전체 글

https://github.com/microsoft/autogen GitHub - microsoft/autogen: Enable Next-Gen Large Language Model Applications. Join our Discord: https://discord.gg/pAbnFJrkgZ Enable Next-Gen Large Language Model Applications. Join our Discord: https://discord.gg/pAbnFJrkgZ - GitHub - microsoft/autogen: Enable Next-Gen Large Language Model Applications. Join our Discord:... github.com https://microsoft.gith..

Goolge Bigquery는 상당히 많은 기능을 지원한다. SQL부터 ML, 스케줄링, 데이터 분석 등 데이터가 들어가는 직군에 종사 한다면 모를 수가 없다. 그만큼 편하고 쉽다. 처음 접한다고 어렵게 생각 했던게 부끄러울 정도로 안되는 것보다 되는 것이 많다. Bigquery란? 더보기 BigQuery는 머신러닝, 지리정보 분석, 비즈니스 인텔리전스와 같은 기본 제공 기능으로 데이터를 관리하고 분석할 수 있게 해주는 완전 관리형 엔터프라이즈 데이터 웨어하우스입니다. BigQuery의 서버리스 아키텍처에서는 SQL 쿼리를 사용하여 제로 인프라 관리에 관한 조직의 가장 큰 질문을 해결할 수 있습니다. BigQuery의 확장 가능한 분산형 분석 엔진을 통해 테라바이트급 쿼리를 초 단위로 수행하고 페타바이트..

제목: "함께 자라기" 저자: 김창준 책의 내용을 보면 상당히 통계 데이터에 근거해 사례를 들고 있다. 파레토의 법칙, 회귀 분석, 상관 분석, 유의성 검정 등 다양한 방법으로 우리가 일하는 방식 분석했다. (1) 몰입 (미하이 칙센트미하이) 미하이 칙센트미하이(Mihaly Csikszentmihalyi)는 긍정심리학자이며 몰입에 대한 연구자로 알려져 있다. "몰입은 의식이 경험으로 꽉 차 있는 상태이다. 이때 각각의 경험은 서로 조화를 이룬다. 느끼는 것, 바라는 것, 생각하는 것이 하나로 어우러지는 것이다.” 몰입은 경력에서 나오는 게 아니다. 개발자의 경우 경력과 업무 능력의 상관관계가 비례하지 않다고 책에서는 설명한다. 따라서 우리는 내 위에 있는 사람이 나에게 배움을 줄 것이라는 기대를 하지 말..

제목: "데이터로 전문가처럼 말하기 : 효율적 의사 전달을 위한 데이터 시각화와 비즈니스 스토리텔링의 기술" 저자: 칼 올친 keyword 중앙 집중형 데이터 분석 팀, 분산형 데이터 분석, Data visualization society, Preppin data set 중앙 집중형 데이터 분석 팀 vs 분산형 데이터 분석 팀 모델 Centralised(중앙 집중형) Hybrid Embedded(분산형) 팀 구조 데이터 웨어하우스로 데이터를 수집하는 중앙 집중형 작업을 수행하는 데이터 엔지니어 팀 코어 데이터 테이블을 개선하는 작업을 부분적으로 수행하지만 product 팀에서도 일하는 분석 엔지니어링 팀 마케팅과 같은 비즈니스팀의 일원으로 완전 통합되어 일하는 데이터 분석가 팀 장점 전문성 강화 중앙 우..

제목: "나는 회사 다니면서 공부하기로 했다" 저자: 사토 다카유키 사토 다카유키는 일본 기업에서 변호사로 일하면서 버블경제를 맞이했다. 위에 선배들이 줄줄이 짐을 싸가는 모습에 자격증은 남들이 따는 것으로 인식했던 그가 생각을 바꾸고 자격증 시험에 응시하면서 터득한 노하우를 공유해줬다. 공유 내용은 뻔한 이야기다. 일정 관리, 암기 효율 높이기 등, 다만 여기서 한가지 특이 했던 점이 필기에 대한 부분이다. 오답 노트를 사용하지 않고 책에 기입하고 넘기고 반복 학습을 하는 것이다. 아침 일찍 일어나 뇌가 가장 맑을 때 공부를 시작하고 이 과정을 매일 반복했다. (티끌 모아 태산 ) 30분 투자해서 읽을 만한 책이다. 글이 읽기 편하게 쓰여 있어 눈이 편했다. keyword 기한 정하기, O/X 문제,..

Auto Arima Summary Table 설명 ARIMA 모형을 다루면 꼭 봐야하는 Table이다. 한번의 시행으로 모형을 정한다면 Auto ARIMA의 결과를 보지 않을 수 있으나 통계적 모델인 만큼 유의성 검증이 필요하다. 기본적인 설명 ARIMA는 차분과 이동평균선 모형의 차수로 y = a(0) + p(0) + a(1) + p(1) ... 이런식으로 단순한 모형에서 복잡한 모형으로 만들어간다. (1) 위의 Summary Table에서 중요한 점은 Log Likelihood의 값이 내가 이전 시행 모델 보다 커졌는지가 중요하다. 우도의 결과가 보통 Positive Value 이지만 음수여도 꼭 모델이 틀린 것은 아니다. 이 의미는 "모델이 data에 fit한지 보는 것" 이다. (클 수록 잘 fi..