[데이터 과학자 원칙] 데이터 분석 본질에 집중하는 4가지 초식

코로나보드의 프론트엔드와 백엔드의 전체적인 아키텍처를 파악하고, 이러한 아키텍처로 설계된 이유를 알아봅니다.

〈데이터 과학자 원칙〉 출간 기념 공유 이벤트 – 별다방 커피 받아가세요

널리 데이터 과학자를 이롭게 공유해주세요 '기술' 말고 '인사이트' 전달에 초점을 맞춘 〈원칙〉시리즈 두 번째 책,… Read More

[10초면 OK] 딥러닝 입문자가 꼭 알아야 하는 4+1가지 : 프로세스, 체크리스트, 통계 개념, 시각화, 파이토치 권고 스타일

코로나보드의 프론트엔드와 백엔드의 전체적인 아키텍처를 파악하고, 이러한 아키텍처로 설계된 이유를 알아봅니다.

머신러닝 입문자가 꼭 알아야 하는 4+1가지 : 프로세스, 라이브러리, 시각화, 피처 엔지니어링, 알고리즘

머신러닝·딥러닝 문제해결의 시작은 무엇일까요? 바로 데이터의 이해입니다. 데이터를 어떻게 이해하느냐에 따라 모델링 전략이 달라지고 예측 성능에 결정적인 영향을 줍니다. ‘탐색적 데이터 분석’ 과정에서 수행하는 데이터 시각화는 데이터 속에 감춰진 특성을 드러내는 가장 효과적인 수단입니다. 이 글에서는 여러 시각화 기법을 알아보고 각각의 특성과 구현 방법을 알아봅니다.

머신러닝 성능을 높이는 두 가지 실전 테크닉((연재 ② 주성분 분석(PCA) : 차원 축소)

머신러닝·딥러닝 문제해결의 시작은 무엇일까요? 바로 데이터의 이해입니다. 데이터를 어떻게 이해하느냐에 따라 모델링 전략이 달라지고 예측 성능에 결정적인 영향을 줍니다. ‘탐색적 데이터 분석’ 과정에서 수행하는 데이터 시각화는 데이터 속에 감춰진 특성을 드러내는 가장 효과적인 수단입니다. 이 글에서는 여러 시각화 기법을 알아보고 각각의 특성과 구현 방법을 알아봅니다.

머신러닝 성능을 높이는 두 가지 실전 테크닉(연재 ① 그리드 서치)

머신러닝·딥러닝 문제해결의 시작은 무엇일까요? 바로 데이터의 이해입니다. 데이터를 어떻게 이해하느냐에 따라 모델링 전략이 달라지고 예측 성능에 결정적인 영향을 줍니다. ‘탐색적 데이터 분석’ 과정에서 수행하는 데이터 시각화는 데이터 속에 감춰진 특성을 드러내는 가장 효과적인 수단입니다. 이 글에서는 여러 시각화 기법을 알아보고 각각의 특성과 구현 방법을 알아봅니다.