하파와 데이터

지금은 멋쟁이사자처럼(테킷)에서 진행하는 AI School 9기를 수강하고 있다. 23년 9월에 시작했던 부트캠프. 언제 시간이 지나나 했는데, 취업도 하지 못한채 어느새 시간이 흘러, 다음달이면 수료다... 시간아 멈춰봐! 부트캠프를 들었음에도, 뭔가 크게 성장하지는 못한것 같아서 네이버커넥트재단에서 운영하는 boostcourse에서 24년 새해를 맞아 Data Science Project를 하길래 거기도 신청! 여기서는 이것저것 기본기를 배우고 있다. 온라인 강의 강사님이 오늘코딩의 박조은강사님이셨고, 스터디 관련해서 안내해주신게 있었다. 그중에 캐글코리아에서를 통해 모집하는 스터디가 있었고, 딥러닝에 대해 좀 열심히 배워보자는 마음으로 신청했다. 내가 학습하고자 하는 것은 딥러닝의 대가인 Andre..

ADP 공부를 시작했다. 먼길의 여정이 이미 ADsP나 빅분기에서 학습했던 내용의 반복이라 다행이다. 하지만 여기서 문제는, 이미 2개의 시험에서 공부했던 내용임에도, 기출문제 50개 푸는 주제에 그새 또 틀린다. 그래서, 무언가 공부의 기록을 남기는 목적이며, 내가 문제를 다시 정리하기 위해서 오답노트를 작성해보려고 한다. 내가 공부하는 책은 ADP데이터분석가 전문가(저자 윤종식)이다. ADsP에 이어서 동일한 저자의 책으로 구매했다. 제1과목 데이터의 이해 기출문제(교재 108쪽~119쪽) 06. 개인에게 내재된 경험을 객관적인 데이터로 문서나 매체에 저장, 가공, 분석하는 과정은? ① 연결화 ② 내면화 ③ 표출화 ④ 공통화 더보기 내가 선택한 답: ④ → 실제 답: ③ 내가 답을 택한 이유: 내가 ..

데이터리안에서 진행한 데벨첼의 part3, 마지막!!! 24년의 첫해를 함께한 데벨첼을 결국 끝내버리려고 한다. 처음에는 24년을 맞이하는 호기로운 마음으로 신청했다. 그리고 신청을 하면서도 나의 호기로움을 인정했다. 끝까지 마칠지 어떨지는 모르겠지만, 새해니 새로운 도전과 함께 뭐든 해보고 싶은 마음이었다. 그리고 너무도 다행스럽게, 책의 내용도 너무 흥미로웠고, 나의 의지력도 3번의 글을 쓸정도는 되었나보다. 너무 다행이다. 이번 part3의 내용은 앞선, part1~2와는 너무 다른 느낌의 글이었고, 태도였으며, 방향이었다. 파트 1에서는 우리가 어떠한 관점을 가지고, 마음을 가지고 데이터 분석을 사업에 또는 프로젝트에 적용해야하는지 알려주었다. 파트2에서는 보다 실질적으로 우리가 어떤것들을 해볼 ..

나는 데이터분석가를 꿈꾸고 있고, 지금은 데이터분석가가 맞는 것인지 아니면 최근 배우고 있는 ML/AI 쪽이 맞는 것인지 고민하고 있는 중이다. 근데 중요한 것은 나는 비전공자라는 것이다. 통계를 전공한 것도, 컴공을 전공한 것도 아니다. 나에게는 조금 쓸모 없어보이는 경영을 전공하고, 그것도 석사를 했다... (지금의 생각이었다면 데이터사이언스쪽으로 석사를 가야했는..) 그래서 나는 전공자와 같지 않다는 것을 알고 있어서 이를 보완해보고자 자격증 이것저것에 관심이 많다. 근데, 생각보다 이런 시험에 강한편이 아니다. 그냥 잡지식과 우기는것에 능하지 무언가를 정확하게 외워서 일치시키는 학습에 능하지는 못한 것 같다. 그래도 무슨 자신감인지, 자격증이 보이면 이것저것한다. 그래서 ADsP, SQLD를 취득..

데이터리안에서 진행하는 데벨첼의 일환으로 PART1이 종료된 후, PART2를 잽싸게 시작했다. 2024.01.14 - [독서] - [데이터x마케팅] 오늘은 고객의 마음을 훔치는 대화를 나눴나요? '컨버티드;마음을 훔치는 데이터분석의 기술' PART.1을 읽고 [데이터x마케팅] 오늘은 고객의 마음을 훔치는 대화를 나눴나요? '컨버티드;마음을 훔치는 데이 데이터리안에서 SQL 데이터분석캠프 실전반을 듣고난지 언 4개월째. 최근에는 SQL보다는 PYTHON으로 하는 데이터 분석과 ML, NLP 쪽을 하고 있어서 SQL에 많은 관심을 갖지는 못하고 있었다. 하지만 우 hhpp.tistory.com 개인적으로는 PART1보다 PART2의 내용이 더욱 흥미로웠다. PART1의 내용이 마음가짐, 즉 마인드셋과 태도..

일반적으로 데이터분석을 하거나, ML 등의 데이터를 기반으로 무언가를 작업할 때 데이터를 불러온 뒤 가장 처음하는 것이 데이터가 어떤 구조로 되어있는지? 살펴보는 것이다. 어려운 말로 하면 EDA (Exploratory Data Analysis, 탐색적 데이터 분석)라고 할 수 있다. 간단한 앞서 '의사결정나무(DecisionTree)'를 해본 실습에서 사용했던 Diabates 데이터를 기반으로 이를 간단히 해보겠다. 쉽게 해보는 실습은 아래 링크를 참조!(데이터파일도 아래 링크를 통해 kaggle에서 다운받을 수 있다. 2024.01.13 - [Development/Python] - 의사결정나무 쉽게 따라해보기!(plot_tree그리기, 중요 feature 파악하기) 의사결정나무 쉽게 따라해보기!(pl..

데이터리안에서 SQL 데이터분석캠프 실전반을 듣고난지 언 4개월째. 최근에는 SQL보다는 PYTHON으로 하는 데이터 분석과 ML, NLP 쪽을 하고 있어서 SQL에 많은 관심을 갖지는 못하고 있었다. 하지만 우리는 누구인가. 새해가 되면 12월 31일과는 크게 다르지 않음에도 올해는 작년과 다르지 않을까라는 큰 기대감과 함께 새로운 목표를 세우지 않는가. 나도 "24년에는 더 부지런하고 열심히 살아야지"라는 매년하던 그런 생각을 하던 중, 데이터리안 슬랙에 나를 자극하는 공지사항이 나오게 되었다. 성장을 하려고 노력은 하지만, 구체적이고, 타인과 함께 동기부여를 하며 성장할 수 있도록 데이터리안에서 온라인 기반으로 독서모임?을 진행하는 것이었다. 24년을 알차게 보내고 싶은 마음에 호기롭게 신청을 했고..

머신러닝에서 많이 사용되는 방법 중 '의사결정나무'가 있다. 의사결정 나무의 장점으로는 어떤 기준으로 분류를 하는지 명확하게 확인할 수 있다는 것이다. 이에 의사결정나무(DecisionTree)를 그려보는 것을 간단히 해보고자 한다. 본 연습은 naver connect재단에서 운영하는 boostcourse 강의 중 오늘 코딩 '박조은'님의 '프로젝트로 배우는 데이터사이언스'에서 학습한 내용을 토대로 한다. 아래의 실습을 따라하면, 간단하게 머신러닝을 실습해볼 수 있다. 활용데이터: Pima Indians Diabetes (출처: https://www.kaggle.com/datasets/uciml/pima-indians-diabetes-database) 환경: jupyter notebook 1. 데이터 구..

DF에서 많은 예시로 사용하는 df 가운데 iris(붓꽃)데이터가 있다. iris 데이터는 sklearn에서 제공하는 데이터셋으로 머신러닝 초반부터 많은 예시로 활용되고 있다. 우선 iris 데이터를 불러오고 어떤 형태로 되어있는지 보자 from sklearn.datasets import load_iris iris = load_iris() iris iris 데이터를 출력하면, 아래와 같이 행렬의 구조인 data와 벡터형태인 target 2가지로 구성되어있는 것을 확인할 수 있다. 이에 보통 iris데이터를 위와같이 로드를 한 뒤, data와 target으로 각기 나눠서 저장한다. iris_data = iris['data'] iris_target = iris['target'] 헌데, 이를 처음부터 나눠서 ..

DATE 형태 변형 MY SQL에서 자주보는 날짜 형식인 DATETIME타입은 YYYY-MM-DD hh:mm:ss 형식으로 나타난다. 초단위까지 있는 날짜를 BETWEEN 등으로 구간으로 설정한다면 DATETIME 그대로 사용하는데 큰 문제가 없는 경우도 있으나, 문제에서 연/월/일 까지만 출력하라고 요청할 때가 있다. 이럴때, DATE 또는 DATE_FORMAT('날짜컬럼','형식)을 입력해서 이를 수정할 수 있다. DATE 타입은 YYYY-MM-DD의 형식을 가진다. 만일 DAY라는 컬럼의 값이 '2023-08-08 01:48:10'라고 가정할때, DATE(DAY) 는 '2023-08-08'이 된다. 만일, 08-AUG-23으로 표현하거나, 다른 형식의 모양으로 연월일을 표시하고 싶다면 DATE_FO..