AI를 하고 싶은 C-level의 흔한 실수들
연구개발특구(innopolis)에서 CEO 대상 AI 인사이트 교육 발표를 했습니다. (22.03.24.) 공지된 제목은 데이터, 다이아몬드 또는 진흙이었습니다만 제 앞에서 발표하신 고우영 님의 발표를 보고 연장선상에서 바꿨습니다. 수정된 제목은 AI를 하고 싶은 C-level의 흔한 실수들입니다. 발표 영상입니다 (Youtube Link)
Home
joinstyle & capstyle
오늘은 매우 사소한 글입니다. Matplotlib에서 그려지는 선의 꼭지점과 끝점 표현입니다. 사소하지만 신경을 거스르는 일을 해결합시다. 1. motivation: Pie chart 다른 그림에 비해 자주 그리는 그림은 아닙니다. 그런 만큼 손에 익히기 쉽지 않은데, 정리를 한번 하겠습니다. 아보카도, 바나나, 체리 판매량이 각기 40, 70, 1
gravity
파이썬은 과학과 공학을 구현하기 좋습니다. 간단한 몇 개의 코드로 방정식을 구현하고, 시각화 기법을 사용해 우리 눈으로 봅니다. 1. 만유인력 wikipedia: gravity 질량이 있는 물체끼리는 끌어당기는 힘이 있습니다. 만유인력이라고 합니다. 뉴턴이 발견한 것으로 유명하고, 중력파는 우주의 비밀을 여는 열쇠가 됩니다. 두 물체의 질량이 $m_
colorsys - Conversions between Color Systems
이미지를 처리하는 파이썬 라이브러리는 많습니다. 가장 잘 알려진 opencv와 pillow를 비롯해서 matplotlib도 이미지 처리를 합니다. colorsys라는 파이썬 기본 라이브러리가 있습니다. 색 공간을 변환하는 라이브러리인데, 이것만 잘 써도 할 수 있는 게 많습니다. 1. 예제 이미지 wikimedia commons: Siberischer
Sci Vis) 2. In a Far Distance Galaxy
Scientific Visualization: Python + Matplotlib 책에는 최고 수준의 시각화 기술이 담겼습니다. 높은 수준에 비해 설명이 다소 짧아 초심자에게 어려워 보였습니다. 저자인 Nicolas P. Rougier 박사님의 허가 하에 일부를 해설합니다. 이 시리즈는 해외 독자를 위해 영어를 회색 상자 안에 병기합니다. .e
사례로 들여다보는 데이터 시각화 Q&A
한국지능정보사회진흥원(NIA)에서 또 다른 기회를 주셨습니다. (21.12.03.) 데이터 시각화를 잘 하는 방법에 대한 개괄적인 발표였습니다. 발표를 녹화하지 않아 동영상은 제공이 불가합니다. 발표자료는 여기에서 다운로드받으실 수 있습니다. 사전 질문이 매우 많았습니다. NIA에서 일차 추려주셨는데도 수를 세어보니 56개더군요. 많은 분들의 관심
Sci Vis) 1. Rotated histogram
Scientific Visualization: Python + Matplotlib 책에는 최고 수준의 시각화 기술이 담겼습니다. 높은 수준에 비해 설명이 다소 짧아 초심자에게 어려워 보였습니다. 저자인 Nicolas P. Rougier 박사님의 허가 하에 일부를 해설합니다. 이 시리즈는 해외 독자를 위해 영어를 회색 상자 안에 병기합니다. .e
NIA Data Story - Movie) 0. intro
한국지능정보사회진흥원(NIA) 요청으로 데이터 스토리를 작성했습니다. 1971-2020, 50년간 국내 개봉작을 데이터의 형태로 경험했습니다. 시각화 코드를 조금 자세히 풀어서 전달드리고자 합니다. 1. “빅”데이터 검수 문제 통합 데이터 지도 최근 전에 없이 국가적인 단위에서 데이터 수집 사업이 수행되었습니다. 앞으로 다가올 데이터 기반 사회를 위
2D distribution
2차원 공간의 데이터 분포를 표현합니다. 많이 사용하는 기능이면서도 막상 쓰려면 디테일에 발목을 잡힙니다. Matplotlib, seaborn에 이어 mpl-scatter-density도 알아봅니다. 1. 2D data distribution 데이터가 2차원으로 분포하는 경우는 매우 흔합니다. N차원으로 분포하는 데이터의 두 차원만 떼어 보여주는 경우도
material property visualization
초심자를 위한 소재 물성 시각화 tutorial입니다. 여러 물질의 friction stress와 elastic modulus 데이터를 읽어들이고, 이들의 연산 결과를 막대 그래프로 표현하고 강조하는 과정입니다. 1. 논문 데이터 추출 Yoshida et al, Acta Materialia, “Effect of elemental combination o