Submit Search
Upload
Facebook prophet
โข
14 likes
โข
5,241 views
M
Minho Lee
Follow
<introduction> Blog : http://lumiamitie.github.io
Read less
Read more
Data & Analytics
Report
Share
Report
Share
1 of 18
Recommended
Little Big Data #1. ๋ฐ๋ฅ๋ถํฐ ์์ํ๋ ๋ฐ์ดํฐ ์ธํ๋ผ
Little Big Data #1. ๋ฐ๋ฅ๋ถํฐ ์์ํ๋ ๋ฐ์ดํฐ ์ธํ๋ผ
Seongyun Byeon
ย
Data Engineering 101
Data Engineering 101
DaeMyung Kang
ย
๋ฐ์ดํฐ ๊ธฐ๋ฐ ์ฑ์ฅ์ ์ํ ์ ๊ฒฐ ์กฐ๊ฑด: Product-Market Fit, Instrumentation, ๊ทธ๋ฆฌ๊ณ ํ๋ก์ธ์ค
๋ฐ์ดํฐ ๊ธฐ๋ฐ ์ฑ์ฅ์ ์ํ ์ ๊ฒฐ ์กฐ๊ฑด: Product-Market Fit, Instrumentation, ๊ทธ๋ฆฌ๊ณ ํ๋ก์ธ์ค
Minwoo Kim
ย
์ 14ํ ๋ณด์์ฆ(BOAZ) ๋น ๋ฐ์ดํฐ ์ปจํผ๋ฐ์ค - [์ฃผ์ํ] : ํน์ ์๊ฐ๋์ ์ฃผ๊ฐ ๋ณ๋ ํจํด์ ์ด์ฉํ ์ค์๊ฐ ์ฃผ๊ฐ ์์ธก
์ 14ํ ๋ณด์์ฆ(BOAZ) ๋น ๋ฐ์ดํฐ ์ปจํผ๋ฐ์ค - [์ฃผ์ํ] : ํน์ ์๊ฐ๋์ ์ฃผ๊ฐ ๋ณ๋ ํจํด์ ์ด์ฉํ ์ค์๊ฐ ์ฃผ๊ฐ ์์ธก
BOAZ Bigdata
ย
ํ๋ก๋ํธ๋ฅผ ๋น ๋ฅด๊ฒ ๊ฐ์ ํ๊ธฐ ์ํ ๋ฒ ์ด์ง์ A/B ํ ์คํธ
ํ๋ก๋ํธ๋ฅผ ๋น ๋ฅด๊ฒ ๊ฐ์ ํ๊ธฐ ์ํ ๋ฒ ์ด์ง์ A/B ํ ์คํธ
Minho Lee
ย
๋ฐ์ดํฐ ๋ถ์์ ํ์ํ ๊ธฐ๋ณธ ๊ฐ๋ : ์งํ, Funnel ๋ฑ ๋ฐ์ดํฐ๋ฅผ ์ดํดํ๊ธฐ ์ํ ๋ฉํ ๋ชจ๋ธ(Mental Model)
๋ฐ์ดํฐ ๋ถ์์ ํ์ํ ๊ธฐ๋ณธ ๊ฐ๋ : ์งํ, Funnel ๋ฑ ๋ฐ์ดํฐ๋ฅผ ์ดํดํ๊ธฐ ์ํ ๋ฉํ ๋ชจ๋ธ(Mental Model)
Minwoo Kim
ย
๋ฐ์ดํฐ๋ ์ฐจํธ๊ฐ ์๋๋ผ ๋์ด ๋์ด์ผ ํ๋ค.
๋ฐ์ดํฐ๋ ์ฐจํธ๊ฐ ์๋๋ผ ๋์ด ๋์ด์ผ ํ๋ค.
Yongho Ha
ย
[PAP] แแ ตแฏแแ ฎแแ กแ แ ณแฏ แแ ฑแแ กแซ แแ ตแซแแ ชแแ ฎแ แ ฉแซ แแ ชแฏแแ ญแผ : Best Practices
[PAP] แแ ตแฏแแ ฎแแ กแ แ ณแฏ แแ ฑแแ กแซ แแ ตแซแแ ชแแ ฎแ แ ฉแซ แแ ชแฏแแ ญแผ : Best Practices
Bokyung Choi
ย
Recommended
Little Big Data #1. ๋ฐ๋ฅ๋ถํฐ ์์ํ๋ ๋ฐ์ดํฐ ์ธํ๋ผ
Little Big Data #1. ๋ฐ๋ฅ๋ถํฐ ์์ํ๋ ๋ฐ์ดํฐ ์ธํ๋ผ
Seongyun Byeon
ย
Data Engineering 101
Data Engineering 101
DaeMyung Kang
ย
๋ฐ์ดํฐ ๊ธฐ๋ฐ ์ฑ์ฅ์ ์ํ ์ ๊ฒฐ ์กฐ๊ฑด: Product-Market Fit, Instrumentation, ๊ทธ๋ฆฌ๊ณ ํ๋ก์ธ์ค
๋ฐ์ดํฐ ๊ธฐ๋ฐ ์ฑ์ฅ์ ์ํ ์ ๊ฒฐ ์กฐ๊ฑด: Product-Market Fit, Instrumentation, ๊ทธ๋ฆฌ๊ณ ํ๋ก์ธ์ค
Minwoo Kim
ย
์ 14ํ ๋ณด์์ฆ(BOAZ) ๋น ๋ฐ์ดํฐ ์ปจํผ๋ฐ์ค - [์ฃผ์ํ] : ํน์ ์๊ฐ๋์ ์ฃผ๊ฐ ๋ณ๋ ํจํด์ ์ด์ฉํ ์ค์๊ฐ ์ฃผ๊ฐ ์์ธก
์ 14ํ ๋ณด์์ฆ(BOAZ) ๋น ๋ฐ์ดํฐ ์ปจํผ๋ฐ์ค - [์ฃผ์ํ] : ํน์ ์๊ฐ๋์ ์ฃผ๊ฐ ๋ณ๋ ํจํด์ ์ด์ฉํ ์ค์๊ฐ ์ฃผ๊ฐ ์์ธก
BOAZ Bigdata
ย
ํ๋ก๋ํธ๋ฅผ ๋น ๋ฅด๊ฒ ๊ฐ์ ํ๊ธฐ ์ํ ๋ฒ ์ด์ง์ A/B ํ ์คํธ
ํ๋ก๋ํธ๋ฅผ ๋น ๋ฅด๊ฒ ๊ฐ์ ํ๊ธฐ ์ํ ๋ฒ ์ด์ง์ A/B ํ ์คํธ
Minho Lee
ย
๋ฐ์ดํฐ ๋ถ์์ ํ์ํ ๊ธฐ๋ณธ ๊ฐ๋ : ์งํ, Funnel ๋ฑ ๋ฐ์ดํฐ๋ฅผ ์ดํดํ๊ธฐ ์ํ ๋ฉํ ๋ชจ๋ธ(Mental Model)
๋ฐ์ดํฐ ๋ถ์์ ํ์ํ ๊ธฐ๋ณธ ๊ฐ๋ : ์งํ, Funnel ๋ฑ ๋ฐ์ดํฐ๋ฅผ ์ดํดํ๊ธฐ ์ํ ๋ฉํ ๋ชจ๋ธ(Mental Model)
Minwoo Kim
ย
๋ฐ์ดํฐ๋ ์ฐจํธ๊ฐ ์๋๋ผ ๋์ด ๋์ด์ผ ํ๋ค.
๋ฐ์ดํฐ๋ ์ฐจํธ๊ฐ ์๋๋ผ ๋์ด ๋์ด์ผ ํ๋ค.
Yongho Ha
ย
[PAP] แแ ตแฏแแ ฎแแ กแ แ ณแฏ แแ ฑแแ กแซ แแ ตแซแแ ชแแ ฎแ แ ฉแซ แแ ชแฏแแ ญแผ : Best Practices
[PAP] แแ ตแฏแแ ฎแแ กแ แ ณแฏ แแ ฑแแ กแซ แแ ตแซแแ ชแแ ฎแ แ ฉแซ แแ ชแฏแแ ญแผ : Best Practices
Bokyung Choi
ย
Spark + S3 + R3๋ฅผ ์ด์ฉํ ๋ฐ์ดํฐ ๋ถ์ ์์คํ ๋ง๋ค๊ธฐ
Spark + S3 + R3๋ฅผ ์ด์ฉํ ๋ฐ์ดํฐ ๋ถ์ ์์คํ ๋ง๋ค๊ธฐ
AWSKRUG - AWSํ๊ตญ์ฌ์ฉ์๋ชจ์
ย
๋ฐ์ดํฐ๊ฐ ํ๋ฅด๋ ์กฐ์ง ๋ง๋ค๊ธฐ - ๋ง์ด๋ฆฌ์ผํธ๋ฆฝ
๋ฐ์ดํฐ๊ฐ ํ๋ฅด๋ ์กฐ์ง ๋ง๋ค๊ธฐ - ๋ง์ด๋ฆฌ์ผํธ๋ฆฝ
์นํ ์
ย
์๋น์ค ๊ธฐํ์์ ๋ฐ์ดํฐ ๋ถ์
์๋น์ค ๊ธฐํ์์ ๋ฐ์ดํฐ ๋ถ์
YOO SE KYUN
ย
[์ฐ๋ฆฌ๊ฐ ๋ฐ์ดํฐ๋ฅผ ์ฐ๋ ๋ฒ] ์ข๋ค๋ ๊ฑด ์๊ฒ ๋๋ฐ ์ข ์จ๋ณด๊ณ ์ถ์. ๋ฐ์ดํฐ! - ๋๋ฒ์์ค ํ์ฉํธ ๋ํ
[์ฐ๋ฆฌ๊ฐ ๋ฐ์ดํฐ๋ฅผ ์ฐ๋ ๋ฒ] ์ข๋ค๋ ๊ฑด ์๊ฒ ๋๋ฐ ์ข ์จ๋ณด๊ณ ์ถ์. ๋ฐ์ดํฐ! - ๋๋ฒ์์ค ํ์ฉํธ ๋ํ
Dylan Ko
ย
[ํ์ฝ ์์ฆ1] ๋ฐ๋ํ : ๋ง์ผํฐ์๊ฒ ํ์ํ Data Literacy
[ํ์ฝ ์์ฆ1] ๋ฐ๋ํ : ๋ง์ผํฐ์๊ฒ ํ์ํ Data Literacy
PAP (Product Analytics Playground)
ย
์ฑ์ฅ์ ์ข์ํ๋ ์ฌ๋์ด, ์ฑ์ฅํ๊ณ ์ถ์ ์ฌ๋์๊ฒ
์ฑ์ฅ์ ์ข์ํ๋ ์ฌ๋์ด, ์ฑ์ฅํ๊ณ ์ถ์ ์ฌ๋์๊ฒ
Seongyun Byeon
ย
[MLOps KR ํ์ฌ] MLOps ์ถ์ถ ์ ๊ตญ ์๋ ์ ๋ฆฌ(210605)
[MLOps KR ํ์ฌ] MLOps ์ถ์ถ ์ ๊ตญ ์๋ ์ ๋ฆฌ(210605)
Seongyun Byeon
ย
แแ ขแแ ญแผแ แ ฃแผ แ แ ฉแแ ณแแ ฎแซแแ ฅแจ Bigqueryแ แ ฉ แแ กแซแแ กแซแแ ต แแ กแแ ญแผแแ กแแ ต (20170215 T์์นด๋ฐ๋ฏธ)
แแ ขแแ ญแผแ แ ฃแผ แ แ ฉแแ ณแแ ฎแซแแ ฅแจ Bigqueryแ แ ฉ แแ กแซแแ กแซแแ ต แแ กแแ ญแผแแ กแแ ต (20170215 T์์นด๋ฐ๋ฏธ)
Jaikwang Lee
ย
์ค๋ ๋ฐค๋ถํฐ ์ฐ๋ google analytics (๊ตฌ๊ธ ์ ๋๋ฆฌํฑ์ค, GA)
์ค๋ ๋ฐค๋ถํฐ ์ฐ๋ google analytics (๊ตฌ๊ธ ์ ๋๋ฆฌํฑ์ค, GA)
Yongho Ha
ย
์ 17ํ ๋ณด์์ฆ(BOAZ) ๋น ๋ฐ์ดํฐ ์ปจํผ๋ฐ์ค - [Catch, Traffic!] : ์งํ์ฒ ํผ์ก๋ ๋ฐ ํค์๋ ๋ถ์ ๋ฐ์ดํฐ ํ์ดํ๋ผ์ธ ๊ตฌ์ถ
์ 17ํ ๋ณด์์ฆ(BOAZ) ๋น ๋ฐ์ดํฐ ์ปจํผ๋ฐ์ค - [Catch, Traffic!] : ์งํ์ฒ ํผ์ก๋ ๋ฐ ํค์๋ ๋ถ์ ๋ฐ์ดํฐ ํ์ดํ๋ผ์ธ ๊ตฌ์ถ
BOAZ Bigdata
ย
๋ฐ์ดํฐ ๋ถ์๊ฐ๋ ์ด๋ค SKILLSET์ ๊ฐ์ ธ์ผ ํ๋๊ฐ? - ๋ฐ์ดํฐ ๋ถ์๊ฐ ๋๊ธฐ
๋ฐ์ดํฐ ๋ถ์๊ฐ๋ ์ด๋ค SKILLSET์ ๊ฐ์ ธ์ผ ํ๋๊ฐ? - ๋ฐ์ดํฐ ๋ถ์๊ฐ ๋๊ธฐ
Hui Seo
ย
[๋ฐ์ดํฐ์ผ๋์2107] ๊ฐ๋จ ์ถ๊ทผ๊ธธ์ ํ๊ต/์ ์์ญ์ ๋ด๋ฆด ์ฌ๋ ์์ธกํ๊ธฐ
[๋ฐ์ดํฐ์ผ๋์2107] ๊ฐ๋จ ์ถ๊ทผ๊ธธ์ ํ๊ต/์ ์์ญ์ ๋ด๋ฆด ์ฌ๋ ์์ธกํ๊ธฐ
choi kyumin
ย
BigQuery์ ๋ชจ๋ ๊ฒ(๊ธฐํ์, ๋ง์ผํฐ, ์ ์ ๋ฐ์ดํฐ ๋ถ์๊ฐ๋ฅผ ์ํ) ์ ๋ฌธํธ
BigQuery์ ๋ชจ๋ ๊ฒ(๊ธฐํ์, ๋ง์ผํฐ, ์ ์ ๋ฐ์ดํฐ ๋ถ์๊ฐ๋ฅผ ์ํ) ์ ๋ฌธํธ
Seongyun Byeon
ย
Data Science. Intro
Data Science. Intro
Seongyun Byeon
ย
[SOSCON 2017] แแ ฎแแ ตแแ ฅ แแ ขแแ กแฏแแ ก 5000แแ งแผ, แแ ขแแ กแฏ แแ ขแแ ฅ แแ กแท แแ ฎแแ ก
[SOSCON 2017] แแ ฎแแ ตแแ ฅ แแ ขแแ กแฏแแ ก 5000แแ งแผ, แแ ขแแ กแฏ แแ ขแแ ฅ แแ กแท แแ ฎแแ ก
Yurim Jin
ย
์ฝ๋ฉ ํ ์คํธ ๋ฐ ์๊ณ ๋ฆฌ์ฆ ๋ฌธ์ ํด๊ฒฐ ๊ณต๋ถ ๋ฐฉ๋ฒ (๊ณ ๋ ค๋ํ๊ต KUCC, 2022๋ 4์)
์ฝ๋ฉ ํ ์คํธ ๋ฐ ์๊ณ ๋ฆฌ์ฆ ๋ฌธ์ ํด๊ฒฐ ๊ณต๋ถ ๋ฐฉ๋ฒ (๊ณ ๋ ค๋ํ๊ต KUCC, 2022๋ 4์)
Suhyun Park
ย
Data pipeline and data lake
Data pipeline and data lake
DaeMyung Kang
ย
๋ก๊ทธ ๊ธฐ๊น๋๊ฒ ์ ๋์์ธํ๋ ๋ฒ
๋ก๊ทธ ๊ธฐ๊น๋๊ฒ ์ ๋์์ธํ๋ ๋ฒ
Jeongsang Baek
ย
How To Become Better Engineer
How To Become Better Engineer
DaeMyung Kang
ย
๊ทธ๋ํ์์ ๋์๋ณด๋๊น์ง, ์๋น์ค๋ฅผ ์ํ ๋ฐ์ดํฐ ์๊ฐํ
๊ทธ๋ํ์์ ๋์๋ณด๋๊น์ง, ์๋น์ค๋ฅผ ์ํ ๋ฐ์ดํฐ ์๊ฐํ
Minho Lee
ย
์์ฒด ๊ดํ ๋ฐ์ดํฐ ๋ถ์ AI ๊ฒฝ์ง๋ํ 1์ ์์์
์์ฒด ๊ดํ ๋ฐ์ดํฐ ๋ถ์ AI ๊ฒฝ์ง๋ํ 1์ ์์์
DACON AI ๋ฐ์ด์ฝ
ย
ํ์ด์ฌ ๋ฐ์ดํฐ ๋ถ์ 3์ข ์ธํธ
ํ์ด์ฌ ๋ฐ์ดํฐ ๋ถ์ 3์ข ์ธํธ
itproman35
ย
More Related Content
What's hot
Spark + S3 + R3๋ฅผ ์ด์ฉํ ๋ฐ์ดํฐ ๋ถ์ ์์คํ ๋ง๋ค๊ธฐ
Spark + S3 + R3๋ฅผ ์ด์ฉํ ๋ฐ์ดํฐ ๋ถ์ ์์คํ ๋ง๋ค๊ธฐ
AWSKRUG - AWSํ๊ตญ์ฌ์ฉ์๋ชจ์
ย
๋ฐ์ดํฐ๊ฐ ํ๋ฅด๋ ์กฐ์ง ๋ง๋ค๊ธฐ - ๋ง์ด๋ฆฌ์ผํธ๋ฆฝ
๋ฐ์ดํฐ๊ฐ ํ๋ฅด๋ ์กฐ์ง ๋ง๋ค๊ธฐ - ๋ง์ด๋ฆฌ์ผํธ๋ฆฝ
์นํ ์
ย
์๋น์ค ๊ธฐํ์์ ๋ฐ์ดํฐ ๋ถ์
์๋น์ค ๊ธฐํ์์ ๋ฐ์ดํฐ ๋ถ์
YOO SE KYUN
ย
[์ฐ๋ฆฌ๊ฐ ๋ฐ์ดํฐ๋ฅผ ์ฐ๋ ๋ฒ] ์ข๋ค๋ ๊ฑด ์๊ฒ ๋๋ฐ ์ข ์จ๋ณด๊ณ ์ถ์. ๋ฐ์ดํฐ! - ๋๋ฒ์์ค ํ์ฉํธ ๋ํ
[์ฐ๋ฆฌ๊ฐ ๋ฐ์ดํฐ๋ฅผ ์ฐ๋ ๋ฒ] ์ข๋ค๋ ๊ฑด ์๊ฒ ๋๋ฐ ์ข ์จ๋ณด๊ณ ์ถ์. ๋ฐ์ดํฐ! - ๋๋ฒ์์ค ํ์ฉํธ ๋ํ
Dylan Ko
ย
[ํ์ฝ ์์ฆ1] ๋ฐ๋ํ : ๋ง์ผํฐ์๊ฒ ํ์ํ Data Literacy
[ํ์ฝ ์์ฆ1] ๋ฐ๋ํ : ๋ง์ผํฐ์๊ฒ ํ์ํ Data Literacy
PAP (Product Analytics Playground)
ย
์ฑ์ฅ์ ์ข์ํ๋ ์ฌ๋์ด, ์ฑ์ฅํ๊ณ ์ถ์ ์ฌ๋์๊ฒ
์ฑ์ฅ์ ์ข์ํ๋ ์ฌ๋์ด, ์ฑ์ฅํ๊ณ ์ถ์ ์ฌ๋์๊ฒ
Seongyun Byeon
ย
[MLOps KR ํ์ฌ] MLOps ์ถ์ถ ์ ๊ตญ ์๋ ์ ๋ฆฌ(210605)
[MLOps KR ํ์ฌ] MLOps ์ถ์ถ ์ ๊ตญ ์๋ ์ ๋ฆฌ(210605)
Seongyun Byeon
ย
แแ ขแแ ญแผแ แ ฃแผ แ แ ฉแแ ณแแ ฎแซแแ ฅแจ Bigqueryแ แ ฉ แแ กแซแแ กแซแแ ต แแ กแแ ญแผแแ กแแ ต (20170215 T์์นด๋ฐ๋ฏธ)
แแ ขแแ ญแผแ แ ฃแผ แ แ ฉแแ ณแแ ฎแซแแ ฅแจ Bigqueryแ แ ฉ แแ กแซแแ กแซแแ ต แแ กแแ ญแผแแ กแแ ต (20170215 T์์นด๋ฐ๋ฏธ)
Jaikwang Lee
ย
์ค๋ ๋ฐค๋ถํฐ ์ฐ๋ google analytics (๊ตฌ๊ธ ์ ๋๋ฆฌํฑ์ค, GA)
์ค๋ ๋ฐค๋ถํฐ ์ฐ๋ google analytics (๊ตฌ๊ธ ์ ๋๋ฆฌํฑ์ค, GA)
Yongho Ha
ย
์ 17ํ ๋ณด์์ฆ(BOAZ) ๋น ๋ฐ์ดํฐ ์ปจํผ๋ฐ์ค - [Catch, Traffic!] : ์งํ์ฒ ํผ์ก๋ ๋ฐ ํค์๋ ๋ถ์ ๋ฐ์ดํฐ ํ์ดํ๋ผ์ธ ๊ตฌ์ถ
์ 17ํ ๋ณด์์ฆ(BOAZ) ๋น ๋ฐ์ดํฐ ์ปจํผ๋ฐ์ค - [Catch, Traffic!] : ์งํ์ฒ ํผ์ก๋ ๋ฐ ํค์๋ ๋ถ์ ๋ฐ์ดํฐ ํ์ดํ๋ผ์ธ ๊ตฌ์ถ
BOAZ Bigdata
ย
๋ฐ์ดํฐ ๋ถ์๊ฐ๋ ์ด๋ค SKILLSET์ ๊ฐ์ ธ์ผ ํ๋๊ฐ? - ๋ฐ์ดํฐ ๋ถ์๊ฐ ๋๊ธฐ
๋ฐ์ดํฐ ๋ถ์๊ฐ๋ ์ด๋ค SKILLSET์ ๊ฐ์ ธ์ผ ํ๋๊ฐ? - ๋ฐ์ดํฐ ๋ถ์๊ฐ ๋๊ธฐ
Hui Seo
ย
[๋ฐ์ดํฐ์ผ๋์2107] ๊ฐ๋จ ์ถ๊ทผ๊ธธ์ ํ๊ต/์ ์์ญ์ ๋ด๋ฆด ์ฌ๋ ์์ธกํ๊ธฐ
[๋ฐ์ดํฐ์ผ๋์2107] ๊ฐ๋จ ์ถ๊ทผ๊ธธ์ ํ๊ต/์ ์์ญ์ ๋ด๋ฆด ์ฌ๋ ์์ธกํ๊ธฐ
choi kyumin
ย
BigQuery์ ๋ชจ๋ ๊ฒ(๊ธฐํ์, ๋ง์ผํฐ, ์ ์ ๋ฐ์ดํฐ ๋ถ์๊ฐ๋ฅผ ์ํ) ์ ๋ฌธํธ
BigQuery์ ๋ชจ๋ ๊ฒ(๊ธฐํ์, ๋ง์ผํฐ, ์ ์ ๋ฐ์ดํฐ ๋ถ์๊ฐ๋ฅผ ์ํ) ์ ๋ฌธํธ
Seongyun Byeon
ย
Data Science. Intro
Data Science. Intro
Seongyun Byeon
ย
[SOSCON 2017] แแ ฎแแ ตแแ ฅ แแ ขแแ กแฏแแ ก 5000แแ งแผ, แแ ขแแ กแฏ แแ ขแแ ฅ แแ กแท แแ ฎแแ ก
[SOSCON 2017] แแ ฎแแ ตแแ ฅ แแ ขแแ กแฏแแ ก 5000แแ งแผ, แแ ขแแ กแฏ แแ ขแแ ฅ แแ กแท แแ ฎแแ ก
Yurim Jin
ย
์ฝ๋ฉ ํ ์คํธ ๋ฐ ์๊ณ ๋ฆฌ์ฆ ๋ฌธ์ ํด๊ฒฐ ๊ณต๋ถ ๋ฐฉ๋ฒ (๊ณ ๋ ค๋ํ๊ต KUCC, 2022๋ 4์)
์ฝ๋ฉ ํ ์คํธ ๋ฐ ์๊ณ ๋ฆฌ์ฆ ๋ฌธ์ ํด๊ฒฐ ๊ณต๋ถ ๋ฐฉ๋ฒ (๊ณ ๋ ค๋ํ๊ต KUCC, 2022๋ 4์)
Suhyun Park
ย
Data pipeline and data lake
Data pipeline and data lake
DaeMyung Kang
ย
๋ก๊ทธ ๊ธฐ๊น๋๊ฒ ์ ๋์์ธํ๋ ๋ฒ
๋ก๊ทธ ๊ธฐ๊น๋๊ฒ ์ ๋์์ธํ๋ ๋ฒ
Jeongsang Baek
ย
How To Become Better Engineer
How To Become Better Engineer
DaeMyung Kang
ย
๊ทธ๋ํ์์ ๋์๋ณด๋๊น์ง, ์๋น์ค๋ฅผ ์ํ ๋ฐ์ดํฐ ์๊ฐํ
๊ทธ๋ํ์์ ๋์๋ณด๋๊น์ง, ์๋น์ค๋ฅผ ์ํ ๋ฐ์ดํฐ ์๊ฐํ
Minho Lee
ย
What's hot
(20)
Spark + S3 + R3๋ฅผ ์ด์ฉํ ๋ฐ์ดํฐ ๋ถ์ ์์คํ ๋ง๋ค๊ธฐ
Spark + S3 + R3๋ฅผ ์ด์ฉํ ๋ฐ์ดํฐ ๋ถ์ ์์คํ ๋ง๋ค๊ธฐ
ย
๋ฐ์ดํฐ๊ฐ ํ๋ฅด๋ ์กฐ์ง ๋ง๋ค๊ธฐ - ๋ง์ด๋ฆฌ์ผํธ๋ฆฝ
๋ฐ์ดํฐ๊ฐ ํ๋ฅด๋ ์กฐ์ง ๋ง๋ค๊ธฐ - ๋ง์ด๋ฆฌ์ผํธ๋ฆฝ
ย
์๋น์ค ๊ธฐํ์์ ๋ฐ์ดํฐ ๋ถ์
์๋น์ค ๊ธฐํ์์ ๋ฐ์ดํฐ ๋ถ์
ย
[์ฐ๋ฆฌ๊ฐ ๋ฐ์ดํฐ๋ฅผ ์ฐ๋ ๋ฒ] ์ข๋ค๋ ๊ฑด ์๊ฒ ๋๋ฐ ์ข ์จ๋ณด๊ณ ์ถ์. ๋ฐ์ดํฐ! - ๋๋ฒ์์ค ํ์ฉํธ ๋ํ
[์ฐ๋ฆฌ๊ฐ ๋ฐ์ดํฐ๋ฅผ ์ฐ๋ ๋ฒ] ์ข๋ค๋ ๊ฑด ์๊ฒ ๋๋ฐ ์ข ์จ๋ณด๊ณ ์ถ์. ๋ฐ์ดํฐ! - ๋๋ฒ์์ค ํ์ฉํธ ๋ํ
ย
[ํ์ฝ ์์ฆ1] ๋ฐ๋ํ : ๋ง์ผํฐ์๊ฒ ํ์ํ Data Literacy
[ํ์ฝ ์์ฆ1] ๋ฐ๋ํ : ๋ง์ผํฐ์๊ฒ ํ์ํ Data Literacy
ย
์ฑ์ฅ์ ์ข์ํ๋ ์ฌ๋์ด, ์ฑ์ฅํ๊ณ ์ถ์ ์ฌ๋์๊ฒ
์ฑ์ฅ์ ์ข์ํ๋ ์ฌ๋์ด, ์ฑ์ฅํ๊ณ ์ถ์ ์ฌ๋์๊ฒ
ย
[MLOps KR ํ์ฌ] MLOps ์ถ์ถ ์ ๊ตญ ์๋ ์ ๋ฆฌ(210605)
[MLOps KR ํ์ฌ] MLOps ์ถ์ถ ์ ๊ตญ ์๋ ์ ๋ฆฌ(210605)
ย
แแ ขแแ ญแผแ แ ฃแผ แ แ ฉแแ ณแแ ฎแซแแ ฅแจ Bigqueryแ แ ฉ แแ กแซแแ กแซแแ ต แแ กแแ ญแผแแ กแแ ต (20170215 T์์นด๋ฐ๋ฏธ)
แแ ขแแ ญแผแ แ ฃแผ แ แ ฉแแ ณแแ ฎแซแแ ฅแจ Bigqueryแ แ ฉ แแ กแซแแ กแซแแ ต แแ กแแ ญแผแแ กแแ ต (20170215 T์์นด๋ฐ๋ฏธ)
ย
์ค๋ ๋ฐค๋ถํฐ ์ฐ๋ google analytics (๊ตฌ๊ธ ์ ๋๋ฆฌํฑ์ค, GA)
์ค๋ ๋ฐค๋ถํฐ ์ฐ๋ google analytics (๊ตฌ๊ธ ์ ๋๋ฆฌํฑ์ค, GA)
ย
์ 17ํ ๋ณด์์ฆ(BOAZ) ๋น ๋ฐ์ดํฐ ์ปจํผ๋ฐ์ค - [Catch, Traffic!] : ์งํ์ฒ ํผ์ก๋ ๋ฐ ํค์๋ ๋ถ์ ๋ฐ์ดํฐ ํ์ดํ๋ผ์ธ ๊ตฌ์ถ
์ 17ํ ๋ณด์์ฆ(BOAZ) ๋น ๋ฐ์ดํฐ ์ปจํผ๋ฐ์ค - [Catch, Traffic!] : ์งํ์ฒ ํผ์ก๋ ๋ฐ ํค์๋ ๋ถ์ ๋ฐ์ดํฐ ํ์ดํ๋ผ์ธ ๊ตฌ์ถ
ย
๋ฐ์ดํฐ ๋ถ์๊ฐ๋ ์ด๋ค SKILLSET์ ๊ฐ์ ธ์ผ ํ๋๊ฐ? - ๋ฐ์ดํฐ ๋ถ์๊ฐ ๋๊ธฐ
๋ฐ์ดํฐ ๋ถ์๊ฐ๋ ์ด๋ค SKILLSET์ ๊ฐ์ ธ์ผ ํ๋๊ฐ? - ๋ฐ์ดํฐ ๋ถ์๊ฐ ๋๊ธฐ
ย
[๋ฐ์ดํฐ์ผ๋์2107] ๊ฐ๋จ ์ถ๊ทผ๊ธธ์ ํ๊ต/์ ์์ญ์ ๋ด๋ฆด ์ฌ๋ ์์ธกํ๊ธฐ
[๋ฐ์ดํฐ์ผ๋์2107] ๊ฐ๋จ ์ถ๊ทผ๊ธธ์ ํ๊ต/์ ์์ญ์ ๋ด๋ฆด ์ฌ๋ ์์ธกํ๊ธฐ
ย
BigQuery์ ๋ชจ๋ ๊ฒ(๊ธฐํ์, ๋ง์ผํฐ, ์ ์ ๋ฐ์ดํฐ ๋ถ์๊ฐ๋ฅผ ์ํ) ์ ๋ฌธํธ
BigQuery์ ๋ชจ๋ ๊ฒ(๊ธฐํ์, ๋ง์ผํฐ, ์ ์ ๋ฐ์ดํฐ ๋ถ์๊ฐ๋ฅผ ์ํ) ์ ๋ฌธํธ
ย
Data Science. Intro
Data Science. Intro
ย
[SOSCON 2017] แแ ฎแแ ตแแ ฅ แแ ขแแ กแฏแแ ก 5000แแ งแผ, แแ ขแแ กแฏ แแ ขแแ ฅ แแ กแท แแ ฎแแ ก
[SOSCON 2017] แแ ฎแแ ตแแ ฅ แแ ขแแ กแฏแแ ก 5000แแ งแผ, แแ ขแแ กแฏ แแ ขแแ ฅ แแ กแท แแ ฎแแ ก
ย
์ฝ๋ฉ ํ ์คํธ ๋ฐ ์๊ณ ๋ฆฌ์ฆ ๋ฌธ์ ํด๊ฒฐ ๊ณต๋ถ ๋ฐฉ๋ฒ (๊ณ ๋ ค๋ํ๊ต KUCC, 2022๋ 4์)
์ฝ๋ฉ ํ ์คํธ ๋ฐ ์๊ณ ๋ฆฌ์ฆ ๋ฌธ์ ํด๊ฒฐ ๊ณต๋ถ ๋ฐฉ๋ฒ (๊ณ ๋ ค๋ํ๊ต KUCC, 2022๋ 4์)
ย
Data pipeline and data lake
Data pipeline and data lake
ย
๋ก๊ทธ ๊ธฐ๊น๋๊ฒ ์ ๋์์ธํ๋ ๋ฒ
๋ก๊ทธ ๊ธฐ๊น๋๊ฒ ์ ๋์์ธํ๋ ๋ฒ
ย
How To Become Better Engineer
How To Become Better Engineer
ย
๊ทธ๋ํ์์ ๋์๋ณด๋๊น์ง, ์๋น์ค๋ฅผ ์ํ ๋ฐ์ดํฐ ์๊ฐํ
๊ทธ๋ํ์์ ๋์๋ณด๋๊น์ง, ์๋น์ค๋ฅผ ์ํ ๋ฐ์ดํฐ ์๊ฐํ
ย
Similar to Facebook prophet
์์ฒด ๊ดํ ๋ฐ์ดํฐ ๋ถ์ AI ๊ฒฝ์ง๋ํ 1์ ์์์
์์ฒด ๊ดํ ๋ฐ์ดํฐ ๋ถ์ AI ๊ฒฝ์ง๋ํ 1์ ์์์
DACON AI ๋ฐ์ด์ฝ
ย
ํ์ด์ฌ ๋ฐ์ดํฐ ๋ถ์ 3์ข ์ธํธ
ํ์ด์ฌ ๋ฐ์ดํฐ ๋ถ์ 3์ข ์ธํธ
itproman35
ย
Chapter 8 - optimization for training deep models
Chapter 8 - optimization for training deep models
KyeongUkJang
ย
Chapter 11 Practical Methodology
Chapter 11 Practical Methodology
KyeongUkJang
ย
PaLM Paper Review
PaLM Paper Review
Tae Young Lee
ย
์์ฑ๊ด์ธก ๋ฐ์ดํฐ ํ์ฉ ๊ฐ์๋ ์ฐ์ถ AI ๊ฒฝ์ง๋ํ 1์ ์์์
์์ฑ๊ด์ธก ๋ฐ์ดํฐ ํ์ฉ ๊ฐ์๋ ์ฐ์ถ AI ๊ฒฝ์ง๋ํ 1์ ์์์
DACON AI ๋ฐ์ด์ฝ
ย
11_๋น ๋ฅธ ๊ฐ๋ฐ ๊ฐ๋ฅํ ๋ ๋ฒจ ํธ์ง ์์คํ
11_๋น ๋ฅธ ๊ฐ๋ฐ ๊ฐ๋ฅํ ๋ ๋ฒจ ํธ์ง ์์คํ
noerror
ย
PYCON KR 2017 - ๊ตฌ๋ฆ์ด ํ๋์ ์ผ์ด๋ผ๋ฉด (์ค์์ )
PYCON KR 2017 - ๊ตฌ๋ฆ์ด ํ๋์ ์ผ์ด๋ผ๋ฉด (์ค์์ )
Haezoom Inc.
ย
CS294-112 18
CS294-112 18
Gyubin Son
ย
HR Analytics - ํด์ง๊ฐ๋ฅ์ฑ์์ธก๋ชจ๋ธ
HR Analytics - ํด์ง๊ฐ๋ฅ์ฑ์์ธก๋ชจ๋ธ
Seong-Bok Lee
ย
๋ถ์๊ณผ ์ค๊ณ
๋ถ์๊ณผ ์ค๊ณ
Haeil Yi
ย
OpenJigWare(V02.00.04)
OpenJigWare(V02.00.04)
Jinwook On
ย
Matlab guide
Matlab guide
์ข ์ธ ์ต
ย
ํ์ด์ฌ์ผ๋ก ์ตํ๋ ๋ฅ๋ฌ๋ ๊ธฐ๋ณธ (18๋ )
ํ์ด์ฌ์ผ๋ก ์ตํ๋ ๋ฅ๋ฌ๋ ๊ธฐ๋ณธ (18๋ )
SK(์ฃผ) C&C - ๊ฐ๋ณํธ
ย
CNN visualization implementaion
CNN visualization implementaion
ํ์ ์
ย
AUTOML
AUTOML
์น์ฐ ์ด
ย
Automl
Automl
์น์ฐ ์ด
ย
Template at c++
Template at c++
Lusain Kim
ย
Metric Learning ์ธ๋ฏธ๋.pptx
Metric Learning ์ธ๋ฏธ๋.pptx
DongkyunKim17
ย
์ด๊ถ์ผ Sse ๋ฅผ ์ด์ฉํ ์ต์ ํ์ ์ค์ ์ฌ์ฉ ์
์ด๊ถ์ผ Sse ๋ฅผ ์ด์ฉํ ์ต์ ํ์ ์ค์ ์ฌ์ฉ ์
zupet
ย
Similar to Facebook prophet
(20)
์์ฒด ๊ดํ ๋ฐ์ดํฐ ๋ถ์ AI ๊ฒฝ์ง๋ํ 1์ ์์์
์์ฒด ๊ดํ ๋ฐ์ดํฐ ๋ถ์ AI ๊ฒฝ์ง๋ํ 1์ ์์์
ย
ํ์ด์ฌ ๋ฐ์ดํฐ ๋ถ์ 3์ข ์ธํธ
ํ์ด์ฌ ๋ฐ์ดํฐ ๋ถ์ 3์ข ์ธํธ
ย
Chapter 8 - optimization for training deep models
Chapter 8 - optimization for training deep models
ย
Chapter 11 Practical Methodology
Chapter 11 Practical Methodology
ย
PaLM Paper Review
PaLM Paper Review
ย
์์ฑ๊ด์ธก ๋ฐ์ดํฐ ํ์ฉ ๊ฐ์๋ ์ฐ์ถ AI ๊ฒฝ์ง๋ํ 1์ ์์์
์์ฑ๊ด์ธก ๋ฐ์ดํฐ ํ์ฉ ๊ฐ์๋ ์ฐ์ถ AI ๊ฒฝ์ง๋ํ 1์ ์์์
ย
11_๋น ๋ฅธ ๊ฐ๋ฐ ๊ฐ๋ฅํ ๋ ๋ฒจ ํธ์ง ์์คํ
11_๋น ๋ฅธ ๊ฐ๋ฐ ๊ฐ๋ฅํ ๋ ๋ฒจ ํธ์ง ์์คํ
ย
PYCON KR 2017 - ๊ตฌ๋ฆ์ด ํ๋์ ์ผ์ด๋ผ๋ฉด (์ค์์ )
PYCON KR 2017 - ๊ตฌ๋ฆ์ด ํ๋์ ์ผ์ด๋ผ๋ฉด (์ค์์ )
ย
CS294-112 18
CS294-112 18
ย
HR Analytics - ํด์ง๊ฐ๋ฅ์ฑ์์ธก๋ชจ๋ธ
HR Analytics - ํด์ง๊ฐ๋ฅ์ฑ์์ธก๋ชจ๋ธ
ย
๋ถ์๊ณผ ์ค๊ณ
๋ถ์๊ณผ ์ค๊ณ
ย
OpenJigWare(V02.00.04)
OpenJigWare(V02.00.04)
ย
Matlab guide
Matlab guide
ย
ํ์ด์ฌ์ผ๋ก ์ตํ๋ ๋ฅ๋ฌ๋ ๊ธฐ๋ณธ (18๋ )
ํ์ด์ฌ์ผ๋ก ์ตํ๋ ๋ฅ๋ฌ๋ ๊ธฐ๋ณธ (18๋ )
ย
CNN visualization implementaion
CNN visualization implementaion
ย
AUTOML
AUTOML
ย
Automl
Automl
ย
Template at c++
Template at c++
ย
Metric Learning ์ธ๋ฏธ๋.pptx
Metric Learning ์ธ๋ฏธ๋.pptx
ย
์ด๊ถ์ผ Sse ๋ฅผ ์ด์ฉํ ์ต์ ํ์ ์ค์ ์ฌ์ฉ ์
์ด๊ถ์ผ Sse ๋ฅผ ์ด์ฉํ ์ต์ ํ์ ์ค์ ์ฌ์ฉ ์
ย
More from Minho Lee
230304 UX/UI แแ ขแแ ฌ ์ธ๊ธฐ แแ กแแ ตแแ ณแฏ 8แแ ต ๋ฐํ
230304 UX/UI แแ ขแแ ฌ ์ธ๊ธฐ แแ กแแ ตแแ ณแฏ 8แแ ต ๋ฐํ
Minho Lee
ย
221105 UX/UI แแ ขแแ ฌ ์ธ๊ธฐ แแ กแแ ตแแ ณแฏ 7แแ ต : 1์ฃผ์ฐจ ๋ฐํ
221105 UX/UI แแ ขแแ ฌ ์ธ๊ธฐ แแ กแแ ตแแ ณแฏ 7แแ ต : 1์ฃผ์ฐจ ๋ฐํ
Minho Lee
ย
220806 UX/UI แแ ขแแ ฌ ์ธ๊ธฐ แแ กแแ ตแแ ณแฏ 6แแ ต : 3์ฃผ์ฐจ ๋ฐํ
220806 UX/UI แแ ขแแ ฌ ์ธ๊ธฐ แแ กแแ ตแแ ณแฏ 6แแ ต : 3์ฃผ์ฐจ ๋ฐํ
Minho Lee
ย
220319 ํด์ธ ์ํฐํด ์คํฐ๋ 5๊ธฐ : 1์ฃผ์ฐจ ๋ฐํ
220319 ํด์ธ ์ํฐํด ์คํฐ๋ 5๊ธฐ : 1์ฃผ์ฐจ ๋ฐํ
Minho Lee
ย
แแ ตแซแ แ ฌแแ กแฏ แแ ฎ แแ ตแปแแ ณแซ A/B แแ ฆแแ ณแแ ณ๋ฅผ ์ํด ์์์ผ ํ ๊ฒ๋ค
แแ ตแซแ แ ฌแแ กแฏ แแ ฎ แแ ตแปแแ ณแซ A/B แแ ฆแแ ณแแ ณ๋ฅผ ์ํด ์์์ผ ํ ๊ฒ๋ค
Minho Lee
ย
201107 ํด์ธ ์ํฐํด ์คํฐ๋ 2๊ธฐ : 2์ฃผ์ฐจ ๋ฐํ
201107 ํด์ธ ์ํฐํด ์คํฐ๋ 2๊ธฐ : 2์ฃผ์ฐจ ๋ฐํ
Minho Lee
ย
์ฌ๋ฐ๋ฅธ ๋ถ์์ ๋ฐฉํดํ๋ ํจ์ ์นด๋ ํผํด๊ฐ๊ธฐ
์ฌ๋ฐ๋ฅธ ๋ถ์์ ๋ฐฉํดํ๋ ํจ์ ์นด๋ ํผํด๊ฐ๊ธฐ
Minho Lee
ย
A/B ํ ์คํธ๋ฅผ ์ ์ฉํ๊ธฐ ์ด๋ ค์ธ ๋, ์ด๋ฒคํธ ํจ๊ณผ ์ถ์ ํ๊ธฐ (2020-01-18 ์๋์ฝ)
A/B ํ ์คํธ๋ฅผ ์ ์ฉํ๊ธฐ ์ด๋ ค์ธ ๋, ์ด๋ฒคํธ ํจ๊ณผ ์ถ์ ํ๊ธฐ (2020-01-18 ์๋์ฝ)
Minho Lee
ย
[DS Meetup] iPad๋ก ๊ฐ๋ฒผ์ด ๋ถ์ํ๊ฒฝ ๊ตฌ์ถํด๋ณด๊ธฐ
[DS Meetup] iPad๋ก ๊ฐ๋ฒผ์ด ๋ถ์ํ๊ฒฝ ๊ตฌ์ถํด๋ณด๊ธฐ
Minho Lee
ย
Causal Inference : Primer (2019-06-01 ์๋์ฝ)
Causal Inference : Primer (2019-06-01 ์๋์ฝ)
Minho Lee
ย
Today I Learned - Bayesian Statistics
Today I Learned - Bayesian Statistics
Minho Lee
ย
For Better Data Visualization
For Better Data Visualization
Minho Lee
ย
More from Minho Lee
(12)
230304 UX/UI แแ ขแแ ฌ ์ธ๊ธฐ แแ กแแ ตแแ ณแฏ 8แแ ต ๋ฐํ
230304 UX/UI แแ ขแแ ฌ ์ธ๊ธฐ แแ กแแ ตแแ ณแฏ 8แแ ต ๋ฐํ
ย
221105 UX/UI แแ ขแแ ฌ ์ธ๊ธฐ แแ กแแ ตแแ ณแฏ 7แแ ต : 1์ฃผ์ฐจ ๋ฐํ
221105 UX/UI แแ ขแแ ฌ ์ธ๊ธฐ แแ กแแ ตแแ ณแฏ 7แแ ต : 1์ฃผ์ฐจ ๋ฐํ
ย
220806 UX/UI แแ ขแแ ฌ ์ธ๊ธฐ แแ กแแ ตแแ ณแฏ 6แแ ต : 3์ฃผ์ฐจ ๋ฐํ
220806 UX/UI แแ ขแแ ฌ ์ธ๊ธฐ แแ กแแ ตแแ ณแฏ 6แแ ต : 3์ฃผ์ฐจ ๋ฐํ
ย
220319 ํด์ธ ์ํฐํด ์คํฐ๋ 5๊ธฐ : 1์ฃผ์ฐจ ๋ฐํ
220319 ํด์ธ ์ํฐํด ์คํฐ๋ 5๊ธฐ : 1์ฃผ์ฐจ ๋ฐํ
ย
แแ ตแซแ แ ฌแแ กแฏ แแ ฎ แแ ตแปแแ ณแซ A/B แแ ฆแแ ณแแ ณ๋ฅผ ์ํด ์์์ผ ํ ๊ฒ๋ค
แแ ตแซแ แ ฌแแ กแฏ แแ ฎ แแ ตแปแแ ณแซ A/B แแ ฆแแ ณแแ ณ๋ฅผ ์ํด ์์์ผ ํ ๊ฒ๋ค
ย
201107 ํด์ธ ์ํฐํด ์คํฐ๋ 2๊ธฐ : 2์ฃผ์ฐจ ๋ฐํ
201107 ํด์ธ ์ํฐํด ์คํฐ๋ 2๊ธฐ : 2์ฃผ์ฐจ ๋ฐํ
ย
์ฌ๋ฐ๋ฅธ ๋ถ์์ ๋ฐฉํดํ๋ ํจ์ ์นด๋ ํผํด๊ฐ๊ธฐ
์ฌ๋ฐ๋ฅธ ๋ถ์์ ๋ฐฉํดํ๋ ํจ์ ์นด๋ ํผํด๊ฐ๊ธฐ
ย
A/B ํ ์คํธ๋ฅผ ์ ์ฉํ๊ธฐ ์ด๋ ค์ธ ๋, ์ด๋ฒคํธ ํจ๊ณผ ์ถ์ ํ๊ธฐ (2020-01-18 ์๋์ฝ)
A/B ํ ์คํธ๋ฅผ ์ ์ฉํ๊ธฐ ์ด๋ ค์ธ ๋, ์ด๋ฒคํธ ํจ๊ณผ ์ถ์ ํ๊ธฐ (2020-01-18 ์๋์ฝ)
ย
[DS Meetup] iPad๋ก ๊ฐ๋ฒผ์ด ๋ถ์ํ๊ฒฝ ๊ตฌ์ถํด๋ณด๊ธฐ
[DS Meetup] iPad๋ก ๊ฐ๋ฒผ์ด ๋ถ์ํ๊ฒฝ ๊ตฌ์ถํด๋ณด๊ธฐ
ย
Causal Inference : Primer (2019-06-01 ์๋์ฝ)
Causal Inference : Primer (2019-06-01 ์๋์ฝ)
ย
Today I Learned - Bayesian Statistics
Today I Learned - Bayesian Statistics
ย
For Better Data Visualization
For Better Data Visualization
ย
Facebook prophet
1.
Facebook Prophet Forecastingat Scale ์ด๋ฏผํธ
2.
Time Series Analysis ์๊ณ์ด
์์ธก์ ๋ง์ ๊ณณ์์ ํ์๋ก ํ์ง๋ง, ๊น๊ฒ ๋ถ์ํ ์ ์๋ ์ฌ๋์ ๋ง์ง ์๋ค ์์ ํ ์๋ํ๋ ์์ธก ๊ธฐ๋ฒ๋ค์ ์์ธก์ ๋์์ด ๋ ๋ค์ํ ๊ฐ์ ๊ณผ ๊ฒฝํ์ ๋ชจํ ์์ ํฌํจ์ํค๊ธฐ ์ด๋ ต๋ค
3.
Time Series Analysis ๊ทธ๋์
๋ง๋ค์๋ค ํ๋ถ์ด
4.
Prophet Facebook์์ ๋ง๋ ์๊ณ์ด
๋ถ์/์์ธก ๋ผ์ด๋ธ๋ฌ๋ฆฌ (R, Python) ์๊ณ์ด ๋ถ์/์์ธก์ ๋ํ ์ ๋ฌธ์ ์ธ ์ง์์ ๊ฐ์ง๊ณ ์์ง ์๋๋ผ๋ ์ง๊ด์ ์ธ ๋ช ๊ฐ์ง ํ๋ผ๋ฏธํฐ๋ฅผ ๊ฐ์ง๊ณ ์กฐ์ํ ์ ์๋๋ก ํ๋ค
5.
Model Components 3๊ฐ์ ๋ฉ์ธ
์ปดํฌ๋ํธ๋ก ๊ตฌ์ฑ๋ Decomposable Time Series Model Growth Seasonality Holidays (Events) y(t) = g(t) + s(t) + h(t) + error
6.
Model Components - ARIMA
๋ฑ ๋ง์ ์๊ณ์ด ๋ชจํ๊ณผ๋ ๋ค๋ฅด๊ฒ ์๊ฐ์ ์ข ์์ ์ธ ๊ตฌ์กฐ๋ฅผ ๊ฐ์ง์ง ์๋๋ค - ๋์ ์ Curve Fitting์ผ๋ก ๋ฌธ์ ๋ฅผ ํด๊ฒฐ - ๊ทธ๋ก ์ธํด ์ป๊ฒ ๋ ์ด์ ์ด ์๋ค - ๋ชจํ์ด ๊ต์ฅํ ์ ์ฐํด์ง๋ค - ์ธก์ ํ๋ ์๊ฐ์ด ๊ผญ ์ผ์ ํ ์ฃผ๊ธฐ๋ฅผ ๊ฐ์ง ํ์๊ฐ ์๋ค ๋น์ด์๋ ๊ตฌ๊ฐ์ interpolate ํ์ง ์์๋ ๋จ - ํ์ต ์๋๊ฐ ๋น ๋ฅด๋ค - ์ง๊ด์ ์ผ๋ก ์ดํดํ ์ ์๋ ํ๋ผ๋ฏธํฐ๋ฅผ ํตํด ๋ชจํ์ ์กฐ์ ํ ์ ์๋ค
7.
Model Components :
Growth - Linear Growth (+ Change Point) - change point๋ ์๋์ผ๋ก ํ์งํ๋ค - ์์ธกํ ๋๋ ํน์ ์ง์ ์ด change point์ธ์ง ์ฌ๋ถ๋ฅผ ํ๋ฅ ์ ์ผ๋ก ๊ฒฐ์ - Non-Linear Growth (LogisticGrowth) - ์์ฐ์ ์ธ ์ํ์ ์ด ์กด์ฌํ๋ ๊ฒฝ์ฐ : Capacity - Capacity๋ ์๊ฐ์ ๋ฐ๋ผ ๋ณํ ์ ์๋ค
8.
Model Components :
Seasonality - ์ฌ์ฉ์๋ค์ ํ๋ ์์์ผ๋ก ์ธํด ์ฃผ๊ธฐ์ ์ผ๋ก ๋ํ๋๋ ํจํด - ex) ๋ฐฉํ, ํด๊ฐ, ์จ๋, ์ฃผ๋ง ๋ฑ๋ฑ - Fourier Series๋ฅผ ์ด์ฉํด์ ํจํด์ ๊ทผ์ฌ์น๋ฅผ ์ฐพ๋๋ค
9.
Model Components :
Holidays - ์ฃผ๊ธฐ์ฑ์ ๊ฐ์ง์ง๋ ์์ง๋ง ์ ์ฒด ์ถ์ด์ ํฐ ์ํฅ์ ์ฃผ๋ ์ด๋ฒคํธ๊ฐ ์กด์ฌํ๋ค - ์ด๋ฒคํธ์ ํจ๊ณผ๋ ๋ ๋ฆฝ์ ์ด๋ผ๊ณ ๊ฐ์ - ์ด๋ฒคํธ ์๋ค๋ก window ๋ฒ์๋ฅผ ์ง์ ํด์ ํด๋น ์ด๋ฒคํธ๊ฐ ๋ฏธ์น๋ ์ํฅ์ ๋ฒ์๋ฅผ ์ค์ ํ ์ ์๋ค
10.
Model Fitting - Stan์
ํตํด ๋ชจ๋ธ์ ํ์ต์ํจ๋ค - probabilistic programming language forstatistical inference - Written in C++ - ํฌ๊ฒ ๋ ๊ฐ์ง ๋ฐฉ์์ ์ฌ์ฉ - MAP (Maximum A Posteriori) : Default - ์๋๊ฐ ํจ์ฌ ๋น ๋ฅด๋ค - MCMC (Markov Chain Monte Carlo) - ๋ชจํ์ ๋ณ๋์ฑ์ ๋ ์์ธํ ์ดํด๋ณผ ์ ์์
11.
Model Fitting :
Stan sample code model { // Priors k โผ normal(0, 5); b โผ normal(0, 5); epsilon โผ normal(0, 0.5); delta โผ double_exponential(0, tau); beta โผ normal(0, sigma); // Non-linear Likelihood y โผ normal(C ./ (1 + exp(-(k + A * delta) .* (t - (b + A * gamma)))) + X * beta, epsilon); // Linear Likelihood y โผ normal((k + A * delta) .* t + (m + A * gamma) + X * beta, sigma); }
12.
Analyst-in-the-loop Modeling - ๋ชจํ์
๊ตฌ์ฑํ๋๋ฐ ํ์ํ ํต๊ณ์ ์ง์์ด ์๋๋ผ๋ ์ง๊ด์ ์ธ ํ๋ผ๋ฏธํฐ๋ฅผ ํตํด ๋ชจํ์ ์กฐ์ ํ ์ ์๋ค - ์ผ๋ฐ์ ์ธ ๊ฒฝ์ฐ ์๋ ๊ธฐ๋ณธ๊ฐ๋ง ์ฌ์ฉํ๋๋ผ๋ ๋์ ์ฑ๋ฅ์ ๋ผ ์ ์๋๋ก ์ค์ ๋์ด ์์ - ๋ด๋ถ๊ฐ ์ด๋ป๊ฒ ๋์ํ๋์ง์ ๋ํด์ ๊ณ ๋ฏผํ ํ์์๋๋ก! -> Analyst in the Loop
13.
Analyst-in-the-loop Modeling Capacities Change points Holidays
& Seasonality Smoothing ์๊ณ์ด ๋ฐ์ดํฐ ์ ์ฒด์ ์ต๋๊ฐ ์ถ์ธ๊ฐ ๋ณํํ๋ ์์ ์ถ์ธ์ ์ํฅ์ ๋ฏธ์น๋ ์๊ธฐ์ ์์ธ๋ค ๊ฐ๊ฐ์ ์์๋ค์ด ์ ์ฒด ์ถ์ด์ ๋ฏธ์น๋ ์ํฅ์ ์ ๋
14.
Where Prophet Shines? -
๋ง์ ์๊ณ์ด ๋ฐ์ดํฐ (์ฐ ๋จ์ ์ด์์ด๋ฉด ์ข์) - ๋ถ๊ท์น์ ์ผ๋ก ์ผ์ด๋์ง๋ง ์ฌ์ ์ ์์ ์ ์๊ณ ์๋ ์ด๋ฒคํธ๊ฐ ์๋ ๊ฒฝ์ฐ ex) ํ๊ตญ์๋ฆฌ์ฆ,ํฌ๋ฆฌ์ค๋ง์ค - ๊ฒฐ์ธก์น๊ฐ ์ด๋ ์ ๋ ์กด์ฌํ๊ฑฐ๋, ์์๋ผ์ด์ด๊ฐ ๋ง์ ๊ฒฝ์ฐ - ํน์ ํ ์ด๋ฒคํธ๋ก ์ธํด ์ฅ๊ธฐ์ ์ธ ์ถ์ด๊ฐ ๋ณํ ์ ์๋ ๊ฒฝ์ฐ ex) ์ ์ ํ ์ถ์, ๋์์ธ ๋ณ๊ฒฝ - ์งํ๊ฐ ์ ํ์ผ๋ก ์ฆ๊ฐํ์ง ์์ ๊ฒฝ์ฐ ์ฆ๊ฐํ ์ ์๋ ์งํ์ ์ต๋์น๊ฐ ์กด์ฌํ๊ณ ์ด๋ฅผ ์๊ณ ์๋ ๊ฒฝ์ฐ
15.
Examples : Bitcoin
Price Trend (๋ถ๋จ์) 2017๋ 6/1 ~ 7/7 ๋ถ๋จ์ ๋ฐ์ดํฐ๋ก 8~15์ผ ์ถ์ด ์์ธก
16.
Examples : Bitcoin
Price Trend (Daily) 2017๋ 4์~6์ ์ผ๋ณ ๋ฐ์ดํฐ๋ก 7์ ์ถ์ด ์์ธก
17.
Forecastingat scale Simple Adjustable models Scalable
performance monitoring a large numberof analysts to forecast a large numberanda variety of time series Forecastingat scale
18.
์ฐธ๊ณ ์๋ฃ <Prophet> https://facebookincubator.github.io/prophet/ https://research.fb.com/prophet-forecasting-at-scale/ <GAM> https://petolau.github.io/Analyzing-double-seasonal-time-series-with-GAM-in-R/ <ARIMA> http://www.dodomira.com/2016/04/21/arima_in_r/ <Stan> http://mc-stan.org/about/ https://en.wikipedia.org/wiki/Stan_(software)