데이터와 한걸음씩

Github VS Velog VS Tistory (+번외, 브런치) 데잇걸즈를 하면서 배운 것들을 매일 정리하려고 블로그를 쓰기 시작했는데, 최근에 3가지의 블로그를 써보게 되어 입문자의 입장에서 비교를 해보려고 한다. 1. Github 깃허브 보러가기 👉🏻 choihana - Overview choihana has 8 repositories available. Follow their code on GitHub. github.com jupyter notebook을 업로드하는 용으로 사용하고 있었기 때문에, 처음에 github에 작성하기 시작했다. 근데 사용법이 익숙하지 않다 보니 jupyter notebook으로 작성한 뒤에 파일 업로드하는 형식으로만 업데이트를 했다. jupyter notebook 마크..

이 블로그는 생활코딩 이고잉님의 머신러닝 야학을 듣고 스스로 이해한 내용을 바탕으로 작성합니다. 잘못된 내용이 있으면 댓글로 알려주세요 :) 머신러닝 야학 신청하러 가기 👉🏻 머신러닝을 본격적으로 시작하기에 앞서, 머신러닝에는 어떤 종류들이 있고 각각 어떻게 분류되는지 보았습니다. 그래야 내가 해결하고자 하는 문제가 생겼을 때, 어떤 머신러닝을 사용하면 되는지 알 수 있고 공부를 할 때도 방향을 잡는데에 도움이 되기 때문입니다. 머신러닝의 분류 머신러닝은 크게 으로 분류됩니다. *이미지 출처:머신러닝 야학 강의 지도학습 VS 비지도학습 지도학습과 비지도학습을 구분하면 종속변수의 유무입니다. 머신러닝에 사용하고자 하는 데이터 셋에 종속변수가 포함되어 있다면, 지도학습 없다면 비지도학습을 사용하면 됩니다. ..

평균으로의 회귀 아주 극단적인 일이 한 번 발생하더라도 원래의 평균 값으로 돌아온다는 이론이다. 극단적으로 키가 큰 196cm 아빠한테 나온 자식의 키가 그 이상으로 나올 확률은 낮으며 평균보다는 크겠지만, 196cm 와 평균 사이의 키로 태어날 확률이 높다! 다른 예로는 로또를 맞은 사람의 행복이 2년이면 원래 그사람이 가지고 있던 행복에 다시 가까워진다는 것이다! 큰 수의 법칙 표본이 작을 때는 특이 값을 가지는 경우가 발생할 확률이 높지만, 표본이 커질 수록 원래의 확률을 따라간다는 법칙 예를 들어 주사위를 던질 때 초반에 10번 중에 갑자기 1이 6번이나 나올 수도 있다. 하지만, 1000번을 던진다면 1이 나올 확률은 1/6 에 가까워질 것이다. 느낀점 이걸 배우고 느낀 점은 평소에 잘하자..!..

문제 출처 바로가기 👉 이 글에서 이야기하고 싶은 인사이트는 subquery를 From절에 쓸 때 주의할 점이기 때문에, 문제 설명은 skip! 문제의 코드 SELECT d.Name AS Department, e.Name AS Employee, e.Salary AS Salary FROM( -- subquery 시작 SELECT * ,DENSE_RANK() OVER (PARTITION BY d.name ORDER BY e.Salary DESC) as s_rank FROM Employee e INNER JOIN Department d ON e.DepartmentID = d.Id) AS sub WHERE s_rank IN (1,2,3) 주의할 점 1️⃣ 문제코드의 세번째 줄처럼 테이블을 만드는 subquery..