하 며칠전부터 젭오류때문에 너무 빡쳐서 별의별 방법 찾았다가 결국 상담원 연결 3시간 시도만에 성공!!!!!!!!!!

근데 답을 안줘서 0은매께도 찾아갔다가 해결해주심.......진짜 매니저님 완전 짱이자낫

오늘 진짜 이거 고친거 대박이다

성별 나이

(추가)2030대 남성이 게임의 주요 과금 고객층이다. 마케팅·상품 기획의 타겟으로 최우선 고려해야 함. 2030대 여성층도 타겟으로 삼을 가치가 높다! 여성향 콘텐츠 강화 시 추가 매출 기대 가능 중장년층 남성은 장기 유저 및 고과금 유저일 가능성이 있음. VIP 관리 또는 리텐션 중심 전략 유효.

마케팅 동의

(초안)마케팅 동의 여부와 결제 방식별 EDA를 살펴보면 마케팅 동의 여부에 동의한 사람의 누적 결제금액이 더 많았고 결제 방식에도 간편결제를 사용한 사람의 결제 비율이 더 높았습니다. 이는 간편결제를 유저들이 선호한다고 해석

(추가) 과반수 이상(약 56%)이 마케팅에 동의한 유저로, 매출 기여도가 더 큼 CRM 마케팅!! 마케팅 동의 유저에게는 이메일, 푸시, 문자 등 적극 활용하기?

유입경로

(추가)어느 한 채널에만 의존하지 않고 여러방면으로 유입되고 있다 -> 긍정적? 세부 수치는 근소한 차이지만, 소셜 미디어가 그래도 가장 높은 비중이므로 SNS 강화하거나 확장하면 매출 상승 여력 존재

이탈유저

(초안)마지막 접속일자 기준 분석 결과, 접속 시점과 나이 간 명확한 상관관계는 보이지 않았고, 복귀 유저는 꾸준히 존재하지만, 결제 및 환불 금액은 일정한 수준을 유지하고 있습니다. 또한 VIP 유저도 마지막 접속일 기준으로 최근 접속률이 급감했기에 이탈 방지 및 재접속 유도 전략이 필요한 시점입니다.

초기 유저 유지 전략과 지속 유입 유저의 활성화 방안이 필요하기도 함

(추가)게임의 장기 유지 전략이 취약하거나, 콘텐츠가 빠르게 소모되고 있을 가능성? 주요 결제 상품별

(추가) 게임의 성장 구조가 전투력이랑 강화 패키지 중심? 신규유저용, 10레벨 달성자용, N일 미접속자 전용 패키지 등 추가해볼수도..

국가별

(추가) 한국이 전체 매출의 절반 가까이 차지하므로 국내 중심 매출 구조. 게임이 한국 정서에 최적화 되어 있다?(흠) 매출의 한계라고 볼수도 있을듯하다. 외국 현지 마케팅이 잘 안되어 있을수도 있어서 그것도 외부요인으로 끌고와도 될수도

첫 접속일자

(초안)다음 유저의 첫 접속일자 기준으로 행동 특성을 분석을 보면 전체 유저의 약 1/3이 오픈 첫 2일 내에 몰렸으며, 이후 접속자 수는 급감하는 형태를 보였습니다. ARPPU와 LTV도 시간이 지날수록 낮아지는 경향을 보인다.초기 유저 유지 전략과 지속 유입 유저의 활성화 방안이 필요함

(추가) 초안보다 더 무언가 생각나지 않음....

서비스 점수

(추가) 동작이 잘안되는지는 모르겠지만 일단 그냥 그런 듯 지금처럼 유지하면 유저가 언제든 쉽게 이탈하거나 경쟁작으로 이동할 수 있다는 생각이 들음 서비스가 그냥 저냥해서 이탈했나?ㅋㅋ라는 개인적 해석 첨가요

잔존일수

(초안) 유저의 잔존 기간을 중심으로 분석했습니다. 왼쪽 그래프는 생존일수 분포로, 장기유저가 일반 유저보다 길게 잔존하는 양상으로 보여지는데 리텐션 연수를 기준으로 한 파이 차트를 보시면, 3년 이상 유지된 장기 유저가 전체의 약 65%를 차지합니다. 그런데 잔존율 커브 곡선을 보면 시간이 지남에 따라 유저 이탈이 어떻게 진행되는지 직관적으로 확인할 수 있습니다.

이게 머냐고? 나도 몰라

묻지마라...... ㅠㅠ

아니 상HOON님도 아니고 현2님도아니고 JI은님도 아니고 동HYEON 님도 아니고 수2님도 아니고 경U님도 아니여서 개놀람 알고보니까 새 장비 탑재한 동HYEON님이였어 아오오오~

그만해!

ADSP 이틀남음

오늘은 양피지를 오지게 찾았어요..

노잼 인생

나는 이제 지쳤어요 땡벌땡벌

ㅠㅠ살려조

내가오늘 만든거 나진짜 개빡센하루보냈어

오늘 병원에 사람 개많아서 간단 약처방인데 개오래기달림 아니 이럴거면 랩탑가져갓지'~ 하지만 발열 지려서 안됌ㅋ

별의별 별명이 다 생기고 있어요 고딩때 친구가 사이비종교 교주하라햇엇는데 갑자기 생각난.. 내눈을 바라봐 넌 행복해지고 넌 건강해질거야 왤케 꼬질하냐 몽자

자몽 자몽

몽자 몽자

자꾸 한글자씩 더 쳐져져 진짜 짜증났었는데데

해결책 찾음음

무튜튜 감사합니다다다다다다다

짱!

크하하 나는 역시 DA..이런거보단 기획자가 맞는거같다.... 기상천외한 발상하기 전문가 ㄷㄷ

하 게임 도메인 진쫘 나랑 안맞는듯 아는게 하나두 없어서 유튜브로 대충 공부했는데도 길드? 머어쩌구 정말 멀티버스세상같다

# 맨 첫줄이 영문 컬럼명이므로 삭제하기
df = df.drop(index=0).reset_index(drop=True)

# 위도 결측치를 방글라데시 위도로 채우기
df['위도'] = df['위도'].fillna(23.685)

# 경도 결측치도 똑같이ㅣㅣ 채우기
df['경도'] = df['경도'].fillna('90.3563')

# 숫자로 변환 가능한 object 타입 컬럼만 처리
for col in df.columns:
    if df[col].dtype == 'object':
        # 쉼표 제거 + 공백 제거
        df[col] = df[col].str.replace(',', '').str.strip()

        # 숫자형으로 변환 시도
        try:
            df[col] = pd.to_numeric(df[col])
        except ValueError:
            pass  # 변환 안 되는 건 그냥 그대로 둠


df['첫 접속일자'] = pd.to_datetime(df['첫 접속일자'], errors='coerce')
df['마지막 접속일자'] = pd.to_datetime(df['마지막 접속일자'], errors='coerce')


# 결과: 컬럼별 데이터 타입 확인
df.dtypes

대충 파이썬으로 한 전처릿~~ 이거면 되겟쥐

나머지는 경HO님이 제안해주신 피그마로 진행중! 지금 도데체 기록을 몇개를 하는거야 노션...TIL.....5분기록보드....피그마......내 토마토다이어리까짓 나진짜 힘두러

힘들땐 토마토~

응 근데 우리 게임해

저도 일정부분 동의~

사실 뭔들 상관없어요.. 도메인보다 태블로로 만들었을때 이쁜게 더 중요햇

아 요즘 다이어리도 안쓰고 TIL도 잘 안써요.. 근데 갑자기 5분대시보드라니 저기 그건 더 안쓸듯.. 하지만 노력해보겟어요

계속되는 프로젝트에 지친 나의 마음 누가 달래주나...

자몽아 애교좀 부려봐~ 20조에 두고온 자몽이가 아른거리네....

오늘은 태블로 과제 1빠제출로 1등먹었돠! 다행히 이번 기본과제는 매우 이지하게 끝.. 아니 일케 갑자기 경쟁을 붙이시면 도전 풀기 싫어지자나욧.. 근데 포인트 안탐나는건 함정

그동안 정말 바빴다구? 이제 절대 빼먹지 않을게~

요즘 태블로를 배우고 있달게! 꽤 취향인 툴이라고 생각할게?

머 이런걸 배우는건가봐 나 사실 이런거 좋아한달게.

새로운 팀원도 만났달게 ~ 나 또 4조됐게!!!! 조이름 사은서일게.................... 구라아니고 진짜일게

살짝 명예로울게? 참고로 조장은 한턴 건너뛸게~ 그만큼 했으면 좀 쉬어도 되잖아?ㅋ

갑자기 한참쉬다가 쓰려니 평소에 뭐썼는지 잊어머거서 지난 TIL정주행하고 왔달게 온통 화밖에 없달게.. 나 AI도 인정한 상위1퍼행복지수느끼는사람이였는데 왜이렇게 됐을게 이게다

코딩때문이야

솔직히 재밌긴할게 요즘 피아노 다시 말리는건 비밀일게...

심화 프로젝트 끝나고 좀 아팠달게 나 꼭 큰일 끝내면 아프는 병있는데 이번에도 당첨됐달게

근데 나없으면 심심하다고 슬랙 많이와서 뿌듯하면서 놀랐달게

나 글케 시끄러웠나?

흑흑 나 열공한달게.................

하지만 너희들이 웃어준다면 만족할게@@!!!!!!!!

54프로 수료한 지금.. 앞으로도 힘내볼게?

PS : 요즘 인스타에 자주 뜨는 한주먹? 이라는 사람의 릴스가 내 말투를 이렇게 만들어 버렸게.. 게.. 게. 게.......... 링크 첨부할게 개인적으로 말투 취향 저격일게 잘가 말대꾸쟁이들 내일 보자구 제발 부탁할게

별짓을 다함

언님 돌아오시면 보게 될 광경 나 안해

Import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error, r2_score,mean_absolute_error
import scipy.stats as stats
import math
import warnings
import folium
from folium.plugins import MarkerCluster


# 샘플링 (예: 1000개의 무작위 샘플)
df_sample = df.sample(n=1000, random_state=42)

# 지도 중심 좌표 계산 (샘플 데이터의 평균값)
center_lat = df_sample['latitude'].mean()
center_lon = df_sample['longitude'].mean()

# 지도 생성
m = folium.Map(location=[center_lat, center_lon], zoom_start=12)

# 클러스터 생성
marker_cluster = MarkerCluster(name='모든 마커').add_to(m)

# 마커 추가 (팝업 포함 예시)
for idx, row in df_sample.iterrows():
    lat = row['latitude']
    lon = row['longitude']

    popup_info = folium.Popup(f"""
        <b>Index:</b> {idx}<br>
        <b>Lat:</b> {lat}<br>
        <b>Lon:</b> {lon}
    """, max_width=300)

    folium.Marker([lat, lon], popup=popup_info).add_to(marker_cluster)

# 레이어 컨트롤 추가 (클러스터 On/Off 가능)
folium.LayerControl().add_to(m)

# 지도 저장
m.save('map.html')

# Jupyter 노트북에서 크게 보기
from IPython.display import IFrame
IFrame('map.html', width=1200, height=800)

import folium
from folium.plugins import MarkerCluster
center_lat = df['latitude'].mean()
center_lon = df['longitude'].mean()
m = folium.Map(location=[center_lat, center_lon], zoom_start=12)

# 마커 클러스터는 쓰지 않고, 점처럼 아주 작게 표시
for idx, row in df.iterrows():
    lat = row['latitude']
    lon = row['longitude']
    folium.CircleMarker(
        location=[lat, lon],
        radius=1.0,  # 점 크기 (작게!!!!!!!!!!!!!!!!!!!!!!!!!!!!)
        color='blue',  # 외곽선 색
        fill=True,
        fill_color='blue',
        fill_opacity=0.7,
        opacity=0.5
    ).add_to(m)

# 저장 및 보기
m.save('map_dots.html')


# 맨해튼만!!
df_manhattan = df[df['neighbourhood_group_cleansed'] == 'Manhattan']

# 색상 정의! 5단계로 분류 (매우저렴 , 저렴, 중간, 고가, 초고가고가)
def get_color(price):
    if price < 80:
        return 'green'
    elif price < 150:
        return 'yellow'
    elif price < 300:
        return 'orange'
    elif price < 600:
        return 'red'
    else:
        return 'purple'


# 지도 중심
center_lat = df_manhattan['latitude'].mean()
center_lon = df_manhattan['longitude'].mean()
m = folium.Map(location=[center_lat, center_lon], zoom_start=13)

# CircleMarker 추가 (색상은 가격에 따라)
for idx, row in df_manhattan.iterrows():
    color = get_color(row['price'])
    folium.CircleMarker(
        location=[row['latitude'], row['longitude']],
        radius=1.2,  # 작지만 조금 더 잘 보이게
        color=color,
        fill=True,
        fill_color=color,
        fill_opacity=0.6,
        opacity=0.4
    ).add_to(m)

# 저장
m.save('manhattan_price_colored.html')
# 웹에서 나타내기 (맨해튼을 가격별로 시각화화)
import webbrowser
webbrowser.open('manhattan_price_colored.html')

오늘 하루종일 붙잡고 있던 시각화 코드

진심 죽어버리는줄 알았다 GPT쓰고싶어요제발

어제오늘은 TIL을 제대로쓸 기력이 없다 진짜 코드만 300줄 짠듯

근데 어 이건아니지

ㅅㅅㅅㅅㅅㅅㅅㅅㅅ미친돌아갔다!!!!!!!!!!!!!!!!!!1

아 오늘 개 재밌었고 개 힘들었다

아 오늘 레전드로 개힘들었다.

오늘 뭔갈 많이 했다...

전처리 끝!!!!!!!!!!!

토마토사탕맛잇쥬

끝

제목 보고 피식 했쥬?

ㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋ

오늘은 우당탕탕데이.. 셀프파마하다가 아티클스터디할뻔.. 배려해주신 여러분들 감사합니다 완전히 잊고있었잖아~!!!!!!!!!!!!!

원래계획 : 파마를 말고 열처리하는데 30분걸리니까 그사이에 코드카타를 풀고 중화하면서 강의를 듣자 (아티클스터디 아예 생각도 못함)

근데 갑자기 보이스들려서 식겁 와

이러고 아티클스터디할뻔 아오

근데 펌잘됌ㅋㅋ

우당탕탕 스터디고*

오늘 아티클스터디 너무 유익그자체 5기선배들의 심화 프로젝트를 하나 선정해서 좋은 점과 아쉬운 점 도출해보자악 나는 10조의 스포티파이 음원 데이터를 활용한 재즈 플레이리스트 추천 프로세스 탐구 주제를 선정했당

1시간동안 발표들으면서 생각한 내요약..

• 요약 : 스포티파이 음원 데이터를 활용한 재즈 플레이리스트 추천 프로세스 탐구

• 주요 포인트 : 스포티파이 데이터의 다양한 음악 "특성"을 클러스팅하여 음악의 스타일, 인기, 트렌드 등의 패턴을 파악하고, 이를 통해 재즈 추천 플레이리스트를 제안

• 인사이트: 재즈라는 분야는 종사자들도 특성으로 쉽게 구분할 수 없어 보통 시대로 구분하곤 한다. 10조는 특성으로 이상치제거를 시도하는 등 조금 아쉬운 시도를 한것이 가장 도드라졌다. 화이트노이즈와 오디오북을 거르는 것에서 그치지않고, 기준이 확실하지 않은 상태에서 이상치를 함부로 제거하면 좋지 않은 결과를 낼 수 있다고 느꼈다. 도메인 지식 매우매우 중요한듯………

    - 컬럼별 상관관계를 분석한 결과가 에너지틱하고 풀사운드에 가까울 수록 하드비밥 빅밴드 스윙인것. 캄하고 에너지 지수가 낮을수록 쿨재즈에 가깝다라고 분석한 것도 인상적이였다. 전처리를 통해 수치적으로 데이터를 정렬할 수 있다는게 직관적으로 와닿았다.

  • 10조의 발표를 보며 데이터를 전처리하는 과정이 매우 쉽지않을것이라 생각이들고 쉽게 구분지을 수 없는 뮤직 관련 도메인은 아이러니하게도 전혀 선택하고 싶지 않다고 생각했다..ㅋ

그후 갑자기 U진님의 본격 수학시간 갑자기 하게되서 나 기초수학 강의들음.......아놔 왤케 멍청해졌지 오늘참 다사다난하다

DRAGON우님의 4단케이크..가아닌 4단분수도 봄

머신러닝 세션 전부 정리하고 기출풀고 오늘 하루 끝함

• 클러스터링 = 군집분석

  클러스터링은 데이터분석에서 피쳐(컬럼) 유사성의 개념을 기반으로 전체데이터셋을 그룹으로

  나누는 그룹핑 기법입니다. 각 그룹을 클러스터라고 합니다.

  현업에서는 우리가 주로 보게 되는 kaggle dataset 과는 다르게, 방대한 DB가 구축되어 있습니다.

이러한 데이터 속에서 데이터분석가는 의미있는 특징(컬럼)을 찾고, 최적의 그룹 갯수를 찾아 그룹별 인사이트를 도출해내는 역할을 수행

프로세스(Experiment)

실험시 고려되야 하는 사랑 • 한명의 고객에게 하나의 클러스터 매핑이 되었는지? (클러스터링시, UNIQUE ID 는 빼고 진행) • 데이터 자체에 결측이 많지는 않은지? • 데이터가 결측은 아니나, value가 0인 경우가 많은지? • 데이터의 전반적인 분포는 어떠한지? 컬럼 간 상관계수는 어떠한지? • 데이터가 불규칙한지? • 컬럼이 가지는 개념적인 의미는 무엇인지? • 컬럼값이 이진형인지? • cluster 비중이 지나치게 편향되어 있는지?

코드카타 느리더라도 한문제씩 꾸준히 풀기

68번 첫번째 쿼리작성

SELECT 
  O.AUTHOR_ID, 
  O.AUTHOR_NAME, 
  O.CATEGORY, 
  O.PRICE * S.SALES AS TOTAL_SALES
FROM (
    SELECT 
      B.BOOK_ID,
      B.CATEGORY,
      B.AUTHOR_ID,
      B.PRICE,
      A.AUTHOR_NAME
    FROM BOOK B
    JOIN AUTHOR A ON B.AUTHOR_ID = A.AUTHOR_ID
    WHERE B.PUBLISHED_DATE BETWEEN '2022-01-01' AND '2022-01-31'
) O
JOIN BOOK_SALES S ON O.BOOK_ID = S.BOOK_ID
ORDER BY O.AUTHOR_ID ASC , O.CATEGORY DESC

특징 BOOK 테이블 기준으로 필터링합니다. 즉, 2022년 1월에 출판된 책들만 대상

이 책들에 대해 모든 판매 기록(시점과 상관없이)을 BOOK_SALES에서 가져와서 PRICE * SALES로 계산

SALES_DATE는 고려하지 않음 → 판매가 언제 일어났는지는 중요하지 않음.

집계(X): 단순히 행별로 계산해서 출력할 뿐, 총합을 구하지 않음.

수정된 두번째 쿼리

SELECT 
  O.AUTHOR_ID, 
  O.AUTHOR_NAME, 
  O.CATEGORY, 
  O.PRICE * S.SALES AS TOTAL_SALES
FROM (
    SELECT 
      B.BOOK_ID,
      B.CATEGORY,
      B.AUTHOR_ID,
      B.PRICE,
      A.AUTHOR_NAME
    FROM BOOK B
    JOIN AUTHOR A ON B.AUTHOR_ID = A.AUTHOR_ID
) O
JOIN BOOK_SALES S ON O.BOOK_ID = S.BOOK_ID
WHERE S.SALES_DATE LIKE '2022-01%'
ORDER BY O.AUTHOR_ID ASC , O.CATEGORY DESC

집계가 안되었다고해서 재작성..

최종!!!!!!

SELECT A.AUTHOR_ID,
       A.AUTHOR_NAME,
       B.CATEGORY,
       SUM(B.PRICE * BS.SALES) AS TOTAL_SALES
FROM (
    SELECT *
    FROM BOOK_SALES
    WHERE SALES_DATE LIKE '2022-01%'
) BS
JOIN BOOK B ON BS.BOOK_ID = B.BOOK_ID
JOIN AUTHOR A ON B.AUTHOR_ID = A.AUTHOR_ID
GROUP BY 1, 2, 3
ORDER BY 1, 3 DESC

BOOK_SALES 테이블 기준으로 필터링 즉, 2022년 1월에 발생한 판매 기록만 대상

해당 판매 기록에 연결된 책들을 JOIN해서 가격 정보를 가져온 뒤, PRICE * SALES를 합산(SUM).

집계가 포함되어 있어, 결과는 AUTHOR_ID, CATEGORY별 총 판매액 나타냄

출판일은 고려하지 않음 → 출판일이 언제인지는 중요하지 않음.

SQL의 사고방식을 장착하는건 너무나 컴퓨터같은 일

아오 머리아파!

오늘 토마토 왕창먹고 토마토빵까지 먹었더니 이말들음 얘들아 너희들이 안먹는만큼 내가 먹어서 이세계가 유지되는거다.

오늘은 VSCODE 설치에 좀 애먹는데 당덩근님과 광광울었다님이 도와주셔서 라이브러리 설치까지 해결! 아나콘다는 도저히 안깔려요....

그 후 머신러닝 딥러닝에 대해 강의 수강.. 드디어 끝이 보여요

딥러닝은 “데이터로부터 계층적 특징을 학습”하는 강력한 방법론이며,

• CNN: 이미지·영상
• RNN, LSTM, GRU: 시퀀스 데이터
• Transformers: NLP를 넘어 다양한 영역으로 확장 실제 산업계에서 의료, 자율주행, 감정 분석, 음성 인식 등 폭넓게 활용하고 생성형 AI의 등장으로 다양한 창의적 작업에도 AI가 도움을 주는 시대가 열렸다는 것

분류의 대한 강의를 들으면서 궁금했던 점도 정리!

분류와 회귀의 차이점 분류는 일정한 기준에 따라 명백하게 구분 짓는 것이고, 회귀는 오차 제곱의 합을 최소화 하는 직선을 긋는 작업.

또 클러스터랑 클러스터링은 다르더라구요..

클러스터 ( cluster ) 어떤 데이터 집합을 유사성에 따라 여러 개의 클래스나 그룹으로 나눌 때, 나누어진 클래스들

클러스터링 ( clustering ) -로 유사한 특성을 가진 여러 개의 그룹으로 묶는 기법인데, 같은 클러스터에 있는 점들은 다름 클러스터에 있는 점들보다 더 유사해야 한다. -분류는 주어진 데이터를 좌표상에서 일정한 기준에 따라 직선으로 분류하는 것이지만, 클러스터링은 유사성에 따라 몇 개의 클래스터들로 묶는 것.

비지도 학습 -주어진 입력에 대응하는 출력 정보 없이 학습하는 것 -데이터를 분류할 수 있는 정보가 전혀 없이 패턴을 찾거나 데이터를 분류하려고 할 때 사용하는 방법. -데이터에 대해 레이블을 전혀 사용하지 않는다.

비지도 학습의 응용 분야 -비슷한 성향의 고객을 그룹으로 묶기 -블로그에서 주제별로 구분하기 -유사한 꽃이나 동물들끼리 묶기 -네트워크상에서의 비정상적인 접근의 탐지

오늘 뭐 나쁘지 않은 열공 하루를 보냈지만 날씨가 좋아서 점심시간을 2시간이나 가져버림ㅎ 하지만 토마토빵을 겟하기 위함이였으니 용서해주시길! 아티클 스터디도 너무 알차게 진행했습니다

아티클요약!

• 요약 : 데이터 분석가 채용 공고에 꼭 나오는 문장인 ‘ 통계적 사고’, ‘통계 지식 자격 요건’ 이라는 말을 실제 면접에서 어떤 식으로 질의응답하고 실무에서 어떤 식으로 적용하는지 자세히 예를 들어 정리된 아티클
• 주요 포인트 : 기초 통계 질문의 예시를 들어 어떤 방식으로 면접을 준비하면 좋을지 가이드를 잡음
• 인사이트: 통계 세션과 강의를 연달아 수강하며 마냥 개념들이 자리잡히지 않고 단어적으로 달달 외우는 수준에 그쳤는데, 실제 면접에서는 어떤식으로 질의응답하고, 통계를 실무에 어떻게 적용하는지 갈피를 잡아주는 아티클이라 매우 유익했다!! 역시 실제 면접에서는 단어적 뜻을 질의하는 것이 아닌, 해당 면접자가 어떤식으로 통계를 이해하고 적용하고 있는지를 고려하는 것 같아 통계 공부를 할때도 어떻게 학습하고 이해해야할지 다시끔 생각해보는 시간이 되었다.

면접에서 DA직무한테 꼭 물어보는 통계질문에 대해 진지하게 생각해보는 시간이 되어 좋았어요 글을 발견해주신 MIRAI님께 감사 헤헤 오늘은 이만~~

머신러닝 공부하면서

1.경험을 통해 학습한다. 가설을 가지고 실험을 한다. → 판단력 2. 머신러닝은 기계에게 판단력을 기르는 과정이다 3. 판단력 = 모델 4. 모델을 만드는 과정 = 학습 5. 잘 만든 모델 → 좋은(정확한) 추측 → 좋은 결정

가지고 있는 데이터에 독립변수와 종속변수가 있고, 종속변수가 숫자일 때 회귀를 이용 가지고 있는 데이터에 독립변수와 종속변수가 있고, 종속변수가 이름일 때 분류를 이용

군집화는 클러스터링 군집화는 비슷한 것을 찾아서 그룹을 만드는 것 = 비슷한 행(row)을 그룹핑하는 것

• 그룹 만드는 것이 "군집화", 어떤 대상/그룹에 속하는지 판단하는 것이 "분류"
• 군집화 해야 할 데이터가 1,000만개라면? 머신러닝이 구원자!

비지도학습과 지도학습 구분해서 이해하기 ->

지도학습은 역사적, 독립변수(원인)와 종속변수(결과)를 파악하는 것이 목적

• 비지도학습은 탐험적, 데이터의 성격을 파악하는 것이 목적
• 데이터 분석이란 비슷한 것은 모으고, 다른 것은 떨어뜨리는 것 (변환은 까치밥으로 남겨두기..)

오늘은 프로젝트 준비를 위해 머신러닝 개념을 정확히 이해하고 적용하는걸 연습했다! 찾아보니 머신러닝 모델을 만들어주는 사이트도 있었어서 실습아닌 실습을 해보았다. 옛날에 구글 사운드로 음악을 감지해서 어떤 사운드인지 찾아주는 시스템이 있었는데 이런 시스템이였구나~ 싶다! 오늘 좀 빡공함 ㅋ 괜찮은 사이트였다 혹시 프로젝트에도 도움이 되지 않을까 싶어 스크랩

프로젝트 벌써 긴장된당 발목잡는 조장이 되지 말아야지

2개맞음

하처음이야.... 짜릿하다행복해이제좀살거가타하나도이제얼굴들고다닐수잇다쿠.... 피아노를 칠줄 모르지만 QCC 2개 맞았돠구? 팀원들이 진심으로 축하해주심.. 하 이번에도 빵점이면 나 퇴소할줄 알았나봐 조장 안잃습니다 여러분 ㅋㅋ

끝까지 함께홰

도지코인 싼서 이영광을 강동구 싱크홀에게!!!!! 메꿔져라 임마

그리고 아티클스터디함 재밌었다 후비적 끝. 머냐 한게 별루 없냐. 어쩔 2개맞음 행복한 주말 고고