94년생 스피노자

요즘 인공지능, 기계학습, AI 등의 키워드가 참으로 핫하다. 하지만 필요성이 대두될수록 듣는 사람 입장에서는 위축되기 쉽다. 처음 접해보는 단어이자 기술이기 때문에 감조차 오지 않기 때문이다. 이런 상황에서 사람들은 대충 3가지 방향으로 반응한다. 첫째, 어차피 나와는 상관없거나 늦었다는 생각으로 무시하기 둘째, 너무 마음이 급해 하던 거 다 때려치고 올인하기 셋째, 적당히 조금씩 알아보기 한 사람이 위 3가지 반응을 모두 보일 수도 있다. 내가 그랬기 때문이다. 맨처음에는 AI가 뭐라고 어차피 너무 어려운 학문이라고 무시했었다. 그러다가 점차 필요성이 보이면서 아예 AI 학문으로 올인하려고도 했다. 지금은 마지막 단계로 적당히 조금씩 배우는 과정에 있다. 나는 모두가 적당히 조금씩 AI를 배워나가 자..

K-평균 군집화는 저번에 올린 주성분 분석과 같이 쓰기가 좋다. K-평균 군집화로 그룹을 분류 주성분 분석으로 차원을 축소해 시각화 0. K-평균 군집화 기초 K-평균 군집화는 전체 데이터를 K개의 그룹으로 나눈다. 주어진 조건이 없다면 K개로 그룹을 나누는 방법은 무한히 많다. 따라서 K-평균 군집화에는 다음과 같은 기준이 주어진다. 각 그룹의 중심과 개별 데이터 간의 거리가 최대한 짧게 하라 위 기준 덕분에 K-평균 군집화의 결과 조밀하게 모여있는 그룹을 얻을 수 있다. 1. 데이터 불러오기 이번 예시에서는 Kaggle에서 데이터를 가져왔다. https://www.kaggle.com/uciml/breast-cancer-wisconsin-data Breast Cancer Wisconsin (Diagno..

주성분 분석은 다차원 데이터를 분류하기 위해 사용된다. 다차원 데이터는 변수를 여러개 가진 데이터를 의미한다. 예시로는 seaborn 패키지에 있는 'penguins' 데이터를 활용할 것이다. 0. 필요 패키지 불러오기 import matplotlib.pyplot as plt import pandas as pd import numpy as np import seaborn as sns from sklearn.decomposition import PCA from sklearn.preprocessing import StandardScaler, Normalizer from sklearn.pipeline import make_pipeline 1. 데이터 전처리 pg = sns.load_dataset('pengui..

이번 코드스테이츠 AI 부트캠프 4기를 지원할 때 제출한 지원서를 여러분과 공유한다. 지원서를 어떻게 쓸지 막막한 사람들에게 자그나마 도움이 됐으면 한다. 0. 자기소개 문항 최근에 겪었던 가장 도전적이었던 문제, 문제를 풀기 위한 과정, 이를 통해 얻은 결과를 사례와 함께 설명해주세요. (최소 300자 이상 1000자 이내) 이번 4기 지원서에는 문항이 1개 밖에 없었다. 300자 이상 1000자 이내로 범위가 무려 700자나 된다. 이런 경우에는 무조건 999자로 꽉꽉 채워 넣는 것이 좋다. 1. 문항 접근법 코드스테이츠가 원하는 문제 해결능력이 무엇인가 먼저 생각해봐야 한다. 내가 쓰고 싶은 것을 쓰면 기분은 좋을 수 있으나 합격과는 멀어질 수 있다. 코드스테이츠는 AI 부트캠프를 무사히 따라갈 수..