수요예측 자기개발/Programming 2021. 6. 13. 머신러닝(Machine Learning) 기초 - 2 : 머신러닝 프로세스 (Question formulation to feature engineering) 이전 포스팅에서 머신러닝 프로세스가 어떻게 구성돼있는지를 알 봤고 오늘은 각 프로세스를 세분화하여 알아보겠다. 1. 질문/문제 (Question) 공식화 2. 데이터 찾기 및 이해 3. 데이터 클리닝 및 기능 엔지니어링 4. 모델 선택 5. 조정 및 평가 6. 모델 사용 및 결과 제시 1. 질문/문제 (Question) 공식화 - Formulating a Question 우리가 알아내고자 하는 것은 무엇인가? 주어진 데이터를 어떻게 사용해야 할까? 간단한 예시로 테이블 순환이 높은 캐주얼 식당 체인에 대해 이야기해 보겠다. 우리의 목표는 고객 경험 극대화이며 어떠한 방법으로 목표 달성을 이룰 수 있을지 고민해야 하며 새로운 모델 생성 시 우리는 '방법'과 '측정법'을 세분화가 필요하다. 예를 들어 음식 .. 자기개발/Programming 2021. 6. 8. 머신러닝(Machine Learning) 기초 - 1 (codecademy) 얼마 전까지 그리고 지금도 머신러닝, 딥러닝 혹은 AI라는 단어를 자주 접할것이다. 세 단어 모두 '학습', '기법'을 통해 '결과'를 도출한다는 공통점을 갖고 있는데 각각 단어가 뜻하는 의미는 다르지만 방법에 대해서는 이러한 공통점을 갖고 있다. 내가 머신러닝을 접하게된 계기는 온라인 SCM 공부를 시작하면서부터인데 이미 SCM과 같은 IT에 민감한 분야에서는 이러한 기법들을 도입하고 사용하며 학습하는 단계에 이르렀다. 기존 포스팅에서도 언급했던 것처럼 머신러닝은 수요, risk 예측에 많이 사용되며 개인적으로도 해당 분야에 대해 실무적인 능력을 기르고자 파이썬을 거쳐 머신러닝을 학습하고 있다. 해당 포스팅은 내가 배우면서 jot down 했던 내용을 기반으로 기록을 남겨볼 예정이다. 레츠 기릿! 머신.. 자기개발/Programming 2021. 6. 5. SCM 과 프로그래밍 언어/ 코딩에 대해서 (Python & Machine Learning) - 새내기 기준 얼마 전까지 프로그래밍 언어(코딩)는 개발자(developer)에 국한된 전문 분야이며 어떻게 코드가 짜이고 작동되는지에 대한 이해도만 있으면 그것 만으로도 이미 한 발 앞서가고 있다고 생각했었다. 사실 이런 생각은 회피하려는 습관에서 비롯된 무지함이었고 4년 전쯤 얄팍한 계기로 C언어 과외를 받았던 경험이 오히려 나를 자만하게 만들지 않았나 싶다.. 우연찮은 기회로 머신러닝(machine learning)이라는 분야에 대해 간접적으로 접할 수 있게 되었고 이런 기술이 실무에서 어떻게 적용이 가능한지에 대한 가능성을 알게 되니 이제는 선택이 아닌 필수라는 생각이 들게 되었고, 너무 다행히 주변에서 도움을 받을 수 있는 여건이 잘 형성되어 있어 어렵지 않게 다시 코딩에 세계로 발을 들일 수 있게 되었다. .. 이전 1 다음
