devjjun 님의 블로그

TIL(Today I Learned)1️⃣머신러닝 심화 - 딥러닝1. 퍼셉트론(Perceptron)에서 심층 신경망으로딥러닝의 최소 단위인 퍼셉트론이 층(Layer)을 이루어 쌓인 것구조적 진화: 단일 층으로는 해결할 수 없던 복잡한 데이터 패턴을 **은닉층(Hidden Layers)**을 여러 층 쌓음으로써 해결 가능특징 학습(Feature Learning): 과거에는 사람이 직접 특징을 정의했으나, 딥러닝은 데이터로부터 모델이 스스로 유의미한 특징을 추출2. 딥러닝의 3대 핵심 구성 요소학습을 가능하게 만드는 내부 메커니즘가중치와 편향 (Weights & Bias): 입력 데이터의 중요도를 결정하는 변수. 학습이란 최적의 가중치 값을 찾아내는 과정활성화 함수 (Activation Function): ..

TIL(Today I Learned)1️⃣머신러닝 심화1. 군집화 핵심 개념목적: 유사한 데이터끼리 그룹(Cluster) 형성기준: 거리(distance) 또는 유사도(similarity)특징정답 없음 → 패턴을 스스로 발견데이터 탐색(EDA)에서 많이 사용예: 고객 데이터를 군집화 → “비슷한 소비 패턴 가진 고객 그룹” 발견2. 대표 알고리즘① K-Means가장 기본적인 군집화 알고리즘원리:K개의 중심점(centroid) 설정각 데이터를 가장 가까운 중심점에 할당중심점 업데이트반복특징빠르고 간단K값을 직접 정해야 함구형(원형) 군집에 강함② 계층적 군집화 (Hierarchical Clustering)데이터를 트리 구조(덴드로그램)로 표현방식Agglomerative (Bottom-up): 하나씩 합침D..

TIL(Today I Learned)1️⃣머신러닝 심화군집화 (Clustering)👉 비슷한 데이터끼리 묶는 것목적: 데이터 안에 숨어있는 그룹 찾기정답(label) 없이 스스로 그룹을 나눔 (비지도 학습)예시고객 데이터를 분석해서 비슷한 소비 패턴끼리 묶기뉴스 기사들을 주제별로 자동 분류대표 알고리즘K-meansDBSCANHierarchical Clustering👉 핵심: “누가 누구랑 비슷한지”를 찾는다 차원 축소 (Dimensionality Reduction)👉 데이터의 변수(컬럼)를 줄이는 것목적: 정보는 최대한 유지하면서 데이터 간단하게 만들기고차원 데이터 → 저차원 데이터로 변환예시100개의 변수 → 2~3개로 줄여서 시각화모델 학습 속도 개선, 과적합 방지대표 기법PCA (주성분 분석)..

TIL(Today I Learned)1️⃣머신러닝 기초 라이브 세션 앙상블 모델이란?여러 모델의 예측을 결합하여 더 나은 결과를 얻는 방법배깅 (Bagging: Bootstrap AGGregatING)원래 데이터에서 여러 번 샘플링하여 다양한 데이터셋을 만들고, 각각에 대해 독립적으로 모델을 학습배깅: 랜덤 포레스트여러 개의 결정 트리를 독립적으로 학습각 트리가 서로 다른 데이터와 특성을 사용부스팅 (Boosting)이전 모델이 잘못 예측한 데이터에 더 많은 가중치를 두어 순차적으로 모델을 개선부스팅: XGBoost, LightGBM(LGBM)이전 모델의 오차를 보완하는 방향으로 학습높은 예측 성능으로 실무에서 널리 사용됨앙상블 모델의 장점?더 안정적이고 강건한 예측 가능과적합 위험을 줄일 수 있음더 높..

TIL(Today I Learned)1️⃣머신러닝 기초 용어정리선형회귀Y (종속 변수): 결과 변수, 우리가 예측하거나 설명하려는 대상X (독립 변수): 원인 변수, 설명 변수 (Y에 영향을 주는 변수)선형 회귀는 다음과 같은 식으로 표현된다: Y=β0+β1X+εY β0(절편, Bias)→ X가 0일 때 Y의 예상값β1(회귀 계수)→ X가 1 증가할 때 Y가 얼마나 변하는지 나타냄ε(오차, Error)→ 모델이 설명하지 못하는 Y의 변동 (실제값과 예측값의 차이)머신러닝 / 딥러닝에서의 선형 회귀머신러닝에서는 선형 회귀를 다음과 같이 표현한다: Y=wX+b w(가중치, Weight)→ 입력값 X가 결과 Y에 미치는 영향력 (기울기)b (편향, Bias)→ 모델의 기본값 (X가 0일 때의 출력값)통계학과의..

TIL(Today I Learned)1️⃣통계학 기초 Chapter.4 & 5단순선형회귀란?하나의 독립변수(X)와 하나의 종속변수(Y) 간의 관계를 직선으로 모델링하는 방법 회귀식Y = β0 + β1X, 여기서 β0는 절편, β1는 기울기특징독립변수의 변화에 따라 종속변수가 어떻게 변하는지 설명하고 예측데이터가 직선적 경향을 따를 때 사용 실습더보기import numpy as npimport pandas as pdimport matplotlib.pyplot as pltfrom sklearn.linear_model import LinearRegressionfrom sklearn.model_selection import train_test_splitfrom sklearn.metrics import mean_..

TIL(Today I Learned)1️⃣통계학 기초 Chapter.3A/B 검정이란?A/B 검정은 두 버전(A와 B) 중 어느 것이 더 효과적인지 평가하기 위해 사용되는 검정 방법.마케팅, 웹사이트 디자인 등에서 많이 사용됨.사용자들을 두 그룹으로 나누고, 각 그룹에 다른 버전을 제공한 후, 반응을 비교.일반적으로 전환율, 클릭률, 구매수, 방문 기간, 방문한 페이지 수, 특정 페이지 방문 여부, 매출 등의 지표를 비교.목적두 그룹 간의 변화가 우연이 아니라 통계적으로 유의미한지를 확인실습온라인 쇼핑몰에서 두 가지 디자인(A와 B)에 대한 랜딩 페이지를 테스트하여 어떤 디자인이 더 높은 구매 전환율을 가져오는지 평가.더보기import numpy as npimport scipy.stats as stats..

TIL(Today I Learned)1️⃣통계학 기초 Chapter.2스튜던트 t분포란?t분포는 모집단의 표준편차를 알 수 없고 표본의 크기가 작은 경우(일반적으로 30미만)에 사용되는 분포정규분포와 유사하지만, 표본의 크기가 작을수록 꼬리가 두꺼워지는 특징특징표본 크기가 커지면 정규분포에 가까워짐.사용 예작은 표본의 평균 비교 👉 두 그룹의 평균이 유의미하게 다른지 검토약물 시험 👉 소규모 임상 시험에서 두 그룹간의 차이를 분석실습 코드더보기# 스튜던트 t 분포 생성t_dist = np.random.standard_t(df=10, size=1000)# 히스토그램으로 시각화plt.hist(t_dist, bins=30, density=True, alpha=0.6, color='r')# 스튜던트 t 분포..

TIL(Today I Learned)1️⃣통계학 기초 Chapter.1데이터 분석에 있어 통계가 중요한 이유데이터 분석에서 통계는 데이터를 이해, 해석하는데 중요한 역할을 한다.데이터를 요약하고 패턴을 발견할 수 있다.추론을 통한 결론 도출화를 돕는다.📍즉, 데이터 기반의 의사결정을 내릴 수 있다.기술통계와 추론통계기술통계: 데이터를 요약하고 설명하는 통계주로 평균, 중앙값, 분산, 표준편차 등을 사용더보기평균데이터의 대표값을 나타내는 값모든 데이터를 더한 후 데이터의 개수로 나누어 계산 일반적인 경향을 파악하는데 유용중앙값데이터셋을 크기 순으로 정렬했을 때 중앙에 위치한 값이상치(예외적인 값)에 영양을 덜 받기에 중심 경향을 나타냄분산데이터 값들이 평균으로부터 얼마나 떨어져있는지 나타내는 척도, 데이..

TIL(Today I Learned)1️⃣커리어 데이 취업특강 수강 1.면접 트렌드 및 필요 역량 안내2.면접의 종류에 따른 스피칭 및 준비 방법3.면접 예상 질문 및 답변 구축2️⃣자격증 취득 계획 설립데이터 분석 준 전문가(ADsP)출제 문항 및 배점시험 일정취득 계획 제 49회 데이터분석 준전문가 시험일: 5월 17일 SQL[개발자]출제 문항 및 배점시험 일정취득 계획SQLD[개발자] 제61회시험일: 5월 31일💡 느낀점한국취업센터의 담당자 분과 상담을 거치며 입사지원서의 방향성과 추후 취득하면 좋은 자격증 등을 함께 고민할 수 있는 값진 시간이었다. 또한 콥스랩 대표님의 취업특강을 수강하며 현재 면접의 트렌드나 주요 질문들을 확인하고 답변을 학습할 수 있었다. 추후에 입사지원서를 미리 작성해보며..