티스토리

리니의 끄적끄적

검색하기

블로그 홈

리니의 끄적끄적

rini-kkeuzuk.tistory.com/m

비전공자 코린이의 코딩 정복기

구독자: 0

방명록 방문하기

주요 글 목록

[0603 복습] 제안서 작성 제안서 작성 3일차 CH4. 제안서 작성 실습제안서 6가지 유형1) Solictied: 제안서를 요청받아 작성하는 경우2) Unsolicited: 제안서 요청 없는 상태에서 제안서 보내는 경우3) Informal: 고객이 제안서를 비공식적으로 요청하는 경우4) Renewal: 조직이 제공하고 있는 서비스 기간을 연장하기 위해 기존 클라이언트에게 갱신형 제안서 발송5) Continuation: 이해관계자에게 프로젝트가 시작된다는 것을 상기시키기 위해 정보제공 목적의 제안서6) Supplemental: 이해관계자에게 프로젝트가 시작한다는 것을 알리는 동시에 추가 리소스를 요청 제안서 작성법1) Executive Summary: 핵심 요약2) Explain Project Background: 프로젝트 추진 배.. 공감수 0 댓글수 1 2024. 6. 3.
[0531 복습] 제안서 작성_문제정의 제안서 작성 2일차 CH3. 제안서 요소 정의 (이어서)문제 정의- 문서의 내용 외에 고객이 말하지 않은 어떤 이슈가 있을까?- RFP의 행간을 읽어야 함, 요구 사항 정리, 숨은 니즈 찾기!- 개인적 편견, 내부 의사결정구조, 개인적 이슈 등을 복합적으로 고려해서 추정하고 가설을 수립해야 함 원인을 분석하고 차별점 고민 - 실습을 통해 고객사의 구매센터의 구성원마다 포지션파워 X 중요도를 확인하며 차별점을 찾고자 했음! 제안서의 사례/근거 - 공감- 공감의 조건: 거리 & 동일조건 (동종업계 & 문제 발생 조건)예시 발굴 제안서의 핵심 메시지 - 혜택- 추구 가치(경제적 가치): 기능 / 사용 / 정서 가치 활용 가치제안 구성요소_솔루션- 가장 효과적이고 믿음이 가는 가치 제안을 하는 방법? -.. 공감수 0 댓글수 0 2024. 5. 31.
[0530 복습] 제안서 작성_제안서의 이해 제안서 작성 1일차 제안서의 이해CH1. 제안서의 이해보고서- 보고서는 특정 청중에게 정보를 명확하고 간결하게 전달하는 것을 목적- 대상 독자의 요구를 고려해 내용을 조정하고, 의사결정을 내리는 데 필요한 정보를 제공해야 함시장조사 보고서- 시장조사 결과를 정리하고 분석하는데 사용- 조사목적, 방법, 결과, 결론 등업무 보고서- 업무진행 상황, 문제점, 개선 방안 등을 보고- 진행상황, 예산 사용 내역, 성과측정 등을 기록워크샵 기획 보고서- 워크샵을 기획하거나 안내하는데 사용- 참가자들에게 정보를 제공하고 의사결정을 지원 기획서- 기획서는 조직 내부에서 의사결정을 지원하고, 프로젝트나 제품의 방향성을 제시내부의사결정- 조직내 의사결정자들이 더 나은 선택을 할 수 있도록 함- 신제품 출시, 효율적인 의.. 공감수 0 댓글수 0 2024. 5. 31.
[0529 복습] 제안 전략 수립_사업 정의 제안 전략 수립 5일차 사업정의CH1. 비즈니스 모델의 이해고객가치 구조- 필요성과 차별성으로 고객가치가 이루어져 있음- 필요성: 범주로 충족- 차별성: 속성으로 충족- 고객 가치 = 필요성(표현된 니즈 중심) X 차별성(표현되지 않은 니즈 중심) Biz Model 구조- Biz Model은 매출을 증가시키고 비용을 줄이며 고객가치를 높이기 위한 것!Biz Model 의 구성요소1) 목표고객: 누구를 대상으로?2) 가치 제안: 어떤 가치, 솔루션을?3) 가치사슬/조직: 어떻게 창출해서 ?4) 전달방식: 전달방식을 어떻게 설계함으로써?5) 수익흐름: 어떻게 기업의 수익으로 연결? Biz Model별 To-Be 유형 성공적인 Biz Model 조건→ 비즈니스 모델을 텍스트로 작성하면 말이 중복될 수 있고,.. 공감수 0 댓글수 0 2024. 5. 30.
[0527-8 복습] 제안 전략 수립_고객가치정의 및 아이디어 도출, 실행계획 수립 제안 전략 수립 3일차 제안 컨설팅CH1. 비즈니스의 이해세분화(Segmentation)- 전체 고객을 대상으로는 전략 수립할 수 없고, 정부 정책도 대한민국 국민 전체를 대상으로 하지 않음!- why? 기업은 한정된 자원으로 선택과 집중!- 고객가치를 정의하기 위해서는 고객을 좁게 그리고 구체적으로 정의해야 가능- 페르소나: 특정 사물이나 대상을 인격화시키는 것, 사람은 사람과 공감하기 때문에 인격화하고 니즈를 파악하고자 함 STP전략- 3C: customer, company, competitor- STP: segmentation, targeting, positioning- 4P: product, price, place, promotion 고객 세분화시장 세분화의 목적 세분화를 위한 핵심요소: 기준-.. 공감수 0 댓글수 0 2024. 5. 29.
[0523-4 복습] 제안 전략 수립_제안컨설팅, 비즈니스 발굴을 위한 고객문제 정의, To-Be 설정을 위한 사고법, 환경분석 기법의 이해 제안 전략 수립 1일차 제안 컨설팅과정 프로세스의 이해제안컨설팅을 위한 사업화 프로세스 CH1. 비즈니스의 이해Biz 체계의 이해- 고객 중심 vs 관리 중심: 두 개의 균형을 이루어야 한다! => 고객가치 기반 사업 추구 Biz Nature- 관리 중심: 효과성(원하는 것을 달성), 효율성(input 대비 output 크게)을 동시 추구하는 것이 핵심 고객 중심 경영의 실행1) 고객 니즈 vs 고객 가치 확인- 고객 니즈: needs, wants, demands- 고객 가치: 고객이 얻고자 하는 혜택 - 비용 (혜택의 출발점은 니즈)- 고객 가치를 제대로 ① 정의 ② 창출 ③ 전달 ④ 교환 하는 순① 정의: 분석하는 것도 포함 (제안 전략 단계)② 창출: 가시적 / 비가시적 (제안 전략 단계)③ 전달.. 공감수 1 댓글수 0 2024. 5. 27.
[0516 복습] 클라우드 서비스_AWS 보안정책, 서브넷, 컴퓨팅 서비스, EC2 클라우드 서비스 2일차 보안 정책IAM 정책자격증명 기반 정책- 사용자, 그룹 또는 역할 등에 적용해 특정 주체가 리소스에 접근하여 수행할 수 있는 권한을 지정- 예를 들어, 특정 IAM 사용자에게 EC2 인스턴스에 접근해 모든 작업을 수행하도록 허용하는 정책을 정의 (접근을 하기 위한) AWS관리형 정책- AWS에서 사전에 생성해놓은 정책으로 서비스별 액세스, 직무별로 선택할 수 있음- 예를 들어 AmazonS3FullAccess, AmazonEC2ReadOnlyAccess 등 미리 정해진 정책을 선택해 손쉽게 권한을 할당할 수 있음(모든 사용자에게 적용)고객 관리형 정책- 고객이 목적에 맞게 직접 생성 및 관리하는 정책- AWS 관리형 정책을 바탕으로 생성하는 것이 가장 쉽고 좋은 방법임(모든 사용자.. 공감수 3 댓글수 1 2024. 5. 26.
[0514 복습] 클라우드 서비스_DX, 가상화, 분산처리, 오토스케일링, 서버리스, 로드 밸런싱, 데브옵스, 계정 보안 클라우드 서비스 1일차 클라우드 서비스DX 정의= Digital Transformation = 디지털 전환을 통한 비즈니스 모델 변화/혁신① 고객/사용자 중심 + ② 변화에 민첩/유연한 대응 + ③ 지속적인 차별화/혁신 DX 성공사례- 데이터 기반의 고객 경험 향상, 혁신을 위한 지속적인 노력ex) 스타벅스, 이케아, 나이키, 도미노 DX를 위한 필수요건- 조직, 프로세스 및 기술에 대한 새로운 접근 방식을 통해 더 나은 비즈니스 결과 실현- Experience / Tecnology / People / Process 4가지 측면에서 고려하며 DX를 실행해야 함 DX 핵심 기술- Cloud Computiong: 클라우드 컴퓨팅은 DX 실현을 위해 가장 중요한 핵심 기반 기술 중 하나임ex) IoT, Sec.. 공감수 0 댓글수 0 2024. 5. 14.
[0513복습] IT 인프라 시나리오 소개, 서비스 분석 및 도출, 서비스 구성도, 인프라 구성도 IT 인프라CH6. 서비스 요구사항 분석 및 인프라 설계시나리오프로젝트 수주를 위한 제안 프로세스 → 제안서를 받기 위해 고객사는 RFP를 구체적으로 작성해 제안사에 전달 제안서 작성 주요 프로세스제안 내용 도출사업 이해, 요구 사항 분석, 서비스 제안 도출 (서비스 구성도, 인프라 구성도)제안서 작성제안 스토리 구성, 제안서 작성, 제출 서비스 분석 및 도출제안서 작성 주요 프로세스요구사항 분석제안 또는 제안서 작성을 위한 가장 첫번째 단계고객의 요구사항을 분석하여 알맞은 서비스를 구성요구사항 분석 프로세스비즈니스 환경 분석, 기능 요구사항 분석, 서비스 요구사항 분석, 아키텍처 요구사항 검토 및 확정서비스 분석의 중요성정확한 요구분석이 시행되지 않았을 때 제안사와 고객사의 생각이 다를 수 있음지속적.. 공감수 0 댓글수 0 2024. 5. 13.
[0510 복습] IT 인프라_IT 보안, 리눅스, Putty 실습 IT 인프라CH4. 서버와 스토리지 이어서보안 기본IT 보안서버, 네트워크, 스토리지 등 IT 자산에 대한 무단 접근을 방지해 데이터를 보호소프트웨어 또는 데이터의 도난, 손상, 서비스 중단 등으로부터 시스템을 보호보안 유형네트워크 보안: 네트워크 내부로 권한이 없거나 악의적인 사용자가 접근하지 못하게 차단인터넷 보안: 브라우저에서 주고 받는 정보를 보호, 웹 기반의 애플리케이션의 네트워크 보안엔드포인트 보안: 휴대폰, 태블릿, 노트북, 데스크탑 등 악성코드 방지클라우드 보안: 클라우드 아키텍처 내 데이터와 정보를 보호애플리케이션 보안: 애플리케이션 내 데이터, 코드 등이 해킹에 의해 도난, 변질되는 것을 방지방화벽(Firewall)미리 정의된 보안규칙에 의해 들어오고 나가는 네트워크 트래픽을 모니터링,.. 공감수 0 댓글수 0 2024. 5. 10.
[0509 복습] IT 인프라_서버 가상화, 하이퍼바이저, 컨테이너, docker, 리눅스 실습, 명령어 IT 인프라CH4. 서버와 스토리지 이어서서버 아키텍처의 발전기술의 발전에 따라 서버 아키텍처는 발전해왔고 현재는 서비스 목적이나 비즈니스 상황에 따라 크게 3가지 아키텍처 사용 중 서버 가상화(Virtualization)하이퍼바이저(hypervisor): 호스트 컴퓨터에서 다수의 운영 체제를 동시에 실행하기 위한 논리적 플랫폼(platform)물리적인 서버를 나눌 수 없기 때문에, 가상으로 나누어 3개의 서버가 있는 것처럼 사용! 서버 컨테이너화(Containerization)컨테이너란 OS 수준의 가상화 기술로 리눅스 커널을 공유하면서 프로세스를 격리된 환경에서 실행하는 가상화 기술OS가 가상으로 분리되지 않고 OS 위에 컨테이너 엔진을 설치 가상머신과 컨테이너Physical vs Cirtual 아.. 공감수 1 댓글수 0 2024. 5. 9.
[0508 복습] IT 인프라_시스코 패킷 트레이서 실습, 서버 IT 인프라시스코 패킷 트레이서 추가 실습라우터 2811 3개 생성 및 hostname 변경Config에서 Display Name도 함께 변경 > fastEthernet 사용 > ip address 설정 (아래 이미지는 네트워크 주소가 13.13.10.1에서 10까지) 라우터 3개, 스위치 3개를 각 PC 와 랩탑에 연결 후 IP 설정IP 설정은 IP Address, Subnet Mask, Default Gateway를 직접 입력해 설정 (게이트웨이는 연결된 PC 모두 같아야 함)3개의 라우터에 NM-8A/S 모듈 각각 넣고 전원 켜는 것 필수! Serial DTE 선으로 각 라우터를 연결, IP Address, Subnet Mask, Default Gateway 입력 반복R2 라우터 인터페이스 설정.. 공감수 0 댓글수 0 2024. 5. 8.
[0507 복습] IT 인프라_IT 인프라 이해, 스위치 네트워크 구성, 패킷 트레이서 실습, IP 네트워크의 이해 IT 인프라CH1. IT 인프라 이해IT 인프라란?네트워크, 서버, 데이터베이스, 정보보안, 시스템 소프트웨어 및 기반시설 등 IT서비스의 기반이 되는 시스템 및 구조IT에서 서비스하기 위해서 필요한 시스템이나 구조 IT 인프라의 주요 구성요소IT 인프라의 구성요소는 크게 하드웨어와 소프트웨어 네트워킹 등으로 구분하드웨어: 눈에 보이는 물리적 장비ex) PC, 모니터, 하드디스크, CPU, MEMORY, 서버, 스토리지, 라우터, 스위치 등소프트웨어: 눈에 보이지 않는 프로그램ex) OS (Windows, Linux 등), Database, Microsoft Office, Photoshop 등네트워크: 컴퓨터 같은 장비들이 그물망처럼 연결된 형태 또는 장비ex) 공유기(Router), 스위치, 방화벽, .. 공감수 2 댓글수 0 2024. 5. 7.
데이터 전처리, 딥러닝 모델링 텐서플로우 콜백 tensorflow 파이썬 코드 짜기$ **셀프 복습용으로 작성한 것이라 실수가 있을 수 있습니다!혹시 실수를 발견하시면 댓글로 알려주시면 감사드리겠습니다 :) 데이터 전처리 리뷰라이브러리 설치 코드 모음!pip install seabornimport numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as snsimport sklearn as sk 기본 정보 확인데이터프레임 인덱스 확인: df.index데이터프레임 컬럼 확인: df.columns데이터프레임 값 확인: df.values데이터프레임 컬럼 타입 확인: df.dtypes데이터프레임 컬럼 타입 변환: df.astype(float)json 파일 불러오기df = pd.read_json('파일명.json'.. 공감수 3 댓글수 0 2024. 4. 23.
[0419 복습] 딥러닝_언어 모델 활용_transformer (GPT, BERT) **셀프 복습용으로 작성한 것이라 실수가 있을 수 있습니다! 혹시 실수를 발견하시면 댓글로 알려주시면 감사드리겠습니다 :) 딥러닝 심화2 CH1. ChatGPT API로 연결하기 API 클라이언트 프로그램에게 요청을 받아 서버를 전달, 서버를 요청 처리한 후 결과 데이터를 API에 전달 API를 사용하기 위해서 API 뒷부분(Backend)을 잘 몰라도 Request와 Response만 알면 사용 가능 Request: API 주소 + API Key, Request 형식: 요청 양식 Response: Response 형식: 결과 양식 사용하기 !pip install openai import pandas as pd import numpy as np import openai from openai import .. 공감수 1 댓글수 1 2024. 4. 20.
[0417 복습] 딥러닝 심화_Roboflow 데이터셋 활용 실습, CNN 포함 모델링 **셀프 복습용으로 작성한 것이라 실수가 있을 수 있습니다! 혹시 실수를 발견하시면 댓글로 알려주시면 감사드리겠습니다 :) 딥러닝 심화 Roboflow 오픈소스 데이터셋 사용 # 라이브러리 설치 !pip install roboflow from roboflow import Roboflow # 데이터셋을 만들 때 트레인 안에 이미지/라벨, 검증 안에 이미지/라벨 구조로 들어가 있어야 함! (test는 필수가 아님) rf = Roboflow(api_key="유저마다 다른 api_key") project = rf.workspace("ilyes-talbi-ptwsp").project("futbol-players") version = project.version(7) dataset = version.download.. 공감수 1 댓글수 0 2024. 4. 17.
[0416 복습] 딥러닝 심화_Object Detection, Bounding Box, Class Classification, Confidence Score, IoU, NMS, Precision, Recall, AP,mAP, Annotation **셀프 복습용으로 작성한 것이라 실수가 있을 수 있습니다! 혹시 실수를 발견하시면 댓글로 알려주시면 감사드리겠습니다 :) 딥러닝 심화 CH1. 시각지능 Object Detection의 주요 개념 Classification + Localization Multi-Labeled Classification + Bounding Box Regression: 다중분류 문제와 bounding box 선형회귀의 결합 Localization: 단 하나의 Object 위치를 Bounding Box로 지정하여 찾음 Object Detection: 여러 개의 Object들의 위치를 Bounding Box로 지정하여 찾음 1. Bounding Box bounding box는 지도학습으로 정답이 있어야 함, 하나의 Object가.. 공감수 1 댓글수 0 2024. 4. 16.
[0415 복습] 딥러닝 기초_딥러닝 개념, 회귀 모델링, 이진분류, 다중분류, CNN 등 **셀프 복습용으로 작성한 것이라 실수가 있을 수 있습니다! 혹시 실수를 발견하시면 댓글로 알려주시면 감사드리겠습니다 :) 딥러닝 기초 CH1. 딥러닝 개념 이해 가중치와 가중치 조정 각 변수별 중요도를 선정하여 변수 X 가중치를 통해 모델링 최적의 모델 = 오차가 가장 적은 모델, 최적의 가중치를 찾아 오차를 줄이는 방식 weight를 조정해 모델 학습, 오차가 줄어드는지 확인 → 지정한 횟수만큼 or 더 이상 오차가 줄지 않을 때까지 반복 model.fit(x_train, y_train)을 통해 학습 가중치에 초기값을 랜덤으로 지정 후 → 예측 결과 뽑음 (학습 데이터) 오차 계산 후 오차를 줄이는 방향으로 가중치 조정 (Optimizer; 가중치를 어떻게 줄여야 하는지 찾는 역할) 이 과정을 계속 .. 공감수 1 댓글수 0 2024. 4. 15.
[0402 복습] 앙상블 (보팅, 배깅, 부스팅, 스태킹) 앙상블 CH1. 앙상블 이해 앙상블(Ensembel) 약한 모델이 올바르게 결함하면 더 정확하고 견고한 모델 얻을 수 있음 ! → 약분류기를 강분류기로 만드는 방법 여러 개의 모델을 결합해 훨씬 강력한 모델을 생성하는 기법 캐글과 같은 많은 기계학습 경쟁에서 상위 순위 차지 앙상블 방법: ① 보팅 ② 배깅 ③ 부스팅 ④ 스태킹 CH2. 보팅 보팅(Voting) 여러 모델들(다른 알고리즘)의 예측 결과를 투표를 통해 최종 예측 결과 결정하는 방법! 하드 보팅: 다수 모델이 예측한 값 소프트 보팅: 각 모델이 예측한 레이블 값의 결정 확률 평균 구하고 가장 확률이 높은 값 CH3. 배깅 배깅(Bagging) Bootstrap Aggregating의 약자, 부트스트랩한 데이터로 모델 학습 (같은 모델) 부트스.. 공감수 0 댓글수 0 2024. 4. 3.
[0401 복습] 머신러닝 마무리_로지스틱 회귀분석, K-Fold Cross Validation(k-분할 교차 검증), 성능 예측, 하이퍼파라미터 튜닝, Random Search, Grid Search 결정트리 실습 리뷰 - 모델링에서 학습용, 평가용 데이터 분리 시 검증용 데이터까지 필요하다면 x_val, y_val 로 변수명 설정! - max_depth의 기본값 = None - 결정트리에서 변수 중요도를 표시: 트리 구조에서 특정 변수가 줄여준 총 불순도의 양이 많은 순서 (전체에서 차지한 비율) **max_depth를 주면 변수 중요도가 달라짐! Why? 트리의 깊이(단계)가 줄어들기 때문에 당연히 변수 중요도가 달라짐 CH4. Logistic Regression(로지스틱 회귀분석) 확률문제를 선형회귀로 모델링, 로지스틱 회귀 공부 시간에 따라 합격 (1) 불합격 (0)으로 나눔! 범주값도 숫자이기 때문에 선형 회귀모델을 만들 수는 있음! 그러나 아래의 그래프는 0,1 제외 다른값도 존재! 결과는.. 공감수 0 댓글수 0 2024. 4. 1.
[0329 복습] 기본 알고리즘_Linear Regression(선형회귀), K-Nearest Neghbor(KNN), 정규화(스케일링), Decision Tree(의사결정나무, 결정트리) CH1. Linear Regression(선형회귀) 최적의 회귀모델 y = ax +b (a는 기울기(가중치), b는 y절편(편향)) 다양한 형태를 가진 데이터에서 최선의 직선을 긋는 것! (오차의 합=MSE이 최소가 되는 직선) 단순 회귀 독립변수가 하나면 단순 회귀, 여러 개이면 다중 회귀! x 값 하나만으로 y 값을 설명할 수 있는 경우 모델 학습 후 회귀계수 확인 가능 회귀식: y = w0 + w1x1 coef_: 회귀계수(=가중치) intercept_: 편향 다중 회귀 여러 독립변수가 종속변수에 영향을 미치는 선형 회귀 y값을 설명하기 위해서는 여러 개의 x값이 필요한 경우! 모델 학습 후 회귀계수 확인 가능 회귀식: y = w0 + w1x1 + w2x2 + w3x3 + w4x4 ... + wnx.. 공감수 1 댓글수 0 2024. 3. 29.
[0328 복습] 머신러닝 성능 평가(회귀 모델, 분류 모델)_MSE, MAE, 혼동행렬, 결정계수, F1-Score, SST, SSR, SSE **셀프 복습용으로 작성한 것이라 실수가 있을 수 있습니다! 혹시 실수를 발견하시면 댓글로 알려주시면 감사드리겠습니다 :) CH1. 회귀 모델 성능 평가 평가 방법 분류 모델 평가: 0인지 1인지 예측하는 것 (이진분류), 예측값이 실젯값과 많이 같을수록 좋은 모델이라 할 수 있음 정확히 예측한 비율로 모델 성능을 평가 (accuracy_score: 정확도) 회귀 모델 평가: 정확한 값을 예측하기는 사실상 어려움, 예측값이 실젯값에 가까울수록 좋은 모델이라 할 수 있음 예측한 값과 실젯값의 차이(=오차)로 모델 성능을 평가 (mean_absolute_error: 오차) 오차 제곱의 합 오차 제곱(SSE)의 합을 구한 후 평균을 구함 → MSE 오차의 제곱이므로 루트를 사용해 일반적인 값으로 표현 → RM.. 공감수 0 댓글수 0 2024. 3. 28.
[빅분기] CH3. 통계기법의 이해_기술통계, 추론통계 24.03.27 p.268 - p.333 개념공부 및 예상문제 풀이 - 기술통계량 손으로 직접 풀어야 되는 줄 몰랐다.. ;-; 공감수 0 댓글수 0 2024. 3. 28.
[빅분기] CH2. 데이터 탐색_데이터 탐색의 기초, 고급 데이터 탐색 24.03.26 p.236 - p.265 개념공부 및 예상문제 풀이 예상문제 오답노트_데이터 탐색의 기초 01) 탐색적 데이터 분석 및 필요성에 대한 설명으로 틀린 것은? ① 수집한 데이터가 들어왔을 때, 다양한 방법을 통해서 자료를 관찰하고 이해하는 과정을 의미하는 것이다. ② 데이터의 분포 및 값을 검토함으로써 데이터가 표현하는 현상을 이해할 수 있다. ③ 문제점 발견 시 본 분석 전 데이터의 수집 의사를 결정할 수 있다. ④ 최초의 가설에 집중하여 원하는 패턴과 양상에 맞는지에 집중하여 검증하는 데 노력한다. - 새로운 양상을 발견하면 가설을 수정하는 방식으로 진행한다. 10) 포트폴리오의 투자수익률, GDP 성장률 등의 연간 자료에 대해서 알맞은 기술적 통계량인 평균은 무엇인가? ① 산술평균 ② .. 공감수 0 댓글수 1 2024. 3. 27.
[0327 복습] 데이터 전처리 리뷰, 머신러닝, 분류 모델, 회귀모델, 사이킷런 Sklearn 머신러닝 학습 방법에 따른 분류 지도 학습: 학습 대상이 되는 데이터에 정답을 제공, 규칙성과 데이터의 패턴을 배우게 함! 비지도 학습: 정답이 없으며, 데이터 만으로 머신러닝이 알아서 학습하도록 함 강화 학습: 선택한 결과에 대해 보상을 받아 행동 개선하는 학습 방법 (ex.알파고) 과제에 따른 분류 분류 문제: 이미 분류되 데이터를 학습해 규칙 찾고, 그 규칙 기반으로 새롭게 주어진 데이터를 적절히 분류하는 것을 목적으로 함 (지도 학습) ex. 많이 팔릴까 적게 팔릴까? (범주형) 회귀 문제: 이미 결과값이 있는 데이터를 학습 → 입력 값과 결과 값의 연관성 찾고, 연관성 기반으로 새롭게 주어진 데이터에 대한 값을 예측하는 것 목적으로 함 (지도 학습) ex. 판매량 예측 등 (연속적, 수치형) 클.. 공감수 1 댓글수 1 2024. 3. 27.
[0325 복습] 데이터 분석 표현_스트림릿 title, caption, header, markdown, code, latex, write, metric, selectbox ..etc 데이터 분석 표현_스트림릿 anaconda prompt에서 바로 jupyter lab 입력 CH1. 스트림릿 개요 스트림릿 이해 : 빠름, 웹 기반의 어플리케이션, 공유가 원활, 인터랙티브(상호 작용) 스트림릿 설치 및 사전 세팅 : pip list로 설치된 모든 모듈 확인 : pip install streamlit == 1.30.0 로 1.30.0 버전으로 streamlit 설치 : streamlit hello 명령어 입력 후 Email: 이메일 주소 입력 : 주피터랩에서 Settings - Terminal Theme - Dark로 변경 CH2. 기본 elements Text elements - 해당 파이썬 파일을 실행하려면 File - New - Terminal 접속 후 streamlit run 폴더.. 공감수 0 댓글수 0 2024. 3. 25.
[빅분기] CH1. 데이터 전처리_분석 변수 처리 24.03.19 01. 변수 선택 1) 회귀분석의 사례 2) 변수별 모형의 분류 ① 전체 모형: 모든 독립변수를 사용한 모형으로 정의 ② 축소 모형: 전체 모형에서 사용된 변수의 개수를 줄여서 얻은 모형 ③ 영 모형: 독립변수가 하나도 없는 모형 의미 3) 변수의 선택 방법 ① 전진 선택법 - 영 모형에서 시작, 모든 독립변수 중 종속변수와 단순상관계ㅜ의 절댓값이 가장 큰 변수를 분석모형에 포함시킴 - 부분 F 검정을 통해 유의성 검증을 시행해, 유의한 경우 가장 큰 F 통계량을 가지는 모형을 선택하고 유의하지 않은 경우는 변수선택 없이 과정을 중단 - 한번 추가된 변수는 제거하지 않는 것이 원칙 ② 후진 선택법, 후진 소거법 - 전체모델에서 시작, 모든 독립변수 중 종속변수와 단순상관계수의 절댓값이 가.. 공감수 0 댓글수 0 2024. 3. 19.
[0319 복습] 웹 크롤링_동적 페이지, REST API, HTML, CCS-Selector 웹 크롤링(Web Crawling) (2) 크롤링 심화 - 파이썬 코드로 웹 서버에 데이터를 긁어오면 Was는 abuser로 판단해서 request를 차단 - request할 때 Client, header 영역에 user-agent라는 정보가 자동으로 전달됨 - user-agent: 컴퓨터가 윈도우인지, OS인지 접속한 브라우저 정보 들어있는 것! **파이썬으로 불러오면 user-agent에 python이 들어가 있음 ! → 정상적인 request 보내지 말아야 겠다고 판단하는 것 ** 이 경우 파이썬 코드로 데이터를 수집할 수 없음! → 회피 방법? request는 client쪽에서 만들어지는 data이기 때문에, 파이썬에서 코딩으로 user-agent 정보를 설정해서 서버로 보내는 것! 크롤링 절차 .. 공감수 0 댓글수 0 2024. 3. 19.
[빅분기] CH1. 데이터 전처리_데이터 정제 24.03.18 01. 데이터에 내재된 변수의 이해 1) 데이터 관련 정의 ① 데이터(Data): 이론을 세우는 기초가 되는 사실 또는 자료를 지칭, 기호화/수치화된 자료를 말함 ② 단위(Unit): 관찰되는 항목 또는 대상을 지칭 ③ 관측값(Observation): 각 조사 단위별 기록정보 또는 특성 ④ 변수(Variable): 각 단위에서 측정된 특성 결과 ⑤ 원자료(Raw Data): 표본에서 조사된 최초의 자료 2) 데이터의 종류 ① 단변량자료(Univariate Data): 자료의 특성을 대표하는 특성 변수가 하나인 자료 ② 다변량자료(Multivariate Data): 자료의 특성을 대표하는 특성 변수가 두 가지 이상인 자료 ③ 질적자료(Qualitative Data): 정성적 or 범주형 자.. 공감수 1 댓글수 0 2024. 3. 18.
[0318 복습] 파이썬 class 선언, 데이터 수집_웹 크롤링, 데이터 스케일링, 상관계수 분석 파이썬 기초 복습 Python Syntax 1. 변수선언: RAM 사용, 식별자, 메모리 저장 공간 구별하는 문자열 2. 데이터 타입: RAM 효율적 사용, int, float, bool, str, list, tuple, dict 3. 연산자: CPU 사용, 산술, 비교, 할당, 논리, 멤버 등 4. 조건문, 반복문: 코드 작성 효율 증가 문법, if, elif, else, while, for, break, continue 5. 함수: 반복되는 코드를 묶어서 코드 작성 실행, def, return, args-params, doctstring, scope, lambda 6. 클래스: 여러개 변수, 함수를 묶어서 코드 작성 실행 : 객체지향 구현 7. 입출력: SSD(HDD) 사용, pickle Class .. 공감수 0 댓글수 1 2024. 3. 18.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.