2023.07.26 코엑스에서 개최된, 모던 그로스스택 컨퍼런스 후기 https://www.moderngrowthstack.com/ Modern Growth Stack 2023 (MGS 2023) MGS 2023에서 앞서가는 애드테크 & 마테크 기업의 성공 사례, 인사이트, 노하우를 알아보고 지속 가능한 성장의 열쇠를 발견하세요. 최고의 그로스 스택을 한자리에서. www.moderngrowthstack.com 서비스 속에 스며든 ChatGPT by 손해인 / Head of Marketing / Upstage ChatGPT 서비스 적용을 위해 준비해야할 사항 우리 고객에게 어떤 가치를 전달할 것인가? 이 가치를 전달할 서비스의 아이디어 실현을 위해 적용될 수 있는 AI 기술이 무엇일까? AI 기술로 풀 수..

i.am.aiAI Expert Roadmap https://i.am.ai/roadmap/#note AI Roadmap Follow these roadmaps to become an Artificial Intelligence expert. i.am.ai required for any path Git Sementic versioning keep a changelog fundamentals - Basics Matrics & LinearAlgebra Fundamentals Database Basics - Relational vs non-relational databases - SQL + Joins (Inner, Outer, Cross, Theta Join) - NoSQL Tabular Data DataFrame..

출처 : https://www.kaggle.com/ash316/eda-to-prediction-dietanic# EDA To Prediction(DieTanic) Explore and run machine learning code with Kaggle Notebooks | Using data from Titanic - Machine Learning from Disaster www.kaggle.com EDA To Prediction (DieTanic) 1. Explorartory Data Anlysis(EDA) import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns plt.style.use('da..

[이유한님] 캐글 코리아 캐글 스터디 커널 커리큘럼 (tistory.com) [이유한님] 캐글 코리아 캐글 스터디 커널 커리큘럼 유한님이 이전에 공유해주신 캐글 커널 커리큘럼 정리본입니다. 다들 Keep Going 합시다!! 커리큘럼 참여 방법 필사적으로 필사하세요 커널의 A 부터 Z 까지 다 똑같이 따라 적기! 똑같이 3번적고 다 kaggle-kr.tistory.com Binary classification : Tabular data 1st level. Titanic: Machine Learning from Disaster 타이타닉 튜토리얼 1 - Exploratory data analysis, visualization, machine learning - 21.05.10 EDA To Prediction..

출처 : https://kaggle-kr.tistory.com/17?category=868316 import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns sns.set(font_scale = 2) plt.style.use('dark_background') import missingno as msno # ignore warnings import warnings warnings.filterwarnings('ignore') %matplotlib inline Process 데이터셋 확인 - null data 확인, 수정 EDA (탐색적 데이터 분석) - 개별 feature 분석, 상관관계 확인, 시각화 ..

www.lrec-conf.org/proceedings/lrec2010/pdf/769_Paper.pdf Abstract 이번 연구에서는 정확하게 감정 분류(sentiment classification)와 의견 발굴(opinion mining) 응용을 지원하기 위해 고안된, 어휘 소스인 SENTIWORDNET 3.0을 제시하겠습니다. SENTIWORDNET 3.0은 연구 목적으로 공적으로 이용 가능한 언휘 소스인, SENTIWORDNET 1.0의 향상된 버전입니다. SENTIWORDNET 1.0은 현재까지 300개 이상의 연구 그룹에서 라이센스 등록 하였고, 전 세계의 다양한 연구 프로젝트에서 사용되었습니다. SENTIWORDNET 1.0과 3.0 둘 다, 모든 WORDNET synset(유의어 집단)에 긍..