meoca1257 님의 블로그

스트림릿 5회차 ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ시계열 데이터 부수기 1~3회차   ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ코드카타코딩테스트 연습 - 로또의 최고 순위와 최저 순위 | 프로그래머스 스쿨할만함 def solution(lottos, win_nums):    answer = [0,0]    for i in lottos:        if i in win_nums:            answer[0] +=1            answer[1] +=1        if i == 0:            answer[1] +=1    return answer개선이 필요함 순위를 구해야하는데 일치하는 개수를 구했음def solution(lottos, ..

스트림릿 4회차 김준성 튜터님 ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ코드카타 코딩테스트 연습 - 기사단원의 무기 | 프로그래머스 스쿨 def solution(number, limit, power):    power = [0]*number    print(power)    print( )    iron = 0    for i in range(1,number+1):        for j in range(1,number+1):            for k in range(number):                if i % j == 0:                    power[k] +=1        print(power)                    if power[k]..

ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ스트림릿 세션 2회차 김준성 튜터님      ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ코드카타코딩테스트 연습 - 덧칠하기 | 프로그래머스 스쿨해석1. 벽이 n 미터, 롤러 폭이 m 미터 , section 은 미터별 최소 한번씩 칠해야할 구역2. 일단 section[ 0 ] 은 무조건 1번 칠하고 가야함 3.if (section [ 1 ]  - section [ 0 ])              m1 = m - (section [ 1 ]  - section [ 0 ])             result += 1if (section [ 2 ]  - section [ 1 ])              m..

Streamlit과 함께, 대시보드 완전 정복 2회차 김준성 튜터님 📖 수업 목표Streamlit의 핵심 함수들을 이해하고, 텍스트 및 다양한 컴포넌트를 삽입하는 방법을 배워봅니다.여러 가지 입력 위젯을 통해 사용자와 상호작용하는 방법을 익힙니다.Streamlit 기본 시각화를 적용해 봅니다.Streamlit • A faster way to build and share data apps공식 홈페이지 doxs -> API reference 에 여러 위젯에 관한 자료가 있음 (참고)     ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ팀프로젝트 발제금일 주제 선정 및 데이터 전처리 초안 완성ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ코드카타코딩테스트 연습 - 덧칠하기 | 프..

Streamlit과 함께, 대시보드 완전 정복 1회차 김준성  튜터님 📖 수업 목표대시보드가 무엇인지, 왜 필요한지 그 개념과 중요성을 이해합니다.제조업 환경에서의 대시보드 활용 사례 및 좋은 대시보드와 나쁜 대시보드의 차이를 살펴봅니다.제조업 데이터 분석에서 자주 등장하는 대표 지표들을 알아봅니다.Streamlit을 설치하고 간단한 웹앱을 실행해봄으로써, 대시보드를 구축할 수 있는 기본 베이스를 마련합니다. 01. 대시보드란 무엇인가? 좋은 대시보드란?✔️ 대시보드가 왜 필요한지, 그리고 좋은 대시보드가 갖춰야 할 조건을 살펴봅니다.데이터 홍수 시대, 왜 대시보드인가?데이터 홍수 시대→ 대시보드는 여러 소스의 데이터를 한눈에 보기 쉽게 시각화하여, 업무 효율 및 의사결정 속도를 높여주는 전략적 도구입..

태블로 완전 정복 3회차 세션 - 손보미 튜터님[수업 목표]피그마를 활용하여 대시보드를 꾸며봅시다.사용자지정 모양이나 아이콘을 활용해봅시다.[목차]숫자로 보는 공장, Tableau 완전 정복 수업 일정피그마 살펴보기피그마 디자인하기태블로 꾸미기(with 아이콘) 피그마 살펴보기피그마란? 현존하는 가장 인기 있는 디자인 툴, 클라우드 기반 디자인 및 프로토타이핑 도구.UIUX 디자인이나 디자인 시스템 제작, 기획, PPT, 애니메이션, 짤&이모지 만들기 등 무궁무진한 용도로 활용할 수 있는 디자인 툴. 1. 강력한 UI 드로잉벡터+비트맵+웹 툴입니다강력한 벡터 드로잉 기능을 활용해 자유롭게 그림을 그릴 수 있습니다.웹에 자동저장되고 많은 파일도 빠르게 처리할 수 있습니다.고품질 UI 컴포넌트를 원툴로 만들..

개인과제(완)내가 이곳저곳 자문구하며 만든 태블로 대시보드 전체 - 이부분부터 막혔음  1. 대시보드에서 필터 설정하기  -> 워크시트에서 필터를 설정해둔 상태로 대시보드에 옮겨오면 필터가 자동으로 튀어나옴 안튀어 나와도 빼낼 수 있음그렇게 튀어나온 필터들 제목 없애서 깔끔하게 만들어주고 단일 값, 다중  값 설정 2. 온실이름 필터 따라 바뀌는 문구 삽입하기 -> 새시트를 기준으로 다시 시작-> 온실이름 차원을 세부 정보로 드래그 -> 필터 추가 ( 바로 필터 추가하려고 하면 측정일-일 이 안나와서 행이나 열에 먼저 올려놓고 필터 추가해야함-> 마크 다각형으로 바꿔주고 열에 측정일 없애주면 이렇게 되는데 여기서 시트11 더블클릭-> 으로 있는걸 ' Smart Farm Monitoring - '으로 ..

개인 과제 발제ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡTableau 완전 정복 2회차 손보미 튜터님[수업 목표]태블로 그래프를 실습해봅니다.데이터셋에 맞는 KPI 지표를 생성해봅니다.[목차]숫자로 보는 공장, Tableau 완전 정복 수업 일정계산된 필드 사용하기기본 그래프 작성하기SQL 응용한 필드 생성 계산된 필드 사용하기 결함률 KPI 지표 만들기(품질관련 KPI) 불량률 (Defect Rate): (불량품 수 / 총 생산량) × 100DefectRateSUM(IF [Defect Typegroup] = "Defects" THEN 1 ELSE 0 END)                  / COUNT([Defect Type group]) DefectCntSUM(IF [Defect T..

ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ코드카타코딩테스트 연습 - 두 개 뽑아서 더하기 | 프로그래머스 스쿨일단 numbers의 유니크한 값만 뽑아야함      -> set(numbers) 쓰면 됨그 후 numbers를 하나씩 더해서 고유값을 오름차순으로 담으면 되는데 max(numbers)랑 min(numbers) 를 각각 하나씩 더해서 answer에 넣고 마지막에 return set(numbers).sort() 하면 될듯 def solution(numbers):       answer = []    max_ = max(numbers)    min_ = min(numbers)    for i in range(len(numbers)):        answer.append(max_ + int(..

태블로 완전 정복 1회차 손보미 튜터님[수업 목표]대시보드, KPI에 대해서 학습합니다.제조업과 품질관리에서 사용되는 KPI를 이해합니다.[목차]숫자로 보는 공장, Tableau 완전 정복 수업 일정대시보드KPI예제 데이터셋을 활용한 복습 과제1. 숫자로 보는 공장, Tableau 완전 정복 수업 일정수업 목표태블로를 활용하여 제조업 및 품질관리 데이터를 기반으로 KPI 대시보드를 제작하고, 데이터 분석 및 시각화 역량을 강화합니다. SQL을 활용한 데이터 가공, 계산된 필드를 통한 KPI 생성, 상호작용 기능 적용, UI/UX 디자인 개선을 통해 실무에서 활용 가능한 맞춤형 대시보드를 구축하는 것을 목표로 합니다.수업 일정1회차: 태블로의 기본 개념을 익히고, 효과적인 KPI 대시보드를 설계하는 방법을..

ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ[베이직] 파이썬 핵심 쏙쏙 복습(6회차 부터 역순으로)6회차학습 자료 모음(특강/세션) 1. SQL (Structured Query Language)SQL 개념관계형 데이터베이스 관리 시스템 (RDBMS)에서 데이터를 관리하기 위한 특수 목적의 프로그래밍 언어데이터 검색, 관리, 스키마 생성 및 수정, 객체 접근 조정 관리 등을 수행대부분의 관계형 데이터베이스 시스템에서 SQL을 표준으로 채택 DDL (Data Definition Language) - 데이터 정의 언어데이터베이스 구조(테이블, 인덱스 등)를 생성, 수정, 삭제하는 명령어(큰 틀)명령어 실행 즉시 반영됨 (Auto Commit)DML (Data Manipulation Langua..

태블로 1~4주차실습으로 배우는 태블로ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ[챌린지]머신러닝 스킬업 임영재 튜터님 6회차챌린지 6회차[수업 목표]스마트 팩토리 데이터(삼성 스마트팩토리)를 활용한 데이터 분석[목차]지도학습하이퍼파라미터 튜닝머신러닝 분석01. 지도학습 모델 지도학습(Supervised Learning): 입력 데이터(Input)와 정답(Label)을 이용하여 학습하는 방법주어진 입력값에 대해 올바른 출력을 예측하도록 모델을 훈련.  분류 모델 (Classification Models) 로지스틱 회귀 (Logistic Regression):선형 분류 알고리즘으로, 확률 기반 예측 제공.적합: 선형적으로 구분 가능한 데이터.결정 트리 (Decision Tree):조건 기..

ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ코드카타코딩테스트 연습 - 이상한 문자 만들기 | 프로그래머스 스쿨 def solution(s):    answer = ''    words = s.split()          for word in words:        word_answer = ''        for i in range(len(word)):            if i % 2 == 0:                 word_answer += word[i].upper()            else:                 word_answer += word[i].lower()                       answer += word_answer + ' '   ..

느낀점  -1. 프로젝트 하나 끝날때마다 진이 다 빠짐2. 다들 장단점이 뚜렷해서 좋았음3. 의견 제시하는데 불편함이 없어 의사소통이 원활했음4. 내가 기여한 부분이 적어 아쉬웠지만 다음번엔 열심히 공부해서 기여도를 높일 예정5. 왠만해서 바로 끝내고 쉬고 싶은데 주말도 오랬동안 준비하고 진행해서 힘이 빠짐

ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ[챌린지]머신러닝 스킬업 5회차 - 임영재 튜터님챌린지 5회차[수업 목표]스마트 팩토리 데이터(삼성 스마트팩토리)를 활용한 데이터 분석[목차]데이터 불균형 1-1. 개념 1-2. 문제점 1-3. QA / QC관점언더 샘플링과 오버 샘플링의 기법 2-1. 언더 샘플링 2-2. 오버 샘플링 01. 데이터 불균형1-1. 개념불균형 데이터란 정상 범주의 관측치 수와 이상 범주의 관측치 수가 현저히 차이나는 데이터를 말합니다.예를 들면, 센서 데이터에서 결함이 없는 제품(정상) 데이터는 많고, 결함이 있는 제품(불량) 데이터는 매우 적을 때 발생합니다. 1-2. 문제점★정상을 정확히 분류하는 것과 이상을 정확히 분류하는 것 중 일반적으로 이상을 정확히 분류하는..

[챌린지]머신러닝 스킬업 - 임영재 튜터님 4회차QAQC 1기 추가 학습 일정 | 캘린더 보기챌린지 4회차[수업 목표]스마트 팩토리 데이터(삼성 스마트팩토리)를 활용한 데이터 분석[목차]다중공선성 처리 방법다중공선성이란?VIF기반 변수제거높은 상관관계를 가진 변수 제거PCA 분석정규화 회귀결측치처리결측치 제거평균,중앙값, 최빈값 대체KNN Imputation (K-최근접 이웃 대체)다중 대체법 (Iterative Imputation, MICE)이상치처리   01. 다중공선성 처리 방법다중공선성이란?독립 변수(Feature)들 간에 강한 상관관계가 있는 경우를 의미선형 회귀 모델에서는 다중공선성이 있으면 계수(Weight) 추정이 불안정해지고, 해석이 어려워짐 ✅ 그렇다면? 선형 모델이아닌 비선형모델에서는..

코딩테스트 연습 - 최대공약수와 최소공배수 | 프로그래머스 스쿨 예림이 패까봐def solution(n, m):    answer = [a,b]    for i in range(m):        if n % i == 0 and m % i == 0:            a = max(i)    for j in range((n*m)+1):        if n % j == 0 and m % j == 0:            b = min(j)    return answer두근두근 하구만 실패!!!!!!1. a,b가 정의되지 않음2. min(i)와 max(j)가 잘못 사용됨3. range(m) 일 경우 0에서도 0으로 나눠지는 오류가 발생함4. range((n*m)+1)의 범위가 쓸데없이 너무 큼 def s..

코드카타코딩테스트 연습 - 행렬의 덧셈 | 프로그래머스 스쿨def solution(arr1, arr2):    answer = [[]]    for i in range(len(arr1[0])):        answer.append(arr1[i][i]+arr2[i][i]) 여기부터 막혔었음  for문을 2중으로 둘러버려야겠음 def solution(arr1, arr2):    answer = []    for i in range(len(arr1)):        arr_sum = []        for j in range(len(arr1[0])):            arr_sum.append(arr1[i][j]+arr2[i][j])        answer.append(arr_sum)    retur..

[ML] 주요 기법 마스터 클래스 5회차 - 김인수 튜터머신러닝 주요 기법 5회차[수업 목표]고급 군집화 알고리즘 기법의 원리에 대해 익히고, 기존 알고리즘과 차이를 이해한다.차원 축소 기법(PCA)의 원리 및 주요 개념을 이해하고, 데이터에 적용해본다.[실습 목표]DBSCAN 밀도 기반 군집화 알고리즘의 작동 원리를 학습한다.기존 K-means와의 차이점을 분석하고, 실제 데이터에 적용하여 성능을 평가해본다.PCA의 원리를 바탕으로 실제 데이터 차원을 축소해본다.[목차]DBSCAN : 밀도 기반 군집화밀도 기반 군집화란?K-means 한계점 및 밀도 기반 접근법 필요성DBSCAN 알고리즘 작동 원리PCA : 차원 축소PCA란?공분산, 고윳값, 주성분 개념 01. DBSCAN (밀도 기반 클러스터링)K-..

[ML] 주요 기법 마스터 클래스 4회차- 김인수 튜터님머신러닝 주요 기법 4회차[수업 목표]하이퍼 파라미터 튜닝 방법을 익히고, 실제 모델의 성능을 최적화한다.군집화 알고리즘의 원리와 종류에 대해 익히고, 성능을 평가해본다.[실습 목표]Grid Search와 Random Search를 활용하여 모델의 하이퍼파라미터를 최적화해본다.Cross Validation을 통해 모델의 일반화 성능을 평가하는 방법을 익힌다.최적의 하이퍼파라미터 조합을 찾아 모델의 성능을 향상시키는 과정을 경험한다.K-means, Hierarchical Clustering 등 주요 군집화 알고리즘의 작동 원리를 이해한다.실제 데이터셋에 군집 분석을 적용하여 의미 있는 그룹을 발견하는 방법을 실습한다.엘보우 방법, 실루엣 분석 등을 통..