데이터 분석 기술 블로그

머신러닝과 통계학의 큰 차이점 중 하나는 머신러닝은 예측(Prediction)이 목적이고 통계학은 해석(explanation)이 목적입니다. 머신러닝은 '예측력이 얼마나 높은가'가 중요합니다. 예를 들어 특정한 사진을 얼마나 정확히 구별하는지 또는 고객의 구매를 얼마나 정확하게 예측하는지에 집중합니다. 따라서 머신러닝은 분석 모형의 복잡성(complexity)이 높고, 과적합(overfitting) 해결이 중요합니다. 여기서 overfitting이란, 학습 데이터를 과하게 학습해서 예측 데이터에 대한 정확도가 감소하는 현상입니다.복잡성과 과적합의 중요성을 알려주는 좋은 예시가 있습니다. 미국의 OTT 서비스 업체 넷프릭스가 영화 추천 시스템 개선 알고리즘 대회(상금이 무려 100만 달러였습니다.)를 열었..

데이터 과학을 수행하려면 통계학은 기본 소양입니다.요즘에는 잘 만들어진 데이터 과학 라이브러리나 패키지가 다양해서 간단하게 분석 결과를 도출할 수 있습니다. 하지만 통계학을 모르면 분석 결과가 잘못된 부분이 있는지, 어떻게 개선해야 하는지를 알 수 없습니다.누구나 데이터를 다룰 수 있지만 통계학을 이해한 사람과 확연히 다른 인사이트를 가질 수 있습니다. 마케팅 분야에서도 A/B 테스트, 상관분석 등 통계학과 관련된 데이터 분석을 오래전부터 수행하고 있습니다. 거의 모든 분야에서 기존의 문제점들을 해결하거나 새로운 방향의 성공 확률을 데이터 분석을 통해 높이고 있습니다.  데이터 과학 전체 프로세스데이터 수집 → 데이터 가공 → 탐색적 · 데이터 분석 / 데이터 시각화 → M/L 모델링 → 결과 해석 및 ..

1. Composition API2. Option API 1. API 별 권장 사항 참고1. Scaffolding (스캐폴딩)2. SFC의 CSS 기능 - scoped3. 모든 컴포넌트에는 최상단 HTML 요소가 작성되는 것이 권장4. "관심사항의 분리가 파일 유형의 분리와 동일한 것이 아니다."

1. 내부 렌더링 과정2. Virtual DOM 패턴의 장점3. Virtual DOM 주의사항4. 직접 DOM 엘리먼트에 접근해야 하는 경우

1. Component 활용1-1. 컴포넌트 사용 2단계컴포넌트 파일 생성컴포넌트 등록 (import)1-2. 사전 준비(1) 컴포넌트 파일 생성(2) 컴포넌트 등록(3) 결과 확인(4) MyComponentItem 컴포넌트 등록 후 활용

1. Vite프런트엔드 개발 도구로 빠른 개발 환경을 위한 빌드 도구와 개발 서버를 제공합니다.1-1. Vite 튜토리얼2. NPMNode Package Manager(NPM)란, Node.js의 기본 패키지 관리자입니다. Chrome의 V8JavaScript 엔진을 기반으로 하는 Server-Side 실행 환경입니다.2-1. Node.js의 영향3. Vite 프로젝트 구조3-1. node_modules3-2. package-lock.json3-3. package.json3-4. public 디렉토리3-5. src 디렉터리3-6. src/assets3-7. src/components3-8. src/App.vue3-9. src/main.js3-10. index.html4. 모듈과 번들러Module은 프로그..

1. Component재사용 가능한 코드 블록입니다.2. SFCSingle-File Components(SFC)란, 컴포넌트의 템플릿, 로직 및 스타일을 하나의 파일로 묶어낸 특수한 파일 형식(*. vue 파일)입니다.3. SFC 문법3-1. 언어 블록 - 3-2. 언어 블록 - 3-3. 언어 블록 - 3-4. 컴포넌트 사용하기

1. Vue Style Guide1-1. 우선순위 별 특징1-2. 우선순위 A였던 금일 학습 내용참고1. [주의] computed의 반환 값은 변경하지 말 것2. [주의] computed 사용 시 원본 배열 변경하지 말 것3. [주의] 배열의 인덱스를 v-for의 key로 사용하지 말 것4. v-for와 배열 - "배열 변경 감지"5. v-for와 배열 - "필터링/정렬 결과 표시"