Yelp Camp 활용한 프로젝트

신용거래 실적에 따른 대출 전자 사인 가능성 예측하기

이번 프로젝트는 금융 습관 분석을 통해 구독 상품 해지를 최소화하는 프로젝트입니다! 구독 상품은 회사의 주요 수입원인 경우가 많기 때문에 해지로 이어지는 유저들의 패턴을 알아내어 이를 방지해야 합니다.

<실습> https://colab.research.google.com/drive/1SRNdFRvuryrvQf477t7Sz9ZhNgunTS2I?usp=sharing 1. 데이터 이해하기 ◦ 실습으로 대체 2. 간단한 매수 후 보유 전략 1. 수익률 산출

1단계: 요구사항분석 • 항목별로 하위 품목이 있고, 이 또한 탑셀러가 적용되야 합니다. 1. 가장 많이 팔린 책 1. 가장 많이 팔린 공상과학 소설

💡 6주차 스터디의 주제는 **‘PCA, 모델선택’**이였습니다. • 유의미한 주성분을 분석하는 ‘PCA’! • 클래스분류에 특화된 ‘LDA’!

404 page Setting 지금까지 app.use 는 모든 요청에 상관없이 함수를 실행하고 req 를 전달하는데 사용했다. 하지만 use 는 문자열이나 경로, regex 로 라우트를 설정할 수 있음.

39 : YelpCamp : 캠프인들의 CRUD YelpCamp 에 엑세스 하는 방법 Init Express App npm i express mongoose ejs 그 후 해당 폴더에 app.js 생성

5주차 스터디의 주제는 **‘강화 학습, NLP, 딥러닝’**이였습니다. • 컴퓨터 에이전트가 역동적인 환경에서 반복적인 시행착오 상호작용을 통해 작업 수행 방법을 학습하는 강화 학습 • 자연어 처리를 통해 광범위한 분야에서 사용되는 NLP! • 딥러닝 중에서도 가장 보편적이고 중요한 개념으로 손꼽히는 컨볼루션 신경망!

안녕하세요 😃 이번에는 앱 행동 분석을 통해 고객을 구독 제품으로 안내하는 프로젝트를 진행할 것입니다!

객체지향 프로그래밍 : Finanacial Instrument Class

344. EJS의 조건문 • <%= %> 구문에서 = 기호를 제거하면 JavaScript 로직을 임베드하되, 결과는 템플릿에 추가하지 않을 수 있다.

Node JS, Express, MongoDB를 배우고 연동해보자

젠킨스 슬레이브 • 정적 혹은 매뉴얼 스케일링 ◦ 일과 중 워커를 증설한다. ◦ 코드 개발이 활발히 이루어지거나, 빌드를 위해 오래 기다려야하는 순간 워커를 늘릴 수 있다.

1단계: QA • 식당의 수 는 얼마나 되나요? 한 곳인가요? 아니면 OpenTable 같이 여러 곳의 식당일까요? ◦ 여러 식당이 있습니다. • 사용자 경험을 생각해보면 아래 사항들을 고려해야할까요? 일행 수를 입력 → 예약 시간 선택 → 예약 → SMS 등으로 예약 확인 → 예약 변경/취소 ◦ 핵심 작업은 같다. • 비용보다는 성능과 안정성 최적화에 집중하나요? ◦ 확장 가능하고 안정적이면서 로드 시간이 빠른 시스템을 설계하면 된다.

2주차 스터디의 주제는 ‘Clustering,ARL’이였습니다. • 유사한 속성들을 갖는 데이터를 일정한 수의 군집으로 그룹핑하는 비지도 학습인Clustering! • 어떤 사건이 얼마나 자주 함께 발생하는지, 서로 얼마나 연관되어 있는지를 표시하는 ARL! 조금은 어려울 수 있어도 차근차근 알아가 볼까요!

24. Email integration 개발자에게 build 나 ~ 가 잘 못 됐다는 것을 메일로 알려줌 빨리 알려주면 빨리 대처 가능해 생산성이 높아진다. 개발자가 commit 할 때마다 버전 관리에서 코드를 확인해 변경 사항에 대해 Jenkins 에서 Build

Thread Safe 멀티 스레드 프로그래밍에서 공유 자원을 여러 스레드가 동시에 접근해도, 프로그램 실행에 문제가 없는 특징 혹은 상태

세계 패션 산업은 3조 달러의 규모로 세계 GDP의 2%를 차지하고 있습니다. 패션 산업은 새로운 컴퓨터 비전과 머신러닝, 딥러닝 기술을 받아들이며 극적인 변화를 겪고 있는데요 이번 프로젝트에서는 고객의 인스타그램과 페이스북 이미지를 살펴보고, 고객이 착용한 가방, 드레스, 바지 등의 패션 카테고리를 분류해보겠습니다😎

• Pandas python을 활용해 데이터 분석을 하기 위해 사용하는 필수 패키지 Python에서 사용할 수 있는 형태의 DataFrame을 제공 • Pandas DataFrame 데이터를 표 형태로 처리하는 자료구조 ◦ list, dictionary, series, ndarrayemd 타입으로 사용가능

1. CNNs이란 무엇인가? 2. CNNs의 구축방법 3. 단일 이미지 안에 무엇이 있는지 예측하는 법

인공신경망 구조 • 딥러닝의 목적이 인간 뇌의 작동 방식을 모방하는 것이기 때문에 뉴런을 기계로 재현해야 함 • 입력층에 있는 독립 변수들이 각각의 가중치와 함께 곱한 후 합을 계산하고 활성화 함수를 거쳐 출력 값을 내보내는 구조

1단계: QA • 서비스 규모는 어느 정도인가? ◦ 경로 재설정 수백만 건이 가능한 서비스로 고려한다. • 사용할 수 있는 문자의 제한은? ◦ 유저의 사용성을 고려하여 기호와 대문자는 제외한다. ◦ 소문자와 숫자만 사용[a-z, 0-9]한다.

276. Promise의 마법 • Promise는 then 안에서 Promise를 반환 할 수 있다. ⇒ 이를 활용하면 중첩을 없앨 수 있다. (연쇄 가능)

241. DOM 개요 • DOM은 문서 객체 모델(Document Object Model) • 웹 페이지를 구성하는 JavaScript 객체들의 집합

2주차 스터디의 주제는 ‘Classification’ 이였습니다. 우리가 갖고있는 데이터가 연속저이지 않은 값일때는 어떻게 해야할까요? 이때 사용할 수 있는게 바로 classification 인데요! 한번 자세하게 다뤄보겠습니다.!

Regression-python 실습 모델을 만들 때 가변수는 하나만! (여러개를 만들면 각각의 효과를 모델이 구분을 할 수가 없는 가변수의 함정에 빠지게 됨.) 큰 데이터 집합인 경우 눈으로 결측값을 찾기 힘드므로 함수를 이용해야 함

2주차 스터디의 주제는 ‘Regression’ 이였습니다. “세상의 모든 문제는 하나의 직선으로 그상관 관계를 표현할 수 있다” 라는 개념에서 파생된 회귀! 머신러닝에 있어서는 가장 중요하면서도 가장 간단한 개념이 아닐까 싶은데요! 바로 시작하겠습니다.

스레드 스레드 : 프로세스가 할당받은 자원을 이용하는 실행의 단위 멀티 스레드 : 하나의 프로세스 내에서 둘 이상의 스레드가 동시에 작업을 수행하는 것

📰 유방암 진단한 ‘구글 AI’, 99%의 정확도 기록 구글 AI와 해군 메디컬 센터가 암을 진단하는 AI 시스템을 개발했다. 이를 통해 99 %의 종양 탐지 정확도를 달성했다. 출처 : KOTRA 실리콘밸리 뉴스

CI/CD란? • CI (지속적 통합) 모든 개발자의 작업 복사본을 공유된 메인 라인으로 하루에 몇 번 씩 병합하는 소프트웨어 엔지니어링 방식

함수형 프로그래밍 함수형 프로그래밍 : 함수에 일급 시민을 적용시키는 것 일급 시민 (First Class Citizen) 특징 1. 변수에 할당할 수 있다. 2. 인자로 전달할 수 있다. 3. 반환 값으로 전달할 수 있다.

181. 참조 타입과 동일성 테스트 배열에서 === 와 == 의 역할 • 배열에서 삼중/이중 등호 연산자는 배열의 값을 비교하지 않는다.

141. JavaScript가 놀라운 이유 • HTML, CSS, JavaScript는 브라우저가 이해할 수 있는 3가지 main tool. (+WASM) • google.com/search?q=chickens → Google 서버로 HTTP request 전달 → 검색어 닭을 분석 → 닭에 대한 검색 결과 생성 → 브라우저로 전달 및 렌더링

제네릭 소개 1. 다양한 타입(종류 매개변수)을 받는 클래스를 만들 수 있다. • T라는 종류 매개변수를 사용하여 어떤 타입이든 받을 수 있지만, 한번 T가 결정되고 나면 다른 타입은 들어오지 못하게 된다. → 강력한 타입 체킹을 제공 • T 자체를 반환하여 사용할 수도 있다.

Data Preprocessing • 머신러닝 스택에 관련된 강의에서 데이터 전처리를 왜 배워야 할까요? • 데이터 처리는 데이터 사이언티스트의 영역이 아닌걸까요?

열심히 달리기전! 저희 모두가 원하는 학습 방향으로 스터디를 진행하기 위하여 여러분의 의견을 듣고 싶습니다!