TIL

나는 어떤 히스토리를 가지고 트랙에 참여하게 되었나요? *저는 교육학을 전공하여 교육계 기업에 취업을 희망하고 있습니다. 최근 교육업계에서는 코딩교육을 시작으로 각종 프로그래밍을 이용한 사업이 도입되고 있습니다. 따라서 교육 개발, 교재 개발 직무

내가 AI 트랙에 참여한 계기는 무엇인가요? 교육분야에서 주목받고 있는 AI 관련 기술을 활용한 개발자가 되기 위한 역량을 키우기 위해서 입니다. 내가 이해한 개발자(혹은 생각했던 직무)는 어떤 역할을 하는 사람인가요? 프로그래밍 언어를 활용하여 PC를

SELECT테이블과 컬럼에서 데이터를 조회select 컬럼1, 컬럼2(부분 조회) 또는 \* (전체 조회) from 테이블문자, 날짜 - '' 이용 ex)'korean' 또는 '2024-10-19'별명 설정 - 컬럼 as 별명 또는 컬럼, 별명 (특수문자, 한글인

MySQL 기능 연산 복습 기본구조 select from where 주의점 - 문자 사용 시 '' 사용 문자, 날짜 - '' 이용 ex)'korean' 또는 '2024-10-19' 별명 설정 - 컬럼 as 별명 또는 컬럼 별명 (특수문자, 한글인 경

복습조건문replace - 문자 변경substring - 문자 추출concat -문자 합성if(조건, 충족, 충족x)case when then else endsubquery여러번의 연산을 수행(연산결과를 다른 연산에 활용 등)()사용subquery를 이용하여 단계별 연

rank 함수 활용rank - 중복 순위 부여 후, 중복 개수를 고려하여 다음 순위 부여 ex) 1, 2, 2, 2, 5dense_ranke - - 중복 순위 부여 후, 다음 순위는 중복순위를 제외하고 부여 ex) 1, 2, 2, 3, 4row_number - 중복된

작성은 top to bottomvariable - 데이터 명명, 명명된 이름으로 데이터에 접근camel case - myAge = javascript에서 주로 사용snake case \_ my_age = python 숫자만 사용하는 것은 지양, 문자로 시작하되 숫자를

조건문if, else, elifif 조건 : 결과else: 대안elif 다른 조건: 대안상단의 조건이 충족되면 아래의 조건이 충족되어도 출력되지 않음같다 ==, 다르다 !=, =은 값을 나타낼 때, ==은 값을 비교할 때input입력값을 return값으로 사용typev

주석 달기"""내용""" while조건이 False가 되기 전까지 반복methodmethod - 데이터에 결합해서 사용하는 함수 - .를 붙여 사용list, \[] 사용, 복수형 사용위치를 0 부터 인식하기 때문에 4번째 값을 호출하기 위해서는 3을 입력tuples (

OOP - Object Oriented Programming / 객체지향프로그래밍코드 구성하는 방법의 규칙, 실행 방법class - 데이터의 구조 정의 - 설계도면과 같은 것instance - class를 적용해 만들어진 실제 사례init - 생성자, 초기화 initi

interpretorcompile 방식과 다르게 코드를 한줄씩 해석하여 전달즉각적인 실행 가능, 수정이 쉬움\-> 속도가 느림\-> error가 있어도 발생지점 전까지는 실행됨 고수준 언어, 추상화인간이 이해하기 쉬운 방식IDE == 통합개발 환경VSCode : 마이크

list 0 len(리스트) .remove 첫 번째 요소 변경 \* .sort() tuple \* 리스트와 유사함, 조회에 사용하는 대부분의 기능 그대로 사용가능불변 자료이기 때문에 데이터를 변경할 수 없음dictionary \* key : value 조합으로

OOP 개념 / 메서드 / 상속 복습 https://velog.io/@sh6771/TIL-Day-7 class 는 object를 만들기 위한 template 즉 설계도 magic method init 생성자, 초기화 repr 공식적인 문자열 반환 add 객체간의

-1 https://velog.io/@sh6771/TIL-Day-9-1 Decorator / Iterator / Generator / 파일 다루기 Python 기호 " * " - 모든 것 가변인자 - args, *kwargs -> - 함수 정의 ... - 생략부호,

라이브러리 = 도구상자프레임워크 = 설계도Django : 웹 프레임워크보안, 확장성, DRY(don't repeat yourself) 원칙모델 = 데이터베이스 구조화, 데이터와 상호작용뷰 = 사용자가 보는 화면템플릿 = HTML 생성, 데이터 표시URL conf URL

Numpy 다차원 데이터의 분석과 고속 배열과 연산 파이썬 기본 연산 넘파이를 이용한 빠른 연산 복합 대입 연산자는 오류를 초래하니 주의해서 사용 배열 변경 Broadcasting 기능 크기가 다른 배열간의 연산을 가능하게 해줌 단 규칙에 맞춰 계산 함수 사

Pandas 데이터 조회

Pandas 데이터 정렬 .sort_values .dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vert

데이터 정규화데이터의 범위를 0과 1 사이로 변환 = 서로 다른 범위를 가진 데이터를 동일한 스케일로 맞추어 비교(ex 키:재산)데이터 표준화평균을 0으로 표준편차를 1로 = 정규분포와 같이 조정하여 비교경사 하강법 = 손실함수(내가 얼마나 잘못되었나) 최소화과적합지나

하나 이상의 인덱스를 사용, 데이터프레임의 행과 열을 구조화멀티 인덱스를 구성할 각 계층을 튜플로 부터 가져옴, name은 계층의 이름을 지정보다 상세한 데이터 조회가 가능

Pandas 실제 활용 시 주의할 점 위주로 실습 Kaggle 데이터 활용 데이터 전처리 데이터 불러오기 결측치 확인 결측치 데이터 추가 결측치 제거 중복치 확인 및 제거 데이터 병합 결측치 제거 주의점

정수형만 취급randint(1,10)randrange(1,11,1)randint()로 컴퓨터의 값 생성input()으로 플레이어 값 생성int()로 플레이어 값을 정수형으로 변환하여 컴퓨터 값과 비교조건이 여러개if-elif 사용하여 정보 출력범위 조건을 제일 먼저

웹사이트에서 html 정보를 받아 데이터 조회python 코드로 원하는 데이터만 조회Crawling : 방대한 데이터를 수집하여 색인작업Scraping : 필요한 데이터를 분석하여 특정 패턴을 가진 데이터 수집parser : parsing 도구parsing : 데이터를

Dynamic Scrap

Flask로 웹페이지 제작기초적인 html 작성scrape 기능 모듈화 및 적용csv 파일 작성 및 저장 기능 모듈화 및 적용모듈화는 모든 기능이 keyword 기준으로 작동하게 진행flask 모듈 적용flask는 많은 모듈과 함께 사용하기에 용이충돌 방지를 위해 가상

html 은 뼈대CSS는 꾸미기 기능java script는 동작hr, div, span 의 용도구분에 주의css = html을 꾸며줌html은 박스형태 block 1줄 전체를 차지 - 위에서 아래로inline 글자같은 것들, 자신의 크기 만큼만 차지 - 가로로 배치

웹사이트 기본구조style 작성법구글폰트 적용법bootstrap 활용법nav, footer 부분은 대부분 고정적인 형태(메뉴, 연락처)main 부분은 여러 형태 가능배경 적용할 경우 최상위 계층으로 적용div.background-banner 형식으로 태그 자동완성jus

Machine learning 기본 개념

비지도 학습 모델(Unsuperviesd) 정답이 없는 문제를 푼다 스스로 문제를 만들어 문제해결 군집화 모델(Clustering) K-means clustering 알고리즘에 더 가까움 학습 단계가 없는 것으로 보임 단계를 순차적으로 반복하면서 판별 백터 데이터 베

딥러닝 * 인공신경망(Artificial Neural Networks) 기반 머신러닝 * 다층 신경망 사용 - 자동으로 학습, 복잡한 문제 해결 중요한 패턴 추출, 예측,분류, 생성 등 다양한 작업 수행 > 중요한 패턴 : 작업 수행에 큰 영향을 주는 요소 - 가장 잘

합성곱 신경망(Convolutional neural network)이미지와 같은 2차원 데이터의 특징을 효과적으로 추출풀링 층(Pooling)완전 연경층(Fully Connected Layer)CNN은 출력에 적합하지 않음, ANN으로 출력이미지 데이터를 ANN에 입력

딥러닝 프레임워크유연성과 사용 편의성torch.nn.Module: 모든 신경망 모델의 기본 클래스init: 구조 만들기부모 클래스의 init(초기화 함수)를 가져옴torch.utils.data.Dataset: 사용자 정의 데이터셋 생성torch의 유틸리티 중, 데이터

시퀀스 데이터에서 중요한 부분에 더 많은 가중치 할당정보를 더 효율적으로 처리하는 기법기본 구성 요소와 동작 방식자연어 처리(NLP), 시계열 데이터, 기계 번역, 오약, 질의 응답구성답(key)-질문(query)-최종요약(value) 입력의 sequence를 분석중요

분산 버전 관리 시스템협업툴개념버전관리 시스템을 분산해서 관리버전관리: history; 개발과정, 변경사항 저장분산: 데이터 베이스를 공유, 한 곳에서 데이터가 사라져도 다른 곳에 존재Repository: 버전관리를 하는 저장소Remote: 원격으로 관리Local: 사

titanic 데이터셋데이터 전처리 & 모델 적용 과정에서 추가 학습한 내용 정리 백분위수 지점 q : 분위수, 소수로 표현 (예 : 75% = 0.75)aixs : 분위수의 값을 구할 축(0 : 행, 1: 열)numeric_only : 수(소수)만 대상으로할지 여부

시각화 라이브러리데이터 시각화 라이브러리다양한 유형의 그래프(선 그래프, 막대 그래프, 산점도 등)사용자 정의가 용이하여, 그래프의 스타일과 요소를 쉽게 수정NumPy, Pandas와의 호환성matplotlib주로 함께 사용되는 패키지NumPyPandasSciPy :

NLTK, torchtexttokenize: corpus를 token 단위로 나누는 작업corpus(복수형: corpora): 자연언어 연구를 위해 특정한 목적을 가지고 언어의 표본을 추출한 집합NLTK - Natural Language TookitThe only re

문자열 데이터를 모델 학습이 가능한 sequence 데이터로 변환tokenize 전처리 필요분리된 문자열 단어들에 인덱스를 부여해서 정수형 데이터로 변환torchtexttorchtext토큰화와 데이터 변환을 따로 진행torch.tensor(data) : torch.Te

¶ NLTK(¶ TextBlob(¶ POS-Tags(자연어 분석을 위한 전처리 모듈 제공전처리한 자연어 활용 모듈 제공NLTK(Natural Language Toolkit)파이썬 기반 자연어 처리 라이브러리, 전처리, 분석, 분류 등 다목적 도구상자텍스트 전처리 : 토

생성형 AI 명령 지시문¶ Generative AI(¶ LLM(¶ Prompt Engineering(생성형 AI새로운 콘텐츠를 생성 가능한 AI공통점: 개발자가 입출력을 설계차이점: 입력과 출력 사이의 알고리즘 구현 주체Rule based : 개발자가 구현AI : AI

자연어 감성 분석¶ Preprocessing(¶ Sentiment Analysis(¶ Add Result(¶ WordCloud(RegexpTokenizer : 정규표현식 조건을 적용한 뒤 토큰화Text : NLTK 모듈 클래스 선언, 통계 기능 사용 가능결과: 해석에

데이터셋 : Netflix Review ¶¶ 데이터 전처리(¶ 데이터 세팅(¶ 모델 정의(¶ 예측 함수(¶ 파라미터 조정(시퀀스 데이터로 변형하기 전에 문장을 끊어서 토큰화토큰화를 하면 가공하기 쉬워짐예비용 파라미터, 손실함수 등의 옵션 참조처리¶ TOP

익명함수식을 간단하게 표현 가능병렬로 사용할 때 장점객체 생성 및 소멸init(self, ...): 객체 초기화new(cls, ...): 객체 생성del(self): 객체 소멸문자열 표현str(self): print()용 문자열 반환repr(self): 개발자용 문자열