만화로 쉽게 배우는 시계열 분석
- eBook 상품 정보
- 파일 정보 PDF (223.05MB) | 192 쪽
- ISBN 9788931592061
- 지원기기 교보eBook App, PC e서재, 리더기, 웹뷰어
- 
                                    
                                    
                                        교보eBook App
                                        
                                            
                                            
                                                듣기(TTS) 불가능
                                            
                                    
                                        
                                        TTS 란?텍스트를 음성으로 읽어주는 기술입니다.- 전자책의 편집 상태에 따라 본문의 흐름과 다르게 텍스트를 읽을 수 있습니다.
- 이미지 형태로 제작된 전자책 (예 : ZIP 파일)은 TTS 기능을 지원하지 않습니다.
 
 PDF 필기가능 (Android, iOS)
 
                            
                            
                        쿠폰적용가 12,960원
10% 할인 | 5%P 적립이 상품은 배송되지 않는 디지털 상품이며,
 교보eBook앱이나 웹뷰어에서 바로 이용가능합니다.
카드&결제 혜택
- 5만원 이상 구매 시 추가 2,000P
- 3만원 이상 구매 시, 등급별 2~4% 추가 최대 416P
- 리뷰 작성 시, e교환권 추가 최대 200원
작품소개
이 상품이 속한 분야
“데이터를 보면 정말 미래를 알 수 있나요?” 이 단순한 질문에서 출발한 이 책은 매출, 재고, 날씨, 트렌드 등 시간에 따라 변화하는 데이터를 분석함으로써 미래를 예측하고 비즈니스에 어떻게 적용할 수 있는지를 이야기한다. 책의 무대는 한 중견 가전제품 제조사의 단 두 명으로 구성된 데이터 분석팀. 이들의 좌충우돌 실무 스토리를 따라가며 시계열 데이터의 개념부터 분석 기법, 실제 기업 적용 사례까지 자연스럽게 익힐 수 있다.
특히 만화 형식으로 구성되어 있어 복잡한 수식이나 어려운 용어 없이도 시계열 분석의 기본부터 실전까지 단계적으로 학습할 수 있다. 주요 개념은 이미지와 사례 중심으로 설명되며, 유쾌한 캐릭터들의 대화와 재치 있는 전개를 통해 독자들은 지루함 없이 내용을 받아들일 수 있다.
이 책은 데이터 분석이 처음인 입문자는 물론, 실무에 시계열 분석을 도입하고자 하는 기획자, 마케터, 엔지니어 등 다양한 독자층에게 유익한 길잡이가 될 것이다. 미래를 예측하고 싶은 모든 이들을 위한 시계열 분석 입문서를 만나 보자.
제1장 시계열 데이터의 그래프와 기초 지식
1-1 우선 시계열 데이터를 그래프로 그려서 살펴보자
●시계열 데이터는 시간이 지남에 따라
●표의 데이터를 그래프로 만들어 보자
1-2 시계열 데이터 분석의 기초
●계절성 트렌드란?
●3가지 성분으로 분해해보자
●잔차 성분은 정상성을 확인하고 모델링
●원래의 시계열 데이터를 모델링하려면
팔로우 업
제2장 시계열 모델 ARIMA
2-1 모델을 만들어보자
●회귀에 대해 알아두자
●RegARIMA는 회귀도 시계열도 살릴 수 있는 모델
2-2 모델로 광고의 효과를 분석한다
●모델 구축 후 할 수 있는 일
●모델의 정확도를 확인하자
●3가지 종류의 광고 효과를 분석해 보자
●모델의 재검토가 필요한 경우도 있다
팔로우 업
칼럼 2중합(2중 시그마)의 계산 방법
제3장 애드스톡 효과의 발견
3-1 애드스톡이라는 개념
●광고의 효과는 축적되어 간다
●시간적 차이(래그)를 고려한다
3-2 개선된 모델로 광고 효과를 분석한다
●개선된 모델의 정확도를 확인하자
●개선된 모델로 3가지 광고 효과를 분석해 보자
●매출 기여도·mROI·비용을 동시에 나타내는 그래프
팔로우 업
칼럼 정책의 효과 검증과 시계열 인과 추론
제4장 미래 예측에 도전
4-1 미래 예측을 위해 과거 데이터를 연구한다
●미래의 실측값 데이터는 존재하지 않는다
●과거의 데이터를 두 가지로 나눠보자
4-2 미래의 예측 정확도를 확인하자
●어느 정도 정확하게 예측할 수 있는가
팔로우 업
제5장 광고 예산의 최적화
5-1 수리 최적화를 통한 또 다른 도전
●광고 투자안의 핵심은 2가지
●수리 최적화의 개념을 조더 알아보자
5-2 최적의 광고 투자안의 해답은
●3가지 광고 미디어에 대한 최적의 예산 비율은?
●광고 집행 시기와 그 양은?
팔로우 업
칼럼 수리 최적화의 현장 활용법
에필로그
추가적인 공부를 위해
찾아보기
인물정보
(高橋 威知郞)
주식회사 세일즈 애널리틱스 대표. 락락 비즈니스 데이터 사이언스 대표.
중앙부처와 정보통신업계를 거쳐 현재의 직책에 이르기까지, 데이터 분석 및 수리 모델 구축 분야에서 오랜 경험을 쌓아왔다.
대학 졸업 후 연구, 개발, 사내 활용, 사업화에 이르기까지 데이터 기반 업무 전반에 지속적으로 참여해 왔으며, 특히 제조업과 유통업을 중심으로 실무 지원 및 수리 모델(예측 모델, 이상 검출 모델, 최적화 모델 등) 개발, 자문 등을 수행하고 있다.
데이터 분석과 데이터 사이언스 분야에서 다수의 저서를 집필한 바 있다.
서울대학교 계산통계학과 졸업. 동 대학원에서 전산학 전공으로 이학석사 및 이학박사 학위를 취득했다. 
현재 강릉원주대학교 컴퓨터공학과 교수로 재직 중이다. 
주요 번역서로는 2021 세종도서 우수학술도서로 선정된 『데이터 사이언스 교과서』를 비롯하여 『엑셀로 배우는 머신러닝 초(超)입문 (AI의 얼개를 기본부터 설명한)』, 『엑셀로 배우는 순환 신경망·강화 학습 초(超)입문(RNN·DQN편』, 『엑셀로 배우는 딥러닝(AI의 구조를 쉽게 이해할 수 있는 딥러닝 초(超)입문』, 『만화로 쉽게 배우는 우선 이것만! 통계학』, 『만화로 쉽게 배우는 수리 최적화』등이 있다.
그림/만화 베아로
이 상품의 총서
Klover리뷰 (0)
- - e교환권은 적립일로부터 180일 동안 사용 가능합니다.
- - 리워드는 5,000원 이상 eBook, 오디오북, 동영상에 한해 다운로드 완료 후 리뷰 작성 시 익일 제공됩니다. (2024년 9월 30일부터 적용)
- - 리워드는 한 상품에 최초 1회만 제공됩니다.
- - sam 이용권 구매 상품 / 선물받은 eBook은 리워드 대상에서 제외됩니다.
- 도서나 타인에 대해 근거 없이 비방을 하거나 타인의 명예를 훼손할 수 있는 리뷰
- 도서와 무관한 내용의 리뷰
- 인신공격이나 욕설, 비속어, 혐오 발언이 개재된 리뷰
- 의성어나 의태어 등 내용의 의미가 없는 리뷰
구매 후 리뷰 작성 시, e교환권 100원 적립
문장수집
- 구매 후 90일 이내에 문장 수집 등록 시 e교환권 100원을 적립해 드립니다.
- e교환권은 적립일로부터 180일 동안 사용 가능합니다.
- 리워드는 5,000원 이상 eBook에 한해 다운로드 완료 후 문장수집 등록 시 제공됩니다. (2024년 9월 30일부터 적용)
- 리워드는 한 상품에 최초 1회만 제공됩니다.
- sam 이용권 구매 상품 / 선물받은 eBook / 오디오북·동영상 상품/주문취소/환불 시 리워드 대상에서 제외됩니다.
구매 후 문장수집 작성 시, e교환권 100원 적립
신규가입 혜택 지급이 완료 되었습니다.
바로 사용 가능한 교보e캐시 1,000원 (유효기간 7일)
						지금 바로 교보eBook의 다양한 콘텐츠를 이용해 보세요!
 
					 
         
         
				 
                                                                     
                                                                     
                                                                     
                                                                     
                                                                     
                                                                     
								 
                            