강의 너무 감사하게 잘 보고있습니다. 질문이 하나 있는데, pandas dataframe의 mean과 std를 사용해서 z_score를 구하는 것과 sklearn.preprocessign의 StandardScaler를 통해 z_score를 구하는 것이 각각 표본표준편차와 모표준편차를 이용해서 서로 다른 값을 가지는 것 같습니다. 시험에서는 어떤 방법을 사용하는 것이 맞을까요? 혹시 시험에서 해당 부분에 대해 명시가 되어있을까요?

✅ 직장인을 위한 [환급형 부트캠프 - 데이터분석] 살펴보기 metacodes.co.kr/edu/read2.nx?EP_IDX=14476&EM_IDX=14300&M2_IDX=30103

강의 자료 받을 수 있을까요?

강의자료 받아볼 수 있나요?

✅️ 강의 자료 다운받기 + 강사가 답변하는 Q&A 단톡방 초대 metacodes.co.kr/edu/read2.nx?M2_IDX=30659&page=1&sc_is_discount=&sc_is_new=&EP_IDX=8341&EM_IDX=8167

24:29 11.19 31:45 command 는 왜 안눌리지

마이데이터를 잘 활용하면 너무 편리해질 것 같아요. 이벤트 참여 완료했습니다!!!!

잘봤습니다. 저도 면접에서 활용할 수 있는gpt에 관심이 있는데요. 회사 정보와 관련된 내용이 담긴 다양한 pdf파일을 입력하고 그 내용을 중심으로 면접을 하는 방법은 없을까요? 실무 역량 면접이라 회사 관련 내용에서 문제가 나올수 있도록 하고 싶거든요. 그런데 그 파일이 좀 많습니다. 어떤 방법을 활용할 수 있을까요?

캐시워크 추천인 코드: KRU24SP

🔥 2024 테크캠프, 마지막 기회! 놓치지 마세요! 교육기간: 2024년 11월 26일(화) - 2024년 11월 28일(목) 👉신청 바로가기 pages.awscloud.com/aws-techcamp-reg.html?trk=7b7a346d-8de3-4462-acb0-3175ef833688&sc_channel=psm

csv파일은 유료강의결제하면 받을수 있는건가용?

✅ 직장인을 위한 [환급형 부트캠프 - 데이터분석] 살펴보기 ⏰11.22 시작 metacodes.co.kr/edu/read2.nx?EP_IDX=14476&EM_IDX=14300&M2_IDX=30103

😀메타코드M 오픈채팅방 초대받기 (IT 뉴스/ 참여 Event) docs.google.com/forms/d/1k4ufvVdJMhJZKFccVxAzsl_bJyTuTuDXjjsOsZP2MXA/edit [캐시워크 채용 공고] - linkareer.com/activity/193432 [무신사 채용 공고] - linkareer.com/activity/205101 [마티니아이오 채용 공고] - linkareer.com/activity/204373 [피에프씨테크놀로지스 채용 공고] - linkareer.com/activity/195879 [테크랩스 채용 공고] - linkareer.com/activity/195813 [카카오 채용 공고] - linkareer.com/activity/206913 [넷마블 채용 공고] - www.catch.co.kr/NCS/RecruitInfoDetails/461139

반대로 고임금 받는 직업들이 대체되고 있지 ㅋㅋ 왜냐고? 인건비보다 더 싸거든 그게

✅️ 직장인을 위한 [환급형 부트캠프 - 데이터분석] 살펴보기 ⏰️11.18 시작 metacodes.co.kr/edu/read2.nx?EP_IDX=14476&EM_IDX=14300&M2_IDX=30103

😊 채용공고 추천받는 오픈채팅방 초대받기 (취업, 강의 Event) docs.google.com/forms/d/1k4ufvVdJMhJZKFccVxAzsl_bJyTuTuDXjjsOsZP2MXA/edit 00:00 오프닝 00:29 1. 캐시워크 공고 01:54 2. 토스 공고 04:13 3. 토스 플레이스 공고 05:51 4. 스마일게이트 공고 06:19 5. 우아한형제들 공고 06:50 6. 쿠팡풀필먼트 공고 07:25 마무리 [캐시워크 공고 링크] - linkareer.com/activity/208117 [토스 공고 링크] - toss.im/career/job-detail?job_id=4071102003&company=%ED%86%A0%EC%8A%A4&detailedPosition=%EA%B3%B5%ED%86%B5 - toss.im/career/job-detail?job_id=4071102003&company=%ED%86%A0%EC%8A%A4%ED%94%8C%EB%A0%88%EC%9D%B4%EC%8A%A4 - toss.im/career/job-detail?job_id=4071102003&company=%ED%86%A0%EC%8A%A4%ED%8E%98%EC%9D%B4%EB%A8%BC%EC%B8%A0&detailedPosition=Business - toss.im/career/job-detail?job_id=4071102003&company=%ED%86%A0%EC%8A%A4%EB%B1%85%ED%81%AC&detailedPosition=3%EB%85%84%20%EC%9D%B4%EC%83%81 [스마일게이트 공고 링크] - linkareer.com/activity/207736 [우아한청년들 공고 링크] - www.wanted.co.kr/wd/249740 [쿠팡풀필먼트 공고 링크] - www.catch.co.kr/NCS/RecruitInfoDetails/460150

✅️ 강의 자료 다운받기 + 강사가 답변하는 Q&A 단톡방 초대 metacodes.co.kr/edu/read2.nx?M2_IDX=30659&page=1&sc_is_discount=&sc_is_new=&EP_IDX=8341&EM_IDX=8167

진짜 설명 최고….

질문있습니다. 문제 22. 에서 테이블의 데이터를 지우는건 delete, 종속된 테이블을 지우는건 cascade라 답 3번 아닐까요?

너무 잘 알려주셔서 좋습니다! 이분 전체 강의는 홈페이지에도 없는것 같은데 나오면 좋을것 같아요! 감사합니다.

백엔드 개발자입니다...만.. 협업도 해야 하니 프론트도 관심 가지고 따라가려 노력은 하는데, 프론트는 언제나 바뀌네요. ㅜㅜ 원시고대 200x년 시절 JSP + jQuery부터 시작해서 4~5년마다 트렌드가 바뀌는 것 같네요 따라가기 벅차요 ㅠ

고맙습니다 🎉

강사님 너무 쏙쏙 머리에 들어와요… 최곱니다 ㅠㅠㅜㅜㅜ

감사합니다~!

🔎 이벤트 참여 방법 1. 마이데이터 유튜브 채널 구독 2. 아래 구글폼 통해 구독인증 및 네이밍 제출▼ forms.gle/TK7ZJjEVTdwVHepJ8 3. 본 이벤트 게시글에 참여 완료 댓글 남기기 📅 이벤트 기간 2024년 11월 11(월) ~ 11월 25일 (월) 🎉당첨자 발표 2024년 11월 27일 (수) [우수작] 올리브영 기프트카드 1만원 20명 [참가작 中 추첨] 스타벅스 아메리카노 20명

반복하여 공부하려고 릴리스 인공지능 요약했어요. 1. Introduction 🌀 RNN의 정의와 특징 RNN은 recurrent neural network의 약자로, 재귀성과 반복성을 가진 네트워크로 시간에 따라 웨이트를 보존하고 동일한 웨이트를 반복적으로 사용하는 구조이다. 이 네트워크는 시계열 데이터를 처리하는 데 적합하며, 음성 인식, 음악 생성, DNA 서열 번역, 감정 분석등의 예시로 사용된다. RNN에서 시계열 데이터는 시간에 따라 변하는 정보를 나타내며, 앞선 데이터가 뒤에 오는 데이터의 결정에 영향을 미친다. RNN은 CNN과는 달리, 과거와 현재의 정보를 동일한 웨이트로 공유하여, 데이터의 변화가 같은 웨이트를 통해 이루어지는 특징이 있다. 2. 🌀 First Order System의 개념 이해하기 First Order System의 가장 큰 특징은 현재 상태가 이전 상태와 관련이 있다는 가정이다 . 현재 상태를 나타내는 변수 Xt는 시간 t일 때의 상태값을 의미하며, 이는 바로 이전 시간의 상태t-1에 의존하는 함수로 가정된다 . 예를 들어, x1은 x0의 영향을 받고, x2는 x1의 영향을 받으며, 이는 항상 이전 상태에서만 영향을 받는다는 것이다 . First Order System에서는 초기 상태x0을 입력하면, 외부 입력 없이도 시스템이 스스로 작동할 수 있으며, 이를 독립적으로 돌아가는 시스템이라고 한다 . 시스템은 자기 자신의 이전 상태에 대한 함수로 작동한다는 점이 중요하다 . 3. 📈 RNN의 상태와 입력 관계 정의 RNN의 현재 상태(x_t)는 이전 상태(x_t-1)와 새로운 입력(u_t)의 결합으로 정의되며, 이 관계를 통해 시스템이 작동한다 . 이 모델은 1차원 시스템의 형태로, 입력과 현재 상태간의 함수적 관계를 통해 결과를 도출한다 . 관측 가능한 상태(x_t)의 정의는 어려울 수 있으며, 예를 들어 날씨 예측에서는 구름의 양과 같은 여러 변수들이 입력으로 작용하지만 상태를 완전히 파악하기는 어렵다 . 추가적으로, 상태변수 중 일부만 관측 가능하므로 이를 바탕으로 관측 가능한 변수들의 집합을 정의해야 하며, 이는 상태공간 모델의 기초가 된다 . 최종적으로, 상태공간 모델은 현재 상태(x_t)는 이전 상태(x_t-1)와 입력(u_t)의 함수로, 출력(y_t)은 상태의 비선형 함수인 H에 의해 표현된다 . 4. 🔍 RNN의 기본 구조와 특징 RNN은 입력과 출력 사이에 보이지 않는 히든 스테이트가 존재하며, 이를 통해 데이터를 처리한다. 히든 스테이트는 입력 정보를 압축하여 아웃풋을 생성하는 데 도움을 준다. RNN은 기본적으로 자기 피드백 루프를 가지고 있으며, 이를 통해 시간에 따라 변하는 정보를 처리한다. 이는 RNN이 ANN과 구별되는 가장 큰 특징으로, 시간적 의존성을 모델링할 수 있게 한다. 히든 스테이트는 이전 입력과 상태를 기반으로 하여 현재 시점에서의 정보를 담고 있으며, 이는 시계열 데이터의 맥락에서 중요한 역할을 한다. 초기 조건의 설정이 중요하며, 보통 랜덤 인셜이나 특정 값으로 설정된다. 이는 RNN의 작동에 있어서 필요한 기반을 제공한다. RNN은 각 스테이트에서 과거 입력의 정보를 최대한 상세히 표현할 수 있어야 하며, 이는 모델이 효과적으로 작동하기 위한 조건이라고 판단된다. 4.1. RNN의 기본 구조와 원리 RNN은 입력과 출력 사이에 존재하는 히든 스테이트를 통해 데이터를 처리하는 구조를 가지고 있다. 히든 스테이트는 가시적이거나 비가시적일 수 있으며, 최종 출력은 마지막 히든 스테이트에 의해 결정된다. RNN은 기본적으로 인공 신경망구조를 변형한 것으로, 특히 시계열 데이터를 처리하는 데 최적화되어 있다. 시스템 해석의 기본 요소는 다음과 같이 구성된다: 입력 → 상태 → 출력의 순서가 존재한다. RNN은 자기 피드백 메커니즘을 통해 학습하며, 입력 x가 스스로 돌아가면서 유효한 피드백을 생성한다. 4.2. RNN과 ANN의 차이점: 셀프 피드백의 중요성 RNN의 가장 큰 특징은 셀프 피드백을 통해 입력과 출력을 연결하며, 이는 ANN과의 근본적인 차이점이다 . ANN은 단방향으로 데이터를 처리하는 반면, RNN은 시간에 따라 변하지 않는 가중치를 공유하여 정보를 순환 처리한다 . RNN은 이전 상태를 참조하여 새로운 입력에 대응할 수 있으며, 이러한 상태 공간 모델을 통해 시간적 의존성을 모델링한다 . RNN의 입력 x는 이전 상태의 출력에도 영향을 받으며, 이는 복잡한 데이터를 처리할 수 있는 능력을 키운다 . 결국, RNN의 구조는 시간에 따라 변화하는 데이터를 효율적으로 처리할 수 있게 설계되어 있다는 점에서 기존 ANN 구조와 차별화된다 . 4.3. RNN의 초기 조건과 동작 원리 RNN의 작동을 위해서는 초기 조건을 정의해야 하며, 보통 랜덤 값이나 1로 설정한다 . RNN의 가장 큰 특징은 셀프 피드백 루프가 존재하여, 히든 레이어에서 상태정보를 업데이트하고 활용한다 . 상태는 이전 상태와 입력을 포함하는 압축본으로, Xt는 이러한 정보를 대표할 수 있으며, 시계열 데이터의 입력들을 상세히 표현할 수 있어야 한다 . RNN에서는 입력과 출력을 직접 연결하는 대신, 간접적으로 히든 스테이트를 거치는 방식으로 처리하여 정보를 전달한다 . 이 과정에서 최종 히든 스테이트는 시퀀스 내 모든 정보들을 포함하여 압축된 형태로 표현되며, 이러한 동작 방식이 RNN의 목적이다 . 4.4. RNN의 비선형성 및 활성화 함수의 중요성 RNN에서 선형 모델은 웨이트와 바이어스를 활용하여 비선형성을 부여하며, 이를 활성화 함수(activation function)라고 한다 . 아울러, RNN의 출력은 현재 상태에 대한 웨이트와 바이어스를 통해 생성되며, 총 5개의 폴더 매트릭스(wxxu, bx, whyx, by)가 사용된다 . RNN구조를 설명할 때, 비선형 함수로는 하이퍼볼릭 탄젠트를 사용하며, 출력 함수는 문제에 따라 선형이나 소프트맥스를 선택해야 한다 . 이러한 비선형성 및 활성화 함수의 사용은 RNN의 학습 능력과 데이터의 표현력을 향상시키는 데 기여한다. 4.5. RNN의 구성 요소 및 매트릭스 정의 RNN의 구조와 작동 원리를 이해하기 위해서는 특정 매트릭스와 바이어스를 정의하는 과정이 중요하다. 이 과정을 통해 웨이트와 바이어스를 조정할 수 있다 . RNN에 대한 깊이 있는 이해를 위해서는 구성 요소들을 지속적으로 관찰하고 학습해야 하며, 이를 통해 주어진 문제에 적합한 뉴런 네트워크를 선택하고 조정할 수 있는 능력을 키울 수 있다 . 바이어스는 출력 y와 입력 x에 각각 연결되며, 이러한 구성 요소들은 RNN의 성능에 큰 영향을 미친다 . [4-139] 5. 🧠 RNN의 학습 방법과 초기 조건의 중요성 RNN모델의 학습 방법은 역전파(Backpropagation) 알고리즘을 사용하여 이루어진다 . 초기 조건은 랜덤으로 설정하거나 제로로 통일하여 부여할 수 있으며, 이 초기 조건이 모델 성능에 영향을 미친다 . 이러한 초기 조건 부여가 중요한 이유는 RNN이 시계열 데이터를 처리하는 데 기초적인 요소로 작용하기 때문이다 . 실제로 RNN의 시간적 애플리케이션에서는 Time BPT라는 용어가 사용되기도 하나, 널리 알려진 것은 아니다 . RNN을 효과적으로 사용하기 위해서는 학습 과정에 대한 이해가 필요하며, 관련 도구가 기술적인 도움을 제공할 수 있다 . 6. 🔍 RNN의 다양한 타입과 응용 사례 RNN의 타입은 해결하려는 문제에 따라 여러 가지로 나뉘며, 입력과 출력의 형태에 따라 구분된다 . RNN의 구조에서는 입력에서 상태로, 그리고 상태에서 출력으로의 연결이 이루어지며, 이러한 연결이 여러 개가 가능하다 . 'Many-to-Many' 구성의 RNN은 여러 개의 입력과 출력을 처리할 수 있으며, 대표적인 응용으로는 시계열 예측과 문장 생성 등이 있다 . 'Many-to-One' 구성에서는 하나의 입력에 대해 단일 출력을 제공하며, 예를 들어 특정 문장을 입력했을 때 전체를 로스 함수로 평가하여 결과를 도출한다 . 'Sequence-to-Sequence' 모델은 문장 번역과 같은 응용에서 중요한 역할을 하며, 특히 'Many-to-Many'와 'Many-to-One'의 결합 형태로 기능한다 . 7. Conclusion 🔍 RNN과 ANN의 차이점과 특징 RNN은 셀프 피드백 루프를 통해 데이터를 처리하며, 이는 ANN과의 가장 큰 차별점이다 . ANN은 여러 개의 히든 레이어를 쌓아 X1, X2와 같은 입력을 Y로 변환할 수 있지만, 이 경우에도 셀프 피드백루프가 두 개가 생길 수 있다 . 여러 레이어를 쌓는 경우, 학습 시간이 매우 늘어난다는 단점이 존재한다 . 이러한 특성 때문에 RNN과 ANN의 구현에서 하이퍼 파라미터 결정이 중요하다 . 2024년 11월 13일 수 10시 태평양 시간

안녕하세요. 감사히 잘 봤어요. 수학을 알면 좀 더 확실히 이해할텐데 수박 겉핥는지, 아예 수박도 못 잡고 있는지도 모를 정도이니 답답하네요. 그래도 공부하려는 이유는 어떤 요소나 변수를 조정하여 원하는 방향으로 계산시킬 수 있나를 배우려해요. 2024년 11월 13일 수 09시 태평양 시간

1:16:15 1정규형 테이블에서 2행 코스아이디가 103 아닌가요?

✅ 커피한잔 대신, AI 현직자의 커리어 Story 들어보기 metacodes.co.kr/

🔥직장인 환급형 부트캠프 (11.18시작)🔥 데이터 분석 "실무 프로젝트 위주 16주 과정" 👉문의 : 010-3970-7209

✅강의 자료 다운받기 (아래 링크 클릭!) metacodes.co.kr/edu/read2.nx?M2_IDX=30659&page=1&sc_is_discount=&sc_is_new=&EP_IDX=14488&EM_IDX=14312

건설업이야 대처 불가능하니 ㅋ 전 3d업종들은 아무리 산업이 발전해도 사람을 대체 하는게 불가능 하다고 봄. 사람과 완전 동일한 성능의 인공지능 안드로이드가 생기면 또 몰라

🔥직장인 환급형 부트캠프 (11.18시작)🔥 데이터 분석 "실무 프로젝트 위주 16주 과정" 👉문의 : 010-3970-7209

🔥직장인 환급형 부트캠프 (11.18시작)🔥 데이터 분석 "실무 프로젝트 위주 16주 과정" 👉문의 : 010-3970-7209

🔥직장인 환급형 부트캠프 (11.18시작)🔥 데이터 분석 "실무 프로젝트 위주 16주 과정" 👉문의 : 010-3970-7209

✅ 비전공자 위한 [환급형 부트캠프 - 데이터분석] 살펴보기 ⏰11.18 시작 metacodes.co.kr/edu/read2.nx?EP_IDX=14476&EM_IDX=14300&M2_IDX=30103

✅ 직장인을 위한 [환급형 부트캠프 - 데이터분석] 살펴보기 ⏰11.18 시작 metacodes.co.kr/edu/read2.nx?EP_IDX=14476&EM_IDX=14300&M2_IDX=30103

✅강의 자료 다운받기 (아래 링크 클릭!) metacodes.co.kr/edu/read2.nx?M2_IDX=30659&page=1&sc_is_discount=&sc_is_new=&EP_IDX=14488&EM_IDX=14312

사회과학분야 박사과정 중입니다.,문장 유사도 분석방법 배우려고 왔어요. 코사인 유사도 설명 너무 감사드려요!!!

✅ 비전공자 위한 [환급형 부트캠프 - 데이터분석] 살펴보기 ⏰11.18 시작 metacodes.co.kr/edu/read2.nx?EP_IDX=14476&EM_IDX=14300&M2_IDX=30103

✅ AI / 데이터 교육은 [ 메타코드M ] 네이버, 구글에 검색해보세요~

수염좀 깍으세요 우웩

반정규화는 시험범위아닌지궁금합니다

1:33:50 중복테이블이랑 테이블 병합이랑 다른게 뭔가요?

✅ AI / 데이터 교육은 [ 메타코드M ] 네이버, 구글에 검색해보세요~

✅ AI / 데이터 교육은 [ 메타코드M ] 네이버, 구글에 검색해보세요~

얼굴에 신뢰가 가득하시네