exestudiary

1. 홈브류 brew update - brew 업데이트 brew search - 해당 패키지 검색 brew install - 해당 패키지 설치 2. 확인 brew list - 설치 된 패키지 리스트 확인 brew info - 해당 패키지 상세 정보 확인 3. 업그레이드 (업데이트) brew outdated - 업데이트가 필요한 패키지 찾아보기 brew upgrade - 패키지 전체 업데이트 brew upgrade - 해당 패키지 업데이트 4. 삭제 brew cleanup - 여러 개의 버전이 있을 때, 가장 최신 버전만 살리고 나머지는 삭제 brew uninstall - 해당 패키지 삭제

함수수식해석dnorm$f(x)$해당 $x$에서의 밀도pnorm$P(X \leq x)$확률을 구하고 싶을 때qnorm$x : P(X \leq x) = P$확률에 대응하는 $x$를 알고 싶을 때rnorm-랜덤으로 $x$를 뽑고 싶을 때

GPT한테 물어보니깐 다음과 같이 쓰면 논리적일 것 같다고 해서 이렇게 씁니답.1. 공모전에 참여한 이유공모전에 어떻게 관심을 가지게 되었나요?  학교에서 수업 시간에 공모전에 참여하여 개개인마다의 인사이트를 얻고 발표를 하라는 교수님의 지시에 공모전을 찾아보다가 한 팀원이 '여기에 참여해보자!' 하여 24년 홍천군 공모전에 참여하게 되었습니다.참가하게 된 계기나 목표가 있었나요? 기왕 참가하게 된 거 상은 무조건 타고 간다는 마인드였습니다. '세상은 2등은 기억해주지 않기 때문에 1등 해보자라는 마음가짐'이였습니다.2. 준비 과정어떤 방식으로 준비했나요? (팀원 구성, 역할 분배, 공부 방법 등)팀원들 중 2명은 서류 작성에 많은 도움을 주셨고, 저랑 다른 팀원 한 명은 전반적인 데이터를 분석하는 역할..

Python의 datetime 모듈은 날짜와 시간을 처리하기 위한 기본 내장 모듈입니다. 시계열 데이터 전처리에 있어 핵심적인 역할을 하는데, 시계열 데이터 분석은 시간의 흐름에 따른 패턴을 찾는 과정이기 때문에, 날짜와 시간을 다루는 것은 필수적입니다.  datetime 모듈은 다음과 같은 주요 클래스를 제공합니다.  datetime.datetime:날짜와 시간을 모두 포함하는 클래스입니다. 특정 날짜와 시간을 생성하고, 두 datetime 객체 간의 차이를 계산하거나, 날짜와 시간을 포맷팅하는데 사용됩니다.  datetime.date:날짜만을 포함하는 클래스입니다. 연도, 월, 일 정보를 다루며, 날짜 간의 차이를 계산할 수 있습니다.  datetime.time:시간만을 포함하는 클래스입니다. 시, ..

1. LightGBM이란?LightGBM(Light Gradient Boosting Machine)은 Microsoft에서 개발한 고성능 그래디언트 부스팅 프레임워크입니다. 기존의 그래디언트 부스팅(Gradient Boosting)방법론을 개선하여 대규모 데이터셋에서도 빠른 학습과 예측을 제공하도록 설계되었습니다. LightGBM은 특히 대규모 데이터와 복잡한 특징 공간을 가진 문제에서 빠른 처리 속도와 적은 메모리 사용을 강점으로 가집니다.  1 - 1. LightGBM의 역사GBDT(Gradient Boosting Decision Tree)는 널리 사용되는 기계학습 알고리즘인데, 여러 효과적인 구현 중 하나가 XGBoost 모델입니다. 이 알고리즘은 특성 차원이 높을 때와 모든 가능한 분할 지점의 정..

보호되어 있는 글입니다.

1. 정규 표현식  1.1 정규 표현식이란? 정규 표현식(Regular Expression)은 텍스트 내에서 문자열의 패턴을 찾기 위해 사용되는 일련의 문자와 특수문자의 조합.이를 통해 데이터를 검색하고, 대체하고, 추출하는 등의 작업을 수행할 수 있다.  1.2 정규 표현식 사용 시기데이터의 형식 검사특정 패턴이나 조건에 맞는 문자열을 검색데이터 정제 및 가공, 특정 정보 추출 1.3 정규 표현식의 장점수동으로 검사하기 어려운 대량의 텍스트 데이터를 빠르게 처리 가능다양한 문자열 패턴과 조건을 간단한 식으로 표현할 수 있어 데이터를 매우 유연하게 데이터를 다룰 수 있음.정규 표현식 문법은 언어마다 거의 동일하므로, 다른 프로그래밍 언어에서도 손쉽게 활용 가능 1.4 정규 표현식 주의사항복잡하거나 비효율..

1. 로지스틱 회귀분석 개념1.1. 로지스틱 회귀분석이란?로지스틱 회귀분석은 20세기 초에 발전한 통계방법입니다. 이 모델은 로지스틱 함수에서 이진 분류 문제를 풀기위해 발전되었습니다. 이 모델은 주로 예/아니오, 성공/실패와 같이 두 가지 범주로 결과가 나뉘는 경우에 사용됩니다. 로지스틱 회귀분석의 핵심 개념은 다음과 같습니다.확률 추정: 로지스틱 회귀는 주어진 데이터가 특정 클래스에 속할 확률을 추정합니다. 이 확률은 0과 1 사이의 값으로, 예측된 확률이 특정 임계값(보통 0.5) 이상이면 하나의 클래스로, 이하면 다른 클래스로 분류됩니다.시그모이드 함수: 로지스틱 회귀는 시그모이드 함수(또는 로지스틱 함수)를 사용하여 입력 데이터의 선형 조합을 0과 1 사이의 확률 값으로 변환합니다. 시그모이드 ..

제너레이터는 딥러닝에서 학습용 데이터의 Batch를 만들 때 많이 사용된다.  제너레이터를 이해하기 위해서는 다음과 같은 함수를 먼저 소개한다.  시작할 때 print를 이용하여 메시지를 출력하고, 0부터 4까지 각 값의 제곱을 val이라는 리스트에 추가하여 반환해주는 함수이다.  def method(): print("Start method()") val = [] for x in range(0, 5): val.append( x**2 ) return val 그러나 Return 키워드를 사용한 코드에는 성능 문제가 있다.  만약에 range(0, 10000) 같이 범위가 매우 커지면, 메모리 공간도 부족하고 성능도 저하된다.   out = method()for i in range(0,..