SlideShare una empresa de Scribd logo
1 de 85
Descargar para leer sin conexión
Python 입문자의
Data Science(Kaggle) 도전
박미정
나는 누구에요?
나는 누구에요?
아이오라는 스타트업에서 스위처를 만들고
개발팀을 리드하고 있어요
누구를 위한 발표인가?
저처럼, Python과 데이터 분석을
이제 막 시도하시려는 분들을 위한 발표에요
발표의 목적은?
발표를 듣고 집으로 돌아가셔서,
데이터 분석이 뭔지 아직도 감은 잘 안오지만
튜토리얼 문제를 시도하면서 공부를 시작하도록 돕는 것
발표를 간단히 요약하면
제가 얼마나 Python과 데이터 분석 초보인지 밝힘으로써 용기를 드리고,
데이터 분석 공부를 시작하게 된 계기와,
데이터 분석 공부를 위한 기본적인 환경,
실제로 Python을 이용하여 Kaggle 문제에 접근한 사례를 공유하게 되요
나는 왜 Python과 데이터 분석을?
Last 30 Days by WakaTime
나는 왜 Python과 데이터 분석을?
지난 한 달 동안 주로 사용한 언어에
Python은 보이지 않아요
나는 왜 Python과 데이터 분석을?
집에는 파이썬, 머신러닝, 딥러닝 책들이
먼지와 함께 쌓여있어요
나는 왜 Python과 데이터 분석을?
제가 파이콘에서 스피커로 자격이 있는지 모르겠어요
나는 왜 Python과 데이터 분석을?
하지만, Back to the Basic
용기를 내어 보았어요
나는 왜 Python과 데이터 분석을?
역시 저는 몰랐지만,
데이터 분석에는 여러 유형이 있어요
나는 왜 Python과 데이터 분석을?
주어진 데이터를 요약/집계해서 결과를 내는
Descriptive analysis 를 이미 진행하고 있었어요
나는 왜 Python과 데이터 분석을?
하지만 저에게 데이터 분석이라고 하면
가장 먼저 떠오르는 유형은 Predictive analysis 였어요
나는 왜 Python과 데이터 분석을?
그 외에도
Exploratory, Inferential, Casual, Mechanistic analysis 등
많은 분석 유형이 존재해요
나는 왜 Python과 데이터 분석을?
사실 모든 유형에 대해 자세히 모르겠어요
나는 왜 Python과 데이터 분석을?
그저 공부를 시작하기 위해 필요한
목적과 동기부여를 위해 Predictive analysis 를 선택했어요
나는 왜 Python과 데이터 분석을?
데이터를 통한 정확한 예측이 아이오에는 필요하거든요
Predictive analysis?
머신러닝, 의사 결정 트리를 이용해서
발생하지 않은 일을 예측하는 거에요
머신러닝?
기존 데이터를 학습시킨 후,
새로운 데이터를 예측하는 목적이에요
머신러닝?
머신러닝에서 지도 학습과 비지도 학습으로
구분지을 수 있어요
머신러닝?
지도 학습에는 분류와 예측 방법이 존재하고,
머신러닝?
비지도 학습에는 군집 방법이 존재해요
머신러닝?
저는 지도 학습인 분류와 예측에 대한
공부 경험을 공유하려 해요
어떻게 시작하게 되었어요?
혹시, 이 분을 아시나요?
어떻게 시작하게 되었어요?
꿀 수업 듣으러 가기
기본적인 환경은? Kaggle
기본적인 환경은? Kaggle
데이터 과학과 머신러닝을 실습하고 경쟁할 수 있는
Kaggle을 이용했어요
Kaggle 방문하기
기본적인 환경은? Kaggle
training set과 test set이 주어져요
기본적인 환경은? Kaggle
training set을 통해 최적화된 모델을 통해서
test set의 값을 분류 및 예측하고 제출할 수 있어요
기본적인 환경은? Kaggle
주의할 점!
하루에 제출할 수 있는 기회는 제한되어 있어요
기본적인 환경은? Python
데이터 분석을 돕는
Python 도구들을 사용했어요
기본적인 환경은? Python
일,
수학적 기능을 제공하는 NumPy
기본적인 환경은? Python
이,
데이터 처리 및 가공을 위한 Pandas
기본적인 환경은? Python
삼,
머신러닝 알고리즘 적용을 위한 Scikit-Learn
데이터 분석 프로세스는요?
그렇다면,
데이터 분석의 프로세스는 어떻게 될까요?
데이터 분석 프로세스는요?
일,
문제를 정의해요
내가 원하는 결과가 무엇이고, 어떤 종류의 문제에 속하는지 파악해요
데이터 분석 프로세스는요?
이,
데이터를 확보해서 준비하고 전처리를 해요
데이터 분석 프로세스는요?
데이터 분석 프로세스는요?
데이터 분석 프로세스는요?
삼,
데이터를 탐색하고 피처를 선택해요
데이터 분석 프로세스는요?
사,
모델을 최적화하고 검증해요
데이터 분석을 돕는 Python 도구들?
Pandas는 데이터 처리와 가공을 돕는 도구에요
이렇게 데이터 파일도 쉽게 불러올 수 있구요
데이터 분석을 돕는 Python 도구들?
train 데이터와 test 데이터를 쉽게 연결할 수 도 있어요
데이터 분석을 돕는 Python 도구들?
데이터 분석을 돕는 Python 도구들?
NumPy는 수학적 연산을 돕는 도구에요
배열, 로그, 평균 등 다양한 연산을 도와줘요
데이터 분석을 돕는 Python 도구들?
데이터 분석을 돕는 Python 도구들?
Scikit-Learn은 머신러닝 알고리즘을 제공하는 도구에요
데이터 분석을 돕는 Python 도구들?
이렇게 분류를 위한 의사 결정 트리를 사용할 수 있어요
어떤 방법을 사용했어요?
앞에서 머신러닝의 분류와 예측에 대한
공부 경험을 공유한다고 했어요
어떤 방법을 사용했어요?
분류에 대한 Kaggle 문제를 접했어요
어떤 방법을 사용했어요?
Kaggle의 튜토리얼 문제
Titanic: Machine Learning from Disaster
어떤 방법을 사용했어요?
문제 풀으러 가기!
어떤 방법을 사용했어요?
Python 도구를 사용해서
이렇게 코드로 분류를 시도할 수 있어요
Yes or No 유형의 분류를 시도할 때,
DecisionTreeClassifier
어떤 방법을 사용했어요?
어떤 방법을 사용했어요?
예측에 대한 Kaggle 문제도 접했어요
어떤 방법을 사용했어요?
Kaggle의 문제
Bike Sharing Demand
어떤 방법을 사용했어요?
문제 풀으러 가기!
어떤 방법을 사용했어요?
역시, Python 도구를 사용해서
이렇게 코드로 예측을 시도할 수 있어요
특정 숫자 값을 예측할 때,
DecisionTreeRegressor
어떤 방법을 사용했어요?
Titanic 예시
Titanic 튜토리얼 문제를 다시 확인할게요
Titanic 예시 문제 정의
승객들의 정보를 이용하여 살아남을지 아닐지 예측하라
Titanic 예시 데이터 속성 분석
train set을 다운받고, 데이터 속성을 분석해요
Titanic 예시 데이터 속성 분석
데이터 전처리 작업을 위해, train set과 test set을 합칠게요!
Titanic 예시 데이터 전처리
Scikit-Learn 사용을 위해 Gender 문자열 값을 인코딩 할게요!
Titanic 예시 데이터 전처리
Scikit-Learn 빈 값 처리 오류 제거를 위해, 평균 값으로 채울게요!
Titanic 예시 데이터 전처리
분류(예측)의 기준이 되는 피처를 선택해요
Titanic 예시 데이터 탐색 및 피처 선택
피처 선택을 기준으로 train set을 이용하여, test set을 분류(예측)해요!
Titanic 예시 모델 최적화 및 검증
이제 Kaggle에서 Submit을 하면 예측 점수를 확인할 수 있어요!
Titanic 예시 제출
전체 코드는 아래 주소에서 확인하실 수 있어요!
https://github.com/mjpark03/pyconkr-2017/blob/master/titanic.ipynb
Titanic 예시
그래서 어디에 사용할거에요?
일.
지역, 시간, 키워드, 가구 크기 등의 데이터를 이용해서
타겟 정확도를 높이는 마케팅에 이용
그래서 어디에 사용할거에요?
이.
온도, 습도, 조도, 거리, 행동 패턴 학습을 통한
개인 추천 서비스에 이용
감사합니다 ;-)
박미정
mjpark03@gmail.com
[PYCON KOREA 2017] Python 입문자의 Data Science(Kaggle) 도전
[PYCON KOREA 2017] Python 입문자의 Data Science(Kaggle) 도전
[PYCON KOREA 2017] Python 입문자의 Data Science(Kaggle) 도전
[PYCON KOREA 2017] Python 입문자의 Data Science(Kaggle) 도전
[PYCON KOREA 2017] Python 입문자의 Data Science(Kaggle) 도전
[PYCON KOREA 2017] Python 입문자의 Data Science(Kaggle) 도전
[PYCON KOREA 2017] Python 입문자의 Data Science(Kaggle) 도전
[PYCON KOREA 2017] Python 입문자의 Data Science(Kaggle) 도전
[PYCON KOREA 2017] Python 입문자의 Data Science(Kaggle) 도전
[PYCON KOREA 2017] Python 입문자의 Data Science(Kaggle) 도전
[PYCON KOREA 2017] Python 입문자의 Data Science(Kaggle) 도전

Más contenido relacionado

La actualidad más candente

[DL輪読会]Learning to Simulate Complex Physics with Graph Networks
[DL輪読会]Learning to Simulate Complex Physics with Graph Networks[DL輪読会]Learning to Simulate Complex Physics with Graph Networks
[DL輪読会]Learning to Simulate Complex Physics with Graph NetworksDeep Learning JP
 
【DL輪読会】Unbiased Gradient Estimation for Marginal Log-likelihood
【DL輪読会】Unbiased Gradient Estimation for Marginal Log-likelihood【DL輪読会】Unbiased Gradient Estimation for Marginal Log-likelihood
【DL輪読会】Unbiased Gradient Estimation for Marginal Log-likelihoodDeep Learning JP
 
【SED】勉強会 第5回ソーシャルゲームの行動解析
【SED】勉強会 第5回ソーシャルゲームの行動解析【SED】勉強会 第5回ソーシャルゲームの行動解析
【SED】勉強会 第5回ソーシャルゲームの行動解析zyanki
 
優れた研究論文の書き方―7つの提案
優れた研究論文の書き方―7つの提案優れた研究論文の書き方―7つの提案
優れた研究論文の書き方―7つの提案Masanori Kado
 
MLデザインパターン入門_Embeddings
MLデザインパターン入門_EmbeddingsMLデザインパターン入門_Embeddings
MLデザインパターン入門_EmbeddingsMasakazu Shinoda
 
[DL輪読会]物理学による帰納バイアスを組み込んだダイナミクスモデル作成に関する論文まとめ
[DL輪読会]物理学による帰納バイアスを組み込んだダイナミクスモデル作成に関する論文まとめ[DL輪読会]物理学による帰納バイアスを組み込んだダイナミクスモデル作成に関する論文まとめ
[DL輪読会]物理学による帰納バイアスを組み込んだダイナミクスモデル作成に関する論文まとめDeep Learning JP
 
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜​
SSII2020SS:  微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜​SSII2020SS:  微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜​
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜​SSII
 
優れた問いを見つける(中京大学講演)
優れた問いを見つける(中京大学講演)優れた問いを見つける(中京大学講演)
優れた問いを見つける(中京大学講演)cvpaper. challenge
 
研究発表を準備する(2022年版)
研究発表を準備する(2022年版)研究発表を準備する(2022年版)
研究発表を準備する(2022年版)Takayuki Itoh
 
深層学習向け計算機クラスター MN-3
深層学習向け計算機クラスター MN-3深層学習向け計算機クラスター MN-3
深層学習向け計算機クラスター MN-3Preferred Networks
 
Ques12「AIのテスト~誤検知と検出漏れ~」
Ques12「AIのテスト~誤検知と検出漏れ~」Ques12「AIのテスト~誤検知と検出漏れ~」
Ques12「AIのテスト~誤検知と検出漏れ~」hirokazuoishi
 
コンピュータビジョン分野メジャー国際会議 Award までの道のり
コンピュータビジョン分野メジャー国際会議 Award までの道のりコンピュータビジョン分野メジャー国際会議 Award までの道のり
コンピュータビジョン分野メジャー国際会議 Award までの道のりcvpaper. challenge
 
心理学者のためのJASP入門(操作編)[説明文をよんでください]
心理学者のためのJASP入門(操作編)[説明文をよんでください]心理学者のためのJASP入門(操作編)[説明文をよんでください]
心理学者のためのJASP入門(操作編)[説明文をよんでください]daiki hojo
 
[DL Hacks]Visdomを使ったデータ可視化
[DL Hacks]Visdomを使ったデータ可視化[DL Hacks]Visdomを使ったデータ可視化
[DL Hacks]Visdomを使ったデータ可視化Deep Learning JP
 
[DL輪読会]Deep Anomaly Detection Using Geometric Transformations
[DL輪読会]Deep Anomaly Detection Using Geometric Transformations[DL輪読会]Deep Anomaly Detection Using Geometric Transformations
[DL輪読会]Deep Anomaly Detection Using Geometric TransformationsDeep Learning JP
 
G社のNMT論文を読んでみた
G社のNMT論文を読んでみたG社のNMT論文を読んでみた
G社のNMT論文を読んでみたToshiaki Nakazawa
 
研究分野をサーベイする
研究分野をサーベイする研究分野をサーベイする
研究分野をサーベイするTakayuki Itoh
 
【論文紹介】 Spatial Temporal Graph Convolutional Networks for Skeleton-Based Acti...
【論文紹介】Spatial Temporal Graph Convolutional Networks for Skeleton-Based Acti...【論文紹介】Spatial Temporal Graph Convolutional Networks for Skeleton-Based Acti...
【論文紹介】 Spatial Temporal Graph Convolutional Networks for Skeleton-Based Acti...ddnpaa
 
論文紹介 "DARTS: Differentiable Architecture Search"
論文紹介 "DARTS: Differentiable Architecture Search"論文紹介 "DARTS: Differentiable Architecture Search"
論文紹介 "DARTS: Differentiable Architecture Search"Yuta Koreeda
 

La actualidad más candente (20)

[DL輪読会]Learning to Simulate Complex Physics with Graph Networks
[DL輪読会]Learning to Simulate Complex Physics with Graph Networks[DL輪読会]Learning to Simulate Complex Physics with Graph Networks
[DL輪読会]Learning to Simulate Complex Physics with Graph Networks
 
【DL輪読会】Unbiased Gradient Estimation for Marginal Log-likelihood
【DL輪読会】Unbiased Gradient Estimation for Marginal Log-likelihood【DL輪読会】Unbiased Gradient Estimation for Marginal Log-likelihood
【DL輪読会】Unbiased Gradient Estimation for Marginal Log-likelihood
 
【SED】勉強会 第5回ソーシャルゲームの行動解析
【SED】勉強会 第5回ソーシャルゲームの行動解析【SED】勉強会 第5回ソーシャルゲームの行動解析
【SED】勉強会 第5回ソーシャルゲームの行動解析
 
優れた研究論文の書き方―7つの提案
優れた研究論文の書き方―7つの提案優れた研究論文の書き方―7つの提案
優れた研究論文の書き方―7つの提案
 
MLデザインパターン入門_Embeddings
MLデザインパターン入門_EmbeddingsMLデザインパターン入門_Embeddings
MLデザインパターン入門_Embeddings
 
[DL輪読会]物理学による帰納バイアスを組み込んだダイナミクスモデル作成に関する論文まとめ
[DL輪読会]物理学による帰納バイアスを組み込んだダイナミクスモデル作成に関する論文まとめ[DL輪読会]物理学による帰納バイアスを組み込んだダイナミクスモデル作成に関する論文まとめ
[DL輪読会]物理学による帰納バイアスを組み込んだダイナミクスモデル作成に関する論文まとめ
 
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜​
SSII2020SS:  微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜​SSII2020SS:  微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜​
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜​
 
優れた問いを見つける(中京大学講演)
優れた問いを見つける(中京大学講演)優れた問いを見つける(中京大学講演)
優れた問いを見つける(中京大学講演)
 
研究発表を準備する(2022年版)
研究発表を準備する(2022年版)研究発表を準備する(2022年版)
研究発表を準備する(2022年版)
 
深層学習向け計算機クラスター MN-3
深層学習向け計算機クラスター MN-3深層学習向け計算機クラスター MN-3
深層学習向け計算機クラスター MN-3
 
Ques12「AIのテスト~誤検知と検出漏れ~」
Ques12「AIのテスト~誤検知と検出漏れ~」Ques12「AIのテスト~誤検知と検出漏れ~」
Ques12「AIのテスト~誤検知と検出漏れ~」
 
コンピュータビジョン分野メジャー国際会議 Award までの道のり
コンピュータビジョン分野メジャー国際会議 Award までの道のりコンピュータビジョン分野メジャー国際会議 Award までの道のり
コンピュータビジョン分野メジャー国際会議 Award までの道のり
 
心理学者のためのJASP入門(操作編)[説明文をよんでください]
心理学者のためのJASP入門(操作編)[説明文をよんでください]心理学者のためのJASP入門(操作編)[説明文をよんでください]
心理学者のためのJASP入門(操作編)[説明文をよんでください]
 
[DL Hacks]Visdomを使ったデータ可視化
[DL Hacks]Visdomを使ったデータ可視化[DL Hacks]Visdomを使ったデータ可視化
[DL Hacks]Visdomを使ったデータ可視化
 
[DL輪読会]Deep Anomaly Detection Using Geometric Transformations
[DL輪読会]Deep Anomaly Detection Using Geometric Transformations[DL輪読会]Deep Anomaly Detection Using Geometric Transformations
[DL輪読会]Deep Anomaly Detection Using Geometric Transformations
 
G社のNMT論文を読んでみた
G社のNMT論文を読んでみたG社のNMT論文を読んでみた
G社のNMT論文を読んでみた
 
研究分野をサーベイする
研究分野をサーベイする研究分野をサーベイする
研究分野をサーベイする
 
【論文紹介】 Spatial Temporal Graph Convolutional Networks for Skeleton-Based Acti...
【論文紹介】Spatial Temporal Graph Convolutional Networks for Skeleton-Based Acti...【論文紹介】Spatial Temporal Graph Convolutional Networks for Skeleton-Based Acti...
【論文紹介】 Spatial Temporal Graph Convolutional Networks for Skeleton-Based Acti...
 
分散表現を用いたリアルタイム学習型セッションベース推薦システム
分散表現を用いたリアルタイム学習型セッションベース推薦システム分散表現を用いたリアルタイム学習型セッションベース推薦システム
分散表現を用いたリアルタイム学習型セッションベース推薦システム
 
論文紹介 "DARTS: Differentiable Architecture Search"
論文紹介 "DARTS: Differentiable Architecture Search"論文紹介 "DARTS: Differentiable Architecture Search"
論文紹介 "DARTS: Differentiable Architecture Search"
 

Similar a [PYCON KOREA 2017] Python 입문자의 Data Science(Kaggle) 도전

T ka kr_4th
T ka kr_4thT ka kr_4th
T ka kr_4thSubin An
 
애자일 머신러닝
애자일 머신러닝애자일 머신러닝
애자일 머신러닝Seungil You
 
[WTM18] 커리어에 데이터사이언스 더하기
[WTM18] 커리어에 데이터사이언스 더하기[WTM18] 커리어에 데이터사이언스 더하기
[WTM18] 커리어에 데이터사이언스 더하기Joeun Park
 
데이터를 얻으려는 노오오력
데이터를 얻으려는 노오오력데이터를 얻으려는 노오오력
데이터를 얻으려는 노오오력Youngjae Kim
 
두 번째 startlink.live: 김재홍 (xhark) - 알고리즘 문제 출제 전략
두 번째 startlink.live: 김재홍 (xhark) - 알고리즘 문제 출제 전략두 번째 startlink.live: 김재홍 (xhark) - 알고리즘 문제 출제 전략
두 번째 startlink.live: 김재홍 (xhark) - 알고리즘 문제 출제 전략Startlink
 
(독서광) 책 vs 책: 정형 vs 비정형 딥러닝
(독서광) 책 vs 책: 정형 vs 비정형 딥러닝(독서광) 책 vs 책: 정형 vs 비정형 딥러닝
(독서광) 책 vs 책: 정형 vs 비정형 딥러닝Jay Park
 
Pycon korea 2018 kaggle tutorial(kaggle break)
Pycon korea 2018 kaggle tutorial(kaggle break)Pycon korea 2018 kaggle tutorial(kaggle break)
Pycon korea 2018 kaggle tutorial(kaggle break)Yeonmin Kim
 
데이터를 비즈니스에 활용하기 왜 어려울까?
데이터를 비즈니스에 활용하기 왜 어려울까?데이터를 비즈니스에 활용하기 왜 어려울까?
데이터를 비즈니스에 활용하기 왜 어려울까?Glen Park
 
[NDC18] 나는 테스트 정책대로 살기로 했다.(코멘터리)
[NDC18] 나는 테스트 정책대로 살기로 했다.(코멘터리)[NDC18] 나는 테스트 정책대로 살기로 했다.(코멘터리)
[NDC18] 나는 테스트 정책대로 살기로 했다.(코멘터리)Wooram Hwang
 
딥러닝 세계에 입문하기 위반 분투
딥러닝 세계에 입문하기 위반 분투딥러닝 세계에 입문하기 위반 분투
딥러닝 세계에 입문하기 위반 분투Ubuntu Korea Community
 
Things Data Scientists Should Keep in Mind
Things Data Scientists Should Keep in MindThings Data Scientists Should Keep in Mind
Things Data Scientists Should Keep in MindDataya Nolja
 
프로그램 기초
프로그램 기초프로그램 기초
프로그램 기초Minsuk Lee
 
RUCK 2017 권재명 효율적 데이터 과학과 데이터 조직을 위한 7가지 요인
RUCK 2017 권재명 효율적 데이터 과학과 데이터 조직을 위한 7가지 요인RUCK 2017 권재명 효율적 데이터 과학과 데이터 조직을 위한 7가지 요인
RUCK 2017 권재명 효율적 데이터 과학과 데이터 조직을 위한 7가지 요인r-kor
 
효율적 데이터 과학을 위한 7가지 팁
효율적 데이터 과학을 위한 7가지 팁효율적 데이터 과학을 위한 7가지 팁
효율적 데이터 과학을 위한 7가지 팁Jaimie Kwon (권재명)
 
제주 GDG 발표자료
제주 GDG 발표자료제주 GDG 발표자료
제주 GDG 발표자료Jicheol Woo
 
Chapter 11 Practical Methodology
Chapter 11 Practical MethodologyChapter 11 Practical Methodology
Chapter 11 Practical MethodologyKyeongUkJang
 
알아두면 쓸데있는 신비한 딥러닝 이야기
알아두면 쓸데있는 신비한 딥러닝 이야기알아두면 쓸데있는 신비한 딥러닝 이야기
알아두면 쓸데있는 신비한 딥러닝 이야기Kwangsik Lee
 
(책 소개) 데이터 분석가의 숫자유감
(책 소개) 데이터 분석가의 숫자유감(책 소개) 데이터 분석가의 숫자유감
(책 소개) 데이터 분석가의 숫자유감Jay Park
 
1.introduction(epoch#2)
1.introduction(epoch#2)1.introduction(epoch#2)
1.introduction(epoch#2)Haesun Park
 

Similar a [PYCON KOREA 2017] Python 입문자의 Data Science(Kaggle) 도전 (20)

T ka kr_4th
T ka kr_4thT ka kr_4th
T ka kr_4th
 
애자일 머신러닝
애자일 머신러닝애자일 머신러닝
애자일 머신러닝
 
[WTM18] 커리어에 데이터사이언스 더하기
[WTM18] 커리어에 데이터사이언스 더하기[WTM18] 커리어에 데이터사이언스 더하기
[WTM18] 커리어에 데이터사이언스 더하기
 
데이터를 얻으려는 노오오력
데이터를 얻으려는 노오오력데이터를 얻으려는 노오오력
데이터를 얻으려는 노오오력
 
두 번째 startlink.live: 김재홍 (xhark) - 알고리즘 문제 출제 전략
두 번째 startlink.live: 김재홍 (xhark) - 알고리즘 문제 출제 전략두 번째 startlink.live: 김재홍 (xhark) - 알고리즘 문제 출제 전략
두 번째 startlink.live: 김재홍 (xhark) - 알고리즘 문제 출제 전략
 
(독서광) 책 vs 책: 정형 vs 비정형 딥러닝
(독서광) 책 vs 책: 정형 vs 비정형 딥러닝(독서광) 책 vs 책: 정형 vs 비정형 딥러닝
(독서광) 책 vs 책: 정형 vs 비정형 딥러닝
 
Pycon korea 2018 kaggle tutorial(kaggle break)
Pycon korea 2018 kaggle tutorial(kaggle break)Pycon korea 2018 kaggle tutorial(kaggle break)
Pycon korea 2018 kaggle tutorial(kaggle break)
 
데이터를 비즈니스에 활용하기 왜 어려울까?
데이터를 비즈니스에 활용하기 왜 어려울까?데이터를 비즈니스에 활용하기 왜 어려울까?
데이터를 비즈니스에 활용하기 왜 어려울까?
 
[NDC18] 나는 테스트 정책대로 살기로 했다.(코멘터리)
[NDC18] 나는 테스트 정책대로 살기로 했다.(코멘터리)[NDC18] 나는 테스트 정책대로 살기로 했다.(코멘터리)
[NDC18] 나는 테스트 정책대로 살기로 했다.(코멘터리)
 
딥러닝 세계에 입문하기 위반 분투
딥러닝 세계에 입문하기 위반 분투딥러닝 세계에 입문하기 위반 분투
딥러닝 세계에 입문하기 위반 분투
 
Things Data Scientists Should Keep in Mind
Things Data Scientists Should Keep in MindThings Data Scientists Should Keep in Mind
Things Data Scientists Should Keep in Mind
 
프로그램 기초
프로그램 기초프로그램 기초
프로그램 기초
 
[PandoraCube] 구글 애널리틱스 소개
[PandoraCube] 구글 애널리틱스 소개[PandoraCube] 구글 애널리틱스 소개
[PandoraCube] 구글 애널리틱스 소개
 
RUCK 2017 권재명 효율적 데이터 과학과 데이터 조직을 위한 7가지 요인
RUCK 2017 권재명 효율적 데이터 과학과 데이터 조직을 위한 7가지 요인RUCK 2017 권재명 효율적 데이터 과학과 데이터 조직을 위한 7가지 요인
RUCK 2017 권재명 효율적 데이터 과학과 데이터 조직을 위한 7가지 요인
 
효율적 데이터 과학을 위한 7가지 팁
효율적 데이터 과학을 위한 7가지 팁효율적 데이터 과학을 위한 7가지 팁
효율적 데이터 과학을 위한 7가지 팁
 
제주 GDG 발표자료
제주 GDG 발표자료제주 GDG 발표자료
제주 GDG 발표자료
 
Chapter 11 Practical Methodology
Chapter 11 Practical MethodologyChapter 11 Practical Methodology
Chapter 11 Practical Methodology
 
알아두면 쓸데있는 신비한 딥러닝 이야기
알아두면 쓸데있는 신비한 딥러닝 이야기알아두면 쓸데있는 신비한 딥러닝 이야기
알아두면 쓸데있는 신비한 딥러닝 이야기
 
(책 소개) 데이터 분석가의 숫자유감
(책 소개) 데이터 분석가의 숫자유감(책 소개) 데이터 분석가의 숫자유감
(책 소개) 데이터 분석가의 숫자유감
 
1.introduction(epoch#2)
1.introduction(epoch#2)1.introduction(epoch#2)
1.introduction(epoch#2)
 

[PYCON KOREA 2017] Python 입문자의 Data Science(Kaggle) 도전