Python

• Python 실무 프로젝트 DAY FINAL • 데이터 분석가 현업자 특강 DAY 40 - 머신러닝, Python 실무 프로젝트 DAY FINAL 🔻 발표 자료 🔻 https://url.kr/4y389i 🔷 데이터분석가 현직자 특강 🔷 데이터 직무? 🔹 데이터 활용분야 : 예측분석, 마케팅분석, 고객 인사이트, 비즈니스 성과분석, 인공지능, 빅데이터 🔹 데이터 엔지니어 : 빅데이터 분산처리 시스템, 코딩 스킬, API 개발 능력, 백엔드 아키텍처지식 🔹 데이터 사이언티스트 : R&D능력, 머신러닝, AI에 대한 지식, 코딩 스킬, 통계 지식, SQL 지식, 연구에 가까워서 어떤 모델을 새롭게 개발해냄 🔹 데이터 분석가 : 비즈니스/도메인 지식, 데이터 시각화 역량, 데이터 분석을 위한 통계지식, SQ..

• 한발 더 나아가는 데이터 과학의 세계 -머신러닝 • Python 실무 프로젝트 DAY 4 : 가설 정리, 발표 준비 DAY 39 - 머신러닝, Python 실무 프로젝트 DAY 4 🔷 머신러닝을 이용한 예측 분석 🔷 머신러닝? : 값을 입력하면 계산한 예측값을 출력하는 모델 🔹 예측변수 : 예측하는 데 활용하는 변수 또는 모델에 입력하는 값 🔹 타겟변수 : 예측하고자 하는 변수 또는 모델이 출력하는 값 🔷 의사결정나무 모델 : 예측값을 무엇으로 할 지 의사 결정 해주는 모델 ((수정 예정)) 🔻 가설 정리 및 인사이트 도출 (Project FINAL 토글)🔻 https://url.kr/18d7qr

• Python 실무 프로젝트 DAY 3 : 가설 디벨롭 DAY 38 - Python 실무 프로젝트 DAY 3 🔻 DAY2의 가설 디벨롭 or 새로운 가설 분석 진행 (Project DAY 3 토글)🔻 https://url.kr/18d7qr

• 통계 분석 기법을 이용한 가설 검정 • Python 실무 프로젝트 DAY 2 : (1) 귀무가설과 대립가설을 세워보고, • (2) 가능하다면 T-test를 통하여 통계학적으로 유의미한 데이터인지 파악하고, • (3) 인사이트 도출하기 DAY 37, 38 - Python 실무 프로젝트 DAY 2, DAY 3 🔷 한 발 더 나아가는 데이터 과학의 세계 🔷 ( 통계 분석 기법을 이용한 가설 검정 ) 통계 분석? 🔹 기술 통계 분석 : 데이터를 요약해 설명하는 통계 분석 기법, ex) 평균 월급 🔹 추론 통계 분석 : 단순히 숫자를 요약하는 것이 아니고 어떤 값이 발생할 확률을 계산. 🔷 통계적 가설 검정 : 유의확률을 이용해 가설을 검정하는 방법 🔹 귀무가설? : 처음부터 버릴 것을 예상하는 가설. ~와 ..

• Python 실무 프로젝트 DAY 1 : 이 전에 SQL 프로젝트에서 했던 가설 똑같이 Python에서 해보기 DAY 36 - Python 실무 프로젝트 DAY 1 🔻 데이터 전처리, 이 전 가설 Python으로 실습 (Project DAY 1 토글)🔻 https://url.kr/uvswht

• 파이썬으로 그래프 그리기 DAY 35 - Python 데이터 수집 및 가공 : numpy, pandas 활용한 데이터 가공, 데이터 재구조화 🔷 파이썬으로 그래프 그리기 🔷 그래프(graph) : 데이터를 보기 쉽게 그림으로 표현한 것. 추세와 경향성이 드러나 데이터의 특징을 쉽게 이해할 수 있다. 새로운 패턴을 발견하거나 데이터의 특징을 잘 전달해줌. 🔹 seaborn 패키지 : 그래프를 만들 때 자주 사용되는 패키지 #사용할 pandas 패키지 불러오기 >>> import pandas as pd #사용할 seaborn 패키지 불러오기 >>> import seaborn as sns #사용할 mpg 데이터 불러오기 >>> mpg = pd.read_csv('mpg.csv') >>> mpg 🔷 그래프 설..

• 데이터 가공하기 - (2) df[], (3)df.sort_values() (4)df.assign (5)df.agg(), df.groupby() (6)df.merge(), df.concat() • 데이터 정제하기 🔹 (2) df[] : 조건에 맞는 열(변수) 추출하기 #데이터프레임명 뒤에 ['변수명'] #1-1 한 변수 (math점수) 추출해보기 >>> exam['math'] #1-2 여러 변수 추출해보기 >>> exam[['nclass', 'math', 'english']] ##변수가 1개일 때 데이터 프레임 유지하기 (그러니까 math라는 글자도 보이게 추출하기) >>> exam[['math']] #2-1 한 변수 제거해보기 >>> exam.drop(columns = 'math') ## 데이터프레임..

• 면접 특강 • 데이터 분석 기초 - 변수명 바꾸기, 파생변수 만들기 • 데이터 가공하기 - (1) query DAY 33 - 면접 특강, Python 데이터 수집 및 가공 : numpy, pandas 활용한 데이터 가공, 데이터 재구조화 🔷 면접 특강 (면접 기본편) 🔷 1. 모든 채용의 시작과 기준 - 역량 3가지 🔹 ”직무”와 “조직(기업&부서)”에 “잘 적응”하고, “적합한 역량”을 갖춘 인재! 🔹 역량 : 어떤 직무(특정 일)을 잘 해낼 수 있는 개인의 능력 🔹 목표직무에 적합한 역량을 갖춘 인재가 되려면? ㄴ (1) 기본역량 : 신입사원으로서 “적극적이고 능동적인” 태도. (긍정, 능동, 적극, 열정, 도전, 인내, 끈기, 책임, 성실 자신감 등) ㄴ (2)직무역량 : 회사와 직무에 대한 깊..