Data

Data

Expectation Maximization (EM) Algorithm

Expectation Maximization(EM) Algorithm은 Latent Variable이 있는 상황에서 MLE (Maximum Likelihood Estimation)

Data

데이터 모델로서 MVP(Minimum Viable Product)는 어떤 모습이어야 할까

데이터 모델로서 MVP(Minimum Viable Product)는 어떤 모습이어야 할까? MVP 자체가

Business

시니어 데이터 과학자 면접에서 보는 것

※ 해당 내용은 회사를 대표하지 않는, 개인의 의견입니다. 2012년 HBR에서 Data Scientist를 "

Data

Randomized Experiments

어떤 사람들은 3루에 태어났지만 자신이 3루타를 쳤다고 생각하면서 인생을 산다 - Barry

Data

데이터 모델에 대한 수식없는 설명

배경 데이터 관련 업무로 돌아온지 4개월이 넘어간다.  사업의 목적을 달성하기 위해서 사업

Linear Algebra

Vector Space, Linear Independent, Basis

Vector Space * 집합 내 원소간 대한 덧셈과 상수곱을 했을 때 결과가 모두

Data

PLM(Electra) Practice(네이버 리뷰 분류 모델)

전체 순서 * 라이브러리 로드 → 데이터셋 만들고 → 모델 로드하고 → Optimizer 설정하고, 데이터 로더로

Data

Bayesian Count Estimation

Introudunction * 파이썬을 활용한 베이지안 통계 2판을 보면서 제대로 이해하고 있는지 기록하고 싶은

Data

Ridge/Lasso Regression, Elastic Net

Regularization * Linear Regression에서는 Feature의 수가 많아질 수록 $R^2$가 증가하면서 Overfitting으로

Data

선형 회귀(Linear Regression)

Base Class * init Function에서는 최적 $\beta$를 찾아가는 과정에서 Gradient Descent, 즉

Data

유전 알고리즘(Genetic Algorithm )

Genetic Algorithm * 존 홀랜드(John Holland)가 1975년에 저서 "Adaptation on

Data

Model Specification

Model Criteria * Model은 다음 기준이 고려될 때 좋은 모델로 평가될 수 있다.