pbj0812의 코딩 일기

이 글은 아사이 아츠시님의 책(SQL 첫걸음) 중 SELECT가 관련된 예제들만을 조합하여 적은 내용입니다. 보다 정확한 설명은 책 참조 바랍니다. 1. SELECT - SELECT * FROM TableName; - 데이터 불러오기 2. DESC - DESC TableName; - 테이블 구조 참조 3. WHERE - SELECT 열1, 열2 FROM TableName WHERE 조건식; 4. 비교 연산자 - =, , , =, IS NULL 5. AND - 조건식1 AND 조건식2 - SELECT * FROM TableName WHERE a0 AND b0; * OR 보다 AND의 우선 순위가 높음 6. OR - 조건식1 OR 조건식2 - SELECT * FROM TableName WHERE no=1 O..

1. 사건의 발달 - TF-KR에서 구글의 권순선님이 티셔츠 뿌린다는 소식을 접수 - 일당 선등록 후고민 2. 가는 길 - 당근마켓 - 강남역 3번출구 위치 - 당근마켓 로비 - 50명 참석 3. 경품 - 당근마켓 스티커 - 구글 스티커 - 당근마켓 볼펜 - 음료수(당근 음료는 주지 않는다) 4. 당근마켓, AI 서비스 소개 - 구글 발표에 앞서 당근마켓 AI 소개 - 글 분류, 피드 개인화(방문시간, 글 보기 시간 증대 효과 발생) - 개발자는 3명 - TF 의 수많은 라이브러리 사용 - 이를 통해 10개 이상의 머신러닝 관련 서비스 (개인화, 글 분류, 이미지 특징 추출, 유사 글 추출, 텍스트, 제목 본류 등...) 운영 5. TensorFlow Extended 소개 - Jarck Wikiewicz..

이 글은 TensorFlow tutorial(링크)의 예제를 재구성한 글입니다. TensorFlow의 keras를 이용하여 fashion mnist 데이터를 학습하고 예측하는 예제입니다. 학습에 필요한 부분만 정리하였으니 전체코드는 위 링크를 통해 보시기 바랍니다. 라이브러리 불러오기 import tensorflow as tf from tensorflow import keras import numpy as np import matplotlib.pyplot as plt - tensorflow의 keras 사용 데이터 불러오기 fashion_mnist = keras.datasets.fashion_mnist (train_images, train_labels), (test_images, test_labels) ..

1. 정의 k-평균 알고리즘(K-means algorithm)은 주어진 데이터를 k개의 클러스터로 묶는 알고리즘으로, 각 클러스터와 거리 차이의 분산을 최소화하는 방식으로 동작한다. 이 알고리즘은 자율 학습의 일종으로, 레이블이 달려 있지 않은 입력 데이터에 레이블을 달아주는 역할을 수행한다. 이 알고리즘은 EM 알고리즘을 이용한 클러스터링과 비슷한 구조를 가지고 있다. 2. 절차 1) 초기 (군집의) 중심으로 k개의 객체를 임의로 선택한다. 2) 각 자료를 가장 가까운 군집 중심에 할당한다. 3) 각 군집 내의 자료들의 평균을 계산하여 군집의 중심을 갱신(update)한다. 4) 군집 중심의 변화가 거의 없을 때(또는 최대 반복수)까지 2) 와 3) 을 반복한다. * 군집의 수(k)는 미리 정해 주어야..

이 글은 문준영 님의 책(고객이 보이는 구글 애널리틱스)를 읽고 실습한 내용입니다. - 구글 계정 가입 및 GA 계정은 기존에 보유하고 있기에 생략 합니다. 1. Google Analytics 접속 2. 계정 생성 1) 좌측 하단의 관리 클릭 2) 상단의 계정만들기 클릭 3. 정보 작성(I) 1) 계정 이름(마음대로) 2) 웹사이트 이름(마음대로) 3) 웹사이트 URL(본인 웹사이트) 4) 업종 카테고리(업종 선택) 5) 시간대(지역 선택) 6) 추적 ID 가져오기 클릭 4. 정보 작성(II) 1) 약관 체크 및 동의함 클릭 5. 추적 코드 삽입(I) * 일반적으로 4. 단계를 작성하면 바로 6. 단계로 넘어감 1) 좌측 하단의 관리 2) 추적 정보의 추적코드 선택 6. 추적 코드 삽입(II) 1) 태그..

이 글은 양승화 님의 발표자료(서비스 기획자를 위한 데이터분석 시작하기) 중 마케팅 관련 용어를 정리한 글 입니다. DAU(Daily Active User) - 일간 접속 사용자수 WAU(Weekly Active User) - 주간 접속 사용자수 MAU(Monthly Active User) - 월간 접속 사용자수 MCU(Maximum Current User) - 하루동안 가장 높은 동시 접속자 수 PU(Paying User) - 결제 사용자 수 OMTM(One Metric That Matters) - 정말 중요한 단 하나의 지표 Retention Rate - 재사용율 Classic Retention - 설치 후 n일에 접속한 사용자수 Rolling Retention - 설치 후 n일 이후부터 조회일까지 ..

이 글은 tableau 에서 제공하는 튜토리얼 을 실습해보고 작성한 글입니다. 이번 글에선 이때까지 만들었던 그림들을 이용하여 스토리를 만듭니다. 지난 글과 연결된 글입니다. - 아래 아이콘을 클릭하여 스토리를 만든다. - 왼쪽 크기 목록을 이용하여 크기를 조정한다. - 대시보드와 마찬가지로 왼쪽의 시트 목록을 드래그하여 가져온다. - 위와 같이 캡션을 수정하여 내용을 쓴다. - 두 번째로 매출 대시보드를 캡션 오른쪽에 드래그 해준다. - 전 시간에 만들었던 대시보드이다. - 마찬가지로 캡션에 설명을 달아준다. - 완성된 스토리는 서버탭의 목록을 통해 서버 등에 배포가 가능하다. - 하지만, 난 무료버전이기에 서버가 없으므로 튜토리얼을 여기서 종료한다.

이 글은 tableau 에서 제공하는 튜토리얼 을 실습해보고 작성한 글입니다. 이번 글에선 이때까지 만들었던 그림들을 이용하여 대시보드를 만듭니다. 지난 글과 연결된 글입니다. - 아래 버튼을 눌러 대시보드를 만든다. - 왼쪽 목록에서 장비에 맞는 크기를 선택한다. - 왼쪽 시트 목록에서 드래그를 통해 시트를 배치한다. - 배치 완성 - 한 가지 문제가 있다면, 위의 지도 그림과 산점도, 바 그래프의 정보가 다 따로 논다는 것이다. - 위의 문제점을 없애기 위하여 오른쪽의 범주란의 역삼각형, 워크시트에 적용, 이 데이터 원본을 사용하는 모든 항목을 체크하면 버튼 하나를 누를 때 모든 그림이 다 바뀌게 된다. - 이런식으로 할 수 있다. - 역삼각형 위의 필터링 버튼을 이용하여 필터링도 가능하다.

이 글은 tableau 에서 제공하는 튜토리얼 을 실습해보고 작성한 글입니다. 이번 글에선 연결된 데이터를 이용하여 산점도 및 추세선을 그리게 됩니다. 지난 글과 연결된 글입니다. - 새로운 시트 생성 - 목록을 위와 같이 열(배송 비용)과 행(수익)에 넣어주고 범주를 색상에 드래그한다. - 범주에 따라 점이 3개 생긴 것을 볼 수 있다. - 고객 ID를 세부 정보에 넣어준다. - 모든 고객별로 정보를 보여준다. - 분석 탭에서 측정값 집계를 눌러준다. - 끝의 이상치가 생략 혹은 제거된 모습을 보여준다. -

이 글은 tableau 에서 제공하는 튜토리얼 을 실습해보고 작성한 글입니다. 이번 글에선 연결된 데이터를 이용하여 지도 그림을 그리게 됩니다. 지난 글과 연결된 글입니다. - 새 워크시트를 만든다. - 생성된 워크시트에서 ctrl 키를 이용해 매출과 국가를 눌러준다. - 오른쪽의 표현 방식에서 지도 그림이 활성화 된 것을 볼 수 있다. - 지도그림을 눌러준다. - 지도 그림에 국가별로 매출량이 표시된 것을 볼 수 있다. - 지역을 그림에 드래그 해준다. - 크기 버튼을 눌러 원을 원하는 만큼의 크기로 조정해준다. - 우측의 카드 숨기기를 눌러 넓게 보도록 한다. - 수익을 색상에 드래그하여 좀 더 쉽게 보도록 하자. - 표시된 부분을 밑으로 옮겨 제거하도록 하자. - 지도 왼쪽 위의 화살표를 눌러 자유..