끄적 끄적 AI 공부 여정기 (7) 썸네일형 리스트형 F 검정 ---------------------------------------------------------------------------------------------------------------------- 큰 수의 법칙 ( Law of large numbers ) sample 데이터의 수가 커질 수록, sample의 통계치는 점점 모집단의 모수와 같아진다. Confidence Interval StatQuest 에서 Retrieving 한 material 입니다. 신뢰구간에서 구간이 좁을 수록 정확도가 높다 라는 말은 통용 될 수 있을까? 실예로 90%의 Confidence Interval 은 95%의 신뢰구간보다 너비가 적고 신뢰도(맞을 확률) 이 떨어진다. 하지만! 정확도는 높아진다!? 여기서 말하고자하는 값이 recall, precision 및 accuracy와 가이 metrics(지표) 머신러닝이나 딥러닝 모델의 예측 값을 지표를 가지고 비교 할 때 적용해볼 수 있을 것이다. 정확도와 정밀도의 차이. 신뢰구간에서의 신뢰도로서 모수가 포함 될 확률이 높아지기 위해서는 구간의 너비가 넓어지는게 유리. 100% > 95 > 90 하지만 정확도는 높다라고 표현할 수 없을 것. 구간이 좁을 수록.. 섹션 2 브리핑 (섹션1 톺아보기 포함) 섹션 2에 대해 적기 전, 섹션 1에 대해 간단한 생각을 적어보겠다. 일단 휘황찬란한 소설을 쓰기에 앞서서... 지금 공부하고 있는 것이 무엇인지, 어느정도의 이해도와 어떤 방향의 시각이 존재하고 필요한지를 알아보고, 그것이 무엇인지 대하여 조금 더 명확하게 하기위해서 이 글을 적음을 다시한번 확인한다. [섹션 1.] n111-eda -eda란 데이터의 전처리를 말한다. 이는 data cleaning, data mining 등을 할 수 있음을 의미한다. n112-feature-engineering -new feature를 domain knowledge 를 활용하여 만들어낸다. 혹은 기존 feature를 변경해 볼 수 있다. n113-data-manipulation -literaly, data를 조정한다... 컴퓨타 공부를 하며... 통계, 코딩 뭐 하나 쉬운게 없지만 계속 하다보면 나아지지않을까 생각하며 오늘도... import... for - in 구문 함수 friends = ['Joseph', 'Glenn', 'Sally'] for friend in friends : print('Happy New Year:', friend) print('Done!') friends 안에 있는 (in) contents 들을 순서대로 하나씩 읽어오되, 즉 무엇을 위해(for) friend print( 읽어온다 위와 같이,) # For 를 위한 in 의 순서대로 읽어들인다. Done! 1월 1일 들어.. pandas 함수 및 plot 함수를 이용한 visualization 을 실습하며 공부중인데 아무래도 시간이 많이 걸릴 것 같다... 1일 1 코딩을 목표로 하되, 부담스러운 목표를 가지지 말고 욕심을 내려놓고 길게 보자 한걸음씩 천천히, 꾸준히 나아가는 생각으로 임할 것. Data Science & AI 전문가로써의 길을 순탄치만은 않을 것이고 오랜 시간이 걸릴 것이다. 중요한 멘탈관리 및 꾸준한 지속성이 관건. 첫 날 과제에 연휴인 금요일 및 토요일 시간을 보냈고, 주어진 일요일에는 day 2, 3, 4일 차 과제를 최대한 신속하게 도전해볼 것이다. 완벽한 결과는 바라지도 않고 좋은 결과도 안나올만큼 촉박하며, 코린이 실력이기에 최대한 해볼 수 있는데까지 해볼것이다. sprint 2, 즉 week2에.. AI 과정 첫 수업...! 수업을 제대로 들을 수 없었다... 그래서 복습... 또 복습... 나머지 공부중이다...! 12월 말까지는 이렇게 밤샘 가야겠다... 참고 자료: 아리님, PR 하고 혹시 과제 수정하고 싶다면 어떻게 해야 할까요?? 라고 질문 주셨는데요, => 일단 commit은 여러번 하셔도 됩니다( 원칙적으로는 한번에 하시길 바랍니다) 그렇게 신중하게 여러번 수정하시고 PR하시는 것을 추천드리며, PR이후 다시 수정해야할 일이 있다면 다시 커밋 후 PR하시면 됩니다. 이때 최종 마지막 PR을 기준으로 채점합니다. 이전 1 다음
