코코잼잼의 개발 도전

프로젝트의 시작 (2023.05.22 ~ 2023.06.23) 목차 1. 프로젝트 목표 2. 팀 구성 3. 세부 수행 내용 4. 습득 직무 역량 5. 과제 완성 절차 6. 세부 목표 일정 7. 과제 진행 상황 1. 프로젝트 목표 귀중한 자산이면서 휴식의 공간을 제공하는 산림에 대한 선제적 산불 예측 대응 체계를 위하여 산불위험 예보시스템을 구축하고자 실시간 기상/지형 상태 및 SNS 정보 등을 활용한다. 산림재해가 빈번한 곳에 구축된 상악 자동 기상관측 타워로부터 습도, 강수량, 지면 온도, 기온, 기압 등의 정보를 실시간으로 관측해 악기상이 산불 징후에 미치는 영향을 분석한다. 행정안전부의 SNS 데이터와 산불발생지의 산사태, 병해충, 산림 상태, 임산물 재배적지 정보 등의 데이터를 활용한다. 산불 위..

이전 글 이론 : [T-test] 독립표본과 대응표본의 평균 검정 실습 1 : [Python 통계 분석 실습] 1. Z-TEST & One-Sample T-TEST 실습의 과정과 목표 Python (Google colab) 사용 다시 한번 이론 정리 간단한 예제 코드로 분석해 보기 그래프 시각화 해보기 이 글의 내용과 예제코드의 출처는 연세 IT미래교육원의 수업 과정 중 정지훈 강사님의 교육을 바탕으로 작성되었습니다. 두 번째 실습 예제는 Independent-Sample(독립표본) T-Test에 대한 예제이다. 목차 두 평균의 비교 Independent Sample T-Test Independent Sample T-Test 예제 실습 1. 두 평균의 비교 두 집단의 평균 비교는 실무에서 자주 쓰이는 테..

본 블로그의 [T-test] 독립표본과 대응표본의 평균 검정 글에서 T-test의 개념에 대해 다뤄보았다. 이론을 공부했다면 예제 실습을 해 보는 것은 당연한 수순이라 생각한다. 따라서 앞선 이론을 바탕으로 Z-test, One-Sample T-test(단일 표폰 t-test), Independent_Sample T-test(독립표본 t-test), Paired_Sample T-test(대응표본 t-test) 등에 대해 실습해 보자. 실습의 과정과 목표 Python (Google colab) 사용 다시 한번 이론 정리 간단한 예제 코드로 분석해 보기 그래프 시각화 해보기 이 글의 내용과 예제코드의 출처는 연세 IT미래교육원의 수업 과정 중 정지훈 강사님의 교육을 바탕으로 작성되었습니다. 첫 실습 예제는 ..

출처 : https://www.kaggle.com/code/ekrembayar/store-sales-ts-forecasting-a-comprehensive-guide/notebook Kaggle Competition Store Sales - Time Series Forecasting ( Use machine learning to predict grocery sales )의 Code 탭에서 Most Votes 순으로 정렬 제일 위에 있는 Code를 필사하면서 주석도 달아보고 해석하여 이해와 공부 # Packages # BASE # ------------------------------------------------------ import numpy as np import pandas as pd impor..

Python을 공부하면서 배운 것들을 활용하여 머신러닝 대시보드를 개발해 보는 실습을 해보자. 이번 실습은 Pycharm (Python 3.9)에서 진행하였다. 목차 1. 사용한 모듈 2. 구상하기 3. Main 페이지가 될 app.py 파일 생성 4. Main 페이지에 들어갈 내용 만들기 5. EDA (탐색적 자료분석) 메뉴 6. ML(머신러닝) 학습 모델 생성 7. ML(머신러닝) 메뉴 8. 모든 페이지를 Main 페이지에 적용하기 9. 실습을 마치며 1. 사용한 모듈 Matplotlib과 Seaborn, Plotly를 이용하여 시각화 Streamlit을 활용한 웹 배포 Scikit-Learn을 활용한 머신러닝 모델 생성 그 외 pandas, joblib, os, numpy 활용 2. 구상하기 Str..

프로젝트의 시작 (2023.04.20 ~ 2023.05.17) Kaggle Competition : Store Sales - Time Series Forecasting ( Use machine learning to predict grocery sales ) 링크 : https://www.kaggle.com/competitions/store-sales-time-series-forecasting/overview Store Sales - Time Series Forecasting | Kaggle www.kaggle.com 1. 대회 목표 : 식료품 소매업체의 데이터로 매장 매출을 예측 ( 시계열 예측) 여러 매장에서 판매되는 수천 가지 품목의 판매 단가를 더 정확하게 예측하는 모델을 구축 날짜, 매장 및 품목..