Data
데이터와 관련된 글을 적습니다. 최적화, NLP, 딥러닝 등에 관심이 있습니다.
2023
- [시각화] Gantt 간트 차트 그리기
- [최적화] Google OR-Tools Scheduling (1)Employee Scheduling
- [최적화] Google ORTools로 생산계획 최적화 하기
- [최적화] Google ORTools로 운송비용 최적화 하기
- [최적화] Google OR-Tools Routing (8)Penalties and Dropping Visits
- [최적화] Google OR-Tools Routing (9)Common Routing Tasks
- [최적화] Google OR-Tools Routing (4)Vehicle Routing with Pickups and Deliveries
- [최적화] Google OR-Tools Routing (1)Traveling Salesperson Problem
- [데이터분석] A/B 테스트 절차 정리
- [데이터분석] A/B 테스트 설계 시나리오
- [최적화] Google OR-Tools Integer Optimization (2)Using Arrays to Define a Model
- [최적화] Google OR-Tools Integer Optimization (1)Solving a MIP Problem
- [시계열] 시계열분석 간단 정리
- [최적화] Google OR-Tools Linear Optimization (5)Setting solver limits
- [최적화] Google OR-Tools Linear Optimization (4)The N-queens Problem
- [최적화] Google OR-Tools Linear Optimization (3)Cryptarithmetic Puzzles
- [최적화] Google OR-Tools Linear Optimization (2)Solving a CP Problem
- [최적화] Google OR-Tools Linear Optimization (1)CP-SAT Solver
- [최적화] Google OR-Tools 최적화 오픈소스
2022
2020
- [논문] Dynamic Shared-Taxi Dispatch Algorithm with Hybrid Simulated Annealing 요약(정리중)
- [휴리스틱 알고리즘] 시뮬레이티드 어닐링(Simulated Annealing)에 관하여 2탄
- [휴리스틱 알고리즘] 시뮬레이티드 어닐링(Simulated Annealing)에 관하여 1탄
- [이미지 인식]주피터 노트북으로 시각화한 OpenCV를 활용한 성별 및 나이 판별하기
- [요약정리]딥 러닝을 이용한 자연어 처리 입문(Ch11. 스팸 메일 분류하기)
- [요약정리]딥 러닝을 이용한 자연어 처리 입문(Ch10. 엘모 ELMo)
- [요약정리]딥 러닝을 이용한 자연어 처리 입문(Ch10. 글로브 Glove)
- [요약정리]딥 러닝을 이용한 자연어 처리 입문(Ch10. 영어 Word2Vec 실습 #2)
- [요약정리]딥 러닝을 이용한 자연어 처리 입문(Ch10. 워드 임베딩 #1)
- [코드 정리] RNN을 이용한 텍스트 생성(Text Generation using RNN)
- [요약정리]딥 러닝을 이용한 자연어 처리 입문(Ch09 .순환 신경망)
- [코드정리]Web Scraping with Python(Ch03. 크롤링 시작하기)
- [코드정리]Web Scraping with Python(Ch02. 고급 HTML 분석)
- [코드정리]Web Scraping with Python(Ch01. 첫 번째 웹 스크레이퍼)
- [요약정리]딥 러닝을 이용한 자연어 처리 입문(Ch08.딥 러닝 개요)
- [요약정리]딥 러닝을 이용한 자연어 처리 입문(Ch7.머신 러닝 개요)
- [요약정리]딥 러닝을 이용한 자연어 처리 입문(Ch6.토픽 모델링)
- [요약정리]딥 러닝을 이용한 자연어 처리 입문(Ch5.문서 유사도)
- [요약정리]딥 러닝을 이용한 자연어 처리 입문(Ch4.카운트 기반의 단어표현)
- [요약정리]딥 러닝을 이용한 자연어 처리 입문(Ch3.전통적인 언어 모델)
- [요약정리]딥 러닝을 이용한 자연어 처리 입문(Ch2.텍스트 전처리)
- [책요약]파이썬으로 배우는 응용텍스트 분석 (Ch4. 텍스트 벡터와 변환 파이프라인)
2019
- [책요약]파이썬으로 배우는 응용텍스트 분석 (Ch3. 말뭉치의 전처리와 가공)
- [책요약]파이썬으로 배우는 응용텍스트 분석(Ch2. 사용자 정의 말뭉치 구축) 코딩부분
- [책요약]파이썬으로 배우는 응용텍스트 분석(Ch2. 사용자 정의 말뭉치 구축)
- [책요약]파이썬으로 배우는 응용텍스트 분석(CH1.언어와 계산) 코딩부분 #1
- [책요약]파이썬으로 배우는 응용텍스트 분석(CH1.언어와 계산)
- [파이썬] 파이썬 데이터 사이언스 핸드북 정리(Pandas로 데이터 가공하기 #1)
- [파이썬] 파이썬 데이터 사이언스 핸드북 정리(나이브 베이즈)
- [파이썬] 파이썬 데이터 사이언스 핸드북 정리(2일차)
- [파이썬] 파이썬 데이터 사이언스 핸드북 정리(1일차)
- [데이터분석 필기] 차원 축소 - PCA, 주성분 분석 코드 (2)
- [일반통계학]1종 오류가 중요할까? 2종 오류가 중요할까? 예시
- [데이터분석 필기] 차원 축소 - PCA, 주성분 분석
- [파이썬]캐글 타이타닉 데이터 탐색 #11(Feature Engineering)
- [파이썬]캐글 타이타닉 데이터 탐색 #9, #10(Feature Engineering)
- [파이썬]캐글 타이타닉 데이터 탐색 #7, #8(FamilySize, Fare, Cabin, Ticket)
- [파이썬]캐글 타이타닉 데이터 탐색 #5, #6(Violinplot, EDA-Embarked)
- [파이썬]캐글 타이타닉 데이터 탐색 #4(나이)
- [파이썬]캐글 타이타닉 데이터 탐색 #3(성별)
- [파이썬]캐글 타이타닉 데이터 탐색 #1 #2