모듈(.py) 안에서 library 설치
Colab 같은 클라우드 환경 사용 비중이 늘어나고 있습니다. 클라우드에 기본으로 설치되지 않은 라이브러리를 설치하는 방법을 알아봅니다. pip도 import 해서 사용할 수 있습니다. 1. 클라우드 환경 Google Colab이나 Streamlit cloud 처럼 클라우드 기반 서비스 활용 비율이 늘어납니다. 장점이 많지만 서버가 물리적으로 고정되어
Archive: 2022
Nature Methods- Points of significance
Nature지에서는 연구자들의 올바른 통계 분석 역량을 배양하고자 컬럼을 연재했습니다. Points of Significance라는 이름으로 연재했으며, 데이터의 올바른 해석과 실험 계획에 대한 가이드를 주고 있습니다. 주로 정해진 필진이 길지 않은 기사를 쓰는데 Nature Methods에 실립니다. 간간이 Nature 자매지에 투고되는 분석이 얼마나
nonlinear models
한국에너지기술연구원 AI 학습조직에서는 2022년 한 해동안 머신러닝을 공부하고 있습니다. 이번 시간에는 가장 기초가 되는 선형 모델과 함께 위한 비선형 모델을 소개했습니다. 대부분의 데이터가 비선형이기 때문에 선형의 한계를 벗어나기 위해 다항변환과 커널을 이용합니다. 강의에서 하나를 빼먹었는데요, PCA는 데이터 값의 영향을 크게 받기 때문에 Stand
glowing full moon
추석입니다. 빛나는 보름달을 그립니다. 1. 추석 달 오마이뉴스: 이번 추석, ‘초 슈퍼문’ 볼 수 있다 (2015.09.22.) 보름달 주위로 빛이 살짝 스며나올 때가 있습니다. 구름이 옅게 끼거나 공기가 습할 때 일부가 굴절되는 것입니다. 2. 빛이 스미는 보름달2.1. 보름달 빛이 하늘에 번지는 보름달을 그립니다. 먼저, 2022 x 2022
Emphasis on main data
시각화에서 색은 매우 중요한 요소입니다. 중요 데이터를 강조하기 위해 특정 영역의 색을 다르게 지정하기도 합니다. HLS 색공간을 사용해 특정 데이터만 강조합니다. 1. 중요 데이터 강조 Claus Wikle, “데이터 시각화 교과서” 아래 그림은 데이터 시각화 교과서에 수록된 데이터 강조 사례입니다. 여러 항공사 중 Delta와 American만
Text Processing Functions
자연어 처리는 품이 많이 듭니다. 단어부터 문장, 맥락까지 처리할 것이 한 두 가지가 아닙니다. 그러면서도 반복이 많습니다. 함수로 만듭니다. 초록 요약 및 키워드 추출 Pega Devlog: Open API를 이용한 고속 논문 분석 우연히 시작한 문헌 분석 일이 형태를 갖춰 갑니다. 주먹구구로 시작했던 일을 체계적으로 정리하고자 합니다. 무엇보다
1001 days commit Q&A (2)
2019년 11월 9일부터 기록된 일일커밋이 2022년 8월 5일자로 1001일을 달성했습니다. 스스로 조금 뿌듯해서 관련된 기록을 남겨보고 싶었습니다. 커뮤니티 등을 통해 47분에게 받은 응답을 가상 인터뷰 형식으로 정리합니다. 2.데이터 분석 & 커리어 Q10. 지금 하는 일은 무엇인지?목승찬 A10. 정부출연연구소에서 데이터, AI등을 담
1001 days commit Q&A (1)
2019년 11월 9일부터 기록된 일일커밋이 2022년 8월 5일자로 1001일을 달성했습니다. 스스로 조금 뿌듯해서 관련된 기록을 남겨보고 싶었습니다. 커뮤니티 등을 통해 47분에게 받은 응답을 가상 인터뷰 형식으로 정리합니다. 1.천일커밋 Pega: githubcraiyon.com: DALL.E mini Q1. 커밋은 언제부터 시작했습니까? A
Matplotlib Animation
정지된 그림으로는 볼 수 없는 것들이 있습니다. 시간에 따른 변화나 입체 도형의 뒷면이 그것입니다. 애니메이션을 활용해 이를 보완합니다. 1. Matplotlib animation matplotlib.animation Matplotlib에서 사용할 수 있는 애니메이션은 두 가지가 있습니다. Artist 객체 변화를 저장하는 ArtistAnimati
hyperparameter
한국에너지기술연구원 AI 학습조직에서는 2022년 한 해동안 머신러닝을 공부하고 있습니다. 이번 시간에는 머신러닝 성능 막판 끌어올리기, hyperparameter tuning을 소개했습니다. 문제, 데이터, 모델 선정에 최선을 다했다면 학습 환경을 최적화할 차례입니다. 강의 자료는 여기에서 다운받으실 수 있습니다 발표 영상 : (Youtube L