일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
- KT 에이블스쿨
- 시각화
- ETRI
- ggplot2
- matplot
- 에이블러
- Eda
- KT AIVLE
- arima
- hadoop
- Ai
- SQL
- ML
- 에이블스쿨
- 웹크롤링
- 에트리 인턴
- kt aivle school
- 하계인턴
- python
- 프로그래머스
- 가나다영
- 지도학습
- 한국전자통신연구원 인턴
- 시계열
- r
- 빅분기
- dx
- 딥러닝
- kaggle
- 소셜네트워크분석
- httr
- 한국전자통신연구원
- 서평
- SQLD
- 빅데이터분석기사
- 하둡
- 머신러닝
- cnn
- 다변량분석
- 기계학습
- Today
- Total
목록에이쁠 (2)
소품집
데이터 분석 프로세스 1. 비즈니스 이해 - 문제 정의 (따릉이 배치 장소를 추가하자) - 데이터 분석 방향, 목표 설정 (따릉이 수요와 공급이 맞는 장소에 배치를 늘린다) - 가설 수립 (따릉이 대여량은 따릉이 배치 시설과 관련이 있다) 2. 데이터 이해 - EDA & CDA - 데이터 통계량 확인 3. 데이터 전처리 - 결측치 확인 (대치, 삭제, 변환 등) - 가변수화 (범주 > 수치) - 스케일링 * 표준화, 정규화 - 데이터 분할 (train, validation) 4. 모델링 - 분류 > logistic, Naive bayes, DT, SVM, catboost, ensemble.. - 회귀 > liner, Gradient desent, ridge, lasso.. - 모델 학습 - 검증 및 평가..
이번 주 3일간 진행됐던 미니 프로젝트 절차를 회고해보려 한다. 팀원은 반에서 랜덤으로 반을 조정해주셨고, 첫날과 둘 째날에는 마지막 프로젝트를 위한 빌드업(?)하는 시간을 갖는다. 강사님께서도 지금까지 한 내용을 되짚어주셨고, 개인 프로젝트와 팀 프로젝트, 그리고 셀프 테스트도 있었다. 둘째 날 팀플이 끝나고, 한 조원분께서 내일 최종 프로젝트를 위해서 단톡방을 만들자고 의견 주셨고 우리 팀원들은 모두 밤에 구글 미팅으로 다음날 최종 제출본을 위해 회의를 진행했다. 상사에게 데이터 분석한 내용을 보고하는 느낌이라고 해주셔서, 보고서도 작성하는 건가? 싶어 보고서 양식과 ppt 템플릿 초본을 만들어뒀다. 결론적으로는 보고서는 제출하는 게 아니었고, ppt에 모든 내용을 정리해서 제출하는 거였다. 그리고 ..