🐰우리 FISA

자세한 정보는 아래 참고https://pandas.pydata.org/docs/ pandas documentation — pandas 2.2.3 documentationAPI reference The reference guide contains a detailed description of the pandas API. The reference describes how the methods work and which parameters can be used. It assumes that you have an understanding of the key concepts.pandas.pydata.org 판다스란? 판다스는 데이터 분석 라이브러리로, 시리즈와 데이터프레임 자료형으로 데이터를 다룬다.내부적으로 넘..

자세한 정보는 아래 참고https://numpy.org/doc/ NumPy Documentation numpy.org NumPy란? 아래는 NumPy를연습해 볼 수 있는 사이트이다.https://www.w3schools.com/python/numpy/default.asp  NumPy 이모저모 우리 주변에 많은것들이 행렬로 표현된다. 사진, 시계열 데이터 모두 행렬로 표현되며, 이때 NumPy가 적합하다.NumPy의 배열인 ndarray를 이용하여 행렬 연산을 효율적으로 할 수 있다.NumPy는 C 언어로 구현되어 있어, Python보다 훨씬 빠르게 배열 연산을 수행할 수 있다.ndarray는 같은 자료형을 가지는 요소만 처리하지만, 형변환을 통해 연산이 가능하다.형변환 가능  ex) float 배열에 i..

Monday (01.06)더보기오늘의 점심 별점 ⭐️⭐️⭐️ 평범한 솥밥맛, 제육은 달다 ..https://naver.me/FbzLw7AF 네이버 지도참솥 상암점map.naver.com   타입 힌트 타입 힌트:  함수나 변수의 데이터 타입을 명시적으로 지정해주는 주석과 비슷한 개념def add(a: int, b: int) -> int: return a + badd('5', 3) # 타입 힌트와 다르지만 실행은 됨이때, 자료형 강제는 불가능함. 파이썬은 동적 타이핑 언어이기에 데이터 타입이 실행 중에 변경될 수 있다.타입 힌트는 가독성을 위해 사용하며, 자료형 강제를 위한다면 라이브러리를 사용하면 된다. 전역변수, 지역변수 전역변수와 지역변수를 나눠서 사용하는 이유 → 전역변수는 위험하기 때문지역..

Monday (12.30) 선배와의 대화 FISA 1기 선배 두분에게 질문할 수 있는 시간이 있었고, 여러 질문들이 오갔다.개인적으로 해서 만족한것보다, 못해서 아쉬운걸 채우는게 중요하다고 생각해서 마지막에 "못해서 후회한것"에 대한 질문을 드렸다. 못해서 후회한것프로젝트 과정에서 이해없이 기술만 쓴것에 대한 아쉬움일주 단위로 특정일이 있을때 정리를 했는데 매일 정리하지 못한것에 대한 아쉬움FISA가 끝나고 돌아봤을 때, 이 2가지를 잘 했다면 만족한 과정으로 마무리할 것 같다. 간단한 과정설명AI 모델을 실용적으로 다루는것을 중점으로 배운다.기본과정IT 기초 3주간 주 2회 8시반부터 2시간IT 도메인 비대면 토요일 9~18시(2일부터) 가로줄에 앉은 4명의 팀원들과 함께 점심(규동, 부타동) 먹고 근..

프로그래밍 언어와 기술데이터 엔지니어는 데이터를 수집, 저장, 처리하는 시스템을 설계하고 운영하기 때문에 프로그래밍을 높은 수준으로 이해하고 있어야 한다. 데이터 엔지니어가 많이 사용하는 언어2020년 기준 캐글(Kaggle) 설문조사에 따르면, 데이터 엔지니어가 많이 사용하는 언어는 다음과 같다. Python (86%): 데이터 처리, 분석, 머신러닝 등 다양한 작업에서 가장 널리 사용되는 언어SQL (70%): 데이터베이스 관리 및 쿼리 작성을 위해 필수적인 언어Bash (21%): 데이터 파이프라인 자동화 및 서버 관리에 유용한 스크립트 언어Java (19%): 대규모 데이터 처리 프레임워크에서 많이 사용프로그래밍 언어의 유형데이터 엔지니어가 사용하는 언어는 그 용도와 특징에 따라 다음과 같이 분류..

빅데이터 프로젝트 시작, 문제 정의, 데이터 수집 및 이해, 분석 및 모델링, 배포 및 적용, 종료의 단계를 거친다.시작 →문제정의 ↔ 데이터 수집 및 이해 ↔ 배포 및 적용 →종료시작 →문제정의 ↔ 분석 및 모델링 ↔ 배포 및 적용 →종료데이터 수집 및 이해 ↔ 분석 및 모델링 1. 문제 정의문제를 명확하게 표현했는지 확인하며, 이를 위해 문제 제시자와 소통문제를 얼마나 잘 해결해야 하는지에 대한 목표를 설정최종 결과를 전달받는 대상자를 명확히 설정문제 해결을 위한 데이터, IT 환경, 빅데이터 전문가 등의 자원을 점검 2. 데이터 수집 및 이해IT 환경을 조성하고 데이터를 수집하며, 데이터를 이해하는 데 많은 시간을 투자한다.양질의 데이터를 적시에 제공해야 하며, 정해진 기한을 준수해야 한다.데이터 ..