바뀜

1. [[http://www.yes24.com/Product/Goods/45542771|<빅데이터 기초: 개념, 동인, 기법>(시그마프레스)]]2. [[http://www.yes24.com/Product/Goods/58054191|<인공지능 시대의 비즈니스 전략>(더퀘스트)]] AI 빅데이터 분석의 다양환 활용 사례에 도움이 되는 책들 1. [[https://www.kyobobook.co.kr/product/detailViewKor.laf?mallGb=KOR&ejkGb=KOR&barcode=9791160050110|<빅데이터가 만드는 제4차 산업혁명>(북카라반)]]2. [[https://www.yes24.com/Product/Goods/58084716|<빅데이터 비즈니스 이해와 활용>(위즈하임)]]3. [[http://www.yes24.com/Product/Goods/69244158|<빅데이터 분석과 활용>(학지사)]] <hr> 데이터 마이닝에서 주로 배우는 기계학습을 이용한 분류, 회귀, 군집 또는 연관 규칙, 빈발 패턴 분석, 아웃라이어 분석과 같은 것들은 대단히 어려운 수학적인 지식이 필요한 게 아니다. 또한 어차피 프로그래밍 언어에서 라이브러리 함수가 수행해주기 때문에 직접 수학 공식을 풀거나 증명할 필요도 없다. 읽어보고 이해한 다음에 바로 넘어가면 된다. 대부분 이해가 되겠지만 혹여나 몇 가지 이해가 안 되더라도 크게 문제가 없다. 우선은 그냥 넘어가도 된다. <hr> 데이터마이닝 학습에 도움이 되는 책들 1. [[http://www.yes24.com/Product/Goods/17614170<데이터 마이닝 개념과 기법>(에이콘출판사)]]2. [[https://www.kyobobook.co.kr/product/detailViewKor.laf?ejkGb=KOR&mallGb=KOR&barcode=9788970859040|<패턴인식>(교보문고)]]3. [[https://www.kyobobook.co.kr/product/detailViewKor.laf?mallGb=KOR&ejkGb=KOR&barcode=9788955661392|<데이터 마이닝 기법과 응용>(한나래)]] <hr> 구글 학술검색이나 RISS에서 검색을 해본 다음에 읽어도 좋고 관련 저널을 정한 다음에 해당 저널의 논문들을 주기적으로 찾아보고 읽는 것도 좋다. 나는 국내 저널로는 <지능정보연구>, <한국경영과학회지>, <Information Systems Review>를 주로 본다. 해외 저널로는 <IEEE Access>, <IEEE Transactions on Big Data>, <Information Systems Research>를 보고 있다. 관련 저널을 선택할 때 팁을 주자면 정보시스템학 계열의 저널을 선택하는 게 좋다. 수학, 통계학, 컴퓨터공학, 산업공학 계열은 특정 알고리즘을 고안해서 제안하는 논문이 대부분이다. 하지만 상대적으로 정보시스템학 계열 저널의 논문들은 실제 비즈니스 환경에 효과적으로 적용된 사례를 보여주고 해석하려는 특성이 있다. 따라서 각 분석방법론, 알고리즘들의 활용 사례를 이해하기에는 안성맞춤이다. <hr> 현재까지 나와 있는 국가 기관, 민간 자격증 중 실력 향상에 도움이 될 수 있는 자격증을 나열해보면 다음과 같다. 한국데이터산업 진흥원에서 시행하는 자격시험 중 '데이터 분석 자격검정', 'SQL 자격검정'이 있고 <한국경제>에서 시행하는 '경영 빅데이터 분석사'가 있다. 또한 한국산업인력공단에서 시행하는 '사회조사 분석사 필기' 시험 정도를 꼽을 수 있다. <hr> 수리 통계학을 공부하는 방법 <gallery>File:수리통계학을공부하는방법_01.jpegFile:수리통계학을공부하는방법_02.jpegFile:수리통계학을공부하는방법_03.jpegFile:수리통계학을공부하는방법_04.jpegFile:수리통계학을공부하는방법_05.jpegFile:수리통계학을공부하는방법_06.jpeg</gallery> <hr> 딥러닝이 제대로 구현되기 위해서는 두 가지 요건이 필요하다. 충분히 많은 데이터의 양과 이를 연산할 수 있는 컴퓨터의 연산 능력이다. 과거에는 두 가지 모두 충분히 충족되지 않았기 때문에 딥러닝 구현이 어려웠다. 하지만 최근에는 각종 사물의 센서, 인터넷 플랫폼 등에서 엄청나게 많은 데이터가 쏟아져 나오고 GPU의 발달로 컴퓨터의 연산 능력도 엄청나게 증가했다. 따라서 과거 이론으로만 생각했던 딥러닝을 실제로 구현이 가능하게 된 것이다. <hr> 딥러닝에 사람들이 열광하는 이유는 이렇게 정확도 측면에서 성능이 좋기 때문이다. 물론 딥러닝도 단점이 있다. 우선 고성능 장비가 필요하며 학습하는 데에 시간도 비교적 오래 걸린다. 또한 정확도는 잘 나오는데 어떠한 이유로 결과가 나오는지 결과 해석이 어렵다. 흔히 블랙박스 모델이라고도 불리는 이유다. 예를 들어 회귀분석 같은 경우는 변수마다 회귀계수라고 불리는 수치가 있어서 어떠한 변수가 얼마만큼 모델에 유의미한 영향력을 끼치는지 알 수 있다. 즉, 결과에 대한 해석이 가능하다. 하지만 딥러닝은 결과는 잘 나오는데 어떠한 이유로 이러한 결과가 나오는지 알거 어렵다. # 딥러닝 공부하기 1. [[http://www.yes24.com/Product/Goods/32520392|<딥러닝 제대로 시작하기>(제이펍)]]2. [[https://www.inflearn.com/course/%EA%B8%B0%EB%B3%B8%EC%A0%81%EC%9D%B8-%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D-%EB%94%A5%EB%9F%AC%EB%8B%9D-%EA%B0%95%EC%A2%8C/|모두를 위한 딥러닝(홍콩 과기대 김성훈 교수)]]3. [[http://www.yes24.com/Product/Goods/34970929|<밑바닥부터 시작하는 딥러닝>(한빛미디어)]]4. [[http://www.yes24.com/Product/Goods/65050162|<케라스 창시자에게 배우는 딥러닝>(길벗)]]