서로 사랑하기에는 시간이 너무 짧다 또는 헬스케어 빅데이터 분석의 정석 > NEW도서

서로 사랑하기에는 시간이 너무 짧다



도서명 : 서로 사랑하기에는 시간이 너무 짧다
저자/출판사 : 김종해, 문학세계사
쪽수 : 148쪽
출판일 : 2023-03-30
ISBN : 9791193001004
정가 : 13000

1. 풀잎끼리도 사랑하니까 흔들린다

서로 사랑하기에는 시간이 너무 짧다 · 14
절망도 약이 된다 · 15
사람으로 살아보니까 · 16
풀잎끼리도 사랑하니까 흔들린다 · 17
풀 앞에 서서 · 18
서울이 캄캄하다 · 19
오늘은 비 · 20
만찬 · 21
비에 젖은 새 · 22
스마트폰에 노을을 담았다 · 23
은행나무 아래 주차장 · 24
신안 앞바다 · 25
눈물을 흘렸다 · 26
능소화, 이름을 묻다 · 28
달력을 뜯어내며 · 30
시간 속에서 사람이 걸어간다 · 31
은행잎은 떨어져서도 길을 밝힌다 · 32
은행잎이 흩날리는 시각 · 33

2. 낙원樂園을 찾아서

길 위에서 · 36
낙원樂園을 찾아서 · 37
선종善終을 지켜보다 · 38
아내와의 약속 · 39
수목장樹木葬 · 40
봄이여 무심하구나 · 41
알람을 껐다 · 42
허공 속에서 · 44
자전거를 타고 간 사내 · 45
까마귀와 함께 · 46
외출 · 48
따뜻한 지폐 · 50
된장 시래기국 · 51
한 마리의 새, 이민을 가다 · 52
청와대가 달라졌다 · 54
감사 기도 · 56
따뜻한 서재 · 58

3. 서귀포를 가다

서귀포를 가다 · 62
Happy birthday · 63
섬에서 최하림 시인을 만났다 · 64
안부 전화 · 66
가까운 곳에 새 여행지가 있었네 · 67
블라디보스톡으로 가다 · 69
덩굴장미꽃은 아름답다 · 71
5월 엽서 · 72
아가에게 · 73
할아버지는 행복하다 · 74
그대 아름다운 신라의 여인이여 · 75
살아있는 날의 사랑 · 77
동백꽃을 보며 · 78
벚꽃세상 · 79
어머니, 저는 면목이 없습니다 · 80
봄날, 나의 무덤 찾아가기 · 81

4. 그 강 건너지 마오

무인도에 내리는 눈 · 84
기상도 · 85
지하철을 타고 가며 · 86
노인의 시간 · 88
그 강 건너지 마오 · 89
서울 입성入城 · 91
못 찾겠다, 꾀꼬리 · 92
엄마라는 말, 특히 · 93
초장동에서 감내골까지 · 94
나이 팔십 산수傘壽가 되니 · 96
인왕산을 바라보며 · 97
가을은 길 밖에서도 길 안에서도 · 98
나무연필로 시를 쓰다 · 99
시詩를 버리다 · 101
황무지 · 103

5. 봄날을 그리며

하얀 마스크 · 106
하늘이여 · 107
봄이 왔건만 봄 같지 않구나 · 108
봄날을 그리며 · 110
유채꽃밭을 갈아엎다 · 112
아픔에 대하여 · 114
화장火葬 · 115
봄을 기다리며 · 116
봄날 저녁 · 118
저 혼자 핀 목련꽃 · 119
꽃잎 떨어지다 · 120
강변 산책 · 121
복분자 술을 빚다 · 122

┃해설┃방민호(문학평론가·서울대학교 국문과 교수)
‘벼랑’을 짊어진 시인이 걸어온 길
─김종해 시인의
『서로 사랑하기에는 시간이 너무 짧다』에 대하여 · 123




헬스케어 빅데이터 분석의 정석



도서명 : 헬스케어 빅데이터 분석의 정석
저자/출판사 : 김선일, 에이콘출판
쪽수 : 408쪽
출판일 : 2023-07-31
ISBN : 9791161757711
정가 : 35000

1장. 헬스케어 개론
1.1 헬스케어란 무엇인가?
1.1.1 헬스케어 비용
1.1.2 헬스케어 기술의 진보와 질병
1.1.3 인간의 수명 연장과 기대
1.1.4 현대인의 고질병인 걱정과 두려움, 스트레스
1.1.5 환자 정보와 프라이버시 보호
1.2 헬스케어의 종류와 최신 기술 트렌드
1.2.1 디지털 헬스케어의 종류
1.2.2 최신 기술 트렌드 및 사례
1.3 헬스케어 기업들의 특징
1.4 헬스케어 빅데이터란 무엇인가?
1.4.1 헬스케어 빅데이터 분석의 위치
1.5 향후 전망
마치며

2장. 빅데이터 분석, 알고리듬, 머신러닝, 인공지능 개론
2.1 빅데이터 분석
2.1.1 빅데이터와 정보의 중요성
2.1.2 빅데이터 분석
2.1.3 빅데이터 분석가와 데이터 과학자
2.1.4 빅데이터 처리 과정
2.2 알고리듬
2.3 인공지능, 머신러닝, 딥러닝
2.3.1 머신러닝의 3가지 학습 방법
2.3.2 ChatGPT
향후 전망
마치며

3장. 파이썬 설치 및 환경 구축하기
3.1 파이썬 설치하기
3.2 IPython 알아보기
3.3 주피터 랩 알아보기
3.3.1 주피터 랩 설치
3.3.2 주피터 노트북의 명령 모드
3.4 VSCode를 주피터처럼 사용하기
3.5 데이터 분석용 필수 라이브러리 설치하기
3.5.1 NumPy
3.5.2 pandas
3.5.3 matplotlib
3.5.4 scikit-learn
3.5.5 statsmodels
3.6 권장 시스템
마치며

4장. 파이썬 기본 문법과 빌트인 자료형 알아보기
4.1 파이썬 문법
4.1.1 주석
4.1.2 함수
4.1.3 익명 함수: 람다 함수
4.1.4 흐름 제어문
4.2 자료형
4.2.1 리스트
4.2.2 튜플
4.2.3 딕셔너리
4.2.4 집합
마치며

5장. NumPy 알아보기
5.1 파이썬 리스트와 배열
5.2 NumPy 알아보기
5.3 ndarray(다차원 배열 객체) 다루기
5.3.1 생성하기
5.3.2 표준 데이터 타입
5.3.3 속성: 차원 수와 모양새, 데이터 타입
5.3.4 전치
5.3.5 인덱싱과 슬라이싱
5.3.6 배열 모양새 바꾸기
5.3.7 팬시 인덱싱
5.3.8 배열의 산술 연산
5.3.9 배열 합치기 및 나누기
5.3.10 조건문으로 배열 추출하기(데이터 마스킹)
5.4 유니버설 함수
5.4.1 대표적인 단항 유니버설 함수
5.4.2 대표적인 이항 유니버설 함수
5.4.3 합, 평균, 표준편차, 분산, 누적값 구하기
5.4.4 난수 생성하기
5.4.5 그 외 유니버설 함수
5.5 배열 정렬하기
5.6 배열 집합 메서드
5.7 저장하기 및 불러오기
5.8 1차원 배열로 변형하기
5.9 브로드캐스팅
5.10 구조화된 배열
5.11 그 외 유용한 함수
마치며

6장. pandas 알아보기
6.1 데이터 타입
6.2 시리즈
6.2.1 딕셔너리로부터 시리즈 생성하기
6.2.2 명시적 인덱싱과 암묵적 인덱싱
6.2.3 조건문으로 배열 추출: 마스킹
6.2.4 벡터 연산
6.2.5 그 외
6.3 데이터프레임
6.3.1 전치
6.3.2 슬라이싱
6.3.3 슬라이싱으로 역순 정렬하기
6.3.4 마스킹
6.3.5 데이터 연산하기
6.4 누락된 데이터 다루기
6.4.1 결측치 관련 메서드
6.4.2 결측치 데이터 조사하기
6.4.3 결측치 데이터 추출하기
6.4.4 결측치 집계 구하기
6.4.5 결측치를 특정값으로 채워넣기
6.4.6 결측치 데이터 처리하기
6.4.7 결측치 제거하기
6.5 Index
6.5.1 멀티(계층적)인덱스
6.5.2 인덱스로 데이터 접근하기
6.5.3 인덱스 설정 및 해제하기
6.5.4 간단한 집계 및 통계
6.6 데이터 합치기
6.6.1 concat 함수
6.6.2 append 메서드
6.6.3 insert 메서드
6.6.4 merge 함수와 메서드
6.6.5 join 메서드
6.6.6 combine 메서드
6.6.7 combine_first 메서드
6.6.8 update 메서드
6.7 집계 및 통계 구하기
6.7.1 rolling 및 expanding 메서드
6.8 groupby 메서드
6.8.1 aggregate/agg 메서드
6.8.2 filter 메서드
6.8.3 apply 메서드
6.8.4 map 메서드
6.8.5 applymap 메서드
6.8.6 transform 메서드
6.9 상관관계 및 공분산 구하기
6.9.1 corr 메서드
6.9.2 corrwith 메서드
6.9.3 cov 메서드
6.10 중복, 유일 요소 다루기
6.11 데이터 피벗과 피벗테이블 구하기
6.11.1 pivot 메서드
6.11.2 pivot_table 함수와 메서드
6.11.3 melt 메서드
6.12 문자열 다루기
6.12.1 정규표현식
6.13 query 및 eval 메서드
6.13.1 query 메서드
6.13.2 eval 메서드
6.14 시계열 데이터 다루기
6.14.1 date_range 함수
6.14.2 DatetimeIndex 만들기
6.14.3 PeriodIndex 만들기
6.14.4 TimedeltaIndex 만들기
6.14.5 리샘플링하기
6.14.6 shift 및 tshift 메서드
6.15 카테고리(범주형) 데이터 다루기
6.16 파일로부터 읽어오기 및 저장하기
6.16.1 파일로부터 읽어오기
6.16.2 파일로 저장하기
6.17 그 외 메서드와 속성
마치며

7장. 데이터 수집과 전처리하기
7.1 데이터 전처리에 앞서
7.2 데이터 수집하기
7.2.1 웹 크롤링
7.2.2 DBMS로부터 CSV 파일 만들기
7.3 데이터 전처리
7.3.1 정제하기
7.3.2 정규표현식으로 치환하기
7.3.3 열 선택해서 수정하기
마치며


8장. 사례#1-데이터를 시각화해 보기
8.1 MySQL 테이블에서 CSV 파일 추출하기
8.1.1 MySQL shell 접속하기
8.1.2 MySQL 사용자 권한 부여하기
8.1.3 쿼리 결과를 CSV 파일로 저장하기
8.2 히트맵 그래프로 시각화해 보기
8.2.1 CSV 파일 내용 살펴보기
8.2.2 시각화해 보기
8.2.3 여러 그래프를 만들어 보기
8.2.4 일부 데이터 제외한 그래프 만들어 보기
마치며

9장. 사례#2-시계열 데이터 다루기
9.1 쿼리 결과를 CSV 파일로 저장하기
9.2 시계열 데이터 시각화
9.2.1 데이터의 정제
9.2.2 활동지수 평가 함수 만들기
9.2.3 10분 단위로 그룹화하기
9.2.4 1시간 단위로 그룹화하기
9.2.5 1일 단위로 그룹화하기
9.3 1일 데이터 시각화
9.3.1 데이터 정제 및 시각화
9.3.2 그래프를 4개로 나열하기
마치며


10장. 사례#3-누적 막대그래프와 회귀 분석해 보기
10.1 CSV 파일 살펴보기
10.2 센서 29개의 한 달간 상태별 집계 데이터 시각화
10.3 특정 센서의 활동 누적 데이터 비교
10.4 주의와 낙상의 상관관계
10.5 주의와 낙상 회귀 분석해 보기
마치며

11장. 자동화 및 웹 대시보드 만들어 보기
11.1 배치 프로그램이란?
11.2 구글 파이어베이스 다루기
11.2.1 파이어베이스 실시간 DB 프로젝트 설정하기
11.2.2 분석한 데이터를 파이어베이스 실시간 DB에 업로드하기
11.3 웹 대시보드 만들기
11.3.1 자바스크립트에서 파이어베이스 연동하기
11.3.2 라인 차트 그래프 만들기
11.3.3 누적 막대그래프 만들기
11.4 자동화 시스템 구축하기
11.4.1 크론탭으로 자동화하기
11.4.2 파이썬 scheduler 라이브러리로 자동화하기
11.4.3 윈도우 작업 스케줄러로 자동화하기
마치며