퍼스트 무버, 4차 산업혁명의 선도자들 또는 함수형 파이썬 프로그래밍 > 도서

퍼스트 무버, 4차 산업혁명의 선도자들



도서명 : 퍼스트 무버, 4차 산업혁명의 선도자들
저자/출판사 : 이장우, 21세기북스
쪽수 : 292쪽
출판일 : 2017-03-06
ISBN : 9788950969158
정가 : 16000

발간사
서문

PART 1. 추격자에서 선도자로 _퍼스트 무버의 조건

01 선발이란 무엇인가
선발, 과거와 다르게 생각하고 다르게 행동하기
베스트Best와 퍼스트First
선도자 사용법
크로노스 속도 경쟁에서 카이로스 세계관으로
21세기에 성공하는 경제 주체
02 선도자의 행동: 창발 혁신
새로운 환경에서는 새로운 성공 방식이 필요하다
충전이 성공을 부른다
일정한 반복이 세상을 바꾼다
기회 포착의 비밀은 안목과 절실함에 있다
전광석화 실행은 창발 혁신의 필수 조건이다
선도자가 되려면 ‘천재’가 되어야 한다?
03 선도자의 전략
선도자가 걸어야 하는 길
선발이라는 전략적 의도에 대하여
선도자의 ‘재미없는’ 전략
퍼스트 펭귄은 그 후 어떻게 되었을까

PART 2. 퍼스트 무버, 그들은 누구인가 _선도 경영 성공 사례

04 선도자들의 특징
05 독일 바스프
150년 기회 추구 전략
사례 분석
06 덴마크 레고
세대를 잇는 실험과 혁신
사례 분석
07 소프트뱅크
디테일 있는 비전 경영
사례 분석
08 일본 도레이
선도자로의 환골탈태
사례 분석
09 미국 실리콘밸리
국가 경쟁력을 업그레드한 선도자들의 본산지
사례 분석
10 네이버
한국의 대표 선도자, 네이버
사례 분석
11 에스엠엔터테인먼트
K팝 시장의 창출
사례 분석
12 바이로메드
본 퍼스트 무버, 바이로메드
사례 분석
13 아이디스
IT 제조 분야의 선도자
사례 분석
14 실패로부터 배운다
싸이월드 사례
다이얼패드 사례
실패는 단지 ‘실패’로 끝나지 않는다
실패로부터 배우는 7가지 교훈

PART 3. 어떻게 변화할 것인가 _4차 산업혁명 시대의 경영 방식

15 4차 산업혁명은 기업 경영을 어떻게 변화시키는가
선도자를 위한 혁신 생태계가 필수적이다
상생 협력 3.0
조직 문화를 바꾸어야 한다
창의적 시간 관리가 중요하다
집단 창의성을 높이는 방법
16 한국형 경영은 어디로 가고 있는가
한국형 경영은 존재하는가
속도 경쟁을 넘어 창발 혁신으로
글로벌화 혁명으로 새로운 10년을 열어야
선도자가 되려는 한국 기업, 공간 선취에 답이 있다
17 사즉생死則生 경영
사즉생 경영이 필요한 이유
우등생 함정을 극복해야 한다
우리 대기업이 위험한 진짜 이유
중소 기업 뉴노멀 경영

PART 4. 세상에 없는 가치를 만들어라 _한국 경제의 미래 비전

18 ‘될 때까지’ 하는 대한민국
우리에게는 위기 극복을 위한 3개의 전함이 있다
행복한 혁신을 위하여
한국인의 고정 관념이 경제에 끼치는 영향
소프트 파워와 문화가 중요하다
19 중국의 대약진과 한국 경제의 골든 타임
G2로 부상한 중국 경제
병자호란에서 배운다
한국은 중국에게 무엇인가
한류와 중국 시장
20 개혁해야 할 ‘대한민국 혁신’
국가 R&D 정책의 아이러니
‘창조 경제’ 유감
3기 벤처 정책의 방향
4차 산업혁명에서 살아남으려면 대학 교육이 바뀌어야
21 한국 경제의 미래
혁신은 위기의 종점에서 시작해야
뉴노멀 한국 경제, 일본에서 배운다
지역 혁신과 문화 창조
인문학의 역할과 중요성
4차 산업혁명은 성공 경제에 의해 완성된다

주석·참고문헌




함수형 파이썬 프로그래밍



도서명 : 함수형 파이썬 프로그래밍
저자/출판사 : 스티븐 로트, 에이콘출판
쪽수 : 436쪽
출판일 : 2017-02-28
ISBN : 9788960779761
정가 : 30000

1장, 함수형 프로그래밍 소개
__패러다임 구별하기
__명령형 패러다임 구분하기
__함수형 패러다임 사용하기
__함수형 혼합체 사용하기
__객체 생성 살펴보기
__거북이의 스택
__함수형 프로그래밍의 고전적인 예제
__탐색적 자료 분석
__요약

2장, 함수형 기능 소개
__일급 계층 함수
____순수 함수
____고차 함수
__변경 불가능한 데이터
__엄격한 평가와 엄격하지 않은 평가
__명시적 루프 상태 대신 재귀 사용
__함수형 타입 시스템
__낯익은 영역
__어려운 개념 남겨두기
__요약

3장, 함수, 반복자, 제네레이터
__순수 함수 작성하기
__일급 계층 객체인 함수
__문자열 사용하기
__tuple과 namedtuple 사용하기
____제네레이터 식 사용하기
____제네레이터의 한계
____제네레이터 식 조합하기
__제네레이터 함수를 사용해 원자료 정리하기
__list, dict, set 사용하기
____상태가 있는 매핑 사용하기
____bisect 모듈을 사용해 매핑 만들기
____상태가 있는 집합 사용하기
__요약

4장, 컬렉션으로 작업하기
__함수의 다양성에 대한 정리
__반복 가능 객체로 작업하기
____XML 파일 구문 분석하기
____파일을 상위 수준에서 구문 분석하기
____시퀀스의 원소를 둘씩 짝 짓기
____iter() 함수를 명시적으로 사용하기
____단순한 루프 확장하기
____제네레이터 식을 스칼라 함수에 적용하기
____축약으로 any()와 all()을 사용하기
____len()과 sum() 사용하기
____통계에 합계와 원소 개수 활용하기
__zip()을 사용해 시퀀스를 구조화하거나 펼치기
____튜플로 묶은 시퀀스를 다시 풀기
____시퀀스 펼치기
____평평한 시퀀스 구조화하기
____평면 시퀀스 구조화하기 - 다른 방법
__순서를 바꾸기 위해 reversed() 사용하기
__enumerate()를 사용해 인덱스 번호 포함시키기
__요약

5장, 고차 함수
__max()와 min()을 사용해 최댓값, 최솟값 알아내기
__파이썬의 람다 식 사용하기
__람다와 람다대수
__map() 함수를 사용해 함수를 컬렉션에 적용하기
____map()에 람다 형식 사용하기
__map()을 여러 시퀀스에 활용하기
__filter()를 사용해 데이터를 받아들이거나 거부하기
__filter()를 사용해 이상값 식별하기
__iter() 함수와 끝을 표시하는 특별한 값 사용하기
__sorted()를 사용해 데이터 정렬하기
__고차 함수 작성하기
__고차 매핑과 필터 작성하기
____매핑하면서 데이터 풀기
____매핑하면서 추가 데이터를 감싸기
____매핑하면서 데이터를 펼치기
____걸러내면서 데이터 구조화하기
__제네레이터 함수 작성하기
__Callable로 고차 함수 만들기
____좋은 함수형 설계를 보장하기
__디자인 패턴 살펴보기
__요약

6장, 재귀와 축약
__수를 계산하는 간단한 재귀
____꼬리재귀 호출 구현하기
____재귀를 그대로 남겨두기
____처리하기 어려운 꼬리재귀 다루기
____재귀를 사용해 컬렉션 처리하기
____컬렉션에 대한 꼬리 호출 최적화
____축약과 겹치기 - 많은 값을 한 가지 값으로 줄이기
__그룹 만들기 축약 - 많은 값을 좀 더 적은 값으로 줄이기
____Counter로 매핑 만들기
____정렬을 사용해 매핑 만들기
____키 값에 따라 데이터를 그룹화하거나 분할하기
____더 일반적인 그룹화 축약 작성하기
____고차 축약 함수 작성하기
____파일 구문 분석기 작성하기
________CSV 파일 구문 분석하기
________헤더가 있는 일반 텍스트 파일 구문 분석하기
__요약

7장, 튜플을 사용하는 다른 기법
__변경 불가능한 이름 있는 튜플을 레코드로 사용하기
__함수형 생성자로 이름 있는 튜플 만들기
__상태가 있는 클래스 사용을 피하기 위해 튜플 사용하기
____통계적인 순위 할당하기
____상태를 바꾸는 대신 감싸기
____상태를 바꾸는 대신 다시 감싸기
____스피어맨 순위 상관계수 계산하기
__다형성과 파이썬다운 패턴 매치
__요약

8장, itertools 모듈
__무한 반복자로 작업하기
____count()로 개수 세기
____cycle()을 사용해 순환되는 원소를 계속 반복하기
____repeat()로 단일 값 반복하기
__유한한 반복자 사용하기
____enumerate()로 수 할당하기
____accumulate()로 현재까지의 합계 구하기
____chain()으로 반복자 조합하기
____groupby()로 반복자 분할하기
____zip_longest(), zip()을 사용해 반복 가능 객체 합치기
____compress()로 걸러내기
____islice()로 부분 집합 선택하기
____dropwhile()과 takewhile()로 상태를 사용해 걸러내기
____걸러내기 위한 두 가지 접근 방법인 filterfalse()와 filter()
____starmap()과 map()을 사용해 함수를 데이터에 적용하기
__tee()를 사용해 반복자 복제하기
__itertools 요리법
__요약

9장, 더 많은 itertools 사용 기법
__데카르트 곱 열거하기
__곱을 축약하기
____거리 계산하기
____모든 픽셀과 모든 색 얻기
____성능 분석
____문제를 다시 배열하기
____두 가지 변환 조합하기
__값의 컬렉션 순열 구하기
__모든 조합 구하기
__요리법
__요약

10장, functools 모듈
__함수 도구
lru_cache로 결과 캐시하기
__완전한 순서가 정해져 있는 클래스 정의하기
____수 클래스 정의하기
__partial()로 인자 중 일부만 적용하기
__데이터 집합을 reduce()를 사용해 축약하기
____map()과 reduce() 조합하기
____reduce()와 partial() 사용하기
____원데이터를 정리하기 위해 map()과 reduce() 사용하기
____groupby()와 reduce() 사용하기
__요약

11장, 데커레이터 설계 기법
__고차 함수로서의 데커레이터
____functools의 update_wrapper() 함수 사용하기
__횡단 관심사
__합성 설계
____잘못된 데이터 처리하기
__매개변수를 데커레이터에 추가하기
__좀 더 복잡한 데커레이터 구현하기
__설계의 한계를 인식하기
__요약

12장, 다중 프로세스와 스레드 모듈
____동시성의 진정한 의미는 무엇인가?
____경계 조건
____프로세스나 스레드 사이에 자원 공유하기
____어디서 이익이 누적되는가?
__다중 프로세싱 풀과 작업 사용하기
____여러 큰 파일 처리하기
____로그 파일 구문 분석하기 - 행 수집하기
____로그 항목을 이름 있는 튜플로 만들기
____Access 객체의 추가 필드 구문 분석하기
____자세한 접근 정보 걸러내기
____자세한 접근 정보 분석하기
____완전한 분석 프로세스
__동시 처리에 다중 프로세스 풀을 사용하기
____apply()를 사용해 단일 요청 만들기
____map_async(), starmap_async(), apply_async() 사용하기
____더 복잡한 다중 프로세스 구조
____concurrent.futures 모듈 사용하기
____concurrent.futures 스레드 풀 사용하기
____스레드와 큐 모듈 사용하기
____동시 처리 설계하기
__요약

13장, 조건식과 연산자 모듈
__조건식 평가하기
____엄격하지 않은 딕셔너리 규칙 활용하기
____참인 조건식 컬러내기
__람다 대신 operator 모듈 사용하기
____고차 함수를 사용할 때 이름 있는 애트리뷰트 가져오기
__연산자를 사용한 starmap
__연산자를 사용해 축약하기
__요약

14장, PyMonad 라이브러리
__다운로드 및 설치하기
__함수적 합성과 커링
____커링한 고차 함수 사용하기
____더 어려운 방식으로 커링하기
__함수적 합성과 PyMonad 곱셈 연산자
__펑터와 적용 가능 펑터
____지연 List() 펑터 사용하기
__모나드의 개념과 bind() 함수, 이진 오른쪽 시프트 연산자(>>)
__모나드를 사용해 시뮬레이션 구현하기
__추가 PyMonad 기능들
__요약

15장, 웹 서비스에 대한 함수적 접근
__HTTP 요청-응답 모델
____쿠키로 상태 주입하기
____서버를 함수형으로 설계하기
____함수적인 관점에서 더 깊이 살펴보기
____서비스 내포시키기
__WSGI 표준
____WSGI 처리 도중에 예외 발생시키기
____실용적인 WSGI 애플리케이션
__웹 서비스를 함수로 정의하기
____WSGI 애플리케이션 만들기
____원데이터 얻기
____필터 적용하기
____결과 직렬화하기
____데이터를 JSON이나 CSV로 직렬화하기
____데이터를 XML로 직렬화하기
____HTML로 데이터 직렬화하기
__사용량 추적하기
__요약

16장, 최적화와 개선
__메모이제이션과 캐싱
__메모이제이션 특화시키기
____꼬리재귀 최적화
__메모리 최적화
__정확도 최적화
____고객의 요구에 맞춰 정확도를 감소시키기
__사례 분석 - 카이 제곱을 사용한 결정
____원데이터를 Counter 객체를 사용해 걸러내고 축약하기
____요약한 데이터 읽기
____Counter 객체에서 확률 계산하기
____다른 요약 방법
__예상 값을 계산하고 분할표 표시하기
____카이 제곱 값 계산하기
____카이 제곱 문턱값 계산하기
____부분 감마 함수 계산하기
____완전한 감마 값 계산하기
____임의적인 분포의 확률 계산하기
__요약