이터를 수집하고 모델을 만들며 학습을 시키는 패턴을 꾸준하게 반복 학습하다 보면 다음 단계로 나아가는 길을 찾을 수 있을 것이다.

 

_대상 독자

딥러닝을 처음 공부하고자 하는 학생이나 개발자

선수지식: 파이썬 문법을 이해할 수 있어야 함

 

_목차 

지은이의 글

편집자이자 베타테스터의 글

일러두기

 

1장 준비하기

1.1 시작하며

1.2 케라스란

1.3 케라스 준비하기

1.4 무료 클라우드 사용하기

1.5 API 문서 활용하기

정리해봅시다

 

[함께 해봐요] 텐서플로우를 설치할 가상환경 만들어 보기

[함께 해봐요] 텐서플로우 CPU 버전 설치하기

[함께 해봐요] 텐서플로우 GPU 버전 설치와 테스트

[함께 해봐요] 구글 드라이브 연동하기

[함께 해봐요] 캐글 노트북에서 결과물 얻는 방법

 

2장 살펴보기

2.1 머신러닝 프로세스 간략히 살펴보기

2.2 용어 살펴보기

2.3 데이터셋 살펴보기

2.4 커뮤니티 살펴보기

정리해봅시다

 

[함께 해봐요] 임의로 클래스 확률을 지정하여 그린 ROC 곡선 (chapter02/roccurve.py)

 

3장 기본기 다지기

3.1 기본 연산 해보기

3.2 신경망

3.3 케라스에서의 개발 과정

정리해봅시다

실습해봅시다

 

더보기

[함께 해봐요] 텐서의 차원과 기본 연산 (basic_calc.ipynb)

[함께 해봐요] 즉시 실행 모드를 통한 연산 (basic_calc.ipynb)

[함께 해봐요] 텐서에서 넘파이로, 넘파이에서 텐서로 (basic_calc.ipynb)

[함께 해봐요] @tf.function (basic_calc.ipynb)

[함께 해봐요] OR 게이트 구현해보기 (perceptron.ipynb)

[함께 해봐요] 벡터의 내적 (perceptron.ipynb)

[함께 해봐요] XOR 게이트 구현해보기 + 다층 퍼셉트론 (perceptron.ipynb)

[함께 해봐요] 여러 가지 활성화 함수 (perceptron.ipynb)

[함께 해봐요] 경사하강법 실험해보기 (perceptron.ipynb)

 

4장 신경망 적용해보기

4.1 MNIST Fashion-MNIST

4.2 보스턴 주택 가격 예측

4.3 빙산인가? 선박인가?-1

‘나의 이해도를 측정하자’ 3번 문제

4.4 무슨 옷과 무슨 색?-1

정리해봅시다

실습해봅시다

번외_캐글을 통해 능력 향상시키기

 

[함께 해봐요] MNIST 데이터셋 다운받기 (mnist.ipynb)

[함께 해봐요] 데이터의 형태 확인하기 (mnist.ipynb)

[함께 해봐요] 데이터 그려보기 (mnist.ipynb)

[함께 해봐요] 검증 데이터 만들기 (mnist.ipynb)

[함께 해봐요] 모델 입력을 위한 데이터 전처리 (mnist.ipynb)

[함께 해봐요] 모델 입력을 위한 레이블 전처리 (mnist.ipynb)

[함께 해봐요] 모델 구성하기 (mnist.ipynb)

[함께 해봐요] 소프트맥스와 시그모이드 값의 비교 (mnist.ipynb)

[함께 해봐요] 학습과정 설정하기 (mnist.pynb)

[함께 해봐요] 모델 학습하기 (mnist.ipynb)

[함께 해봐요] history를 통해 확인해볼 수 있는 값 출력하기 (mnist.ipynb)

[함께 해봐요] 학습 결과 그려보기 (mnist.ipynb)

[함께 해봐요] 모델 평가하기 (mnist.ipynb)

[함께 해봐요] 학습된 모델을 통해 값 예측하기 (mnist.ipynb)

[함께 해봐요] 예측값 그려서 확인해보기 (mnist.ipynb)

[함께 해봐요] 모델 평가 방법 1?혼동행렬 (mnist.ipynb)

[함께 해봐요] 모델 평가 방법?2 분류 보고서 (mnist.ipynb)

[함께 해봐요] MNIST 데이터셋 다루기: 전체 코드 (mnist.ipynb)

[함께 해봐요] Fashion-MNIST 데이터셋 다운받기 (fashion-mnist.ipynb)

[함께 해봐요] 데이터 그려보기 (fashion-mnist.ipynb)

[함께 해봐요] 전처리 및 검증 데이터셋 만들기 (fashion-mnist.ipynb)

[함께 해봐요] 첫 번째 모델 구성하기 (fashion-mnist.ipynb)

[함께 해봐요] 학습 과정 설정 및 학습하기 (fashion-mnist.ipynb)

[함께 해봐요] 두 번째 모델 구성하기 (fashion-mnist.ipynb)

[함께 해봐요] 두 모델의 학습 과정 그려보기 (fashion-mnist.ipynb)

[함께 해봐요] 보스턴 주택 가격 데이터셋 다운받기 (boston.ipynb)

[함께 해봐요] 데이터 형태 확인하기 (boston.ipynb)

[함께 해봐요] 데이터 전처리 및 검증 데이터셋 만들기 (boston.ipynb)

[함께 해봐요] 모델 구성하기 (boston.ipynb)

[함께 해봐요] 학습하고 평가하기 (boston.ipynb)

[함께 해봐요] K-폴드 사용하기 (boston.ipynb)

[함께 해봐요] K-폴드 결과 확인하기 (boston.ipynb)

[함께 해봐요] 데이터 불러오기 (clothes1.ipynb)

[함께 해봐요] 이미지 제네레이터 정의 및 모델 구성하기 (clothes1.ipynb)

[함께 해봐요] 데이터 제네레이터 정의하기 (clothes1.ipynb)

[함께 해봐요] 제네레이터를 통해 모델 학습시키기 (clothes1.ipynb)

[함께 해봐요] 테스트 데이터 예측하기 (clothes1.ipynb)

 

5장 컨볼루션 신경망

5.1 일단 사용해보기

5.2 컨볼루션층과 풀링층

5.3 CIFAR-10 살펴보기

5.4 빙산인가? 선박인가?-2

‘나의 이해도를 측정하자’ 3번 문제

5.5 전이 학습

정리해봅시다

실습해봅시다

 

[함께 해봐요] 데이터 살펴보기 (fashion_mnist_cnn.ipynb)

[함께 해봐요] 모델 구성하기 (fashion_mnist_cnn.ipynb)

[함께 해봐요] 모델 학습시키기 (fashion_mnist_cnn.ipynb)

[함께 해봐요] 이미지 필터 사용해보기 (use_image_filter.ipynb)

[함께 해봐요] 이미지 필터 정의하기 (use_image_filter.ipynb)

[함께 해봐요] 이미지 필터 적용하기 (use_image_filter.ipynb)

[함께 해봐요] 이미지 필터를 적용한 최종 결과 (use_image_filter.ipynb)

[함께 해봐요] 풀링 연산 구현하기 (use_image_filter.ipynb)

[함께 해봐요] model.summary( ) 함수 사용하기

[함께 해봐요] plot_model( ) 함수 사용하기

[함께 해봐요] CIFAR-10 데이터셋 다운받기 (cifar10_cnn.ipynb)

[함께 해봐요] CIFAR-10 데이터 그려보기 (cifar10_cnn.ipynb)

[함께 해봐요] CIFAR-10 데이터셋 전처리 과정 (cifar10_cnn.ipynb)

[함께 해봐요] CIFAR-10 모델 구성하기 (cifar10_cnn.ipynb)

[함께 해봐요] CIFAR-10 모델 학습하기 (cifar10_cnn.ipynb)

[함께 해봐요] CIFAR-10 학습 과정 그려보기 (cifar10_cnn.ipynb)

[함께 해봐요] 신경망 시각화해보기 (cifar10_cnn.ipynb)

[함께 해봐요] CIFAR-10 규제화 함수 사용해보기 (drop_the_overfitting_regularizer.ipynb)

[함께 해봐요] CIFAR-10 드롭아웃 사용해보기 (drop_the_overfitting_dropout.ipynb)

[함께 해봐요] CIFAR-10 배치 정규화 사용해보기 (drop_the_overfitting_BN.ipynb)

[함께 해봐요] 이미지 제네레이터를 사용하여 이미지 그려보기 (basic_image_generator.ipynb)

[함께 해봐요] 이미지 제네레이터를 사용하여 모델 학습하기 (basic_image_generator.ipynb)

[함께 해봐요] 전이 학습 사용해보기 (basic_transfer_learning.ipynb)

[함께 해봐요] 모델 동결 해제하기

[함께 해봐요] 전이 학습을 통해 학습하기 (basic_transfer_learning.ipynb)

 

6장 순환 신경망

6.1 Embedding

6.2 RNN

6.3 LSTM

6.4 Conv1D

6.5 BERT 가볍게 알아보기

정리해봅시다

실습해봅시다

 

[함께 해봐요] 토큰화 작업 수행하기 (use_embedding_layer.ipynb)

[함께 해봐요] 데이터셋 다운받기 (use_embedding_layer.ipynb)

[함께 해봐요] 데이터 형태 확인하기 (use_embedding_layer.ipynb)

[함께 해봐요] 첫 번째 데이터 확인하기 (use_embedding_layer.ipynb)

[함께 해봐요] IMDB 데이터셋에서 가장 빈번하게 사용되는 세 개의 단어

[함께 해봐요] 데이터를 동일한 길이로 맞추기 (use_embedding_layer.ipynb)

[함께 해봐요] Embedding층을 사용하여 모델 구성하기 (use_embedding_layer.ipynb)

[함께 해봐요] 모델 학습시키기 (use_embedding_layer.ipynb)

[함께 해봐요] 모델 평가하기 (use_embedding_layer.ipynb)

[함께 해봐요] 학습 과정 확인하기 (use_embedding_layer.ipynb)

[함께 해봐요] cos 함수를 이용하여 데이터 만들기 (use_SimpleRNN_layer.ipynb)

[함께 해봐요] 전처리 과정 수행하기 (use_SimpleRNN_layer.ipynb)

[함께 해봐요] 데이터 형태 확인하기 (use_SimpleRNN_layer.ipynb)

[함께 해봐요] SimpleRNN을 사용하여 모델 구성하기 (use_SimpleRNN_layer.ipynb)

[함께 해봐요] 모델 학습시키기 (use_SimpleRNN_layer.ipynb)

[함께 해봐요] 예측 결과 그려보기 (use_SimpleRNN_layer.ipynb)

[함께 해봐요] IMDB 데이터셋 사용하기 (use_SimpleRNN_layer.ipynb)

[함께 해봐요] SimpleRNN층의 출력값 변화 확인하기 (use_SimpleRNN_layer.ipynb)

[함께 해봐요] reuters 데이터셋 다뤄보기 (use_LSTM_layer.ipynb)

[함께 해봐요] 데이터셋 전처리 과정

[함께 해봐요] LSTM 층을 사용하여 모델 구성하기 (use_LSTM_layer.ipynb)

[함께 해봐요] 모델 학습시키기 (use_LSTM_layer.ipynb)

[함께 해봐요] Conv1D 층을 사용하여 모델 구성하기 (use_Conv1D_layer.ipynb)

[함께 해봐요] 모델 학습시키기 (use_Conv1D_layer.ipynb)

[함께 해봐요] 데이터 생성하기 (use_Conv1D_layer.ipynb)

[함께 해봐요] 모델 구성 및 결과 확인하기 (use_Conv1D_layer.ipynb)

 

7장 초급을 향해서-1

7.1 케라스의 모델 구성 방법

7.2 함수형 API

7.3 빙산인가? 선박인가?-3

‘나의 이해도를 측정하자’ 1번 문제

7.4 무슨 옷과 무슨 색?-2

7.5 케라스 콜백

정리해봅시다

실습해봅시다

 

[함께 해봐요] Sequential( ) 모델 구성 (make_model_three_ways.ipynb)

[함께 해봐요] 서브클래싱 모델 구성 (make_model_three_ways.ipynb)

[함께 해봐요] 함수형 API 모델 구성하기 (make_model_three_ways.ipynb)

[함께 해봐요] MNIST 데이터셋 불러오기 및 전처리 (functional_api_MNIST.ipynb)

[함께 해봐요] 함수형 API를 활용한 모델 구성 및 학습 (functional_api_MNIST.ipynb)

[함께 해봐요] 다중 입출력을 위한 데이터 생성하기 (functional_api_multi_io.ipynb)

[함께 해봐요] 다중 입출력 모델 구성하기 (functional_api_multi_io.ipynb)

[함께 해봐요] 모델 구조 그려보기 (functional_api_multi_io.ipynb)

[함께 해봐요] 모델 구조 확인하기 (functional_api_multi_io.ipynb)

[함께 해봐요] 다중 입출력 모델에서 학습 과정 설정하기 (functional_api_multi_io.ipynb)

[함께 해봐요] 다중 입출력 모델 학습하기 (functional_api_multi_io.ipynb)

[함께 해봐요] 잔차 연결을 사용하여 모델 구성하기 (residual_and_inception_module.ipynb)

[함께 해봐요] 인셉션 모듈을 사용하여 모델 구성하기 (residual_and_inception_module.ipynb)

[함께 해봐요] ResNet을 활용하여 모델 구성하기 (resnet_transfer.ipynb)

[함께 해봐요] 텐서플로우 허브 설치하기

[함께 해봐요] CIFAR-10 데이터셋 불러오기 (use_tensorflow_hub.ipynb)

[함께 해봐요] 전체 모델 구성하기 (use_tensorflow_hub.ipynb)

[함께 해봐요] 모델 학습시키기 (use_tensorflow_hub.ipynb)

[함께 해봐요] (clothes_classification/clothes3.csv)

[함께 해봐요] (clothes_classification/clothes3.csv)

[함께 해봐요] (clothes_classification/clothes3.csv)

[함께 해봐요] 케라스 콜백 사용 준비하기 (use_keras_callbacks.ipynb)

[함께 해봐요] ModelCheckpoint 콜백 사용하기 (use_keras_callbacks.ipynb)

[함께 해봐요] EarlyStopping 콜백 사용하기 (use_keras_callbacks.ipynb)

[함께 해봐요] ReduceLROnPlateau 콜백 사용하기 (use_keras_callbacks.ipynb)

[함께 해봐요] TensorBoard 콜백 사용하기 (use_keras_callbacks.ipynb)

[함께 해봐요] 텐서보드 실행하기 - 1

[함께 해봐요] 텐서보드 실행하기- 2

 

8장 초급을 향해서-2

8.1 커스터마이제이션

8.2 1×1 컨볼루션

8.3 초급 단계를 위해 한걸음 더

정리해봅시다

실습해봅시다

 

[함께 해봐요] Lambda 층 사용하기 (custom_keras_layer.ipynb)

[함께 해봐요] 커스텀 케라스층 사용하기 (custom_keras_layer.ipynb)

[함께 해봐요] Activation 함수에 직접 전달하는 방법 (custom_activation.ipynb)

[함께 해봐요] 커스텀 객체 목록을 사용하는 방법 - 1 (custom_activation.ipynb)

[함께 해봐요] 커스텀 객체 목록을 사용하는 방법 ? 2 (custom_activation.ipynb)

[함께 해봐요] RAdam 설치하기

[함께 해봐요] RAdam의 존재 알기 (custom_activation.ipynb)

[함께 해봐요] 커스텀 손실 함수 정의하기 (custom_loss.ipynb)

[함께 해봐요] 커스텀 손실 함수?MNIST 학습 (custom_loss.ipynb)

[함께 해봐요] 커스텀 평가지표 정의하여 사용하기 (custom_metrics.ipynb)

[함께 해봐요] 특정 시점에 학습률을 조정하는 커스텀 케라스 콜백 (custom_callback.ipynb)

[함께 해봐요] 커스텀 케라스 콜백을 사용하여 모델 학습시키기 (custom_callback.ipynb)

[함께 해봐요] 컨볼루션층만으로 구성한 모델 - 1 (MNIST_1×1_convolution.ipynb)

[함께 해봐요] 컨볼루션층만으로 구성한 모델 - 2 (MNIST_1×1_convolution.ipynb)

 

9장 케라스 튜너

9.1 탐색해야 할 하이퍼파라미터

9.2 케라스튜너 사용하기

9.3 케라스튜너 더 쉽게 사용하기

정리해봅시다

실습해봅시다

 

부록 A: 오토케라스(AutoKeras)

부록 B: tf.data

부록 C: 이렇게도 학습할 수 있어요!

 

[함께 해봐요] 간단한 구조의 CNN 모델 살펴보기 (keras_tuner_example.ipynb)

[함께 해봐요] 케라스 튜너 설치하기

[함께 해봐요] 케라스 튜너 모델 정의하기 (keras_tuner_example.ipynb)

[함께 해봐요] MNIST 데이터셋 준비하기 (keras_tuner_example.ipynb)

[함께 해봐요] RandomSearch 클래스 사용하기 (keras_tuner_example.ipynb)

[함께 해봐요] 탐색할 하이퍼파라미터 살펴보기 (keras_tuner_example.ipynb)

[함께 해봐요] 하이퍼파라미터 탐색하기 (keras_tuner_example.ipynb)

[함께 해봐요] 실험 결과 요약해보기 (keras_tuner_example.ipynb)

[함께 해봐요] 가장 좋은 성능의 모델 불러오기 (keras_tuner_example.ipynb)

[함께 해봐요] 모델 하이퍼파라미터 확인하기 (keras_tuner_example.ipynb)

[함께 해봐요] HyperResNet 사용하기 (keras_tuner_example.ipynb)

[함께 해봐요] (clothes_classification/tf_data_example.py)

[함께 해봐요] 데이터셋 불러오기 ()appendix/training_with_tensorflow2.0.ipynb

[함께 해봐요] 데이터셋 객체 정의하기 ()appendix/training_with_tensorflow2.0.ipynb

[함께 해봐요] 모델 구성하기 (appendix/training_with_tensorflow2.0.ipynb)

[함께 해봐요] 객체 정의하기 (appendix/training_with_tensorflow2.0.ipynb)

[함께 해봐요] 계산 발생 지정하기 (appendix/training_with_tensorflow2.0.ipynb)

[함께 해봐요] 학습 및 검증 스텝 정의하기 (appendix/training_with_tensorflow2.0.ipynb)

[함께 해봐요] 학습 진행하기 (appendix/training_with_tensorflow2.0.ipynb)

 

찾아보기

 

_주요 내용

 

입문 단계에서 포기하지 않고 다음 단계로 넘어갈 수 있게 해주는 책!

이 책을 학습한 후 점차 수학과 이론적 지식이 필요함을 느끼고, 프로세스나 기존에 제공되고 있는 서비스를 보았을 때 “과연 저기에 딥러닝을 적용하면 어떤 결과물이 나올까?”라는 생각을 하게 된다면 본격적으로 딥러닝 엔지니어, 연구자, 서비스 제공자로서의 삶이 시작된 것입니다.

 

“백견불여일타 공부법의 핵심은 반복입니다.

딥러닝도 다른 프로그래밍 입문서와 마찬가지로 반복 학습만이 입문 단계를 벗어나기 위한 가장 빠른 방법입니다. 이 책이 제시하는 학습 방법인, 데이터를 수집하고 모델을 만들며 학습을 시키는 패턴을 꾸준하게 반복 학습하다 보면 다음 단계로 나아가는 길을 찾을 수 있을 것입니다.

 

“연습문제를 직접 풀어보지 않으면 아무리 좋은 입문서라도 백약이 무효입니다.

직접 해보고 반복해서 학습해보는 것만이 낯설음을 익숙함으로 바꿀 수 있는 유일한 길입니다. 힌트까지 제공되니 반드시 혼자만의 힘으로 풀어보고 저자의 모범답안과 비교해보세요. 점핑업 되는 실력을 느낄 수 있을 것입니다.

 

 

[주요 특징]

초급자용 실습 예제 165개 수록!!

힌트와 미션이 주어지는 초급 탈출 실력 점핑용 연습문제 15개 수록!!

강의자료 제공!!

 

[이 책을 제대로 활용하는 방법]

이 책은 데이터를 모으고(이 책에서는 데이터가 주어지지만) 모델을 만들어 내며 학습을 시키고 결과를 내는 등의 일정 패턴을 반복적으로 학습합니다. 이러한 학습을 통해 필요한 라이브러리를 찾아내어 활용할 수 있는 능력을 갖추게 될 것입니다. 결국엔 데이터와 모델, 이 두 가지가 핵심입니다. 이 책에서 제시하는 단편적인 예제만으로는 실용적인 예제를 만들어낼 수 없습니다. 작은 미션들(여기서는 [함께 해봐요] 예제)에 익숙해지는 약간의 고통스런 과정이 필요하고, 그 다음에 얻은 지식을 바탕으로 자신이 원하는 무언가를 스스로 만들어낼 수 있도록 해주는 것이 이 책의 목표입니다.

 

무엇보다 이 책은 “백견불여일타”라는 시리즈 이름처럼 말 그대로 “그래, 그냥 해봐(Just do it)” 같은 책입니다. 중요한 것은 따라 하며 실행해보고 에러를 내뿜을 때 고민해보고 주변의 도움을 받아가며 배우는 과정을 통해 내가 부족한 지식이 무엇인지 깨닫게 된다는 점입니다.

_편집자 & 베타테스트

 

 

_편집자 코멘트

마지막까지 학습하면서 다양한 에러를 만나게 되었습니다. 단순한 구글 드라이브 마운트 문제부터 변수명 하나 잘못되어 고생했던 적도 있었는데, 그럴 때마다 ‘다른 독자들도 같은 실수를 할 수도 있겠구나!’ 하는 생각에 많은 부분을 보완하고 수정했지만, 분명 어딘가에서는 쉽게 넘어가지 못하는 부분도 있을 겁니다. 그땐 언제든지 백견불여일타 카페에서 도움을 얻으시기 바랍니다.

그리고 역시 하이라이트는 [실습해봅시다]였습니다. 몇가지 미션들을 풀어봄으로써 딥러닝을 이해하고 적용하는 데 큰 도움이 된 파트입니다. 편집자로서 다른 프로그래밍 도서의 문제보다 스스로 풀기가 힘들었지만, 본문의 내용과 검색을 통해 가능한 저자가 제공하는 답안을 보지 않고 풀어보려고 했습니다. 놀라운 것은 [실습해봅시다]를 직접 풀어보고 난 후 이해하기 힘들었던 내용도 선명하게 머릿속에서 정리가 되는 느낌이었습니다. 이런 부분은 이 책의 가장 큰 장점이 아닌가 싶습니다.

 

_저자 소개

지은이

조휘용

https://github.com/airplane2230

 

대학원 진학 전부터 신경망에 관심을 가지고 이를 공부하기 시작했다. 신경망 기술이 많은 사회적 문제를 해결할 수 있다는 매력에 끌려 지금까지 공부하고 있으며, 대학원 과정에서 신경망 기술을 활용하여 수작업을 자동화하는 문제를 다루면서 그 믿음이 굳어졌다. 정보 격차에 관심이 많으며, 이를 해결하기 위해 개인 블로그 운영, 오픈소스 참여 등의 활동을 하고 있고, 집필까지 하게 되었다. 

 

_상세이미지

                                                                                                _

posted by 로드북

댓글을 달아 주세요

  1.  Addr  Edit/Del  Reply Favicon of https://thrillfighter.tistory.com 콘파냐

    편집장님 얼마전 뵙고 책도 잘 받았습니다.
    시간이 없어서 아직 앞부분만 발췌해서 읽어보았는데 깔끔하게 잘 읽혔습니다.
    좋은 책 같습니다.
    파이썬의 신 - 저자입니다.^^

    2020.06.25 23:24 신고
    •  Addr  Edit/Del Favicon of https://roadbook.co.kr 로드북

      오~~ 이렇게 담벼락에서 보니 더더욱 반갑네요. 좋은 평가 해주셔서 감사합니다. 파이팅입니다!!!

      2020.06.26 09:16 신고