°³¶ËÀ̳׿¡¼­ ÆÇ¸ÅµÈ "ÆÄÀ̽ãÀ» È°¿ëÇÑ ±ÝÀ¶ ºÐ¼®: ÆÄÀ̽ãÀÇ ±âÃʺÎÅÍ ±ÝÀ¶°øÇÐ, ¸Ó½Å·¯´×, ÄöÆ® ºÐ¼®, ¸Å¸Å ½Ã½ºÅÛ ±¸Çö±îÁö"     Á¤°¡ 45,000¿ø   Æò±ÕÇÒÀΰ¡
Ãß°¡ °Ë»ö Çϱâ
ÃÑ 4°³ÀÇ µµ¼­°¡ ÀÖ½À´Ï´Ù.
µµ¼­À̹ÌÁö µµ¼­¸í »óÅ °¡°Ý ÆǸÅÀÚ

ÆÄÀ̽ãÀ» È°¿ëÇÑ ±ÝÀ¶ ºÐ¼®: ÆÄÀ̽ãÀÇ ±âÃʺÎÅÍ ±ÝÀ¶°øÇÐ, ¸Ó½Å·¯´×, ÄöÆ® ºÐ¼®, ...
»õÃ¥ 
40,500¿ø

¹«·á¹è¼Û
»õÃ¥Àü¹®Á¡
ÆǸŵµ¼­(360,127±Ç)

ÆÄÀ̽ãÀ» È°¿ëÇÑ ±ÝÀ¶ ºÐ¼®: ÆÄÀ̽ãÀÇ ±âÃʺÎÅÍ ±ÝÀ¶°øÇÐ, ¸Ó½Å·¯´×, ÄöÆ® ºÐ¼®, ...
»õÃ¥ 
40,500¿ø

¹«·á¹è¼Û
ºÏ´Ù¿ò
ÆǸŵµ¼­(7,384±Ç)

ÆÄÀ̽ãÀ» È°¿ëÇÑ ±ÝÀ¶ ºÐ¼®: ÆÄÀ̽ãÀÇ ±âÃʺÎÅÍ ±ÝÀ¶°øÇÐ, ¸Ó½Å·¯´×, ÄöÆ® ºÐ¼®, ...
»õÃ¥ 
40,500¿ø

¹«·á¹è¼Û
¾Æ±â¿À¸®
ÆǸŵµ¼­(202,232±Ç)

ÆÄÀ̽ãÀ» È°¿ëÇÑ ±ÝÀ¶ ºÐ¼®: ÆÄÀ̽ãÀÇ ±âÃʺÎÅÍ ±ÝÀ¶°øÇÐ, ¸Ó½Å·¯´×, ÄöÆ® ºÐ¼®, ...
»õÃ¥ 
40,500¿ø

¹«·á¹è¼Û
Ã¥°¡¹æ
ÆǸŵµ¼­(328,772±Ç)
 

»ó¼¼Á¤º¸

PART I ÆÄÀ̽ã°ú ±ÝÀ¶CHAPTER 1 ¿Ö ±ÝÀ¶ ºÐ¼®¿¡ ÆÄÀ̽ãÀ» »ç¿ëÇϴ°¡1.1 ÆÄÀ̽㠼Ұ³ 1.2 ±ÝÀ¶¿¡¼­ ¾²ÀÌ´Â ±â¼ú 1.3 ±ÝÀ¶°øÇÐÀ» À§ÇÑ ÆÄÀ̽ã 1.4 µ¥ÀÌÅÍ ÁÖµµ ±ÝÀ¶°ú ÀΰøÁö´É ¿ì¼± ±ÝÀ¶ 1.5 ¸¶Ä¡¸ç 1.6 Âü°í ¹®ÇåCHAPTER 2 ÆÄÀ̽㠱â¹Ý±¸Á¶2.1 ÆÐÅ°Áö ¸Å´ÏÀú·Î¼­ÀÇ ÄÜ´Ù 2.2 °¡»ó ȯ°æ ¸Å´ÏÀú·Î¼­ÀÇ ÄÜ´Ù 2.3 µµÄ¿ ÄÁÅ×ÀÌ³Ê »ç¿ë¹ý 2.4 Ŭ¶ó¿ìµå ÀνºÅϽº »ç¿ë¹ý2.5 ¸¶Ä¡¸ç2.6 Âü°í ¹®ÇåPART II ÆÄÀ̽㠱âÃÊ Á¤º¹CHAPTER 3 ÀÚ·áÇü°ú ÀڷᱸÁ¶3.1 ±âº» ÀÚ·áÇü3.2 ±âº» ÀڷᱸÁ¶3.3 ¸¶Ä¡¸ç3.4 Âü°í ¹®ÇåCHAPTER 4 NumPy¸¦ »ç¿ëÇÑ ¼öÄ¡ °è»ê4.1 µ¥ÀÌÅÍ ¹è¿­4.2 Á¤±Ô NumPy ¹è¿­4.3 ±¸Á¶È­ NumPy ¹è¿­ 4.4 ÄÚµå º¤ÅÍÈ­ 4.5 ¸¶Ä¡¸ç4.6 Âü°í ¹®ÇåCHAPTER 5 pandas¸¦ »ç¿ëÇÑ µ¥ÀÌÅÍ ºÐ¼®5.1 DataFrame Ŭ·¡½º 5.2 ±âº»ÀûÀÎ ºÐ¼®5.3 ±âº»ÀûÀÎ ½Ã°¢È­5.4 Series Ŭ·¡½º 5.5 GroupBy ¿¬»ê5.6 °í±Þ ¼±Åùý5.7 º´ÇÕ, Á¶ÀÎ, ¸ÓÁö 5.8 ¼º´É Ãø¸é 5.9 ¸¶Ä¡¸ç5.10 Âü°í ¹®Çå CHAPTER 6 °´Ã¼ÁöÇâ ÇÁ·Î±×·¡¹Ö6.1 ÆÄÀ̽㠰´Ã¼ ¼Ò°³ 6.2 ÆÄÀ̽ã Ŭ·¡½º ±âÃÊ6.3 ÆÄÀ̽㠵¥ÀÌÅÍ ¸ðµ¨6.4 Vector Ŭ·¡½º6.5 ¸¶Ä¡¸ç6.6 Âü°í ¹®ÇåPART III ±ÝÀ¶ µ¥ÀÌÅÍ °úÇÐCHAPTER 7 µ¥ÀÌÅÍ ½Ã°¢È­7.1 Á¤Àû 2Â÷¿ø Ç÷Ô7.2 Á¤Àû 3Â÷¿ø Ç÷Ô7.3 »óÈ£ÀÛ¿ëÇü 2Â÷¿ø Ç÷Ô7.4 ¸¶Ä¡¸ç7.5 Âü°í ¹®ÇåCHAPTER 8 ±ÝÀ¶ ½Ã°è¿­8.1 ±ÝÀ¶ µ¥ÀÌÅÍ8.2 À̵¿ Åë°è8.3 »ó°ü°ü°è ºÐ¼®8.4 °íºóµµ µ¥ÀÌÅÍ8.5 ¸¶Ä¡¸ç8.6 Âü°í ¹®ÇåCHAPTER 9 ÀÔÃâ·Â ÀÛ¾÷9.1 ±âº» ÆÄÀ̽ã ÀÔÃâ·Â 9.2 pandas¸¦ ÀÌ¿ëÇÑ ÀÔÃâ·Â9.3 PyTables¸¦ ÀÌ¿ëÇÑ ÀÔÃâ·Â 9.4 TsTablesÀ» ÀÌ¿ëÇÑ ÀÔÃâ·Â 9.5 ¸¶Ä¡¸ç9.6 Âü°í ¹®ÇåCHAPTER 10 ÆÄÀ̽㠼º´É °³¼±10.1 ¹Ýº¹¹®10.2 ¾Ë°í¸®Áò10.3 ÀÌÇ×Æ®¸® 10.4 ¸óÅ×Ä«¸¦·Î ½Ã¹Ä·¹À̼Ç10.5 Àç±ÍÀû pandas ¾Ë°í¸®Áò10.6 ¸¶Ä¡¸ç10.7 Âü°í ¹®Çå CHAPTER 11 ¼öÇÐ¿ë µµ±¸11.1 ±Ù»çÈ­11.2 ÃÖÀûÈ­ 11.3 ÀûºÐ 11.4 ½Éº¼¸¯ ¿¬»ê 11.5 ¸¶Ä¡¸ç 11.6 Âü°í ¹®Çå CHAPTER 12 È®·ü °úÁ¤12.1 ³­¼ö »ý¼º12.2 ½Ã¹Ä·¹À̼Ç12.3 °¡Ä¡ Æò°¡12.4 À§Çè Ãøµµ 12.5 ÆÄÀ̽㠽ºÅ©¸³Æ®12.6 ¸¶Ä¡¸ç 12.7 Âü°í ¹®Çå CHAPTER 13 Åë°è ºÐ¼®13.1 Á¤±Ô¼º °ËÁ¤ 13.2 Æ÷Æ®Æú¸®¿À ÃÖÀûÈ­13.3 º£ÀÌÁî Åë°èÇÐ13.4 ¸Ó½Å·¯´× 13.5 ¸¶Ä¡¸ç13.6 Âü°í ¹®ÇåPART IV ¾Ë°í¸®Áò Æ®·¹À̵ùCHAPTER 14 FXCM Æ®·¹À̵ù Ç÷§Æû14.1 ½ÃÀÛÇϱâ 14.2 µ¥ÀÌÅÍ ¹Þ±â 14.3 API ´Ù·ç±â14.4 ¸¶Ä¡¸ç14.5 Âü°í ¹®ÇåCHAPTER 15 ¸Å¸Å Àü·«15.1 ´Ü¼ø À̵¿Æò±Õ15.2 ·£´ý¿öÅ© °¡¼³15.3 ¼±Çü ȸ±ÍºÐ¼®15.4 Ŭ·¯½ºÅ͸µ 15.5 ºóµµÁÖÀÇ ¹æ¹ý·Ð15.6 ºÐ·ù ¾Ë°í¸®Áò15.7 ½ÉÃþ ½Å°æ¸Á 15.8 ¸¶Ä¡¸ç15.9 Âü°í ¹®ÇåCHAPTER 16 ¸Å¸Å ÀÚµ¿È­16.1 ÀÚ±Ý °ü¸®16.2 ¸Ó½Å·¯´× ±â¹Ý ¸Å¸Å Àü·«16.3 ¿Â¶óÀÎ ¾Ë°í¸®Áò16.4 ±â¹Ý±¸Á¶¿Í ¹èÆ÷16.5 ·Î±ë°ú ¸ð´ÏÅ͸µ 16.6 ¸¶Ä¡¸ç 16.7 ÆÄÀ̽㠽ºÅ©¸³Æ®16.8 Âü°í ¹®ÇåPART V ÆÄ»ý»óÇ° ºÐ¼®CHAPTER 17 °¡Ä¡ Æò°¡ ÇÁ·¹ÀÓ¿öÅ©17.1 ÀÚ»ê °¡°Ý°áÁ¤ ±âº» Á¤¸®17.2 À§Çè Á߸³ ÇÒÀÎ17.3 ½ÃÀå ȯ°æ 17.4 ¸¶Ä¡¸ç17.5 Âü°í ¹®Çå CHAPTER 18 ±ÝÀ¶ ¸ðÇü ½Ã¹Ä·¹À̼Ç18.1 ³­¼ö »ý¼º 18.2 ÀϹÝÀûÀÎ ½Ã¹Ä·¹ÀÌ¼Ç Å¬·¡½º18.3 ±âÇÏ ºê¶ó¿î ¿îµ¿ ¸ðÇü18.4 Á¡ÇÁ È®»ê ¸ðÇü18.5 Á¦°ö±Ù È®»ê ¸ðÇü18.6 ¸¶Ä¡¸ç 18.7 Âü°í ¹®Çå CHAPTER 19 ÆÄ»ý»óÇ° °¡Ä¡ Æò°¡19.1 ÀϹÝÀûÀÎ °¡Ä¡ Æò°¡ Ŭ·¡½º19.2 À¯·¯ÇÇ¾È Çà»ç ¹æ½Ä19.3 ¾Æ¸Þ¸®Ä­ Çà»ç ¹æ½Ä19.4 ¸¶Ä¡¸ç19.5 Âü°í ¹®ÇåCHAPTER 20 Æ÷Æ®Æú¸®¿À °¡Ä¡ Æò°¡20.1 ÆÄ»ý»óÇ° Æ÷Áö¼Ç 20.2 ÆÄ»ý»óÇ° Æ÷Æ®Æú¸®¿À 20.3 ¸¶Ä¡¸ç20.4 Âü°í ¹®ÇåCHAPTER 21 ½ÃÀå ±â¹Ý °¡Ä¡ Æò°¡21.1 ¿É¼Ç µ¥ÀÌÅÍ 21.2 ¸ðÇü º¸Á¤ 21.3 Æ÷Æ®Æú¸®¿À °¡Ä¡ Æò°¡21.4 ÆÄÀ̽ã ÄÚµå 21.5 ¸¶Ä¡¸ç 21.6 Âü°í ¹®Çå APPENDIX A ³¯Â¥¿Í ½Ã°£A.1 ÆÄÀ̽ã A.2 NumPy A.3 pandasAPPENDIX B ºí·¢-¼ñÁî-¸ÓÆ° ¿É¼Ç Ŭ·¡½ºB.1 Ŭ·¡½º Á¤ÀÇB.2 Ŭ·¡½º »ç¿ëã¾Æº¸±â

±ÝÀ¶ ºÐ¾ß Á¾»çÀÚ, °ü·Ã °³¹ßÀÚµéÀÌ ÆÄÀ̽ãÀ» ½ÃÀÛÇÏ°í À̸¦ È°¿ëÇÏ¿© Áß¿äÇÑ ±ÝÀ¶ ºÐ¼® ¾÷¹«¸¦ ÇÒ ¼ö ÀÖµµ·Ï µµ¿ÍÁÖ´Â ÃÖÀûÀÇ ½Ç¹« °¡ÀÌµå ºÏÀÌ Ã¥Àº ±ÝÀ¶°øÇÐ ÀÌ·ÐÀ̳ª ¾Ë°í¸®ÁòÀ» ¼³¸íÇϱâ À§ÇÑ Àü°ø ¼­ÀûÀº ¾Æ´Ï´Ù. ÀÌ Ã¥Àº ÆÄÀ̽ãÀ̶ó´Â ÇÁ·Î±×·¡¹Ö ¾ð¾î°¡ ¾î¶² ¹æ½ÄÀ¸·Î ±ÝÀ¶ ºÐ¾ß¿¡ Àü¹ÝÀûÀ¸·Î È°¿ëµÉ ¼ö ÀÖ´ÂÁö¸¦ ¾Ë·Á ÁÖ´ÂÃ¥ÀÌ´Ù. µû¶ó¼­ ÆÄÀ̽㠾ð¾îÀÇ ±âÃʺÎÅÍ ±ÝÀ¶ ºÐ¼® ÀÛ¾÷ÀÇ ÇÙ½É ±×¸®°í ÃÖÁ¾ ¸Å¸Å ½Ã½ºÅÛ ±¸Çö±îÁö¸¦ ¸ðµÎ ´Ù·ç´Â ÀÏÁ¾ÀÇ ÀÔ¹®¼­³ª ÄîºÏ cook-book¿¡ °¡±õ´Ù. ±ÝÀ¶ ºÐ¾ß Á¾»çÀÚ³ª ±ÝÀ¶°øÇÐÀ» °øºÎÇÏ´Â Çлý»Ó ¾Æ´Ï¶ó ÀÌ ºÐ¾ß¿¡ °ü½ÉÀ» µÎ°í °³ÀÎÀûÀ¸·Î °øºÎÇÏ·Á´Â ¸¹Àº ºÐµé¿¡°Ô ÀÌÃ¥ÀÌ ÆÄÀ̽ãÀÇ ´Ù¾çÇÑ ±â´ÉÀ» »ìÆ캼 ¼ö ÀÖ´Â ´õÇÒ ³ªÀ§ ¾øÀÌ Àç¹ÌÀÖ´Â °æÇèÀÌ µÉ ¼ö Àֱ⸦ ¹Ù¶õ´Ù.¡Ø ÆÄÆ®º° ÁÖ¿ä ³»¿ëÀÌ Ã¥Àº ÆÄÀ̽ã°ú ÆÄÀ̽㠻ýÅ°谡 ±ÝÀ¶¾÷¿¡ Á¾»çÇÏ´Â ±â¾÷°ú °³Àο¡°Ô Á¦°øÇÏ´Â ±â¼úÀûÀΠƲÀ» ´ÙÀ½°ú °°ÀÌ 5ºÎ·Î ³ª´©¾î Á¦½ÃÇÑ´Ù.¡Ü ÆÄÀ̽ã°ú ±ÝÀ¶: ´ëÈ­Çü ±ÝÀ¶ ºÐ¼® ¹× ¾ÖÇø®ÄÉÀÌ¼Ç °³¹ßÀ» À§ÇÑ ÆÄÀ̽ã ÀÔ¹®¡Ü ÆÄÀ̽㠱âÃÊ Á¤º¹: ÆÄÀ̽ã ÀÚ·áÇü ¹× ÀڷᱸÁ¶, NumPy, pandas¿Í DataFrame Ŭ·¡½º, °´Ã¼ÁöÇâ ÇÁ·Î±×·¡¹Ö¡Ü ±ÝÀ¶ µ¥ÀÌÅÍ °úÇÐ: µ¥ÀÌÅÍ ½Ã°¢È­, ±ÝÀ¶ ½Ã°è¿­ µ¥ÀÌÅÍ, µ¥ÀÌÅÍ ÀÔÃâ·Â ÀÛ¾÷, ¸Ó½Å·¯´×À» À§ÇÑ ÆÄÀ̽㠱â¼ú¡Ü ¾Ë°í¸®Áò Æ®·¹À̵ù: ÆÄÀ̽ãÀ» »ç¿ëÇÑ ¹éÅ×½ºÆà ¹× ÀÚµ¿È­µÈ ¾Ë°í¸®Áò Æ®·¹À̵ù Àü·« ¹èÆ÷¡Ü ÆÄ»ý»óÇ° ºÐ¼®: ¿É¼Ç ¹× ÆÄ»ý»óÇ° °¡°Ý°áÁ¤, À§Çè °ü¸®¸¦ À§ÇÑ °­·ÂÇÏ°í À¯¿¬ÇÑ ÆÄÀ̽ã ÆÐÅ°Áö °³¹ß
 

¼­Æòº¸±â

´ÜÇົ BEST µµ¼­

³ªÀǼîÇÎ

  • Ä«µå³»¿ªÁ¶È¸
  • ¸¸Á·µµº¸±â
  • ÆǸÅÀÚº¸±â

ÃÖ±Ùº»»óÇ°

Àå¹Ù±¸´Ï

TOP