pbj0812의 코딩 일기

0. 목적 - 양승화님의 발표자료를 알고 있었기에 자세한 내용에 대한 호기심 - 내가 생각하고 있는 것이 맞는지(정답은 없겠지만...) 혹은 부족한 점이 없는지 확인 1. 강의내용 - 그로스 팀의 목적, 구성 방법, 해야할 일 등 - AARRR 에서 확인해야 할 점 - 지표를 쪼개 보는 방법 - 서비스 지표 분석에 있어서 잘못 판단하는 사례들 2. 난이도 - 쉬움(GA나 기본 데이터 분석 방법을 알고 있다는 가정하에...) - 쉽지만 인사이트가 있음 3. 후기 대학교, 대학원, 3 개의 회사를 다니면서 데이터를 가진 직업은 거의 다 해본거 같다. 수치 모델러(+ 관측 데이터 분석)에서 딥러닝 엔지니어에서 서비스 회사의 데이터 분석가로... 이직때마다 항상 처음부터 다시 시작하기에 이번엔 서비스 회사에서의..

1. 제목 - 만화로 쉽게 배우는 통계학 - 저자 : Shin Takahashi - 링크 2. 줄거리 - 아버지의 부하 직원인 '왕미남'을 보고 첫 눈에 반해버린 '별이'. '왕미남'의 직책은 통계학을 사용하는 마케터! 그와 친해지기 위해 '별이'는 통계 마스터인 '나유식'에게 통계학을 배우게 되는데... 3. 내용 - 데이터 종류, 평균, 표준편차, 확률밀도함수, 분포, 상관계수, 상관비, 크래머의 연관계수, 독립성 검정

1. 책 제목 - 만화로 쉽게 배우는 회귀분석 - 저자 : Takahashi Shin - 해양학과 선배님들 뿐만 아니라 유명한 시리즈라서 몇 년 전에 구입했건만 이제야 읽음. - 링크 2. 줄거리 - 카페 '노른'에서 일하는 별이, 어느 날 마음에 든 손님이 책을 놔두고 가는데 그 책의 이름은 '완전이해 회귀분석'! 책을 돌려줄 때를 대비하여 같은 알바 언니인 '한나' 선배에게 회귀분석을 배우게 되는데... 3. 장점 - 만화라서 읽히긴 잘 읽힘(1시간 컷) - 예시 데이터 등을 제공하여 최대한 풀어 쓰기 위해서 노력함 4. 단점 - 좀 지난 책이라 한글 표기가 옛날에 쓰던 느낌이 남 - 너무 풀어써서 이해하기가 더 힘들기도 함.(차라리 공식 유도가 더 편할수도...) - 어려운 내용은 최대한 자제하였기..

1. 책 이름 - 알고리즘 마케팅 (인공지능을 활용한 마케팅 자동화) - 아무도 후기를 안 달음 - 링크 2. 목적 - 요즘에 주로 마케터 분들이랑 일하다 보니 관심이 갈 수 밖에 없음 - 대부분 EDA(Exploratory Data Analysis) 관점에서 보다보니 데이터로 생성되는 특별한 아이디어가 없음 - 통계 등을 이용한 분석 아이디어 필요 3. 내용 요약 1) 개론 : 마케팅에 데이터 분석이 활용 된 사례 소개 2) 예측 모델링 리뷰 : 여러 통계 모델 소개(해석 힘듬) 3) 프로모션과 광고 : 마케팅 관련 모델 소개(이 부분을 중점적으로 읽을 필요) 4) 검색 : TF-IDF, word2vec 등 소개(현 시점에서는 크게 필요 없음) 5) 추천 : 추천 시스템 관련 내용 소개 6) 가격 책정..

2019.06.05 패스트캠퍼스에서 data science 에 관한 주제로 COMER라는 잡지를 발간하였기에 신청했다. COMER라는 뜻은 책 맨 뒤에 보니 '관심있는 사람 모두'라는 뜻이라고 한다... 가격은 9,900원. 편집은 지난 12월 패캠에서 들은 PYTORCH를 사용한 GAN 강좌에서 매니저를 맡으신 이샘 매니저가 한 것으로 알고 있고... 신청한 이유는 아래 글쓴이가 짱짱하기 때문이다. 내가 알고 있는 분만 인터넷에서 유명하신 엄태웅님, 케라스 코리아 운영에 인스페이스 CTO에다가 이번에 네이처 자매지에 논문까지 올리신 김태영님, 인프런에 기계학습 및 파이썬을 강좌를 올리신 최성철 교수님등... 나머지 분들도 각 기업의 CTO나 팀장급의 위치에 오르신 분들이다. 목차는 아래와 같다. 이번 ..

첨부파일 : 오일석 교수님 강의 자료 (url : http://cv.jbnu.ac.kr/index.php?mid=pr) - 사람은 인식을 할 때 가장 그럴듯한 쪽으로 인식을 하기 때문에, 패턴 인식도 이와 같은 법칙을 따른다.(수학을 통해서...) - x라는 조건 하에서 그것이 Wi 일 확률 P(Wi|x)를 구하고, 가장 큰 확률을 가진 부류로 분류한다. - 주사위를 던졌을 때 3이 나올 확률은 1/6이다. -> P(X=3) = 1/6 (X : 랜덤 변수) - 주사위 같은 변수는 이산 값을 갖지만, 사람의 키 같은 경우에는 연속 값을 갖는다. - 키의 확률 분포는 확률 밀도 함수(PDF(Probability Density Function))로 표현해야 한다. - 확률은 항상 0보다 크거나 같아야 하며 모..

(url : http://cv.jbnu.ac.kr/index.php?mid=pr) - 인식(recognition)은 인간에겐 쉬운 일이지만, 기계에겐 어려운 일이다. - 패턴 인식은 현재에도 상용화 되고 있다.(우편물 주소 분류, 지문 인식, 동작 인식 등...) - 인식에는 여러 종류가 있지만 '지능'에서 가장 중요한 것은 상황 인식이다. - 패턴 인식의 처리 과정 : 패턴 -> 특징 -> 분류 -> 부류 - 훈련 집합(trining set) + 테스트 집합(test set) = 데이터베이스 - 샘플을 분류하기 위해서는 사용할 특징을 추출해야 한다.1) 개별적인 화소를 특징으로 삼으면 각 픽셀의 모음인 차원 벡터 를 특징 벡터(feature vector)라고 한다. 2) 8*8 픽셀의 형태라고 한다면 ..