금강경 또는 누구나 파이썬 > NEW도서

금강경



도서명 : 금강경
저자/출판사 : 무위 해공, 책과나무
쪽수 : 292쪽
출판일 : 2021-05-04
ISBN : 9791157762897
정가 : 15000

머리말 금강경은 우리에게 무엇을 이야기하는가?

제1 법회인유분(法會因由分) : 법회의 인연
제2 선현기청분(善現起請分) : 수보리가 가르침을 청함
제3 대승정종분(大乘正宗分) : 대승의 바른 진리
제4 묘행무주분(妙行無住分) : 머무름 없는 맑고 깨끗한 행
제5 여리실견분(如理實見分) : 진리에 대한 바른 통찰
제6 정신희유분(正信希有分) : 바른 믿음은 희유함
제7 무득무설분(無得無說分) : 깨달음도 없고 설함도 없음
제8 의법출생분(依法出生分) : 진리로 거듭남
제9 일상무상분(一相無相分) : 어떠한 상도 없음
제10 장엄정토분(莊嚴淨土分) : 집착 없이 정토를 장엄함
제11 무위복승분(無爲福勝分) : 함이 없는 복덕이 가장 뛰어남
제12 존중정교분(尊重正敎分) : 바른 가르침을 존중함
제13 여법수지분(如法受持分) : 진리에 맞게 받아 지님
제14 이상적멸분(離相寂滅分) : 모든 상을 떠난 적멸
제15 지경공덕분(持經功德分) : 가르침을 가슴에 새기는 공덕
제16 능정업장분(能淨業障分) : 능히 업장을 정화함
제17 구경무아분(究竟無我分) : 궁극의 깨달음, 무아
제18 일체동관분(一體同觀分) : 한 몸이어서 다름을 볼 수 없음
제19 법계통화분(法界通化分) : 걸림 없는 하나의 세계
제20 이색이상분(離色離相分) : 색과 상을 여읨
제21 비설소설분(非說所說分) : 설함도 설한 바도 없음
제22 무법가득분(無法可得分) : 얻을 수 있는 진리는 없음
제23 정심행선분(淨心行善分) : 청정한 마음으로 선한 법을 행함
제24 복지무비분(福智無比分) : 복덕과 지혜는 견줄 수 없음
제25 화무소화분(化無所化分) : 교화할 바 없는 교화
제26 법신비상분(法身非相分) : 법신은 대상이 아님
제27 무단무멸분(無斷無滅分) : 끊음도 멸함도 없음
제28 불수불탐분(不受不貪分) : 받지도 탐하지도 않음
제29 위의적정분(威儀寂靜分) : 오고 감이 없음
제30 일합상리분(一合相理分) : 하나로 합쳐진 모습의 참된 이치
제31 지견불생분(知見不生分) : 지견을 내지 않음
제32 응화비진분(應化非眞分) : 드러난 모든 것은 실체가 없음

맺는말




누구나 파이썬



도서명 : 누구나 파이썬
저자/출판사 : 전익진, 디스커버리미디어
쪽수 : 320쪽
출판일 : 2022-01-10
ISBN : 9791188829231
정가 : 17500

#지은이의 말
#〈누구나 파이썬〉 100% 활용법

#파이썬 만나기
1. 파이썬 이해하기
2. 파이썬 설치하기
3. 파이썬 설치 확인 및 환경 변수 재설정
4. 파이썬 편집기 설치하기

#파이썬 기초 다지기
1. Welcome to Python world
2. 프로그래밍 처음이시죠?
3. 숫자이거나 혹은 문자이거나
4. 문자형 변수
5. 변수 포매팅
6. LIST
7. 객체 이야기

#연산자의 이해
1. 사칙 연산
2. 비교 연산
3. 논리 연산
4. 간단한 계산기 만들기

#알고리즘의 꽃, 제어문
1. 조건 분기 IF
2. 반복문 FOR
3. 조건 반복 WHILE
4. 종합 실습 1
5. 종합 실습 2
6. 종합 실습 3

#유용한 함수 이야기
1. 함수가 무엇인가요?
2. 반올림과 난수 그리고 모듈
3. 문자열 길이조절과 문자 변경
4. 날짜 함수
5. 함수의 정의와 호출

#라이브러리 그리고 오픈 소스
1. 열린 도서관
2. OS
3. 데이터 분석과 파이썬
4. 데이터 구조
5. Anaconda 패키지
6. Pandas
7. Numpy
8. Matplotlib

#기초 데이터 분석
1. 결측치 확인하기
2. 평균 구하기
3. 관측치 분포 확인하기
4. 상관 분석
5. 학습이론과 sklearn
6. Min - Max 정규화
7. 백분위 수

#데이터 분석
1. 회귀 분석의 이해
2. 기울기와 절편 (직선의 방정식)
3. 선형 회귀(Linear regression)
4. 예측 검증
5. 분류와 군집
6. SVM (Support Vector Machine)
7. 거리 계산하기
8. K-means 군집화
9. 의사 결정 나무(Decision tree)

#에필로그