01 오늘의 아티클 북극성 지표와 인풋 정의하기오늘의 글은 주니어 기획자 및 PMO를 위해 토스 PO세션 이후 노스 스타 플레이북 을 스터디한 내용…playinpap.github.io 02 아티클 정보 요약- 제품팀의 목표를 '리텐션 개선'으로 두는 것은 적합하지 않음, 이는 후행 지표이기 때문이다.- 해당 목표를 위해서는 고객 지향적이고 실행 가능한 목표인 '북극성 지표'를 개선하는 게 좋다.- 북극성 지표란? 고객이 제품을 사용하면서 얻게 되는 핵심적인 가치를 객관적인 수치로 측정하며 제품을 개발하는 프레임워크이다.- 비즈니스 모델이 단일한 경우에는 단 하나의 북극성 지표를 갖는다.- 고객 가치에 기반하여 문제를 해결하며 지속가능한 제품 주도적 성장을 이룰 수 있다.- 하나이기에 고객 만족을 위한 유..

01 학습 내용3. 기술통계(Descriptive Statistics) vs 추론통계(Inferential Statistics) statistics/03_Descriptive&Infernetial_Statistics.ipynb at main · dataosean/statisticsstatistics study. Contribute to dataosean/statistics development by creating an account on GitHub.github.com4. 가설 검정(Hypothesis Testing) statistics/04_Hypothesis_Testing.ipynb at main · dataosean/statisticsstatistics study. Contribute to dat..

01 문제(1) URL 프로그래머스코드 중심의 개발자 채용. 스택 기반의 포지션 매칭. 프로그래머스의 개발자 맞춤형 프로필을 등록하고, 나와 기술 궁합이 잘 맞는 기업들을 매칭 받으세요.programmers.co.kr 02 코드 기록def solution(s): num = { "zero": "0", "one": "1", "two": "2", "three": "3", "four": "4", "five": "5", "six": "6", "seven": "7", "eight": "8", "nine": "9"} for a, b in num.items(): s = s..

01 오늘의 아티클 데이터에 입덕한지 1300일째 깨달은 6가지🕵🏻 이 글의 원문은 저자의 블로그 에서 확인하실 수 있습니다. Intro 안녕하세요. 데이터 분석가 주정…playinpap.github.io 02 아티클 정보 요약✏️ 데이터 분석가에게 필요한 능력1. 데이터 속 정성적인 부분도 정량화 하는 능력2. 주어진 문제를 푸는 것보다 직접 문제를 찾고 해결하는 능력3. 목표로 하는 도메인 제대로 파악하는 능력4. 다양한 부서와 협업할 때 분석 용어를 쉽게 설명하는 능력5. 주어진 일 뿐만 아니라 능동적으로 문제를 해결하려는 능력 03 인사이트멘토링을 받거나 아티클을 읽다보면 반복되는 문장이나 중요하다고 이야기하는 주제들이 있는데 이번 아티클도 해당됐다. 특히, 기억에 남는 것은 데이터 프로덕트화..

01 학습 내용1. 확률 이론 기초 statistics/01_Overview_of_Probability_Theory.ipynb at main · dataosean/statisticsstatistics study. Contribute to dataosean/statistics development by creating an account on GitHub.github.com2. 확률 분포 statistics/02_Probability_Distribution.ipynb at main · dataosean/statisticsstatistics study. Contribute to dataosean/statistics development by creating an account on GitHub.github...

01 오늘의 아티클 데이터 중심적 사고와 데이터 기반 사고Data Analytics | 이 글은 Lean Analytics: Use Data to Build a Better Startup Faster (Lean Series)내 내용을 추가, 번역, 의역, 재구성한 글입니다. 데이터를 다루는 조직이라면, ‘데이터-드리븐(data-driven)’이라는 말brunch.co.kr 02 아티클 정보 요약데이터는 제한된 범위 내(미시적 관점)에서 내가 궁금한 점에 대한 대답을 해주는 도구이기 때문에 데이터에 모든 걸 의존하는 비즈니스적 의사결정은 위험할 수 있다. EDA를 통해 비즈니스 가설을 수립하고 이를 검증하는 도구로써 데이터를 활용하는 데이터 기반 사고(Data-informed)를 한다면 조직운영에 필요한 ..

01 학습 내용 machine_learning/20_ab_testing.ipynb at main · dataosean/machine_learningmachine learning study . Contribute to dataosean/machine_learning development by creating an account on GitHub.github.com 02 회고아티클 스터디를 통해 A/B 테스트에 대해서 여러차례 읽어본 경험이 있는데, 이를 바탕으로 해당 챕터를 신속하게 정리할 수 있었다. 간단하게 예제 코드를 작성해보면서 t-검정이나 z-검정에 대해 알아봤고, 다음 통계 학습 때에는 이에 대해 자세하게 정리해야겠다고 생각했다. 지난 til에 유의수준과 유의확률을 길게 정리한 경험도 이번 챕터..

01 오늘의 아티클 [‘일’상의 AI] ① AI는 파괴자일까, 조력자일까? | 요즘ITAI는 인간보다 더 빠르고 효율적으로 작업을 수행하는 것이 아니라 작업을 근본적으로 재정의 합니다. PM 업무뿐만 아니라 UX 디자이너, 개발 매니저의 업무를 대신할 것이며, 이렇게 되면 조직의yozm.wishket.com 02 아티클 정보 요약해당 아티클은 AI가 직장에서 수행하는 역할의 변화를 다룬다. AI 기술이 제품 관리, 디자인, 개발 등의 전통적인 역할을 재구성하고 있으며, 이는 전문 지식의 필요성을 줄일 수 있다. 저자는 AI를 인간 전문성을 대체하지 않으면서 효율성을 높이는 방향으로 조화롭게 통합할 것을 주장한다. 03 인사이트AI가 발전하고 개입되더라도 성공하는 프로덕트를 이루는 프레임워크의 형태는 바뀌..

01 학습 내용 machine_learning/19_bayesian_optimization.ipynb at main · dataosean/machine_learningmachine learning study . Contribute to dataosean/machine_learning development by creating an account on GitHub.github.com 02 회고검증 파트에서 교차검증 부분까지는 이전에 학습했던 내용인데 베이지안 최적화라는 하이퍼파라미터 튜닝을 위한 탐색 방법은 처음 배워보는 것이었다. 개념과 작동원리를 반복적으로 학습해서 이해했으나 수식 부분은 아직 어렵다. BayesSearchCV 클래스를 불러와서 서포트 벡터 머신 모델의 최적의 하이퍼파라미터를 찾는 실습..

01 오늘의 아티클 개발자를 위한 ‘프롬프트 엔지니어링’ 시작하기 | 요즘IT일반적으로 프롬프트는 ‘지시한다’, ‘말을 전한다’라는 뜻을 가지고 있습니다. LLM(Large Language Models)에서 프롬프트는 AI 모델에게 내리는 지시 사항 혹은 첫 대화의 물꼬를 뜻하는데요. 프롬yozm.wishket.com 02 아티클 정보 요약프롬프트 엔지니어링 입문자는 4가지만 기억한다. 1. 하나의 질문에 집중하고(Single), 2. 명확하고 상세하게 지시하며(Specific), 3. 간결하게 핵심을 전달해야 하고(Short), 4. 질문의 상황을 잘 전달하는 추가 컨텍스트를 제공한다(Surround). 더 나아가 답변 방식을 확실하게 정해주기, 질문의 구역을 확실히 잡아주기, 반복 학습, 예시에 대한..

01 학습 내용 machine_learning/18_outlier.ipynb at main · dataosean/machine_learningmachine learning study . Contribute to dataosean/machine_learning development by creating an account on GitHub.github.com 02 회고개념으로 학습했던 내용을 직접 코드로 쳐보는 건 꼭 해야 하는 방법이었다. IQR을 구하고 가중치를 부여해서 최댓값과 최솟값을 정해 이상치를 분류했으며, Isolation Forest 라고 결정트리 기반으로 이상치를 탐지하는 모델을 사용해서 이상치를 분리도 해봤다. 이외에도 다양한 방법이 있으니 프로젝트를 통해 실습해 보도록 하겠다.

01 학습 내용 machine_learning/17_gradient_boosting_machine.ipynb at main · dataosean/machine_learningmachine learning study . Contribute to dataosean/machine_learning development by creating an account on GitHub.github.com 02 회고코드 실행 시간이 최고였다. 약한 학습기의 순차적인 예측 오류 보정으로 인해 병렬 처리가 지원되지 않기에 생기는 실행 시간 지연이 이 알고리즘을 사용하는 데에 가장 큰 문제점이 아닐까 생각한다. GBM 다음으로 개발된 알고리즘을 추가로 학습해야 할 계기가 생겼다.

01 오늘의 아티클 통제 불능의 인공지능: 우리는 준비되어 있는가?인류의 위기 시리즈 8편 | 우리는 지금 인류 역사상 가장 빠른 기술 혁명의 한가운데 서 있습니다. 인공지능(AI)은 이미 우리 일상 깊숙이 파고들어, 스마트폰의 음성 비서부터 자율주행 자동차,brunch.co.kr 02 아티클 정보 요약복잡한 알고리즘으로 이루어진 AI모델은 '블랙박스'로도 불리며 작동 원리를 정확하게 이해하기 어렵다. 이러한 상황에서 중대한 문제 결정을 AI에게 맡기는 기이한 상황에 직면했다. 앞으로 인간 중심의 AI 기술 발전이 이루어져야 하며, 명확한 윤리적 가이드라인이 이루어져야 한다. 03 인사이트해당 글은 현재 상황을 해결할 방법으로 기계가 흉내내기 어려운 분야의 기술을 지원하고, 인공지능으로 인해 일자리를 잃..

01 학습 내용 machine_learning/16_dimension_reduction.ipynb at main · dataosean/machine_learningmachine learning study . Contribute to dataosean/machine_learning development by creating an account on GitHub.github.com 02 회고차원 축소 기법의 대표적인 PCA 주성분 분석만 해봤는데 다른 기법들도 존재하고 그들의 개념을 학습했다. 단순히 피처가 많으니까 줄인다는 개념 보다는 다양한 피처들이 존재하고 그들을 통해 내가 뭘 말하고 싶은지 (= 잠재적인 의미) 또는 숨겨진 의미를 알려주는 기법이라고 이해했다. 코드 실습을 통해 다차원을 3차원으로 시..

01 오늘의 아티클 생성형 AI 만난 ‘시리’는 어떻게 똑똑해질 수 있을까? | 요즘IT빅테크 기업 치고는 유독 인공지능에 소극적이었던 애플의 행보가 최근 들어 심상치 않습니다. 애플은 지난 5월 앤트로픽의 클로드를 탑재한 iOS용 모바일 앱을 발표한 바 있는데요. 최근에는 자yozm.wishket.com 02 아티클 정보 요약기존의 시리(스마트 어시스턴트)는 비교적 단순한 딥러닝 모델을 기반으로 했으나, 앞으로 gpt-4o, 클로드, 제미나이와 같은 모델이 탑재되면서 기능이 비약적으로 성장할 예정이다. 복잡적인 요청에 빠르고 정확하게 반응할 수 있을 것이고, 이전 사용자의 취향을 반영한 더욱 개인화된 서비스를 제공할 수도 있을 것이다. 또한 멀티모달 인터페이스를 제공하여 이미지와, 텍스트, 동영상 등의..

01 학습 내용 machine_learning/15_evaluation_metric.ipynb at main · dataosean/machine_learningmachine learning study . Contribute to dataosean/machine_learning development by creating an account on GitHub.github.com 02 회고처음에 평가 지표를 배웠을 때가 생각났다. 처음 배웠던 오차 행렬(혼동 행렬)을 포함해서 오즈비, 회귀 모델, 분류 모델 등 이제 같은 내용을 여러번 반복해서 보니 처음보다 익숙해지기도 하고 코드 실습도 손에 익어가는 단계라 감회가 새로웠다.

01 오늘의 아티클 PPT 간편하게 만드는 AI 툴 ‘감마(Gamma)’ 리뷰 | 요즘ITPPT(PowerPoint)는 우리에게 가장 익숙한 문서 도구 중 하나인데요. 제 경우엔 광고 회사를 오래 다녔기 때문에, 제안서나 각종 보고서를 준비하느라 PPT를 쓰는 일이 많았습니다. 오히려 워드보다 사yozm.wishket.com 02 아티클 정보 요약1. 처음 가입하면 400 적립금을 무료로 준다. 문서를 10번 만들 수 있는 적립금이다.2. 이후에는 결제해서 사용한다.3. 한번 만들 때 피피티 페이지 10장 분량 생성이 가능하다.4. 현재 생성 부분의 기획은 조금 아쉽다. 이딴 다른 LLM서비스를 사용한다.5. 생성이 아닌 텍스트 기능을 사용하면 좀 더 짜임새 있는 문서가 만들어진다. 03 인사이트프리젠테..

01 학습 내용 machine_learning/14_feature_selection_and_engineering.ipynb at main · dataosean/machine_learningmachine learning study . Contribute to dataosean/machine_learning development by creating an account on GitHub.github.com 02 회고특성 선택에서 래퍼 방식에 해당하는 내용과 코드를 실습했던 게 기억에 남는다. 재귀적 특성 제거법, 전지 선택법, 후진 선택법, 단계적 선택 이론 뿐만 아니라 코드로 어떻게 시행하는지 배울 수 있었다. 그리고 이렇게 배순 특성 엔지니어링과 특성 선택, 데이터 전처리, 그리고 모두를 포함하는 머신러..

01 오늘의 아티클 단순 데이터 추출은 멈추자*DW/BI 업무를 주로했던 시절 경험을 토대로 데이터 추출에 대해 개인적인 경험에 대해서 정리하였습니다.…playinpap.github.io 02 아티클 정보 요약데이터 추출 요청이 들어오면 요청에 따른 추출만 목표로 할 것이 아니라 분석가가  능동적으로 데이터를 탐색하고 분석한 결과를 함께 제공한다면 생각지도 못한 인사이트를 발견해 또 다른 가설을 세워 사업의 방향을 잡는데 도움을 줄 수 있다. 단순한 쿼리 짜는 기계가 되지 말아야 한다고, 지양해야 한다고 경각심을 일깨워 주는 글이다. 03 인사이트해당 아티클은 Ad-hoc 탐색적 분석(exploratory analysis) 결과를 제공해야 한다고 말한다. 여기에서 Ad-hoc EDA란 무엇일까? 특정 목..

01 학습 내용 machine_learning/13_overfitting_and_normalization.ipynb at main · dataosean/machine_learningmachine learning study . Contribute to dataosean/machine_learning development by creating an account on GitHub.github.com 02 회고다항회귀 개념을 학습하면서 과대적합과 과소적합을 이해하는 파트를 학습했다. 데이터가 항상 직선에 포진해 있는 경우가 드물 것이다. 그럴 때 n차 방정식 곡선을 이용해서 선형회귀를 통해 예측을 해볼 수 있음을 배웠다. 차수(degree)가 높아질수록 정확도도 함께 올라가지만 이때 학습데이터를 너무 과도하게..

01 오늘의 아티클 일잘러 마케터는 ‘AI’ 이렇게 활용합니다 | 요즘IT2023년을 AI가 재탄생한 시점이라고 정의한다면, 2024년은 본격적인 도약기라고 볼 수 있을 것 같습니다. 최근 오픈AI와 구글은 경쟁적으로 새로운 AI 기술들을 발표하고 있는데요. 자타공인 AI 분야yozm.wishket.com 02 아티클 정보 요약AI는 나와 아이데이션을 할 동료가 될 수도 있고, PPT를 만들어 줄 수도 있고, 대신 요약을 진행해 나의 시간을 아껴준다. 또한 텍스트, 이미지, 동영상과 같은 콘텐츠 제작까지 도움을 주니 잘만 활용한다면 좋은 사업 파트너를 만나게 되는 셈이다. AI가 인간을 대체한다는 두려움에 잠식되어 있는 것이 아니라 AI를 잘 활용하는 전문가가 되어보는 게 어떨지 제안한다. 03 인사이트..

01 학습 내용 machine_learning/12_cross_validation.ipynb at main · dataosean/machine_learningmachine learning study . Contribute to dataosean/machine_learning development by creating an account on GitHub.github.com 02 회고- from sklearn.model_selection import StratifiedKFold 데이터가 불균형할 때 즉, 유병자 데이터베이스 비율처럼 환자가 아닌 사람이 다수에 포진해 있는 데이터일 때 사용하는 K폴드 교차검증을 실습했다. 커리큘럼에 따라 배울 때는 개념 위주로 학습해서 실제 코드를 작성할 때 어려움이 있었다..

01 소멸위험, 소멸우려 지역 데이터 클렌징💡tip 1. groupby와 size 메서드를 사용하면, 반환되는 객체는 시리즈(Series)이다. 이 시리즈는 각 그룹의 이름을 인덱스로 가지고, 각 그룹에 속하는 행의 개수를 값으로 가진다.💡tip 2. 이 시리즈 객체를 데이터프레임으로 변환하고 인덱스를 리셋하여 보기 좋게 만들려면 reset_index 메서드를 사용한다. 02 소멸 지역 시각화: 상호활동적이라는 뜻을 이해했다. 03 행렬의 덧셈 프로그래머스코드 중심의 개발자 채용. 스택 기반의 포지션 매칭. 프로그래머스의 개발자 맞춤형 프로필을 등록하고, 나와 기술 궁합이 잘 맞는 기업들을 매칭 받으세요.programmers.co.krtip 1. list(zip(a,b)) zip객체 리스트화tip 2..

01 오늘의 아티클 MS발 IT 대란, 한국은 왜 괜찮을까? | 요즘IT지난주 IT 업계는 마이크로소프트발(혹은 크라우드스트라이크발) IT 대란 소식으로 정신이 없었습니다. 특히 항공사 시스템이 다운되어 항공편이 취소되었다거나, 증권거래소를 비롯한 금융사yozm.wishket.com 02 아티클 정보 요약- '크라우드 스크라이크'사에서 보유한 '팔콘 센서'라는 EDR 솔루션이 윈도우와 충돌을 일으켜 블루 스크린을 띄운 게 문제가 되었다. 허나 한국은 팔콘 센서의 사용률이 높지 않아 IT대란에서 피해갈 수 있었다. - 전 세계적으로 점유율이 두 번째로 높은 솔루션의 사용률이 왜 IT강국인 한국에서 이렇게 낮을까? 그것은 한국의 IT 갈라파고스화에서 해답을 찾을 수 있다. - 내수용 솔루션을 개발하며 자국 ..

01 학습 내용 machine_learning/11_ensemble_learning.ipynb at main · dataosean/machine_learningmachine learning study . Contribute to dataosean/machine_learning development by creating an account on GitHub.github.com 02 회고- 보팅, 배깅, 부스팅, 스태킹은 랜덤 포레스를 학습하면서 한 번 배웠던 내용이라 복습하는 시간을 가졌는데, 이때 학습하면서 배운 편항-분산 트레이드 오프 개념에 대해서 다시 정리했다. 편향과 분산이라는 통계학 용어를 머신러닝에 대입해서 이해하려고 할 때 어려움이 있어서 반복하면서 이해하려고 노력했고 이전에 정리했던 내용을..

01 오늘의 아티클 서비스 기획자가 ‘데이터 툴’ 활용하는 법 | 요즘IT고객의 마음을 이해하기 위해, 고객의 진심을 생각하기 위해 데이터를 사용한다고 하지만 데이터를 활용하는 데까지 여러 단계가 숨어있다. 고객이 남긴 자취들을 여기저기에서 모으는 과정부yozm.wishket.com 02 아티클 정보 요약구글 스프레드 시트와 내장된 chat gpt를 이용해서 문제를 해결한다. 노코드 분석 툴을 활용해서 얼마든지 신문 기사의 스크랩 글을 가져올 수 있고, 블로그나 카페 글도 리스틀리라는 서비스를 이용해서 가져올 수 있다. 가져온 정보를 통해 문제를 발견, 가설을 설정하고 검증한다. 최종적으로 태블로나 피그마를 활용해서 분석 결과를 시각화하는 것까지 노코드 툴을 활용한 데이터 분석 프로세스를 경험해봤다. 0..

01 학습 내용 machine_learning/10_naive_bayesian_model.ipynb at main · dataosean/machine_learningmachine learning study . Contribute to dataosean/machine_learning development by creating an account on GitHub.github.com 02 회고- 지도 학습 분야의 확률 모델로 예를 들어 이해하면 쉬웠다. 스팸 메일 필터링을 예시로 들었고, 코드 실습도 같은 주제를 다뤘기에 사후확률, 사전확률, 우도에 대한 개념을 이해했다. 특정 조건이 주어졌을 때 스팸 메일을 확률과 비스팸 메일일 확률을 구해서 더 높은 확률에 예측을 배팅하는 시스템이었다. 생소한 개념이기에..

01 오늘의 아티클 AI가 평범한 알고리즘과 다른 점 | 요즘IT최근 엄청난 발전 속도를 보이고 있는 AI는 굉장히 고도화된 알고리즘으로 이루어져 있습니다. 지금 이 순간에도 더 정확한 AI를 만들기 위해 많은 연구자들은 새로운 AI 알고리즘을 개발하고 있yozm.wishket.com 02 아티클 정보 요약- AI 인공지능이란 인간의 지능을 모방하려는 모든 방식을 총칭하는 용어이다. 사실 명확한 규칙에 의해 문제를 풀어가는 알고리즘과 2000대 이전의 인공지능은 다를 바가 없었다. 하지만 이후 개발된 머신러닝과 딥러닝은 이전의 인공지능과 명확한 차이를 보이고 있다.- 머신러닝은 인공지능의 한 분야로 빅데이터란 방대한 양으로 밀어붙여 컴퓨터가 학습을 바탕으로 문제를 해결하도록 인공지능을 구현한 방식이다.-..

01 학습 내용 machine_learning/09_hierarchical_clustering.ipynb at main · dataosean/machine_learningmachine learning study . Contribute to dataosean/machine_learning development by creating an account on GitHub.github.com 02 회고- 계층적 군집화를 학습해보니 관련 책에서 덴드로그램에 대한 내용을 볼 때 언급되었던 게 생각났다. 눈에 익혀두자라는 마음으로 1독했던 책이라서 도움이 될까 싶었는데 그때 읽은 것이 기억나는 걸 보니 유익했던 시간이었구나 싶다. 다시 한 번 읽어봐야겠단 생각도 들고, 특히 공부할 때 수식에 대한 이해 파트를 좀 더..

01 오늘의 아티클 피드백을 통해 성장하는 법 6가지 | 요즘IT메타 인지를 높이는 데 가장 효과적인 방법은 피드백을 이용하는 것이다. 예를 들면 개발자들은 프로그래밍 언어를 배울 때부터 피드백에 익숙해져 있다. 코드를 타이핑하는 순간 컴파일러가yozm.wishket.com 02 아티클 정보 요약- 지속적인 피드백을 주고받을 수 있는 환경 안에 스스로를 가져다 놓아라. "공개적으로 학습하라."- 나의 문제를 내가 주도적으로 정의할 수 있어야 한다.- 지금 가능한 작은 일을 당장 시작해서 날마다 시행하며 피드백을 주고받아라.- 실패를 두려워하지 말라. 빠른 학습의 건설적인 일부분이다. "문서는 한 번에 완성되지 않는다."- 피드백과 자극을 구분하고, 자극을 파헤쳐 나에 대한 이해도를 높이자.- 피드백으로 ..