without haste but without rest

https://www.youtube.com/playlist?list=PL9mhQYIlKEheZvqoJj_PkYGA2hhBhgha8 토크ON 77차. 아파치 카프카 입문 | T아카데미 - YouTube www.youtube.com 카프카의 경우 튜토리얼 자료를 찾아보기 어려웠는데 이번에 t 아카데미 강좌에서 데브 원영님이 입문 강좌를 진행해주셨다. 깃헙에 보조 자료들도 꼼꼼하게 챙겨주셔서 편안하게 공부할 수 있었다. 카프카 입문 자료 - 데브원영님 리포지토리 https://github.com/AndersonChoi/tacademy-kafka AndersonChoi/tacademy-kafka t아카데미 카프카 강의를 위한 repository입니다. Contribute to AndersonChoi/tacade..

import string lower = string.ascii_lowercase upper = string.ascii_uppercase total = string.ascii_letters # 대소문자 (소문자 -> 대문자 순서) # 리턴값은 string # list 씌우면 바로 리스트로 사용가능

참조 - https://subicura.com/2017/01/19/docker-guide-for-beginners-2.html 초보를 위한 도커 안내서 - 설치하고 컨테이너 실행하기 초보를 위한 도커 안내서 2번째 글입니다. 도커의 기본적인 내용을 이야기 했던 첫번째 글에 이어 실제로 도커를 설치하고 컨테이너를 실행하면서 도커 명령어를 알아봅니다. 도커를 처음 접하� subicura.com 1. 설치되어 있는 이미지 확인하기 docker images 2. 컨테이너 확인하기 # 현재 실행 중인 컨테이너 확인 docker ps # 실행하지 않고 있는 모든 컨테이너까지 확인 docker ps -a 3. 컨테이너 생성하기 docker run -i -t --name namenode centos:7 /bin/bas..

0. 개요 pickle type으로 모델을 저장한다 -> deployment ## Deployment ## ### Store Model for Later with Pickle ### # import module import pickle # save the pipeline model to disk pickle.dump(model, open('./model.pkl', 'wb')) # load the pipeline model from disk and deserialize model_load = pickle.load(open('./model.pkl', 'rb')) # use the loaded pipeline model to predict on new data y_pred = model_load.predict..

0. 개요 교차 검증과 파이프라인에 대해서 학습 교차검증 ### Building a Pipeline ### # load iris and create X and y import pandas as pd import seaborn as sns sns.set_context("paper", font_scale = 1.5) sns.set_style("white") from sklearn.datasets import load_iris dataset = load_iris() X, y = dataset.data, dataset.target from sklearn.decomposition import PCA pca = PCA(n_components = 2) # fit and transform using 2 input di..

0. 개요 (1). impurity (불순도) - entropy - gini (2). pruning (가지치기) 1. data load ## 의사결정나무 ## iris data from sklearn.datasets import load_iris from sklearn.tree import DecisionTreeClassifier iris = load_iris() y = iris.target X = iris.data[:, 2:] feature_names = iris.feature_names[2:] 2. partitioning #파티션 기준 엔트로피, 브랜치 길이 1 tree = DecisionTreeClassifier(criterion = 'entropy', max_depth = 1, random_sta..

0. 개요 코드 보다는 로지스틱 회귀모형에 대한 이론적 학습을 마치고 코드 살펴봐야할 듯.. 로지스틱 회귀분석에 대한 딥러닝 코드 ## 이항 로지스틱 선형회귀모형: SGD import numpy as np from sklearn.datasets import load_iris # load iris dataset iris = load_iris() # 독립변수 X = iris.data # 종속변수: setosa: 0, (vergicolor, veriginica): 1 y = (iris.target != 0) * 1 # 계획행렬 구성 intercept = np.ones((X.shape[0], 1)) X = np.concatenate((intercept, X), axis = 1) # 초깃값 beta = np.ze..

0. 개요 (1) OLS (Ordinary Least Squares) - 일반적으로 흔히 사용하는 최소 제곱법을 이용하는 회귀분석 (2) SGD (Stochastic Gradient Desecnt) - 확률적 경사 하강법 - cost function을 최소화 하는 지점을 찾기 위해 사용한다. - 미니 배치를 사용해서 학습 속도를 높일 수 있다. 1. 데이터 로드 import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns ## California house price url = "https://raw.githubusercontent.com/johnwheeler/handson-ml/master/data..