[데이터조직]내가 하지 않는데 구성원에게 하라고 할 수는 없다. 제럴드 M 와인버그는 리더십이란 문제해결을 위한 최적의 환경을 구성해나가는 과정이라고 볼 수 있다고 정의한 바 있다. 처음 이 말을 들었으면 이해가 되는 것같으면서도 명확하게 상황이 그려지지는 않았다. 문제 해결을 위한 최적의 환경이라니, 환경의 범위는 어떻게 되고, 이 환경은 시스템을 언급하는 것만은 아닐텐데, 모든게 명확하지 않은, 뭔가 굉장히 광활한 정의를 가지고
Quantile Loss는 Quantile Regression시 사용하는 Loss Function이다. * Quantile Loss는 Quantile Regression처럼 Predicted Value의 Quantile을 구하고자 할 때 사용되는 Loss Function이다. * 변수의 75번째 Quantile을 예측하는 것이 목표인 문제를 예로 든다면, 이는 75%의 경우 예측 오차가 음수여야 하고 나머지 25%는 양수여야 한다는 말과 동일하다. * 기본적으로 이러한 경우 Quantile Loss 는 과소 추정된 예측에 대해 과대 추정된 것보다
가장 싫어하는 말 - "사실 한다고 하면, 다할 수 있어요" 다양한 직군의 개발자와 함께 일하다 보면 종종 이런 말을 들을 때가 있다. "사실 한다고 하면, 다할 수 있어요" 농담인 것은 알지 나는 이런 말을 주로 하지 말라고 한다. 일당백을 요구하는 스타트업이면 한 명의 개발자가 많은 일을 해야 하기 때문에 이런 말은 굉장히 적절한 수준의 참여도를 상징하는 말이라서 듣기 좋을 때까
Bayesian Modeling이 사회과학연구에 활용하면 좋은 6가지 이유 Coherence * 주관적 확률이 확률 계산의 일반적인 규칙/공리(이러한 규칙의 타당성은 방금 언급한 자기 일관성에 해당함)를 따르고 따라서 이러한 확률로부터 일관된 결정을 얻을 수 있다는 가정 Conditioning on Observed Data * 베이지안 통계학과 빈도주의 통계학 사이의 중요한 차이점은 관측 데이터가 매개변수 추정에서 수행하는 역할에 관한 것 * 구체적으로, 빈도주의 추론은 정확히
축구에서 라인간격 조절은 회사의 커뮤니케이션 방식과 유사하다. 최근에 아시안 컵이 끝났다. 이번에는 아내와 조용히 함께 봤다. 그런데 보다보면서 가장 많이 듣는 이야기 중 하나가 라인 조절을 잘해야 한다는 말이었다. 라인 조절을 하지 않을 경우 공간이 생기게 되고, 그 공간에 패스를 하면서 상대편이 공격할 수 있는 여지를 주게 된다. 실점으로 연결될 가능성이 있는 것이다. 이 이야기를 듣는데, 문득
Missing Data Handling from a Bayesian Perspective Missing Data Mechanism Classification * Missing Data가 어떠한 이유로 생겨나는지, Observed Data와의 관계는 어떠한지 등을 감안하여 분류할 수 있음 * $M$을 Missing Data Indicator라고 할 때 다음과 같이 분류 가능($M$은 Data가 있으면 1, 없으면 0) * Classification * MACR( Missing Completely at Random) * $f(M|y) = f(M|\phi)$ * MAR(Missing
[책]“목차만 봐도 메세지는 뚜렷”, 최적의 뇌를 만드는 뇌과학자의 1분명상 개인적으로 명상에 정말 관심이 많다. 스트레스가 쌓일 수록, 뇌에게 리스타트를 해줄 수 있는 기회를 주지 않는 것과 진배 다를 바 없다고 생각하기 때문이다. 결국 최상의 컨디션으로 문제를 접근할 수 없게 된다. 그래서 명상이 중요하다. 그렇다면 뇌에게 어떻게 리스타트를 제공할 수 있을까? 명상에서는 호흡을 통해서, 또는 바디스캔을 통한 방법 등 다양한