Login
Discover
Waves
Decks
Plus
Login
Signup
beseeyong
@beseeyong
44
몽촌토성 인터뷰 에디터. Data Scientist. 스토어팜 숄든 CEO. CFA charterholder. 비숑 아빠. 비트겐슈타인 옹호자.
Followers
229
Following
16
Resource Credits
Available
Used
Location
Seoul
Website
https://brunch.co.kr/@seeyonglee
Created
January 19, 2018
RSS Feed
Subscribe
Posts
Blog
Posts
Comments
Communities
Wallet
beseeyong
kr-steemit
2018-07-11 10:01
[코딩] Python 3.7의 새로운 기능들
며칠 전 Python이 3.7로 업데이트 됐지요! dataclass 모듈이나 time 모듈이 강화되면서 더 정밀하고 편하게 코딩할 수 있게 됐네요. 주요 업데이트 내용은 다음과 같습니다. breakpoint() dataclass 모듈 속성 커스터마이징 타이핑 향상 시간 정밀도 더 많은 기능이 향상되었는데, 이미 잘 번역된 글이 있어 아래 링크로 공유합니다!
$ 0.332
5
3
beseeyong
kr-steemit
2018-07-09 11:45
[주식 투자] 수익을 좀먹는 생각의 함정_편견들 #1
앞선 글에서 우리 인간의 여러 편향들이 투자 수익을 향상시키는 방향과는 정반대로 작용한다는 것을 살펴봤다. 이번에는 실제로 어떤 오만한 편견들이 우리의 무의식적은 생각에 들어있는지 알아보자! 1. 비일관성 투자는 일관성(consistency)이 매우 중요하다. 성공적인 투자는 별거 없다. 검증된 하나의 전략을 선택한 후 일관서 있게 장기적으로 유지하면 돈을
$ 1.665
8
1
beseeyong
kr-steemit
2018-07-08 13:00
[주식 투자] 수익을 좀먹는 생각의 함정(또는 편견)_Intro
나는 주식 투자를 할 때, 매수하고 나면 종목명은 거의 다 잊어버린다. 종목 발굴보다 일관성 있는 투자전략의 개발, 즉 어떤 논리로 주식을 매수하고 보유하고 매도하는지 고민하는 것이 백배 더 중요하다고 생각하기 때문이다. 고심 끝에 투자전략이 정해지면 그 전략에 적합한 종목은 저절로 나온다. 전략이 괜찮고 투자자가 전략을 실천하기만 하면 수익은 저절로 따라온다.
$ 0.262
4
1
beseeyong
kr-steemit
2018-06-14 13:19
블록체인이 도입될 수 있는 업무 Part.2
본 글은 Pabii 이경환 대표님의 블로그 글이 너무나도 유익해 공유한 내용입니다. 저번글에서 이어지는 내용입니다. 탈중앙화 시스템이 가능한 영역 요즘 한국의 벤쳐 업계가 블록체인에 관심을 가지는 내용을 살펴보면, 모두들 “코인”에 대한 관심에서 출발하고 있다. 비트코인으로 소위 “대박”을 겪은 것만 눈에 보이는지, 너도나도 ICO 를 해서 자기네 코인을 팔아
$ 0.246
3
1
beseeyong
kr-steemit
2018-06-08 07:38
블록체인이 도입될 수 있는 업무 Part.1
본 글은 Pabii 이경환 대표님의 블로그 글이 너무나도 유익해 공유한 내용입니다. 정말 기계가 펀드매니저를 대체하는가 펀드매니저를 하고 있는 절친이 진지한 상담을 원한다면서 늦은 밤에 사무실로 찾아왔다. 요즘 4차산업 어쩌고 저쩌고에 블록체인이라고 말들이 많고, 머신러닝이 펀드매니저 업무를 대체하는 수준을 넘어서서 아예 코인이라는게 완전히 우리가 아는 금융
$ 0.408
7
2
beseeyong
kr-steemit
2018-06-06 13:15
[데이터 사이언티스트] 갖춰야 할 5가지 스킬셋 Part.2
본 글은 Pabii 이경환 대표님의 블로그 글이 너무나도 유익해 공유한 내용입니다. 저번글에서 이어지는 내용입니다. 3. 수리통계학 개발자들이 하는 가장 큰 착각이 바로 머신러닝은 공학이지 수학이 아니라는 거다. 여기에 필자는 정면으로 반박하고 싶다. 머신러닝은 수학이지 공학이 아니다. 머신러닝 입문자들이 듣는 Coursera의 Andrew Ng 아저씨 수업을
$ 0.386
6
3
beseeyong
kr-steemit
2018-06-04 13:30
[데이터 사이언티스트] 갖춰야 할 5가지 스킬셋 Part.1
본 글은 Pabii 이경환 대표님의 블로그 글이 너무나도 유익해 공유한 내용입니다. 데이터 사이언스, 데이터 과학, 데이터 과학자, 머신러닝, 딥러닝, R 주변에서 데이터 사이언티스트가 될려면 어떤 공부를 해야되는지 묻는 경우가 참 많다. 전에 다녔던 크리테오라는 프랑스 리타게팅 광고 회사의 세일즈 팀 사람들은 Data Analyst 와 Data Scientist가
$ 0.506
8
3
beseeyong
kr-steemit
2018-05-31 00:17
[머신러닝] 초보자에게 바치는 5가지 "하지 마라" 시리즈 Part.2
본 글은 Pabii 이경환 대표님의 블로그 글이 너무나도 유익해 공유한 내용입니다. 저번글(Part.1)과 이어지는 글입니다. 3. 수학 수식에 집착하지마라 앞서 1번에서 했던 “하지 마라”와 일맥 상통한다. 일단 쫄지말고 써 봐라. 어차피 일반 대중에게 공개된 알고리즘들 중에 대단하고 복잡한 알고리즘 없다. 이걸 다 이해하고 쓸꺼야라고 스스로를 옥죄일 필요없이,
$ 0.736
8
1
beseeyong
kr-steemit
2018-05-30 07:54
[머신러닝] 초보자에게 바치는 5가지 “하지 마라” 시리즈 Part.1
본 글은 Pabii 이경환 대표님의 블로그 글이 너무나도 유익해 공유한 내용입니다. 데이터 사이언스, 머신러닝, 빅데이터, 교재 데이터 사이언스 강의를 시작했다, 그 강의 중에 머신러닝도 많이 들어가있다고 소개를 했더니, 어떤 책을 사서 공부해야되냐고 묻는 사람, 그거할려면 개발 지식 필요하냐고 묻는 사람, 통계학 지식이 필요하냐고 묻는 사람 등등 다양한 종류의
$ 0.527
8
2
beseeyong
kr-steemit
2018-05-29 00:05
[머신러닝] 학습 정확도 올리기 (Deep & Wide, Dropout)
Hidden Layer를 더 깊고, 넓게 구현하면 결과가 더 좋아질 것 같다. 그럼 바로 구현해보자. ... # with Hidden layers w1 = tf.get_variable("w1", shape=[784, 512], initializer=tf.contrib.layers.xavier_initializer()) b1 =
$ 0.449
5
1
beseeyong
kr-steemit
2018-05-28 08:22
[머신러닝] 학습 정확도 올리기 (Neural Network, Xavier Initialization)
Enhancing Learning Accuracy 몇가지 기술적인 방법을 사용해 학습의 정확도를 높여보자. 90%와 91%는 확연히 다른 정확도다. 단 1%의 정확도를 높이기 위해서 여러 방법을 사용할 필요성은 충분하다. Softmax Classifier for MNIST 0 ~ 9의 10가지 숫자 이미지를 학습한 후 새로운 숫자 이미지가 어떤 숫자인지 밝혀내는
$ 0.941
5
1
beseeyong
kr-steemit
2018-05-22 04:03
[머신러닝] XOR 문제 해결하기 Part.2
XOR 문제를 풀지 못해 머신러닝 개발이 늦어졌다가, backpropgation을 통해 풀어낼 수 있다는 사실 알아냈다. 이제는 TensorFlow로 직접 구현해보자. XOR Data set import numpy as np import tensorflow as tf 먼저 그동안 학습해왔던 방식 그대로 XOR 문제를 풀어보자. x_data = np.array([[0,
$ 1.895
11
1
beseeyong
kr-steemit
2018-05-19 05:08
[머신러닝] XOR 문제 해결하기 Part.1
and 조건과 or 조건으로 False = 0과 True = 1을 구분하며 최적의 변수를 찾아 학습하는 것이 머신러닝의 기본이다. 그런데 과거 머신러닝에 대한 연구가 시작되고 얼마 되지 않았던 1969년, 중대한 문제가 발생했다. Marvin L. Minsky 교수가 위 기본 공식으로 해결할 수 없는 난제를 제시한 것이다. 먼저 다음의 표를 살펴보자. x1x2y
$ 2.142
6
1
beseeyong
kr-steemit
2018-05-18 05:56
[머신러닝] Tensor 데이터 처리하기 Part.4
Squeeze & Expand with tf.Session() as sess: print(sess.run(tf.squeeze([[0], [1], [2]]))) 벡터의 형태를 간단하게 바꾸는 더 간단한 방법도 있다. squeeze 함수를 사용하면 위의 2차원 벡터를 1차원 행렬로 만들 수 있다. [0 1 2] 1차원 행렬이 됐다. with tf.Session()
$ 2.218
7
1
beseeyong
kr-steemit
2018-05-17 12:34
[머신러닝] Tensor 데이터 처리하기 Part.3
Reduce mean 평균을 구하는 방법도 있다. 그런데 함수의 이름이 그냥 mean이 아니라 reduce_mean이다. 사실 차원을 감소하며 평균을 구한다는 의미다. with tf.Session() as sess: print(sess.run(tf.reduce_mean([1, 2], axis=0))) 1 1과 2의 평균을 구하니 1이 나왔다. 숫자의 형태가
$ 0.573
6
1
beseeyong
kr-steemit
2018-05-16 14:09
[머신러닝] Tensor 데이터 처리하기 Part.2
Matmul vs Multiply 중학교 수학 시간에 우리는 행렬의 곱셈을 배웠으므로 TensorFlow를 사용해 같은 연산을 할 수 있다. # multiply for matrix matrix1 = tf.constant([[1.,2.], [3.,4.]]) matrix2 = tf.constant([[1.], [2.]]) print('Matrix 1 shape',
$ 0.722
7
1
beseeyong
kr-steemit
2018-05-15 07:23
[머신러닝] Tensor 데이터 처리하기 Part.1
Tensor manipulation 더욱 깊은 이론으로 들어가기 전에 기본으로 돌아가보자. Tensor를 손쉽게 다룰 수 있어야 이후 과정이 편해진다. 사실 기본이다. Simple ID Array and Slicing Array는 조각으로 자른 김밥과 비슷하다. 순서대로 나열되어 있는 데이터 집합이다. 다만 순서의 시작이 1이 아닌 0부터 시작한다는 점이 차이점이다.
$ 0.773
5
1
beseeyong
kr-steemit
2018-05-08 05:13
[머신러닝] MNIST Data로 숫자 이미지 분류하기
MNIST Data 그동안 우리가 학습한 내용을 활용해서 이미지 분류 작업을 할 수 있다. 위의 그림과 같이 여러 사람이 다양한 형태로 표기한 숫자 이미지 파일을 픽섹 단위로 분해해서 학습할 수 있다는 의미다. 임의의 새로운 숫자 이미지 파일이 들어와도 어떤 숫자인지 분류하기 위한 목적이다. import tensorflow as tf from
$ 1.455
6
2
beseeyong
kr-steemit
2018-05-07 06:56
[머신러닝] Traing/Test, Learning Rate와 Normalization으로 학습 효과 높이기
Training & Test data 지금까지 우리는 우리 손에 가지고 있는 x_data와 y_data를 모두 사용해서 학습을 진행했다. 하지만 실제로 학습을 진행할 때 이런 방법은 독약과 같다. Overfitting, 즉 샘플 데이터에 너무나 최적화된 학습을 진행할 위험이 발생하기 때문이다. 우리 손에 가지고 있는 데이터에는 너무나도 잘 맞아떨어지지만,
$ 2.505
8
4
beseeyong
kr-steemit
2018-05-05 11:22
[머신러닝] Fancy한 Softmax
여러 예측 결과물을 도출해내기 위한 방법으로 Softmax Classification을 사용한다. 저번 글에서는 기초적인 여러 공식들을 우리가 직접 구현해냈지만, 사실 구글이 이미 다 한 줄의 코드로 만들어놨다. 공부를 하는 입장에서 작동 원리를 아는 것이 중요하기 때문에 기초부터 배우는 것이 중요하지만, 실무에서는 간단하게 사용할 수 있다는 의미다. 이번에는
$ 1.675
7
2
