대전보건대학교 전자책도서관

책소개

데이터로 의사결정을 해야 하는 사람들 그리고 데이터로 의사결정 하는 것이 필요하다고 주장하는 사람들을 위한 책이 나왔다. 이 책은 우리가 알고 있던 데이터에 대한 지식이 얼마나 잘못된 것이 많으며, 이를 제대로 알지 못하면 어떤 실수를 범하게 되는지 여러 사례를 통해 밝히고 있다. 그리고 이런 실수에서 벗어나기 위해서는 인문학적 통찰이 중요하다는 것도 잊지 않고 강조한다.

저자소개

김송규(Dr. Amang Kim)
마카오 폴리텍 대학교 컴퓨팅 전공 교수로 데이터 사이언스, 소프트웨어 공학, 정보 보안 등을 가르치고 있다. 미국 플로리다 공대에서 컴퓨터 공학 석사와 경영 과학/오퍼레이션 리서치 박사 학위를 취득했다. 이후 삼성전자 무선사업부에서 일했으며, 필리핀 아시아 경영대학원, 아랍에미레이트 아부다비 경영대학원에서도 가르쳤다.
다양한 문화권에서의 경험과 자연, 공학, 경영을 넘나드는 넓은 스펙트럼으로 게임이론, 확률 모델과 같은 응용 수학 분야의 연구는 물론이고 머신 러닝을 이용한 생체 보안 시스템, 블록체인 기반의 네트워크 설계 및 데이터 기반의 경영 전략 모델 설계까지 여러 분야의 연구를 동시 다발적으로 하고 있다.
타국에서 한국의 뉴스를 접하며 정치, 경제, 교육, 문화에 대한 다양한 관점의 글을 소셜미디어에 쓰기도 한다.
현재 국제 전문가 조직인 IEEE(전자전기공학회) 시니어 회원이기도 하다.
brunch.co.kr/@amangkim
현) 마카오 폴리텍 대학교 컴퓨팅 전공 부교수
현) IEEE(전자공학회) 시니어 회원
전) UAE 칼리파 대학교 연구원
전) UAE 아부다비 경영대학원(ADSM) 부교수
전) 필리핀 아시아 경영대학원(AIM) 부교수
전) 삼성전자 무선사업부 책임연구원

1부 - 데이터 분석을 제대로 하려면
1. 분석의 목적 정의 - 나는 어떤 필요 때문에 데이터를 활용하는지 알아야 한다
2. 가장 좋은 분석이란 - 문제를 정의하고 상황에 맞는 분석 기술을 아는 것이 중요하다
3. 데이터 분석, 꼭 알아야 할 15가지 - 측정, 분석, 수집에 대해 꼭 알아야 하는 15가지를 기억하자
4. 진짜 좋은 데이터란? - 나의 데이터와 남의 데이터를 구별할 줄 알아야 한다
5. 분석 결과의 진실성 - 데이터 분석의 결과는 완벽하게 실제를 대변할 수 없다
6. 데이터의 상관관계, 인과관계 - 데이터 변수들 사이의 관계를 파악하는 인사이트가 중요하다
7. 데이터 사이언스의 한계 - 데이터 사이언스는 통계학의 한계를 벗어날 수 없다
2부 - 데이터 사이언스의 오해와 진실
8. 언제까지 빅데이터? - 지금의 빅데이터가 미래에는 스몰데이터가 될 수 있다
9. 데이터 지상주의 - 데이터를 이용한 주장에는 신뢰성 이슈에서 자유로울 수 없다
10. 데이터는 잘못이 없다 - 똑같은 데이터라도 보는 관점에 따라 해석은 달라진다
11. 데이터로 미래 예측이 가능? - 데이터는 예측이 아니라 패턴을 알려준다
12. 데이터 없이 문제 해결하기 - 가장 최고의 해결책은 데이터 없이 해결하는 것이다
13. 데이터 사이언스는 과학이 아니다 - 데이터의 대표성이라는 한계를 명확히 알아야 한다
14. 도박과 확률이 다른 점 - 도박은 예측이지만 확률의 본질은 관리(매지니먼트)이다
15. 실패한 기업에 다시 투자하는 이유 - 성공 가능성이라는 확률에 투자하는 것이다
3부 - 데이터 사이언스 더 잘하기
16. 효용성 높이기 - 문제의 본질에 맞는 적절한 자원과 분석 도구가 중요하다
17. 수학적 사고의 중요성 - 잘못된 의사결정을 피하기 위해 데이터 리터러시가 필요하다
18. 나의 데이터 리터러시 - 나의 데이터 리터러시 수준을 측정해보자
19. 인지적 편향 깨기 - 인지적 편향을 깨는 데 필요한 것이 데이터 리터러시이다
20. 생활 속 게임이론 - 화려한 알고리즘이 허상일 때가 있다
21. 데이터 사이언스 설계 - 분석 설계를 잘하기 위해서는 실무를 꼭 알아야 한다
22. 데이터 사이언스 설계, 원포인트 레슨 - 시간, 비용, 품질을 개선하는 설계가 핵심이다
23. 문제의 본질 읽기 - 문제 해결의 기본 소양은 인문학에서 나온다
4부 - 데이터 사이언스와 인문학
24. 데이터 사이언스와 챗GPT - 모두가 챗GPT를 쓴다고 해서 안달복달할 이유는 없다
25. 인공지능의 비합리성 - 머신 러닝을 통해 나온 답이 진실이 될 수는 없다.
26. 인문학적 소양 - 문제의 본질에 접근하려는 습관만큼 중요한 것이 없다

책소개

저자소개

목차