Book
관조, 주관을 떠나 고요한 마음으로 사물을 관찰하는 힘
최근에 직장인과 문과생을 위한 수학교실 (이하 직문수)를 가볍게나마 들을 기회가 있었다. 수학이라는 거대한 학문내 주제들이 어떻게 연결되는지를 거시적인 관점에서 다루는 강의였는데, 개인적으로는 꽤 큰 소득이 많았던 강의였다. 무엇보다 "수학"이라는 것이 어떤 절대적인 진리라기보다는 탄탄한 근거를 통해 설명하는 학문이라는 것을 정확하게 알게 되었다. 개인적으로 데이터 과학 업에서
Latest
Life
모든 일에 "Why"로 시작하라
아버지와 함께 오후 일정을 소화 후 집에 오니 오후 6시였다. 해야할 것들은 많다고 느껴지는데, 무엇을 해야 할지 모르겠다라는 생각이 머리를 맴돌았다. 그래서 오전에 읽을까 하여 Read it Later로 북마크해놓은 ‘챗GPT의 아버지’ 샘 알트만은 어떤 사람인가 글을 읽기 시작하였다. 이 글을 대략 빠르게 훑어서 마지막에 갈 때 쯤, 그 생각이 들었다.
Book
린든 존슨 대통령이 보여준 비전의 리더십
혼돈의 시대, 리더의 탄생 마지막 부분을 읽고 있다. 현재 "3부 리더의 탄생 - 그들은 어떻게 세상을 이끌어가는가?"를 읽고 있고 오늘 드디어 마지막 대통령인 린든 존슨대통령 부분을 읽고 있다. 교사를 하다가 아버지를 따라 정치에 입문해서 케네디 대통령의 암살로 대통령에 오르면서 빠르게 재선까지 준비해야 했던 그는 정치 생활에서 비전을
Data
Bento ML Quick Example
Tutorial Model Training Model 생성 * Iris Dataset 과 SVM을 이용해서 모델을 만들어주고 저장한다. 이 때 저장 파일은 환경변수 BENTOML_HOME에 지정된 곳을 루트 디렉토리 아래 모델이 생성된다. import bentoml from sklearn import svm, datasets # Load training data iris = datasets.load_iris() X, y = iris.data, iris.target # Model Training clf
Book
신뢰가 지속되는 팀을 위해 필요한 요소: 투명성
혼돈의 시대, 리더의 탄생 의 거의 막바지에 이르고 있다. 현재는 프랭클린 D. 루즈벨트 대통령(이하 FDR) 편을 읽고 있다. 그는 미국 유일의 4선 대통령으로 제 2차 세계대전 이후 미국 중심의 국제질서를 만든 사람으로 유명하다. 최근에는 그가 미국을 대공황에서 끌어내기 위해서 추진한 뉴딜이 한국 이전 정부의 디지털 뉴딜 때문에 다시 화제가
Data
Doordash의 Image Selection Model
요약 배경 * 이미지는 고객에게 어필하기 위한 가장 좋은 데이터 소스 * 초기에는 적은 이미지로 간단한 로직을 가지고 Feasibility Test 시작 * 현재 가게를 꾸미는 이미지는 사장님이 임의로 선택하고 있으나, 가게의 현 상황을 충분히 반영하고 있지는 못함 초기 개발과정(MVP) * 현 상황에서 대해서 Personalization Team이 빠르게 분석하면서 Iteration을 돌기 시작함 * 적절한 정책을 수립해서
Data
Log Normal Distribution(로그 정규 분포)
Log Normal Distribution은 Log를 취하면 Normal Distribution을 따르는 Random Variable에 대한 Distribution이다. PDF(Probability Density Function)는 다음과 같다. $$f(x)=\frac{1}{x\sigma \sqrt{2\pi}}exp\left ( -\frac{\left ( lnx-\mu \right )^{2}}{2\sigma ^{2}} \right ), ;;for ; x > 0, ; s > 0$$ Relation between
Book
미래를 위하여 기록을 남겨라
어제에 이어 혼돈의 시대, 리더의 탄생을 읽고 있다. 링컨에 이어서 지금 읽고 있는 것은 시어도어 루스벨트 편이다. 종종 뉴딜을 집행해서 대공황을 타개한 FDR(프랭클린 D.루스벨트) 대통령과 헷갈리는 경우가 있는데, 시어도어 루스벨트 대통령은 거의 남남에 가까운 먼 혈족이고 먼저 대통령직을 역임했던 사람이다. 개인적으로는 이 분을 석탄파업을 종결짓기 위해 연방군을 파견했던,
Book
거래적 리더십과 변혁적 리더십, 리더십에 이분법은 없다.
얼마전부터 혼돈의 시대, 리더의 탄생 을 조금씩 읽고 있다. 최근 들어 이 책 외에도 많은 책들을 읽고 있는데, 잊지 않기 위해서 열심히 글을 써서 남기려고 시도 중에 있다. 현재 "3부 리더의 탄생 - 그들은 어떻게 세상을 이끌어가는가?"를 읽고 있고 오늘까지 해서 에이브러험 링컨 대통령이 노예해방 선언문을 작성하기
Life
중요한 것은 꺾인 신뢰, 500원 그 이상의 여파
아내가 갑자기 매운 것이 먹고 싶다고 했다. 그렇다고 아주 매운 것은 못 먹기 때문에, 그간 먹었던 것 중 아내가 매웠다고 한 음식을 제안하며 골라보라고 하였다. 그렇게 선정된 음식이 바로 골뱅이 무침과 소면이었다. 안그래도 작년에 동네 치킨집에서 먹은 골뱅이가 기억나 배달앱에서 찾아보았다. 골뱅이 무침이 있었고 17,000원이었다. 혹시 포장도 가능할까 보니
리더로서 체력과 지구력의 중요성
혼돈의 시대 리더의 탄생이라는 책을 읽고 있다. 아래 내용은 "9장. 변혁적 리더십 - 에이브러햄 링컨과 노예 해방 선언"의 일부분이다. 링컨은 리더로서 소명을 자각하고 노예해방을 위해 발걸음을 옮긴다. 노예해방이라니! 내가 가지고 있는 어떠한 문제보다도 거대하다. 혹자 누군가는 고도로 추상화된 문제이기 때문에 오히려 쉬울 수도 있다고 이야기 하지만, 그
Data
Possion Distribution에서 𝜆를 구하기
문제 * ISP(Internet Service Provider에 t 시점에 도달하는 Ping의 수를 $X_t$라고 하 * 이 때 $X_t$는 Random Variable이고 매 10초마다 Ping의 없는 확률을 0.001이라고 할 때, 30초 내에 Ping이 10번이상 올 확률은 얼마인가? 해결 * $X_{t} \sim \text{Poisson}(\lambda t)$ 형태로 식을 정리할 수 있다.
Data
Expectation Maximization (EM) Algorithm
Expectation Maximization(EM) Algorithm은 Latent Variable이 있는 상황에서 MLE (Maximum Likelihood Estimation)을 하기 위한 Algorithm이다. MLE가 관측된 데이터가 어떤 모델(Function)로부터 나왔는지를 계산하기 위해 "Max"인 Likelihood(가능도)를 계산하는 모델이라고 할 때 여기서 Latent Variable은 쉽게 생각하면 관측이 되지 못한 변수를 의미한다. 우리가 평소 공부할
Life
직을 바꿀 뿐이다 업을 바꾸는 것이 아니다.
[2022-23 뮤지컬 영웅] 시츠프로브 중계 풀버전 다시보기 영상을 보면서 생각이 들었다. 김문정 음악감독은 원래 피아노 전공이라고 생각하였다. 하지만 특정 시점을 시작으로 자신의 업을 피아노에서 뮤지컬 음악감독으로 바꾼다. 그가 피아노 전공이 아니라 화학전공이었다면, 뮤지컬 음악감독을 할 수 없었을 것이다. 두 직업이 가지고 있는 "음악"에 대한 지식과 열정이 있었기
Life
통제할 수 없는 것에 신경쓰지 않기
2022년 9월 26일부로 실외에서 마스크를 쓰는 의무가 해제되었다. 그 이후 밖에서 조금식 사람들이 마스크를 쓰고 다니지 않게 되었다. 여전히 대부분이 마스크를 쓰고 다니고 있지만, 이전보다 높은 Covid-19 확진자에도 우리는 더 이상 놀라지 않게 되었다. 아니 신경쓰지 않게 되었다. 나 역시 처음에는 마스크를 벗는게 다소 부담스러웠지만, 사람이 없거나 아주 적을 때,
Linux
[Linux]모든 하위 디렉토리 내 모든 파일을 상위로 이동 후 압축 해제
Background * Binance Data 에서 압축파일을 다운로드 하면 최종 zip파일이 존재하는 Directory Depth가 꽤 깊다. 거기에 거래되는 Coin/Token 갯수가 200개 가까이 되다보니 압축을 풀고 관리하기 위해서는, 일괄로 모든 파일을 최상위로 끌어올릴 필요가 있었다. * 끌어올린 다음에는 압축을 모두 풀어줄 필요가 있었다. Solution * find로 각각 찾은 결과를 -exec 옵션으로 mv 명령에 Parameter로