데이터분석 스터디 2회차

- 이번 스터디에서는 두 분이 공부하신 내용을 올려주셨습니다 - 화물차의 입고출고 데이터를 바탕으로 전처리 해서, 요일별로 버스들의 회차지 평균 주차시간이 어떻게 보여지는 지에 대한 그래프 및 한 달 내 무슨 date가 가장 평균 주차 시간이 길어지는 지 보여주는 코드이며 이 시각화를 바탕으로 새로운 물류정책을 수립하는 코드 입니다 - 파이썬 공부를 하면서 pandas 를 사용할 때 필요한 loc 명령어 및 groupby 및 활용방법 정리 - 데이터프레임에서 고유값 찾기 - groupby를 사용해서 어떤 칼럼의 값 A를 어떤 그룹 b로 묶어 지표를 계산 groupby(['어디에서 해당'])[['무슨 값 기준']].agg(['지표']) 오버워치 리그 데이터 기준으로 df1_extract.groupby(['team'])[['eliminations_avg_per_10m']].agg(['mean', 'max', 'min', 'std']) - 팀 별로 묶어서, 10분당 킬 수의 평균값, 최대값, 최솟값, 표준편차를 계산 - 선형 회귀분석 수식 이해

데이터 분석 스터디 1회차

저희는 온라인으로 각자 스터디한 공부를 노션에 각자 정리하는 방향으로 진행하고 있습니다 파이썬으로 데이터 분석 공부를 자신의 목적에 맞게 적용하고, 모르는 내용은 같의 논의하면서 진행하는 스터디입니다 현재 참석자는 4명으로 딥러닝 강의 수강하는 사람, 실제 파이썬으로 고객분석 하는 사람, 유튜브를 보고 파이썬 게임을 만드시는 분 등 각자의 취지에 맞게 공부하고 있습니다 1회차 - 딥러닝공부 아자아자님 딥러닝 강의를 수강하면서 공부한 내용을 정리했습니다 import torch import torch.nn.functional as F target = torch.FloatTensor([[.1, .2, .3], [.4, .5, .6], [.7, .8, .9]]) x = torch.rand_like(target) x.requires_grad = True x loss = F.mse_loss(x, target) loss threshold = 1e-5 learning_rate = 1. iter_cnt = 0 while loss > threshold: iter_cnt += 1 loss.backward(retain_graph=True) x = x - learning_rate * x.grad x.detach_() x.requires_grad_(True) loss = F.mse_loss(x, target) #로스를 다시 구한 값 print('%d-th Loss: %.4e' % (iter_cnt, loss)) print(x) Tensor + Vector Broadcasting이 필요함 브로드캐스팅은 어떤 조건만 만족한다면 다른 배열끼리의 연산도 가능하게 함 부족한 부분의 행이나 열은 같은 값으로 하나의 열이나 행을 채워넣어서 계산 텐서와 벡터를 연산할 때 열과 행이 맞아야 한다 고등학교 때 배운 것처럼 |x| = 3 x 2, |y| = 2 x 4 -> 연산가능 |x| = 3 x 3, |y| = 2 x 4 -> 연산 불가능 - 옴니버터님 3개월간의 현황을 진단하여 마케팅 비용을 효과적으로 쓰기 위한 적절한 예산 비중 및 매체 운영 방식을 제안 코드를 공유해도 좋은 지 아직 피드백을 듣지 못해 코드는 올리지 못했습니다