반응형 빅데이터 대학원 빅데이터 대학원 2023. 5. 15. 빅데이터 대학원 1학기 끝낸 소감 (강의후기, 마음가짐 등) 2023년 3월, 부푼 마음을 이끌고 입학한 빅데이터 대학원. 어느새 1학기가 끝났다. 1학기에 들었던 각 강의에 대한 느낀점과 한학기를 마치며 나의 마음가짐을 되돌아보는 시간을 가져보려고 한다. 이를 통해 빅데이터 전문가가 되기 위해서 앞으로 가야할 길이 먼데 구체적인 플랜을 세워보고자 한다. 빅데이터 대학원 1학기를 마치며 정리하는 글 서론 내가 다니고 있는 연세대학교 빅데이터 대학원은 1학기 10주 과정으로, 지난주에 첫 학기를 마쳤다. 학기 중간 어린이날 연휴가로 총 11주에 걸친 과이었는데, 오랜만에 학업을 시작하니 힘든 것도 있지만 재밌기도 했다. 대학원을 다니면서 블로그 운영을 열심히 못해서 정말 아쉽지만, 다시 열심히 기록하는 수밖에..^^ 과목별 느낀점과 전체적인 반성 및 앞으로 나아가야.. 빅데이터 대학원/Chat GPT 2023. 4. 12. Chat GPT를 활용한 블로그 글쓰기 (2) 숫자는 거짓말을 하지 않는다 : 베이브 루스의 기록적인 시즌을 살펴보기 「진짜 챗GPT 활용법」을 따라서 Chat GPT를 활용하여 블로그 글을 써보았다. 당연히 어색한 부분이 있는데, 이 내용이 어떨지는 개인별로 판단하면 좋을 것 같다. 무엇보다 자동으로 완벽한 글을 작성한다는 부분이 참 대단한 것 같다. 글쓰기 순서는 아래와 같다. 1. 블로그 글 주제 선정하기 2. 조건에 맞는 글쓰기 3. 해시태그/키워드 선정하기 4. Meta Description 작성하기 5. 이미지 삽입하기 6. 최종 글 포스팅하기 직접 따라하면 느낀 것 중 하나는, 영어번역투가 어색하거나 맞지 않는 내용에 대해선 수정이 필요하다는 점, 결론 부분은 다시 작성해야할 수준으로 형편없다는 점. 그렇지만 제목 하나는 정말 기깔나게 잘 뽑아내는 것 같다. 또한, 과거에 일어난, 사실에 입각한 글이라면 c.. 빅데이터 대학원/Chat GPT 2023. 4. 12. Chat GPT를 활용한 블로그 글쓰기 (1) 한국의 봄, 벚꽃 여행지 추천과 함께하는 벚꽃놀이 가이드 「진짜 챗GPT 활용법」을 따라서 Chat GPT를 활용하여 블로그 글을 써보았다. 당연히 어색한 부분이 있는데, 이 내용이 어떨지는 개인별로 판단하면 좋을 것 같다. 무엇보다 자동으로 완벽한 글을 작성한다는 부분이 참 대단한 것 같다. 글쓰기 순서는 아래와 같다. 1. 블로그 글 주제 선정하기 2. 조건에 맞는 글쓰기 3. 해시태그/키워드 선정하기 4. Meta Description 작성하기 5. 이미지 삽입하기 6. 최종 글 포스팅하기 한국의 봄, 벚꽃 여행지 추천과 함께하는 벚꽃놀이 가이드 한국의 봄, 벚꽃 여행지를 추천하고 함께 즐길 수 있는 벚꽃놀이 가이드를 소개합니다. 경복궁, 용인 어울림마을, 경주 안압지 등 벚꽃 명소와 피크닉, 야간 구경, 벚꽃 축제 참여 등 다양한 봄날 즐길 거리를 제공.. 빅데이터 대학원/Chat GPT 2023. 4. 7. Chap GPT 활용하기 : 프롬프트 지니를 통한 영문 검색하기 Chap GPT 활용하기 : 프롬프트 지니를 통한 영문 검색하기 그야말로 Chat GPT가 열풍이다. 빅데이터, AI 관련하여 2016년 이세돌 vs 알파고 바둑 이후로 언론에서 가장 떠들썩하게 이야기하는 주제이기도 하다. 아무래도 빅데이터 대학원을 다니고 있다보니, Chat GPT 관련 소식을 많이 접하곤 하는데, '그래봤자 하나의 프로그램인데 얼마나 대단하겠어.'라는 생각이었다. 그렇지만, Chat GPT는 우리의 능력을 한 단계 이상 업그레이드 시켜줄 수 있는 하나의 '도구'이다. Chat GPT를 통해 코딩을 몰라도 코드를 짤 수 있고, 공부하는 데 활용할 수 있다. Open AI가 만든 Chat GPT는 아무래도 영어 사용자들에게 더욱 정확하고 빠른 답변을 제공하는데, 한국어를 영어로 번역하여 .. 빅데이터 대학원/2023-1. 빅데이터애널리틱스통계분석 2023. 4. 6. 2023-1. 빅데이터 애널리틱스 통계분석 4주차. 로지스틱 회귀분석 2023-1. 빅데이터 애널리틱스 통계분석 4주차. 로지스틱 회귀분석 1. 로지스틱 회귀분석 - 정의 : 종속변수가 0 또는 1, 참 또는 거짓 등 두가지 값 중 하나만 취할 수 있는 경우, 로지스틱 회귀분석을 사용하여 분석/예측 - 조건 : 종속변수 (명목 or 서열척도) ex) Y/N 독립변수(등간 or 비율척도) - 연속형 변수 1-1. SPSS 분석 - 분석 > 회귀분석(R) > 이분형 로지스틱(G) · 0, 1 코딩변수 → 종속변수 · 독립변수들 → 공변량 입력 · 옵션 > hosmer-Lemeshow 적합도, exp(B) : 신뢰구간 : 95% 체크 · 방법 : 입력 1-2. 결과해석 (블록1 확인) 0. 종속변수 인코딩 값 확인 1. [모형계수의 총괄검정] : 모형 - 유의확률 p 0.05 .. 빅데이터 대학원/2023-1. 빅데이터애널리틱스통계분석 2023. 4. 5. 2023-1. 빅데이터 애널리틱스 통계분석 3주차. 회귀분석 2023-1. 빅데이터 애널리틱스 통계분석 3주차. 회귀분석 1. 회귀분석 - 정의 : 독립변수가 종속변수에 영향을 미치는가 확인하고자 할 때 (인과관계 분석) · 가설) 귀무가설 : 독립변수는 종속변수에 영향을 미치지 않는다. 대립가설 : 독립변수는 종속변수에 영향을 미친다. · 다중회귀분석 : 독립변수가 2개 이상인 경우 1-1. SPSS 분석 - 분석 > 회귀분석(R) > 선형(L) · 종속변수, 독립변수 입력 · 방법 : 단계적 선택 · 통계량 > 추정값, 모형적합, (R제곱 변화랑), 기술통계, 공선성 진단, (Durbin-watson) 선택 후 확인 1-2. 결과 해석 1. [기술통계량]표 : N 확인 (N > 30이면 정규성 만족) 2. [상관계수]표 3. [입력/제거된 변수]표 : 첫번째 .. 빅데이터 대학원/2023-1. 빅데이터애널리틱스통계분석 2023. 4. 4. 2023-1. 빅데이터 애널리틱스 통계분석 2주차. ANOVA, 상관분석 2023-1. 빅데이터 애널리틱스 통계분석 2주차. ANOVA, 상관분석 1. ANOVA 분석 - 정의 : 세 집단 이상의 평균 차이를 비교하고자 할 때 사용하는 통계적 분석 방법 - 구성 : 독립변수(명목척도), 종속변수(등간 or 비율척도) · 가설) 귀무가설 : 모든 집단의 평균은 같다. 대립가설 : 모든 집단의 평균이 모두 같지는 않다. (적어도 두 집단 간의 평균 차이는 있다.) 예) 직업 간 디자인 만족접수 평균이 모두 같지는 않다. 1-1. SPSS 분석 - 분석 > 평균비교(M) > 일원배치 분산분석(O) · 독립변수 → '요인' 입력 · 종속변수 → '종속변수' 입력 · 옵션 - 기술통계(D), 분산 동질성 검정(H) 체크 후 확인 1-2. 결과해석 1) [기술통계]표 : N 확인 (N .. 빅데이터 대학원/2023-1. 빅데이터애널리틱스통계분석 2023. 4. 3. 2023-1. 빅데이터 애널리틱스 통계분석 1주차. 기초통계 (t.test) 2023-1. 빅데이터 애널리틱스 통계분석 1주차. 기초통계 (t.test) 1. 독립표본 T검정 - 정의 T-Test는 모집단의 분산, 표준편차를 알지 못할 때 모집단을 대표하는 표본의 분산, 표준편차를 통해 모집단의 평균을 비교하는 통계 방법으로, 표본이 정규성, 등분산성, 독립성 등을 만족할 때 사용 가능하다. T-Test는 아래와 같은 가설을 세우고 검정을 진행한다. - 귀무가설: 두 집단의 평균이 같다. (μ1 = μ2) - 대립가설: 두 집단의 평균이 다르다. (μ1 ≠ μ2) T-Test의 결과는 t값과, p값이 나오는데, p값은 검정 결과의 유의성을 나타낸다. p값이 유의수준(0.05)보다 작으면 귀무가설을 기각하고, 대립가설을 채택한다. 이를 통하여 두 집단의 평균값이 통계적으로 유의하게.. 빅데이터 대학원/2023-1. 빅데이터 분석론 2023. 3. 12. 2023-1. 빅데이터 분석론 2주차. R and Basic Statistical Testing 이번 수업은 R studio 활용하여 통계를 진행했다. 과거 SPSS, SAS 등을 많이 사용했으나, 최근 범용성이 뛰어난 오픈 라이브러리(R, 파이썬)을 대부분 사용한다. 1. t-statistics (t검정) - 정의 : 모집단의 분산이나 표준편차를 알지 못할 때, 모집단을 대표하는 표본으로부터 추정된 분산이나 표준편차를 가지고 검정하는 방법으로 “두 모집단의 평균간의 차이는 없다”라는 귀무가설과 “두 모집단의 평균 간에 차이가 있다”라는 대립가설 중에 하나를 선택할 수 있도록 하는 통계적 검정방법이다. ※ p-value < 0.05 → 귀무가설을 기각한다. (두 모집단의 평균은 통계적으로 같지 않다.) - rnorm : 정규분포로부터 랜덤 추출 · a t.test(data2$weight ~ data.. 이전 1 2 다음 반응형
