데이터 구조는 특정 데이터를 효율적으로 체계화하고 처리하는 방식을 나타낸다. 데이터 구조는 문제 해결에 매우 중요하며, 재사용 가능한 코드를 작성할 수 있는 완벽한 솔루션을 제공한다. 이 책은 분석 및 인텔리전스 분야에서 일하고 있는 R 사용자들이 데이터 구조에 대한 역량을 강화하는 것에 목적을 두고 있다. R은 벨 연구소(예전에는 AT&T, 지금은 루슨트 테크놀러지)에서 개발한 것으로, 통계적인 처리와 시각화를 위해 매우 잘 설계된 언어이자 개발 환경이다. 이 책은 독자들이 알고리즘의 계산 효율성과 자원 사용 관점에서 최적화된 알고리즘을 설계할 수 있게 해줄 것이다. 먼저 여러 가지 데이터 구조와 알고리즘과의 관계를 설명하고, 알고리즘 분석과 평가에 대해 논의한 후, 알고리즘을 작성하는 프로세스를 학습한다. 그리고 고전적인 데이터 구조뿐만 아니라 함수형 데이터 구조의 통합성을 이해할 수 있게 설명한다. 리스트, 스택, 큐, 딕셔너리와 같은 데이터 구조의 기초와 함께 인덱싱, 정렬, 검색까지 더 깊은 주제도 다룬다. 또한, 그래프, 동적 계획법, 무작위 알고리즘과 같은 주제도 이야기한다.
이 책의 목표는 R을 사용한 데이터 구조의 개념을 수립하는 것이다.
딥러닝은 머신 러닝에서 가장 자주 논의되는 분야 중 하나다. 딥러닝을 사용해 복잡한 함수를 모델링하고 횡단면 데이터, 순차 데이터, 이미지, 텍스트, 오디오, 영상을 포함한 다양한 데이터 소스와 구조를 이용해서 모델을 학습할 수 있다. 또한 R은 데이터 과학 커뮤니티에서 가장 인기 있는 언어 중 하나다. 딥러닝의 발전에 따라 딥러닝과 R 사이의 관계도 엄청나게 발전하고 있다. 이 책의 목적은 다양한 딥러닝 모델 개발 방법을 집중 훈련하는 것이다. 구조가 있는 데이터, 구조가 없는 데이터, 이미지 오디오 사례 연구를 통해 딥러닝을 적용한다. 또한 이전 학습(Transfer Learning)과 그래픽 처리장치(GPU, Graphics Processing Unit)의 성능을 이용해 딥러닝 모델의 계산 효율을 높이는 방법도 다룬다.
