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 |
- DecisionTree
- 오차 행렬
- Normalization
- 웹서비스 기획
- NULLIF
- 지도학습
- layer normalization
- five lines challenge
- Batch Normalization
- CASE WHEN
- sorted
- ifnull
- 데이터 전처리
- beautifulsoup
- SQL
- NVL
- 평가 지표
- LAG
- recall
- 감정은 습관이다
- 정밀도
- 재현율
- 데이터 분석
- 비지도학습
- 강화학습
- 빠르게 실패하기
- 데이터 프로젝트
- 백엔드
- nvl2
- 결정트리
- Today
- Total
목록전체 글 (63)
Day to_day
23년을 맞이한 지 14일째를 지나간다. 첫 발걸음을 내딛기 전, 지난날의 나를 회고하는 시간을 가져본다. 내가 성장했다고 느끼는 순간, 난 살아있음을 느낀다. 그만큼 나에겐 ‘성장’의 의미가 크다. Ch. 1 나를 고민했던 시간들 나의 20대 초반엔 내가 무얼 좋아하는지, 내가 어떤 사람인지에 대해 관심이 많았다. 다양한 경험을 해보면 내 안의 무언가가 꿈틀거리며 좋아하는 것을 찾을 수 있을 줄 알았다. 스포츠 동아리에 빠져서 전국대회도 나가보고, 직접 운영진으로도 있어보고, 영어가 좋아서 학교 버디프로그램으로 원어민 친구들이랑 시간도 보냈고, 전공 연구실에 들어가기 시작하면서 연구 과제에도 참가했다. 또 창업도 관심 있어 관련교육도 듣고 팀프로젝트도 하며 네트워크를 쌓았던 것 같다. 여기저기 가지를 ..
리트코드에서 나온 문제 중에 쉽게 사용해왔던 NOT IN을 사용하면서 겪었던 문제를 함께 공유하려고 한다. 지시 사항 Each node in the tree can be one of three types: "Leaf": if the node is a leaf node. "Root": if the node is the root of the tree. "Inner": If the node is neither a leaf node nor a root node. Write an SQL query to report the type of each node in the tree. Return the result table in any order. 정답 코드 SELECT id, (CASE WHEN (T.p_id IS ..
리트 코드 문제를 풀면서 어려웠던 문제의 여러 가지 풀이법을 함께 공유하려고 한다. 지시 사항 Write an SQL query to find all dates' Id with higher temperatures compared to its previous dates (yesterday). Return the result table in any order. >> 다음 날의 기온이 이전 날짜의 기온보다 높은 경우의 Id를 모두 구하라는 지시 사항이다. 정답코드 WITH PIVOT AS (SELECT *, DATE_ADD(recordDate, INTERVAL 1 DAY) FROM Weather) SELECT W.id FROM PIVOT P LEFT JOIN Weather W ON P.nextDay = W.r..
새로운 프로젝트가 시작되었다! 물론 시기로 따지자면 끝난 프로젝트를 이제야 정리(?) 하는 거긴 한데..ㅎ 내 블로그는 시간을 따지지 않을테니 과거로 돌아가 적는다고 생각하겠어 이번 프로젝트는 엘리스에서의 마지막 프로젝트이다! 배웠던 모든 것을 쏟아붓는 마지막!! 웹서비스를 만드는데 이번엔 인공지능을 곁들인.. 그런 서비스를 만드는 것이 주제다. 다른 팀들의 경우 원하는 포지션이 겹치거나 인공지능을 희망하는 팀원이 없는 경우도 있다던데 우리 팀은 운이 좋게도 원하는 포지션이 적절하게 분배가 되어있어서 쉽게 포지션을 정할 수 있었다. 프론트엔드 3명 백엔드 1명 인공지능 1명 이 중에서 난 이번엔 인공지능을 맡았다. 본격적으로 프로젝트를 기획하기 전에 팀 규칙을 정하는 시간을 가졌다. 1. 스크럼 시간 1..
전체 코드는 "[NLP] 문서 군집화(Clustering)와 문서 간 유사도(Similarity) 측정하기"를 참고하여 작성되었습니다. 저번 포스팅에서 문서 간 유사도 검사를 위해 각 문서의 TF-IDF를 벡터화시켰다. 이제 코사인 유사도 검사를 하기 전에 클러스터링을 통해 그룹을 먼저 나눠주고 그 그룹 내에서 유사도 검사를 진행해 하나의 레시피를 몇 백개와 수없이 비교하는 것을 방지한다. 그러면 내가 사용할 클러스터링 알고리즘은 K-means clustering이다. 왜 하필 K-means clustering이냐고? 그게 제일 먼저 알고 있던 알고리즘이기도 하고, 또 다른 군집 모델을 알지 못했다;; 나중에 유사도 검사를 다 끝내 놓고 알고 보니 데이터의 분포에 따라 잘 작동하는 클러스터링 모델이 있다..
유사도 검사를 통해 유저가 좋아요를 누른 레시피와 가장 유사도가 높은 레시피를 추천해보는 건 어떻냐는 피드백을 받았다. 일단! 나는 문서 간의 유사도 검사라는 말을 처음 들었고, 어떤 원리로 작동되는지도 잘 몰라서 감이 잘 잡히지 않았다. 그래서 이번 기회에 공부하면서 사용도 해보고싶어서 바로 주말 동안 호다다닥 시작했다. 조금 급하게 학습한거라 자세한 내용들이 틀릴 수도 있겠지만 일단은 이해한 바를 써보고, 추후에 전문서적을 사서 더 자세히 공부하고 정확하게 알아가면 살을 붙이면서 완성도를 높이려 한다. 일단 스따뜨~! 전체 코드는 "[NLP] 문서 군집화(Clustering)와 문서 간 유사도(Similarity) 측정하기"를 참고하여 작성되었습니다. 전에 데이터에 대해 소개했듯이 나는 레시피의 '재..