yubin13 님의 블로그

LV2. 부모의 형질을 모두 가지는 대장균 찾기문제) 부모의 형질을 모두 보유한 대장균의 ID, 대장균의 형질, 부모 대장균의 형질을 출력하는 SQL문 작성. 결과는 ID에 대해 오름차순 정렬 정답) SELECT child.ID, child.GENOTYPE, parent.GENOTYPE PARENT_GENOTYPEFROM ECOLI_DATA as childJOIN ECOLI_DATA as parent on child.PARENT_ID = parent.IDWHERE (child.GENOTYPE & parent.GENOTYPE) = parent.GENOTYPEORDER BY child.ID 풀이) 핵심은 "self join"- 문제에서 테이블은 ECOLI_DATA 하나 존재함. 하지만 자식이 부모의 형..

★ 딥러닝 원리와 아키텍쳐  1. 딥러닝 개요    1) 머신러닝 VS 딥러닝     공통점) 데이터로부터 가중치를 학습하여 패턴을 인식하고 결정을 내리는 알고리즘 개발과 관련된 AI의 하위분야     차이점) 머신러닝 : 데이터 안의 통계적 관계를 찾아내며 예측이나 분류를 하는 방법                  딥러닝 : 머신러닝의 한 분야로 신경세포 구조를 모방한 인공신경망을 사용함    2) 가중치를 구해라- 회귀 문제에서 최소화 하려는 값은?가중치를 이리저리 움직이면서 최소의 MSE를 도출해내면 된다 이렇게 최소화하려는 값을 목적함수 또는 손실함수라고 명명경사하강법 : 모델의 손실함수를 최소화하기 위해 모델의 가중치를 반복적으로 조정하는 최적화 알고리즘. 변수 X가 여러개 있다면 동시에 여러개의..

★ 비지도 학습★ 정답이 없는 데이터를 다루는 비지도 학습에 대해서 군집화 알고리즘을 통해 알아보기  1. K-Means Clustering 1) k-means clustering 이론 ● 수행순서1. k개 군집 수 설정  2. 임의의 중심을 선정   3. 해당 중심점과 거리가 가까운 데이터를 그룹화4. 데이터의 그룹의 무게 중심으로 중심점을 이동5. 중심점을 이동했기 때문에 다시 거리가 가까운 데이터를 그룹화 (반복) ▶ 정리장점)  - 일반적이고 적용하기 쉬움단점)  - 거리 기반으로 가까움을 측정하기 때문에 차원이 많을수록 정확도가 떨어짐          - 반복 횟수가 많을수록 시간이 느려짐          - 군집 개수 정하는것이 주관적임          - 평균을 이용하기 때문에(중심점) 이상..

★ 회귀, 분류 모델링 심화에 대하여 : 선형회귀와 로지스틱 회귀 외에 자주 쓰는 알고리즘 알아보기  1. 의사결정나무와 랜덤 포레스트    1) 의사결정나무 (Decision tree): 의사결정 규칙을 나무 구조로 나타내어 전체 자료를 몇개의 소집단으로 분류하거나 예측을 수행하는 분석 방법  루트노드 : 의사결정나무의 시작점, 최초의 분할 조건리프 노드 : 루트 노드로부터 파생된 중간 혹은 최종 노드분류기준 : sex는 여성인 경우 0, 남성인 경우 1로 인코딩 - 여성인 경우 좌측 노드/ 남성인 경우 우측 노드불순도 : 불순도 측정 방법 중 하나인 지니계수는 0과 1사이 값으로 0이 완벽한 순도(모든 샘플이 하나의 클래스), 1은 완전한 불순도(노드의 샘플의 균등하게 분포) 를 나타냄리프 노드로 갈..

https://yozm.wishket.com/magazine/detail/2141/ 기획자가 알아야 할 데이터 분석 도구와 활용법 | 요즘IT기획자로서 성공적인 프로젝트 진행을 위해 데이터 분석은 필수적인 요소입니다. 그렇다면 효과적인 데이터 분석을 위해 필요한 도구는 무엇일까요? 이번 글에서는 수많은 데이터 분석 도구 중yozm.wishket.com ● 전체적인 글의 요약 - 데이터를 효과적으로 분석하고 인사이트를 도출하려면 강력한 도구들이 필요하다 - 기업의 목적에 따라 사용하는 도구가 전부 다르기 때문에, 각 도구의 특징과 활용방법을 파악하여 현재 조직 상황에 올바른 도구를 선택해야 한다 - 하지만 데이터 분석 도구는 의사결정을 위한 하나의 수단일 뿐이며, 핵심은 데이터 분석 도구를 통한 의사결정 ..

● 카드뭉치 (LV.1) 정답)def solution(cards1, cards2, goal): for i in goal: if cards1 and i == cards1[0]: cards1.pop(0) elif cards2 and i == cards2[0]: cards2.pop(0) else: return 'No' return 'Yes' - 원하는 단어 배열 goal에서 하나씩 단어를 꺼내며, 그 단어가 cards1 또는 cards2의 첫번째 인덱스와 같으면 pop을 해준다- goal의 모든 단어를 반복하며 원하는 단어 배열이 만들어지면 yes, 만약 순서가 맞지 않는다면 no를 반환할 것이다..

https://yozm.wishket.com/magazine/detail/1794/ 조직 상황에 맞는 BI 툴 고르기 | 요즘IT회사에서 어떤 툴을 이용해 데이터를 보시나요? 다양한 조직에서 BI 툴(Business Intelligence Tool) 도입을 통해 대시보드를 구축하여, 조직의 빠른 데이터 기반 의사결정을 돕고 있습니다. 최근에는yozm.wishket.com  1. 조직에서 BI 툴이 필요한 이유- 우리는 비즈니스에서 데이터를 기반으로 의사결정을 함- 특히 급변하는 비즈니스 환경 속에서는 데이터를 보고 빠르게 의사결정을 할 수 있는 BI 대시보드가 필요하다  2. 우리 조직에 맞는 BI 툴은?   ★ 조직에 적합한 BI 툴을 선정하는 Tip!       1) 데이터 드리븐 문화 조성 : BI..

https://yozm.wishket.com/magazine/detail/1680/ A/B 테스트 제대로 이해하기: ⑤ A/B 테스트에 적정한 표본과 주의 사항 | 요즘IT지금까지 ‘A/B 테스트 제대로 이해하기’ 시리즈를 통해 A/B 테스트의 기본 정보와 가설, 세팅 방법, 그리고 분석 결과 등 여러 정보를 정리했다. 시리즈의 마지막인 이번 글에서는 기획자, PM, 마yozm.wishket.com "표본은 얼마나 필요한가?" 에 대한 질문은 두 방안의 차이가 어느 정도 되기를 기대하느냐에 따라 다르다표본이 많을수록 두 안의 결과 차이가 작더라도 실험 결과가 통계적으로 유의미할 수 있다표본이 작더라도 두 안의 결과 차이가 크면 통계적으로 유의미할 수 있다> A/B 테스트 수행 과정에서 주의할 점 1) 내..

https://yozm.wishket.com/magazine/detail/1667/ A/B 테스트 제대로 이해하기: ④ A/B 테스트 표본 크기와 유의미한 결과의 관계 | 요즘IT이전 글에서 기초 통계 지식을 바탕으로 A/B 테스트 계산기의 세팅 방법과 해석에 관한 내용을 살펴보았다. 이때 해석 내용 중 계산기에서 ‘결과가 유의미하지 않다(Not Significant)’라고 했을 때yozm.wishket.com  Q. 표본 사이즈와 유의미한 결과는 무슨 상관이 있을까?생각 1  : 표본의 수가 많을수록 좋은 것 같다고 생각함그렇다면 표본이 많을수록 '더 적은 차이도 인정해준다' 는 것인가??만약 10명중 2명이 나온 A와 10명 중 3명이 나온 B를 비교할때, 단 한명의 차이로 B그룹이 승리한 것처럼 보..

타이타닉 데이터 전체 프로세스   1. 타이타닉 데이터 로드 및 데이터 확인- 타이타닉 데이터가 train 과 test 데이터로 이미 나눠져 있기 때문에 각각을 로드해오기- 데이터의 전체적인 정보 확인 2. EDA (분포확인 및 이상치와 결측치 확인)- 각 컬럼의 분포는 다양한 차트를 확인하여 확인 (내용생략)- 각 컬럼의 이상치와 결측치 확인 => 어떤 변수를 처리해줘야 할지 생각하기 3. 데이터 전처리 (결측치,이상치, 컬럼 생성)  1) 컬럼 생성 : 'SibSp' 과 'Parch' 변수를 합하여 'Family'라는 변수 생성 2) 이상치 확인  - 숫자형 변수들의 이상치 확인 (age, fare, family)    3) 결측치 처리 age : 평균으로 대체fare : 평균으로 대체embarked..