데이터분석 및 MLOps

데이터 분석은 데이터를 통해 통찰을 얻고 의사결정을 지원하는 과정입니다. 데이터 분석은 다양한 방법론과 기술을 통해 데이터를 탐색, 변환, 모델링하여 유용한 정보를 도출합니다.데이터 수집: 데이터를 다양한 소스에서 수집.데이터 전처리: 결측치 처리, 이상치 제거, 스케

확률은 동일한 원인에서 특정한 결과가 나타나는 비율을 의미합니다. 이는 데이터 분석에서 결과를 예측하거나 불확실성을 수치화하는 데 사용됩니다.확률분포는 확률 변수 $$X$$의 함수로, 표본의 크기가 클수록 표본 집단의 평균 $$x$$의 확률 분포가 정규분포에 가까워지는

보통 논문은 Regression보다는 Classification을 사용함.⇒ 비교/측정하기 좋음.(직관적)A. EDA, 탐색적 데이터 분석 (기술통계, 시각화)B. 모델 설계 및 학습C. 모델 최적화 및 모델 평가A. 기술 통계 분석평균, 표준편차 등으로 이상치 파악이

실제값과 예측값의 평균적인 차이를 측정하는 것이 목적(오차의 크기)각 방법론에 장단점이 있기 때문에, 여러 개를 함께 사용하기도 함.데이터와 데이터 평균 간 절대적인 차이의 평균제곱을 하는 이유는 차이값이 상쇄되는 것을 막기 위하여데이터의 크기에 의존적(데이터 자체의

모델을 해석한다는 것의 의미, 모델의 과정을 알기 위해서…모델들의 복잡도가 증가하면서, 블랙박스 모델의 해석이 더 어려워짐다양한 알고리즘을 동일한 기준으로 해석할 필요성 生어떠한 모델을 사용하더라고 Input과 Output이 존재하기 마련특정 피처의 중요도를 평가하기

해당 미니 프로젝트는 실제로 sk 내에서 진행했던 경진대회? 느낌의 프로젝트이다.위의 표와 같이 데이터는 총 3078개의 Column으로 이루어져 있었고, 데이터의 총 수는 약 8300개 가량이었다. 데이터의 수가 매우 적으며, 차원의 수가 매우 많은 데이터의 특성을

들어가기에 앞서 SMILE 화학식 코드에 대해서 유용한 라이브러리를 알개되었다 RDKit이라는 라이브러리로, SMILES ↔ 분자 객체(Mol) 변환이 가능하며, 다양한 분자 지문(fingerprint), 분자 지표(descriptor) 계산을 할 수 있다.smiles