인공지능의 발전이 가져온 노 코딩 분석 소프트웨어의 등장!
이제 누구든지 데이터 과학자가 될 수 있다!

인공지능의 발전과 함께 코딩은 필수가 아닌, 하나의 도구가 되어 가고 있다. 따라서 더 이상 파이썬이나 R과 같은 프로그래밍 언어의 문법을 배우면서 데이터 학습을 하는 것이 아닌, 인공지능 기술에 기반하여 잘 만들어진 도구를 이용해 데이터 과학의 프레임워크를 이해하고, 바로 실무에 데이터 분석 기법을 활용하는 것이 가능해졌다. 이 책에서는 데이터 과학을 접근함에 있어 중요한 것은 프로그래밍 언어나 개별 분석 방법론이 아님을 강조한다. 데이터 과학에서 가장 중요한 것은 사회 현상과 문제를 올바르게 이해하는 것이고, 이를 어떠한 분석 방법론을 통해 해결할지를 선택하는 것이다. 프로그래밍 언어를 코딩하거나 개별 분석 방법론을 적용하는 과정에서 문제가 발생한다면, 인터넷 또는 기존 도서들에 나와 있는 수많은 정보들을 활용하여 문제를 해결할 수가 있다. 하지만 다양한 언어를 습득하고 있어도 문제를 잘못 이해하여 엉뚱한 분석 방법론을 채택한다면, 이는 돌이킬 수 없는 실수가 되고 만다. 즉 데이터 과학을 위한 프레임워크를 정립하는 것이 다른 무엇보다도 중요하다.

이 책은 데이터 과학 입문자, 통계학 또는 컴퓨터공학 비전공자를 위한 도서이다. 컴퓨팅에 대한 이론적 기반을 보유하지 않은 학습자가 데이터 과학을 학습함에 있어 초행길의 길잡이와 같은 역할을 하고자 한다. 그러므로 이 책 한 권이면 어렵지 않게 데이터 과학을 이해할 수 있으며, 누구든지 데이터 과학자가 되어 훌륭한 의사결정을 할 수가 있을 것이다. 데이터 범람의 시대에서 새로운 데이터 과학의 세계로 출발해보자.

추천사

이 책은 의사 결정을 하는 데 필수적인 데이터를 통한 접근법을 제시하며, 흥미로운 도구 중심 접근법으로 누구나 쉽게 데이터 과학의 세계를 이해할 수 있게 해 준다.
- 김성훈 (홍콩과학기술대학교 컴퓨터공학과 교수, 전 네이버 Clova AI Head / 현 업스테이지 대표이사)

코딩 없이 데이터를 분석하는 것은 인공지능이 우리에게 주는 큰 선물이다. 이 책은 프로그래밍에 대한 학습 없이 데이터 전문가로 발돋움시켜주는 지름길이 될 것이다.
- 김우창 (KAIST 데이터사이언스대학원 원장 겸 KAIST 산업및시스템공학과 학과장)

초거대 AI의 등장으로 누구나 쉽게 인공지능을 사용할 수 있는 시대가 되었다. 이 책을 통해 인공지능의 핵심이 되는 데이터 과학을 ‘누구나’, ‘더 쉽게’ 배울 수 있기를 희망한다.
- 배경훈 (LG AI연구원 원장 겸 국가데이터정책위원회 산업기반분과위원장)

데이터 기반 의사 결정에 익숙하고, 통찰력을 도출하는 사람은 인생 항해에 있어 커다란 무기를 가지고 있는 것과 같다. 이 책을 통해 인생 항해의 나침반을 모두가 갖기를 희망한다.
- 장홍성 (SK텔레콤 광고/Data CO 부사장 겸 지능정보산업협회장)

대부분의 전문 도서에서 다루지 않지만, 실무에서 필수적인 데이터 가공 ㆍ 처리 ㆍ 기술적 분석을 집중적으로 다루고 있다. 따라서 비전공자 또는 데이터 과학자에게 본 교재를 적극 추천한다.
- 조성준 (서울대학교 산업공학과 교수, 전 공공데이터전략위원회 위원장)

코딩에 익숙하지 않은 비전공자를 위한 데이터 과학 입문서로 이 책을 적극 추천한다. 기본적인 용어들과 기법들에 익숙해지는 것만으로도 큰 도움이 될 것이다.
- 배순민 (KT융합기술원 AI2XL 소장 겸 대통령직속 디지털플랫폼정부위원회 AI/빅데이터분과위원)

이 책은 데이터 과학자를 꿈꾸며, SAS ⓡ OnDemand for Academics를 활용하고자 하는 학생들에게 훌륭한 길라잡이가 될 것이다.
- 이승우 (SAS Korea 대표이사)

데이터가 세상을 지배하는 오늘, 데이터가 무엇이고 어떻게 활용되는지 알고 싶다면 이 책을 추천한다. 누구나 쉽게 읽을 수 있으며 기본적인 데이터 리터러시를 갖게 될 것이다.
- 한선관 (경인교육대학교 컴퓨터교육과 교수 겸 한국인공지능교육학회장)

추천의 글
머리말

1. 데이터 과학을 위한 체계

1.1. 왜 데이터 과학인가?
1.1.1. 데이터 과학이란 무엇인가?
1.1.2. 데이터 과학자의 길
1.1.3. ‘코딩 없이’ 배우는 데이터 과학의 중요성

1.2. 데이터 과학을 위한 기본 지식
1.2.1. 데이터
1.2.2. 변수

1.3. 데이터 과학의 프레임워크
1.3.1. 이론적 배경에 따른 분류
1.3.2. 분석 목적에 따른 분류
1.3.3. 종속 변수에 따른 분류
1.3.4. 변수의 개수에 따른 분류

2. 데이터 과학을 위한 도구

2.1. 데이터 과학을 위한 도구
2.1.1. 데이터 과학을 위한 도구란?
2.1.2. 오픈 소스 소프트웨어
2.1.3. 상용 소프트웨어

2.2. 왜 SAS ODA인가?
2.2.1. SAS ODA의 서비스 제공 배경
2.2.2. SAS ODA의 채택 사유

2.3. SAS ODA 사용하기
2.3.1. 권장 시스템 환경
2.3.2. 서비스 가입하기

2.4. SAS Studio 둘러보기
2.4.1. 기본 구성
2.4.2. 작업 모드
2.4.3. 프로세스 플로우

2.5. SAS Studio 맛보기
2.5.1. 폴더 만들기
2.5.2. 라이브러리 만들기
2.5.3. 작업 및 유틸리티

3. 데이터 가공과 처리

3.1. 왜 데이터 처리가 중요한가?
3.1.1. 신뢰성 확보를 위한 도구
3.1.2. 큰 데이터를 다루기 위한 도구
3.1.3. 이 정도면 훌륭한 분석 도구
3.1.4. 예제 데이터 소개

3.2. 데이터 입력과 출력
3.2.1. 파일 업로드
3.2.2. 데이터 확인하기
3.2.3. 데이터 내보내기
3.2.4. 파일 다운로드

3.3. 데이터 처리 기본
3.3.1. 질의
3.3.2. 질의 출력
3.3.3. 칼럼 선택
3.3.4. 칼럼 필터
3.3.5. 칼럼 요약
3.3.6. 칼럼 정렬

3.4. 데이터 구조 변환
3.4.1. 테이블 조인
3.4.2. 테이블 연결
3.4.3. 데이터 전치

4. 기술적 데이터 분석

4.1. 기술적 데이터 분석이란?
4.1.1. 데이터의 소리
4.1.2. 기술적 데이터 분석의 유형
4.1.3. 기술적 데이터 분석의 필요성

4.2. 수치형 데이터 분석
4.2.1. 수치형 데이터 분석이란?
4.2.2. 위치
4.2.3. 변동성
4.2.4. 모양

4.3. 범주형 데이터 분석
4.3.1. 범주형 데이터 분석이란?
4.3.2. 일원 빈도 분석
4.3.3. 결측률 분석

4.4. 데이터 변환
4.4.1. 데이터 순위화
4.4.2. 값 재코딩
4.4.3. 범위 재코딩
4.4.4. 데이터 변환
4.4.5. 데이터 표준화

5. 시각적 데이터 분석 I

5.1. 시각적 데이터 분석
5.1.1. 시각적 데이터 분석이란?
5.1.2. 공통 작업

5.2. 1차원 그래프
5.2.1. 막대 그래프
5.2.2. 원 그래프
5.2.3. 히스토그램
5.2.4. 상자 도표

5.3. 2차원 그래프
5.3.1. 산점도
5.3.2. 열지도
5.3.3. 시계열 도표
5.3.4. 모자이크 도표

5.4. 다차원 그래프
5.4.1. 선 그래프
5.4.2. 막대-선 그래프
5.4.3. 버블 도표

6. 시각적 데이터 분석 II

6.1. 지도 그래프란?
6.1.1. 지도 그래프란?
6.1.2. 위도와 경도
6.1.3. 지도 데이터
6.1.4. 지도의 유형
6.1.5. 지도 그래프의 종류

6.2. 위치 지도
6.2.1. 위경도 데이터 생성
6.2.2. 버블 지도
6.2.3. 산점 지도
6.2.4. 시계열 지도

6.3. 지역 지도
6.3.1. 등치 지역도
6.3.2. 텍스트 지도

맺음말