전체 글73 서른두 살 여자, 혼자 살만합니다 서평 📖 『서른두 살 여자, 혼자 살만합니다』📆 읽은 기간: 2025.07.16 ~ 2025.07.17✍️ 저자: 가키야 미우옮긴이: 이소담 | 출판사: 지금이책🏷️ 카테고리: #농사 #농촌 #적응 #장편소설한 줄 요약농촌에 홀로 내려와 사람과 인연을 만들며 적응하는 이야기.💬 인상 깊은 문장“혼자 벌어 먹고사는 것이 힘든 시대가 된 탓일까.” 느낀 점일본 문화를 조금 알고 있다면, 감안하고 보기에 괜찮은 소설이다.편향적인 책일까봐 두려워하면서 읽었는데, 그렇지 않았다. 도시 사람이 농촌에서 적응하며 고민할만한 이야기였다. 이 나이 쯤의 여자라면 고민해볼 만한 이야기들이 있어서 추천하고 싶다. 독립적으로 살아간다고 해도 사람 인연은 중요한 것 같다. 2025. 7. 18. 2025년 7월 17일 - “데브코스 마지막 프로젝트, 그리고 나” 프로그래머스 데브코스 데이터분석 7기 8회차 후기 데브코스를 시작한 지 어느덧 4개월이 지났다. 다음 주 월요일은 최종 발표 날이다. 이력서 초안을 작성하면서, 그동안의 과정을 되돌아보게 된다. 최종 프로젝트는 한 달간 진행되었고, 처음에는 길게 느껴졌지만 실제로 데이터를 분석하고 마케팅 전략을 실행하는 데에는 짧은 시간이었다. 실제 효과를 측정하려면 충분한 기간이 필요했지만, 우리는 1차·2차로 나누어 일주일씩 마케팅을 진행할 수밖에 없었다.기업 분석 1주, 마케팅 실행 2주, 결과 정리 1주. 일정은 빠듯했지만, 그만큼 밀도 있는 시간이었다. 무엇보다 팀이 정말 좋았다. 모두가 열정적으로 임했고, 이전 프로젝트에서 만난 인연들이 다시 모인 팀이었다. 그중 한 팀원은 나보다 어렸지만 배울 점이 많았다... 2025. 7. 17. 변두리로켓 가우디프로젝트 서평 📖 『변두리로켓 가우디프로젝트』📆 읽은 기간: 2025.07.13 ~ 2025.07.15✍️ 저자: 이케이도 준옮긴이: 김은모 | 출판사: 인플루엔셜🏷️ 카테고리: #논픽션 #경제경영 #기술한 줄 요약소기업이지만 탄탄한 기술력, 납득되는 일을 하라는 경영 마인드를 가진 ceo와 동료들이 회사가 겪는 문제를 이겨내는 이야기.💬 인상 깊은 문장“전부 사장님이 가르치신 거잖아요. 납득이 가지 않는 일은 하지말라고.”“납득이 가지 않는 일은 하지 말라고 했지, 열정을 품지 말라고는 안 했어.”"그런데 다들 납득 했을까?""했을겁니다. 보셨잖아요."느낀 점스타트업, 소기업 입장에서 충분히 현실적으로 직면할 수 있는 문제를 다루어서 공감됐다.다만 이상적인 ceo 와 사내문화인 점, 그 문화를 따라갈 수있는 .. 2025. 7. 16. SQL 고득점 Kit 완료 프로그래머스 후기 강의듣고 있는 교수님이 추천하길래 얕봤다가,, 기본기 탄탄하게 만들기 좋은 문제들이라 좋았다. 추천,,, 생각보다 데브코스 하면서 일주일정도 시간 날때마다 틈틈히 하는중인데, 괜찮은듯, ,, 2025. 6. 6. AWS SageMaker란? SageMaker Studio: 주피터 노트북 기반 개발 환경SageMaker Autopilot: 코딩 없이 AutoML 수행 가능SageMaker Jumpstart: 사전 학습된 모델을 손쉽게 활용Canvas: 완전한 Low-code 환경으로, 클릭 몇 번으로 모델 생성 가능 2025. 6. 2. Classification 모델, Regression 모델 🧠 지도학습(Supervised Learning)의 한 종류Classification(분류) 모델은 주어진 데이터를 여러 클래스(범주) 중 하나로 분류하는 작업입니다. 예를 들어, 이메일을 스팸이냐 일반메일이냐로 나누거나, 사진 속 동물이 고양이인지 강아지인지 구분하는 것 등이 있습니다.분류 모델의 종류✅ 이진 분류 (Binary Classification)클래스가 2개인 경우예: 이메일 스팸 여부, 암 진단 (양성/음성)🔢 다중 클래스 분류 (Multiclass Classification)클래스가 3개 이상인 경우예: 숫자 손글씨 인식 (0~9)🏷 다중 레이블 분류 (Multilabel Classification)하나의 데이터가 여러 클래스에 속할 수 있음예: 뉴스 기사 → 정치, 경제, 사회 등.. 2025. 5. 29. EDA란? EDA(Exploratory Data Analysis)란, 모델을 만들기 전 데이터를 이해하고 준비하는 과정입니다.EDA의 목적은 다음과 같아요:데이터 품질 확인 (결측치, 이상치 등)데이터의 전반적인 분포와 패턴 이해모델링 전 사전 준비왜 중요할까?"Garbage In, Garbage Out"이라는 말처럼, 데이터가 부정확하면 아무리 좋은 모델을 써도 결과는 엉망이 됩니다.데이터 EDA 기법 정리다양한 EDA 기법들이 소개되었는데요, 하나씩 풀어볼게요.기술 통계 분석숫자 변수: 평균, 최대/최소값 등 범위 확인범주형 변수: 카테고리 수 파악머신 러닝 모델에 맞게 적절한 인코딩 필요결측치 처리비어 있는 값(null)을 찾아 처리평균값, 최빈값으로 채우거나, 해당 데이터를 삭제이상치 처리너무 크거나 작은 .. 2025. 5. 29. 8 - 24. 성능 평가 metric 🎯 개요머신러닝 모델의 성능을 정량적으로 측정하고 비교하기 위한 기준.이를 **metric (지표)이라 하며, 문제 유형과 목적에 따라 선택해야 함.💡 적절한 metric 선택은 모델 평가의 핵심!💡 비지도학습은 적절한 metric이 없을 수도 있음 (시각화 활용도 중요)✅ 1. 지도학습의 Metric🔹 분류 문제(Classification)지표 설명 수식Accuracy전체 예측 중 정답 비율(TP + TN) / (TP + FP + FN + TN)PrecisionPositive 예측 중 실제 Positive 비율TP / (TP + FP)Recall실제 Positive 중 맞춘 비율TP / (TP + FN)F1 ScorePrecision과 Recall의 조화 평균2 * (P * R) / (P + R.. 2025. 5. 29. 8 - 23. 교차 검증(Cross Validation) ✅ 1. 교차 검증이란? 왜 필요한가?📌 검증(validation)의 의미검증 데이터는 모델이 얼마나 잘 학습되었는지 평가하는 데 사용됩니다.모의고사와 비슷한 역할: 학습이 잘되었는지 확인하는 중간 테스트하지만 모의고사가 너무 쉬우면?→ 진짜 시험(실제 데이터)에선 실패할 수 있음→ 머신러닝에서는 우연히 쉬운 검증 데이터가 성능을 왜곡할 수 있음📌 교차 검증(Cross Validation)의 등장 배경검증 데이터를 한 번만 고르면:편향된 결과 발생 가능 (운 좋으면 잘 나올 수도 있음)데이터가 적을 때, 검증용 데이터로 떼어내는 것이 아깝기도 함→ 해결책: 여러 조합으로 나눠가며 검증모델의 일반화 성능을 공정하고 정밀하게 평가할 수 있음✅ 2. 교차 검증의 작동 방식📌 핵심 개념데이터를 여러 개의 .. 2025. 5. 29. << 1 2 3 4 ··· 9 >>
