Wendi's Learning

독서의 효과 1. 자아 강화 책의 내용에 의해 내 생각의 틀, 감각이 바뀌는 것 자아 강화가 일어나기 위해서는 책과 독자의 거리가 가까워야 한다. (내가 흥미가 있는 책으로 시작하기) 2. 언어 능력, 사고력 독서란 작가가 세운 치밀한 생각의 체계를 독자의 머리로 재생해보는 행위 독서 현상 : 내 생각의 주파수와 책의 생각의 주파수가 맞춰지는 것 (책에 푹 빠져서 읽게 되는 경험) 내가 생각할 일이 없는 생각을 논리적으로, 정연하게 생각하게 되는 것. 책을 제대로 읽는 특별한 습관 1. (소리내며) 정독하기 빠르게 읽으려 노력하지 말고 책의 속도에 맞춰 한 권이라도 제대로 읽기 2. '나라면 어땠을까' 생각하기 무조건적으로 '그런가 보다' 하고 넘어가기 보다는 내 상식의 수준에서 책의 내용을 이해할 수 ..

import pandas as pd import numpy as np import matplotlib.pyplot as plt import chart_studio.plotly as py %matplotlib inline Plotly, Cufflinks from plotly.offline import download_plotlyjs, init_notebook_mode, plot, iplot import cufflinks as cf # For Notebooks init_notebook_mode(connected=True) # For offline use cf.go_offline() df = pd.DataFrame(np.random.randn(100,4), columns = 'A B C D'.split()) ..

데이터 직무란 데이터 직무는 기업 내 데이터를 가공, 관리, 활용하는 업무를 말한다. 데이터 자체를 중점적으로 다루는 데이터 집중 직무와, 데이터를 활용하는 데이터 활용 직무로 나뉜다. 데이터 집중 직무는 데이터 엔지니어, 데이터 사이언티스트, 데이터 분석가로 나뉜다. (그러나 회사마다 각 직무의 구분이나 명칭은 다르다) 데이터 엔지니어 (Data Engineer) 주요 업무 데이터의 수집과 관리 담당 (개발에 집중된 유형) 데이터 전처리, 다른 업무에 사용할 수 있도록 공급 데이터 처리를 위한 시스템을 구축, 관리, 최적화 일반적으로 데이터 엔지니어는 AI와 거리가 멀다 학위 학위보다 실력이 중요 필요 역량 대량의 데이터에서 필요한 부분을 추출하는 능력(ETL) 개발자에 가까운 직업으로 코딩 실력이 중..

f = plt.figure() # select only 0~29 index df3.iloc[0:30].plot.area(alpha = 0.4, ax = f.gca()) # move legend outside of the plot plt.legend(loc = 'center left', bbox_to_anchor = (1.0, 0.5)) plt.show()​ import numpy as np import pandas as pd import seaborn as sns import matplotlib.pyplot as plt %matplotlin inline df1 = pd.read_csv('df1', index_col=0) df2 = pd.read_csv('df2') df1.head() df2.head() ..

import seaborn as sns %matplotlib inline Load Data tips = sns.load_dataset('tips') tips.head() Distribution Plot # distribution plot sns.displot(tips['total_bill # kde sns.distplot(tips['total_bill'], kde = True, bins = 30) Joint Plot # kind = plot 종류 sns.jointplot(x = 'total_bill', y = 'tip', data = tips, kind = 'scatter') sns.jointplot(x = 'total_bill', y = 'tip', data = tips, kind = 'hex') sn..

import matplotlib.pyplot as plt %matplotlib inline Basic Plot import numpy as np x = np.linspace(0,5,11) y = x ** 2 plt.plot(x, y, 'red') plt.xlabel('X Axis') plt.ylabel('Y Axis') plt.title('Title') plt.show() Subplot plt.subplot(1,2,1) # nrow, ncol, index(1~) plt.plot(x, y, 'r') plt.subplot(1,2,2) plt.plot(y, x, 'b') Object Oreinted Method fig = plt.figure() axes = fig.add_axes([0.1, 0.1, 0.8, ..

Pandas import numpy as np import pandas as pd labels = ['a','b','c'] my_list = [10,20,30] arr = np.array([10,20,30]) my_dict = {'a' : 10, 'b' : 20, 'c' : 30} Series pd.Series(data = my_list) pd.Series(data = my_list, index = labels) pd.Series(arr) pd.Series(arr,labels) pd.Series(my_dict) ser_1 = pd.Series([1,2,3,4], index = ['A','B','C','D']) ser_1 ser_2 = pd.Series([4,3,2,1],['B','C','D','F']) ..

Array import numpy as np my_list = [1,2,3] np.array(my_list) my_matrix = [[1,2,3],[4,5,6,],[7,8,9,]] np.array(my_matrix) Arange np.arange(11) np.arange(1,11) np.arange(1,11,2) # interval Zeros, Linspace np.zeros(3) np.zeros((5,5)) # matrix = tuple np.linspace(0,10,3) # linearly spaced in area np.linspace(0,10,50) Random np.random.rand(3) # [0,1) np.random.randn(2,5) # standard normal np.random.r..

밤에 자기 전에 어떤 새로운 계획이나 다짐을 하지만, 그다음 날 아침이 되면 동기부여를 받지 못하고 결국 같은 생활을 하는 경험을 많이 했을 것이다. 동기부여에 의존하는 것 보다는 Implementation Intention(실행 의도) 방법을 사용하는 것이 좋다. If-then 계획은 [만약 수요일 오후 6시가 된다면, 운동을 하러 체육관에 갈 것이다] 와 같이 언제, 어디서, 어떻게 활동을 실행할 것인지 구체적으로 적어보는 것이다. 그리고 만약 계획을 실행하는 데 방해물이 생길 때를 대비해, Coping Plans(대체 계획)을 세워야 한다. [만약 추가 근무를 하게 된다면, 일을 끝내고 운동을 하러 가지만 8시가 넘을 경우엔 다음날에 하자] 와 같이 플랜B를 세워 대비하는 것이다. 마지막으로 계획대..

4.1 적률추정법 4.2 최대가능도 추정법 4.3 추정의 기준 4.4 최소분산 비편향추정량 4.5 추정량의 점근적 성질 4.6 구간추정 4.7 베이즈 추정