PART 1 데이터 사이언스의 이해
01 데이터 분석의 목적은 더 나은 의사 결정이다
02 도대체 데이터란 무엇인가?
03 데이터 분석에 필요한 4가지 역량

PART 2 데이터 분석 프로세스와 데이터 취합
01 데이터 분석 프로세스
02 데이터 취합과 크롤링
03 데이터 전처리

PART 3 탐색적 데이터 분석과 기술통계
01 탐색적 데이터 분석이란?
02 기술 통계량과 차트
03 분산과 표준편차는 변동성을 가리킨다
04 일반적인 것과 특별한 것

PART 4 샘플 데이터로 전체를 예측할 수 있는가?
01 전수조사의 문제점
02 몬테카를로 동전 실험과 표본오차
03 중심 극한의 정리
04 표준오차와 적정 표본 수
05 표본오차와 비표본오차
06 무작위 추출과 근거 피라미드

PART 5 가설 수립과 유의성 검정
01 네이만-피어슨 추론과 베이즈 추론
02 표준 통계학의 역사
03 귀무가설과 대립가설
04 유의수준과 유의확률
05 표준 통계학의 가설 검정 단계
06 유의확률 계산 도구
07 언제 어떤 검정법이 필요한가?
08 카이제곱 검정: 월마트 영수증 분석
09 T 검정: 두 표본 집단간의 평균의 비교
10 회귀분석: 노벨상을 수여한 구호 사업

PART 6 머신러닝과 데이터 분석 모델링
01 알고리즘과 데이터 분석 모델
02 데이터 분석 모델의 복잡도와 성능
03 인공지능과 머신러닝, 그리고 딥러닝
04 머신러닝이 탁월한 효과를 발휘하는 순간
05 베이즈 추론과 축차합리성
06 널리 알려진 머신러닝 알고리즘

PART 7 대표적인 데이터 분석 도구
01 알고리즘 구현 언어
02 입문자 추천 데이터 분석 도구
03 자, 이제 남은 건?
04 저자의 말

Appendix - 주요 데이터 분석 도구 소개