번역) 내가 COVID19 데이터를 시각화하지 않는 이유
그리고 여러분들도 (아마도) 하지 않아야 하는 이유
사내 스터디에 대한 회고
회사 서비스의 추천 시스템을 개선하기 위해 팀 내에서 (아직까진 두 명이긴 하지만) 지난 두 달 동안 스터디를 진행했습니다. 얼마 전 두 번째 스터디가 끝났고 이에 대한 회고를 해보려고 합니다.
진행 방식 및 일정
진행 방식
- 한 명씩 돌아가면서 일정 부분을 공부해서 상대방에서 설명하기
Google Machine Learning Crash Course
- 바로 Google Recommendation Systems 를 시작하려고 했으나
ML 에 대한 기본적인 지식이 있으면 좋다는 강좌 소개를 보고 빠르게 보고 정리하면서 까먹고 있던 것들을 되새기기 위해 진행
ML Crash Course 에서 좋았던 점
- 한동안 ML 보다는 통계적 모델링이나 검정을 업무에 많이 사용했어서 기억 속 어딘가에 쳐박혀있던 지식을 조금이나마 꺼낼 수 있는 시간이었음
- 이전까지 했던 ML 공부는 혼자 하거나 내가 동료들을 가르쳐주는 입장이어서 피드백을 제대로 받지 못했는데 이번에는 잘못 이해하고 설명을 하면 이에 대한 피드백을 바로 받을 수 있어서 좋았음
- 피드백을
그거 틀렸어가 아니라왜 그렇게 생각하느냐, 이런 경우는 어떻게 하느냐, 다시 잘 정리해서 설명해보라는 식으로 해주셔서 피드백을 더욱 적극적으로 요구했던 것 같음
ML Crash Course 에서 아쉬웠던 점
- Google 에서 제공하는 것이니 TF 를 쓰는 것이 당연하겠지만 온전히 TF 로만 진행되는 부분은 조금 아쉽긴 했음
Crash Course답게 후루룩!!! 하고 넘어가는 게 있어서 전혀 모르는 상태에서 보기에는 쉽지는 않을 듯
Google Recommendation Systems
- 본격 추천 시스템 스터디! ML Crash Course 처럼 강의가 있는 줄 알았으나 온전히 텍스트만으로 이루어진 과정입니다.
Recommendation Systems 에서 좋았던 점
- 막연히
이렇게 하면 되겠지라고만 알고 있던 추천 알고리즘들에 대해서 조금은 더 깊게 알 수 있게 된 계기 - 이론적인 설명을 그림과 간단한 데이터셋으로 해줘서 긴 설명이 없는데도 불구하고 이해하는 것이 엄청나게 어렵지는 않았음
Recommendation Systems 에서 아쉬웠던 점
- 아쉬웠다고 하기는 애매하지만, 막연히 알 때는 크게 고민하지 않았던 것들인데 실제 서비스에 적용할 수 있을까 하는 걱정이 늘어남
- TF 를 안 쓰다 보니 여전히 진입 장벽이 크게 느껴짐
끝!!
인줄 알았으나 Coursera 에서 University of Minnesota 에서 진행하는 Recommendation Systems 시작 예정!!
향후 일정
- 해당 Specialization 은 총 4개의 강좌로 구성되어 있는데 아직까진 첫 강좌에 대해서만 일정을 세운 상태
- 진행 방식은 동일하게 한 사람씩 번갈아가면서 해당 부분을 이끌어서 일주일에 1시간 이내로 정리한 내용을 설명하는 시간을 가지는 방식
- 2월 18일 ~ 4월 28일
Introduction to Recommender Systems: Non-Personalized and Content-Based
2020
사내 스터디에 대한 회고
회사 서비스의 추천 시스템을 개선하기 위해 팀 내에서 (아직까진 두 명이긴 하지만) 지난 두 달 동안 스터디를 진행했습니다. 얼마 전 두 번째 스터디가 끝났고 이에 대한 회고를 해보려고 합니다.
번역] 데이터의 어두운 면 - 개인정보 (Dark Side of Data:Privacy)
원문: Dark Side of Data: Privacy by Emre Rencberoglu
번역] 초보자를 위한 RStudio 의 프로젝트 와 작업 디렉토리
원문: RStudio Projects and Working Directories: A Beginner’s Guide by Martin Chan
번역] 몇 가지 추천 시스템에 대한 개괄
원문: An Overview of Several Recommendation Systems
번역] Tidy Tuesday 이벤트에 대한 소개
원문: TidyTuesday GitHub Repository
프로그래밍 언어들의 이름을 지은 방법
원문: How programming languages got their names
2019
회의를 덜 끔찍하게 만드는 방법
원문: How to Make Meetings Less Terrible 팟캐스트: How to Make Meetings Less Terrible (Ep. 389)
R 에서 networkD3 를 이용해서 샌키 다이어그램(Sankey Diagram) 그리기
생키 다이어그램 (Sankey Diagram) 은 흐름(Flow) 다이어그램의 한 종류로써 그 화살표의 너비로 흐름의 양을 비율적으로 보여준다.
2016년 모든 데이터 사이언티스트가 알아야할 10+2 가지 데이터 사이언스 방법론
2년 전 일본어로 책을 내긴 했지만 대부분의 독자들이 이 책을 읽을 수는 없을 것 같았다.
29가지 통계 개념 - 회귀분석의 가정과 조건들
회귀분석을 실행하기 위해 필요한 가정과 조건들에 대해 알아보자.
29가지 통계 개념 - 정규성 가정
통계적 검정과 회귀분석에서 자주 사용되는 정규성 가정과 정규성 검정에 대해 알아보자.
29가지 통계 개념 - 독립성 가정
여러 통계 검정과 모형에서 사용되는 독립성 가정에 대해 알아보자.
29가지 통계 개념 - ARMA 모형
시계열 모형 중 ARMA 모형에대해 알아보자.
29가지 통계 개념 - 통계학에서의 넓이에 대한 원칙
시각화에서 주의할 점인 넓이를 표시하는 원칙에 대해 알아보자.
29가지 통계 개념 - 평균으로부터 양쪽으로 떨어진 z-값 사이의 넓이
평균 양쪽의 z-값들 사이의 넓이를 구하는 방법에 대해 알아보자.
29가지 통계 개념 - 분산분석(Analysis of Variance)
분산분석의 개념과 방법에 대해 알아보자.
29가지 통계 개념 - 공분산분석(Analysis of Covariance)
분산분석(ANOVA; ANalysis Of VAriance) 와 회귀분석의 개념을 섞은 공분산분석(ANCOVA; ANalysis of COVAriance)에 대해 알아보자. 이 글을 이해하기 위해서는 아래의 글을 먼저 읽는 것이 좋다.
29가지 통계 개념 - Akaike’s Information Criterion(AIC)의 정의와 공식
Akaike’s Information Criterion 의 정의와 이를 구하는 방법에 대해 알아보자.
29가지 통계 개념 - 수정된 R제곱 무엇에 사용하는 것인가?
수정된 R제곱과 그 용도에 대해서 알아보자.
29가지 통계 개념- 정확도와 정밀도(Accuracy and Precision)
통계 용어 중 정확도(Accuracy)와 정밀도(Precision) 에 대해서 알아보자.
29가지 통계 개념 - 절대 오차와 평균 절대 오차(MAE)
절대 오차와 평균 절대 오차에 대해서 알아보자.
통계학도감 - 5장 가설 검정
가설 검정이란 무엇이며, 가설 검정의 다양한 방법에 대해 알아보자.
통계학도감 - 9장 회귀분석
회귀분석이란 무엇이며, 회귀분석 과정에서 사용하는 용어와 다양한 방법에 대해 알아보자.
GitHub Pages Jekyll Blog 에 MathJax 추가하기 (Adding MathJax to a GitHub Pages Jekyll Blog)
이 글은 MathJax 를 GitHub Pages Jekyll blog 에 추가하는 방법을 다룬다. 이탤릭체로 된 부분은 본문에는 없고 제가 따라하면서 고치거나 추가한 부분이니 참고하세요. 절차
29가지 통계 개념 - 통계학에서의 10% 조건이란 무엇인가?
모집단과 표본집단을 이용하는 경우 통계학에서 말하는 10% 조건이 무엇인지에 대해 알아보자.
GitHub 블로그에 Jupyter notebook 올리는 방법
여러분의 GitHub 블로그에 Jupyter notebook 을 바꿔서 올릴 수 있도록 도와줄 글이다. 직접 바꾸는 방법은 1회성 글들을 위해서 추가했고, 변환 과정과 파일 이동, 그리고 여러분의 블로그에 올리는 것까지 한 번에 할 수 있는 자동화 bash 를 만드는 자세한 방법...
29가지 통계 개념 - 통계학에서의 68, 95, 99.7의 법칙(68 95 99.7 Rule in Statistics)
68 95 99.7의 법칙이란 무엇인가?
29가지 통계 개념 - ADF(Augmented Dicky Fuller) 검정
단위근 검정 방법 중 하나인 Augmented Dickey Fuller 검정에 대해 알아보자.
쉽게 풀어 쓴 29가지 통계 개념(29 Statistical Concepts Explained in Simple English)
이 자료는 데이터 과학과 관련된 특정 주제에 대한 연재물이며, 다룰 주제는 다음과 같다. 회귀분석, 군집화, 신경망, 딥러닝, 의사결정나무, 앙상블, 상관관계, 파이썬, R, 텐서플로우, SVM, 데이터 축소, 피쳐 선택, 실험 계획법, 교차검증, 모델 피팅 등. 이 글을 계속 받...