•  책의 일부 내용을 미리 읽어보실 수 있습니다.
  미리보기

1장 확률과 통계 이야기
1.1 데이터 사이언스와 통계학
1.2 통계학이란?
1.3 통계 모델
1.4 연습문제

2장 기술 통계학의 기본
2.1 데이터(자료)의 유형과 정리
2.2 기술 통계량
2.3 데이터 시각화
2.4 연습문제

3장 확률의 기본 개념
3.1 확률의 기본
3.2 파이썬으로 주사위 던지기
3.3 인공지능에서 확률
3.4 연습문제

4장 조건부 확률
4.1 경우의 수
4.2 경우의 수의 종류
4.3 조건부 확률
4.4 인공지능에서 조건부 확률
4.5 연습문제

5장 베이즈 정리
5.1 베이즈 정리의 이해
5.2 반복되는 베이즈 정리
5.3 베이즈 정리의 확장
5.4 인공지능 속 베이즈 정리
5.5 연습문제

6장 실생활 확률모델
6.1 무장위 확률모델: 랜덤워크와 브라운 운동
6.2 예측 확률모델: 마르코프 모델
6.3 반복 확률모델: 몬테카를로 시뮬레이션
6.4 연습문제

7장 확률변수와 확률분포
7.1 확률변수
7.2 기댓값과 분산
7.3 이산확률변수분포
7.4 연속확률변수분포
7.5 연습문제

8장 통계적 추정
8.1 모집단과 표본분포
8.2 점추정
8.3 구간추정
8.4 연습문제

9장 통계적 가설검정
9.1 가설검정의 원리
9.2 단일표본 가설검정
9.3 두 표본 가설검정
9.4 연습문제

10장 회귀분석과 예측
10.1 회귀분석
10.2 추정과 예측을 위한 최소제곱회귀
10.3 파이썬 통계적 분석기법
10.4 연습문제

11장 상관관계와 회귀분석모델의 검정
11.1 상관계수와 회귀분석과의 관계
11.2 회귀계수의 통계적 유의성 검정
11.3 회귀분석모델의 분산과 결정계수
11.4 회귀분석모델의 적합성 검정
11.5 연습문제

12장 머신러닝 회귀분석
12.1 머신러닝으로 해석하는 회귀분석
12.2 경사하강법(Gradient Descent)
12.3 확률적 경사하강법
12.4 고급 회귀분석모델 만들기
12.5 연습문제

13장 로지스틱 회귀와 분류
13.1 로지스틱 회귀의 이해
13.2 로지스틱 함수의 이해
13.3 파이썬을 이용한 로지스틱 회귀분석
13.4 연습문제

파이썬으로 직접 실습하며 배우는 확률과 통계
개념부터 추론, 머신러닝 회귀분석까지,
비전공자도 이해할 수 있는 데이터 분석 입문서

지금은 AI가 수학을 풀고, 프로그래밍을 자동화하는 시대.
그럼에도 ‘확률과 통계’는 여전히 데이터 시대의 해독 열쇠입니다.

이 책은 단순한 수학 교재가 아닙니다.
실생활 예제와 파이썬 실습을 통해 확률과 통계의 개념을 직접 눈으로 확인하고 머신러닝 회귀모델까지 구현해보며, 이론과 현실을 연결하는 힘을 기릅니다.

통계가 낯선 비전공자부터 AI와 데이터사이언스를 배우려는 입문자까지, 누구나 따라올 수 있는 단계별 설명과 실습 중심 구성.
생활 속의 통계 이야기부터, 인공지능으로 향하는 데이터 분석 여정까지 이제 당신의 통계가 움직입니다.

STEP1 체계적인 이론과 통계 이야기를 통한 통계학의 기본 개념 이해
STEP2 확률과 통계의 수학적 의미와 사례
STEP3 파이썬으로 구현하는 인공지능의 원리
STEP4 다양한 예제와 장별 연습문제로 배운 내용 적용 및 정리