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 |
- 진심
- 가족
- 웹툰
- 아주 작은 습관의 힘
- 제주도
- 산책
- pandas
- 습관
- 빅데이터 분석기사
- QGIS
- 사랑
- 애니메이션
- 서귀포
- 로맨스
- 이기적 출판사
- 빅데이터 분석기사 필기
- 만화 영화
- python
- 네이버
- 액션
- 제임스 클리어
- 영화
- 네이버 웹툰
- 완결
- 넷플릭스
- 완결 웹툰
- 네이버 완결 웹툰
- 이범선
- geopandas
- 커피
- Today
- Total
목록Data Science/국비지원 (260)
JuJuKwakKwak
5조 경기도 부동산 가격 예측 나의 질문 - 거시경제 변수란? - 경기도에는 몇 개의 도시가 있지? - QGIS는 어떻게 구현했을까? - 풍선 효과는 무슨 뜻인가? - 자기소개 그림은 어떻게 그린 거예요? 1의 질문 : 여러가지 피처들 중에서 중요하다고 생각하는 피처가 무엇이고 그 이유는 무엇인가요? -> 서울의 가격지수. 부동산 지역성에 반영한다. 경기도는 서울과 가깝다. 상관관계가 굉장히 크다. 1의 질문 : 힘들었던, 기억에 남았던 전처리 기억? 또는 가장 힘들었던 허들? -> 시계열 데이터를 다루는 것. 시계열 데이터를 어떻게 LSTM으로 다루는 지에 대한 정보는 제한적이었다. 3의 질문 : 서비스 측면에서, 고객이 정말 이 서비스를 사용할 것인가? 전재산을 가지고 링코를 보고 집을 살 수 있을까..
지원 방법 (예시) - 원티드 -> 데이터 분석가 검색 -> 당근마켓 데이터 분석가 클릭 발표 - 쉬운 단어로 이해시켜야 한다 - 순발력이 필요하다 - 상황에 맞게 융통성 있게 말하기 링코, 대한민국을 잇다 전체 순서 - 기획 의도 - 모델 선정 - LSTM 변수 선정 - 다변량 LSTM 기획 의도 - 거주 vs 투자 - 실거주자를 위한 정보제공 서비스 구현 모델 선정 ARIMA(전통) vs FBprophet(페이스북) LSTM - 변수 추가 가능 - Epoch 조정 가능 - 학습률 조정 가능 경기도는 서울의 영향이 크다 시계열 데이터 군집화 방법 - DTW(Dynamic Time Warping) 가설 설정 - 서울과의 거리가 달라지면 가격도 달라질 것이다 양방향 LSTM 서비스 구현 - 피그마 데꾸, ..
스마일게이트 커리어 : https://careers.smilegate.com/ 스마일게이트채용 엔터테인먼트 산업에 대한 순수한 열정으로 함께 비전을 실현할 도전자를 환영합니다. 좋아하는 일을 통해 세상을 즐겁게 만드는 꿈, 스마일게이트가 함께 이루어갑니다. careers.smilegate.com 오늘 한 일 - LINE 기업에 대한 조사 - 지원서 1번, 2번, 3번 작성함 - 다른 조들과 친목도모
포트폴리오 디자인 : https://www.miricanvas.com/ 디자인 플랫폼 미리캔버스 ppt, 카드뉴스, 포스터, 유튜브 섬네일 등 5만개 이상의 무료 템플릿으로 원하는 디자인 제작 www.miricanvas.com 앞으로 할 일 - 예상 질문 준비 멘토링 정리 - A 멘토님 - 잘했다 - B 멘토님 - 유튜브 링크를 누르면 딴 길로 샐 수 있지 않을까? 텔레그램 안에서 영상 재생하는 방법은 없을까? - C 멘토님 - 코드로 구현한 경험은 응원한다. - 먼저 코드로 결과를 만들고 나중에 기획부분은 짜맞춘 티가 났다. - 발표 전체 구성에서 기획 배경 설명하는 부분이 너무 많았다. - 우리 조의 결론 => 이제 와서 기획을 바꿀 수는 없다. 처음 오는 심사위원은 기획을 자세히 설명할 필요가 있다..
NLP 코드 활용 : https://github.com/ukairia777/tensorflow-nlp-tutorial GitHub - ukairia777/tensorflow-nlp-tutorial: tensorflow를 사용하여 텍스트 전처리부터, Topic Models, BERT, GPT와 tensorflow를 사용하여 텍스트 전처리부터, Topic Models, BERT, GPT와 같은 최신 모델의 다운스트림 태스크들을 정리한 Deep Learning NLP 저장소입니다. - GitHub - ukairia777/tensorflow-nlp-tutorial: tensorflow를 사용하 github.com 오늘 할 일 피피타 수정하기 - 알고리즘 : 시각적으로 잘 보이게 - 워크플로우 : 시각적으로 잘 ..
오늘 한 일 - 피피티 합치기 - 피피티 보완하기 보완할 점 - 국어 실력을 향상시켜주자 -> 비문학을 요약해주자 : 이 사이의 간극을 메꾸기 - 왜 데이터셋을 비문학을 선택했는지? : 이 질문의 대답을 만들기 - 사용자 입장에서 우리의 서비스를 이용하면 어떤 장점이 있는지? : 이 질문의 대답을 만들기 1조의 장점 - 안 배운 내용을 개척했다. 강사님 피드백 - 우리가 어떤 어떤 것을 했다 -> 데이터 몇 건, 학습 에폭 몇 번 - 전체 흐름을 보여주기 - 텍스트 부분은 상징적으로 보여주기만 하기. 글자 부분 축소하기. 도형, 화살표 보여주기. 표와 그래프 보여주기. - 했다는 느낌을 받았다. 우수성을 보여줬다는 느낌이 없다. - 기술 설명을 그림으로 표현하라
지금 생각해야 할 점 - 우리의 프로젝트가 얼마나 쓸모 있느냐? 발표 흐름 - 기획 : 시장 조사 - 문제 제기 : 고객, 불편 - 자사 기술 소개 : 해결 아이디어, 기술 소개 - 기술의 우수성 : 현재 경쟁사 현황, 경쟁 기술 현황, 우리 기술이 더 좋은 이유(정확도 metric) - 서비스 기획 : 실제 웹 구현 or UI/UX 디자인 - streamlit, 텔레그램, flask, django - 실제 활용 : 실제 서비스 활용성 강사님의 피드백 - 콴다와 비교해서 더 나은 점을 포장하기 - 콴다를 분석해서 어떤 부분에서 좋은 점이 있다! 이런 식으로 - 콴다를 벤치마킹하다, 콴다에 영어와 수학만 있다. 우리가 만든 국어를 추가하면 에듀 테크 시장에서 1위 차지할 수 있다. 이런 식으로