기타34 파이썬 기초 - 입력, 파이썬 입력 - input 앞서 출력을 할 때, print 함수를 이용해 컴퓨터로부터 정보를 전달받았음 그럼 사용자가 컴퓨터에게 정보 or 자료를 전달할때는 ? → input() 함수 이용! 이때, 컴퓨터는 사용자가 전달한 값을 어딘가에 보관해서 사용해야 함 → 변수를 사용! 2022. 4. 22. 파이썬 기초 - 출력, 자료형, 변수 파이썬 출력 - print 파이썬에선 print 함수를 사용하여 우리가 원하는 정보나 자료를 컴퓨터가 출력하게 할 수 있음 print ("출력할 내용!") ##실행 결과## 출력할 내용! print 함수를 이용하여 하나가 아닌, 여러 자료를 출력하는 방법 → , (콤마) 를 이용해서 여러 자료 출력 print(10, "Test!") ##실행 결과## 10 Test! 파이썬 기본 자료형 숫자형 (Number) 숫자로 이루어진 자료형 정수나 실수 등을 다룰 수 있으며 숫자 끼리의 연산이 가능 5 # 정수 (integer) 3.14 # 실수 (float) 3+5j # 복소수 문자열 (String) 문자나 문자들을 늘어놓은 것으로 큰 따옴표 ("") 와 작은 따옴표 ('')로 구분 ############문자열#.. 2022. 4. 21. 머신러닝 실무 정리 머신러닝 목표 데이터 과학의 목표 의사결정 (Decision Making) 경제적 이익 창출 (Monetization) 머신러닝의 목표 예측 & 패턴 분석 (Prediction & Pattern Analysis) 머신러닝 업무 프로세스 위의 목표를 달성하기 위한 머신러닝 업무 프로세스는 다음과 같음 1. 문제파악 및 문제정의 머신러닝 프로젝트를 시작할 때 해결해야 하는 비즈니스 문제를 명확하게 먼저 정의 문제파악 및 문제정의를 위한 세부 프로세스는 다음과 같음 먼저, 비즈니스 문제를 파악한 후에 이를 해결하기 위한 데이터 과학과 머신러닝 문제로 전환 머신러닝의 타입 Supervised Learning (지도학습) 입력 및 출력 데이터 기반 예측 모델 생성 Classification (분류) - 범주를 예.. 2022. 4. 19. 머신러닝 공부를 위한 데이터 관련 개념 정리 머신러닝 공부를 위한 핵심 개념 정리 데이터 (Data) 정의 - 현실 세계의 어떤 현상을 관찰하여 기록한 것 Ex) 심장 데이터 심장 상태를 청진기 또는 심전도 기구를 이용하여 관찰 및 측정하여 기록한 것 데이터의 특징 현상 및 사실 그대로 임 (Facts) 의미가 없음 (No meaning) 현실 세계를 표현한 것 (Representation of real world) 피쳐 (Feature) 정의 - 데이터(data) 를 컴퓨터가 이해할 수 있도록 수치(numeric) 또는 디지털(digitized) 로 표현(representation) 한 것 피쳐 (Feature) 와 유의어 Independent Variable Explanatory Variable Predictor Input Attribute 목.. 2022. 4. 18. 데이터 과학자란 ? 데이터 과학자는 누구인가 ? 데이터 과학은 컴퓨터를 확용해서 데이터를 분석하고 현실의 문제들을 해결 하는 것 데이터 과학자에게 요구되는 실무 능력은 ? 일반적으로 얘기하는 데이터 과학자 Skill Sets Programming 컴퓨터 과학 지식 프로그래밍 언어 (Python / R) 데이터베이스 언어 (SQL / No SQL) Relational Algebra 병렬 처리 컴퓨팅 Map Reduce 개념 Hadoop / Hive / Pig AWS 같은 플랫폼 사용 경험 Math & Statistics 연구 계획 (Experiment design) Machine Learning Statistical modeling 베이지안 추론 선형대수, 미적분 Supervised Learning Unsupervised L.. 2022. 4. 18. 머신러닝과 데이터 과학 쌩 기초 데이터 과학 데이터 과학이 이슈가 된 이유 - 4차 산업혁명, 머신러닝, 인고지능 데이터 과학의 활용 사례 1. PayPal 2. 데이터 과학의 정의 - 컴퓨터를 활용해서 데이터를 분석하고 현실의 문제를 해결하는 작업 데이터 과학의 발전 방향 Descriptive Analytics (What ?) -> Diagnotstic Analytics (Why ?) -> Predictive Analytics (Future ?) -> Prescriptive Analytics (Action ?) 데이터 과학은 융합형 인재를 원한다. 1. Statistics 2. Pattern Recognition 3. Visualization 4. Neurocomputing 5. Data base 6. Data mining 7. AI.. 2022. 4. 18. 이전 1 2 3 4 ··· 6 다음 반응형
