개발자 이윤민의 기술 블로그

Home
Categories
About
Archives
Tags
Search

Category

블로그 이전 -> https://yoonminlee.com

12-01

코드스테이츠 AI 부트캠프 5개월 차 회고

12-22

코드스테이츠 AI 부트캠프 4개월 차 회고

11-16

코드스테이츠 AI 부트캠프 3개월 차 회고

10-13

코드스테이츠 AI 부트캠프 2개월 차 회고

09-08

코드스테이츠 AI 부트캠프 1개월 차 회고

08-04

코드스테이츠 AI 부트캠프 탑승기

07-07

깃허브와 블로그의 시작

05-29

[판다스] CSV 파일 URL 및 File로 읽기.read_csv()

07-18

[데이터 사이언스] 데이터 조작하기

07-12

[데이터 사이언스] 피처 엔지니어링이란?

07-09

[데이터 사이언스] EDA(탐색적 데이터 분석)란?

07-08

[선형대수] 클러스터링(Clustering)이란?

01-08

[선형대수] 고차원의 문제와 PCA(Principal Component Analysis)

01-07

[선형대수] 중급 선형대수(Linear Algebra)

07-29

[선형대수] 벡터와 매트릭스(Vectors & Matrices)

07-27

[통계] 베이지안 통계 개론(Bayesian Inference)

07-22

[통계] 예제로 이해하는 신뢰구간

07-21

[통계] 예제로 이해하는 베이지안(Bayesian)

07-20

[통계] 아노바와 CLT 그리고 신뢰 구간(CI)이란?

07-19

[통계] 가설 검정 방법(T-검정, 카이 제곱 검정)

07-17

[파이썬] 카이 제곱 검정 1, 2-Sample 예제

07-16

[통계] 가설 검정(Hypothesis Test)이란?

07-15

[통계] 데이터 사이언스에서의 미분 기초

07-13

[DE 프로젝트: 실시간 빅데이터 처리 'SIXAT'] 5. 에어플로우(Airflow)

12-31

[DE 프로젝트: 실시간 빅데이터 처리 'SIXAT'] 4. 스파크(Spark) MLlib

12-23

[DE 프로젝트: 실시간 빅데이터 처리 'SIXAT'] 3. 스파크(Spark) SQL

12-19

[DE 프로젝트: 실시간 빅데이터 처리 'SIXAT'] 2. 스파크(Spark) 환경 구축

12-10

[DE 프로젝트: 실시간 빅데이터 처리 'SIXAT'] 1. 프로젝트 개요

12-09

[DL 프로젝트: 패션 스타일 분류 앱 'FASI'] 4. 프로젝트 완성 및 회고

11-16

[DL 프로젝트: 패션 스타일 분류 앱 'FASI'] 3. 플라스크(Flask)에 텐서플로우(TensorFlow) 모델 서빙

11-15

[DL 프로젝트: 패션 스타일 분류 앱 'FASI'] 2. CNN 분류 모델링

11-14

[DL 프로젝트: 패션 스타일 분류 앱 'FASI'] 1. 개요 및 무신사 스냅 사진 크롤링

11-13

[DL 미니 프로젝트] LSTM 활용 애플(APPL) 주가 예측

10-27

[DE 프로젝트: 음악 추천 챗봇 'Sixpotify'] 8. 프로젝트 완성 및 회고

10-26

[DE 프로젝트: 음악 추천 챗봇 'Sixpotify'] 7. 페이스북 챗봇

10-17

[DE 프로젝트: 음악 추천 챗봇 'Sixpotify'] 6. AWS EC2 크론탭(Crontab)

10-15

[DE 프로젝트: 음악 추천 챗봇 'Sixpotify'] 5. AWS EMR 스파크(Spark)

10-14

[DE 프로젝트: 음악 추천 챗봇 'Sixpotify'] 4. AWS S3 데이터 레이크

10-14

[DE 프로젝트: 음악 추천 챗봇 'Sixpotify'] 3. AWS DynamoDB

10-14

[DE 프로젝트: 음악 추천 챗봇 'Sixpotify'] 2. AWS RDS PostgreSQL

10-14

[DE 프로젝트: 음악 추천 챗봇 'Sixpotify'] 1. 개요 및 스포티파이 API

10-14

[DE 프로젝트: 코로나 확진자 수 예측 앱 'CO-THER 19'] 6. 프로젝트 완성 및 회고

10-11

[DE 프로젝트: 코로나 확진자 수 예측 앱 'CO-THER 19'] 5. AWS EC2 크론탭(Crontab)

10-10

[DE 프로젝트: 코로나 확진자 수 예측 앱 'CO-THER 19'] 4. 태블로(Tableau)

10-09

[DE 프로젝트: 코로나 확진자 수 예측 앱 'CO-THER 19'] 3. 플라스크(Flask)와 헤로쿠(Heroku)

10-08

[DE 프로젝트: 코로나 확진자 수 예측 앱 'CO-THER 19'] 2. LightGBM 회귀 모델

10-07

[DE 프로젝트: 코로나 확진자 수 예측 앱 'CO-THER 19'] 1. 개요 및 AWS PostgreSQL

10-06

[Project] Landing Delay Prediction Machine Learning Model

08-31

[Project] What game should I design?

08-03

[SQLite3] index column 중복 방지 및 인자 미입력시 PK 값 자동 증가 in Python

10-02

[tweepy] twitter API user 및 search 크롤링 함수

09-27

[MongoDB] Python Pymongo handling exemple

09-24

[Beautifulsoup] Naver Movie Reveiw Web Scraping and Exeport SQLite in Python

09-19

[SQL] Python에서 PostgreSQL로 CSV File execute하기

09-15

SQL practice

09-13

[SQL] Cheat Sheet

09-12

[conda] 콘다 가상환경 base 자동 activate 해제 방법

09-09

[Pandas] Cheat Sheet

08-25

[Python Numpy] Matrix에 대해 고윳값, 고유벡터 추출

08-14

Did Unknown List

08-08

[Applied Predictive Modeling] Interpreting ML Model

08-27

[Applied Predictive Modeling] Feature Importances

08-26

[Applied Predictive Modeling] Choose your ML problems

08-24

[Tree Based Model] 모델선택(Model Selection)

08-20

[Tree Based Model] 분류모델 평가지표(Evaluation Metrics for Classification)

08-19

[Tree Based Model] 랜덤포레스트(Random Forests)

08-18

[ML] 결정트리(Decision Trees) 이용 H1N1 모델링 캐글 첫 제출

08-17

[Tree Based Model] 결정트리(Decision Trees)

08-16

[머신러닝] 로지스틱 회귀(Logistic Regression)란?

08-12

[머신러닝] 릿지 회귀(Ridge Regression)란?

08-11

[머신러닝] 다중공선성(Multicollinearity)이란?

08-11

[머신러닝] 다중 선형 회귀(Multiple Linear Regression)란?

08-10

[머신러닝] 선형 회귀(Linear Regression)란?

08-09

[깃허브 블로그] 맥 OS Monterey 'bundle exec jekyll serve' 에러

11-20

[Github Blog] jekyll 블로그 절대값 수학 수식 사용(vert)

10-23

[Github Blog] jekyll 블로그 Gitalk 댓글 기능 추가(Goodbye Disqus)

08-29

[AWS] 람다(Lambda) 함수 정의 및 스케쥴링 방법 + 람다에서 판다스(pandas)사용법

04-19

[데이터 수집] 셀레니움(Selenium) 크롤링(Crawling) 속도 향상 전략

03-23

[유튜브] 영상 ID를 통해 일반영상 or 쇼츠영상 분류 in 파이썬(python)

03-02

[AWS] 간단한 EC2 디스크(Disk) 사용량 모니터링 방법(Feat. 슬랙(Slack))

02-21

[에어플로우] Amazon EC2 ubuntu 환경에서 에어플로우 ETL 환경 구축

07-26

[카프카] 도커(Docker)를 이용한 카프카(Kafka)

04-17

[아테나] 아테나(Athena)를 위한 Amazon S3 데이터 파티셔닝

04-02

[카프카] 컨슈머(Consumer)와 파티션(Partitions)의 관계

03-19

[카프카] 프로듀서(Producer), 컨슈머(Consumer) CLI

03-07

[카프카] 주키퍼(Zookeeper) 콘솔에서 브로커(Broker) 시작 및 토픽(Topic) 생성

03-03

[카프카] 카프카(Kafka)의 클러스터, 프로듀서, 컨슈머, 주키퍼 및 설치

02-27

[아테나] 아마존 아테나(Amazon Athena) + 리대시(Redash) 연동

02-26

[아테나] 분석용 데이터 적재를 위한 Amazon RDS ⚔️ S3 + Athena

02-16

[카프카] 아파치 카프카(Apache Kafka)란?

01-13

[에어플로우] NFT 파이프라인 미니 프로젝트

01-09

[에어플로우] 에어플로우(Airflow)의 CLI와 UI

01-05

[데이터베이스] RDB, RDBMS, SQL, NoSQL 개념

12-30

[에어플로우] 아파치 에어플로우(Apache Airflow)란?

12-29

[스파크] 스트리밍(Spark Streaming)

12-28

[스파크] 추천 알고리즘

12-26

[스파크] MLlib이란?

12-22

[스파크] UDF(User-Defined Function)란?

12-21

[스파크] 백엔드 카탈리스트(Catalyst)와 텅스텐(Tungsten)

12-20

[스파크] Spark SQL 소개 및 튜토리얼

12-18

[스파크] 셔플링(Shuffling)과 파티셔닝(Partitioning)

12-17

[스파크] 클러스터 내부 구조(Cluster Topology)와 리덕션(Reduction)

12-16

[스파크] Cache()와 Persist()란?

12-16

[스파크] 트랜스포메이션(Transformations)과 액션(Actions)

12-15

[스파크] 키-밸류 페어(Key-Value Pair) RDD란?

12-14

[스파크] 병렬(parallel)-분산(distribution) 처리란?

12-13

[스파크] RDD(Resilient Distributed Data)란?

12-12

[스파크] 아파치 스파크(Apache Spark)란?

12-11

데이터 엔지니어 로드맵

11-19

[DE] Deployment and DashBoard

10-01

[DE] Docker basic

09-30

[Python] Flask

09-29

Python Advanced

09-28

[SQL] NoSQL

09-26

[DE] API

09-25

[Python] Web Scraping

09-18

Python Basics

09-17

[Python] DB API

09-14

SQL advanced

09-11

SQL Basics

09-10

[DE] Git and Conda

09-09

[Deep Learning] GAN tutorial(QuickDraw 고양이 낙서 생성)

11-04

[Deep Learning] GAN

11-04

[Deep Learning] Autoencoder

11-03

[Deep Learning] Image Segmentation & Data Augmentation

11-02

[Deep Learning] CNN(ResNet50) tutorial

11-01

[Deep Learning] CNN(Convolutional Neural Network)

10-31

[Deep Learning] Transformer & BERT, GPT

10-29

[Deep Learning] 어텐션 메커니즘(Attention Mechanism)

10-28

[Deep Learning] Distributed Representation

10-26

[Deep Learning] Language Modeling with RNN

10-26

[Deep Learning] Count Based Representation

10-25

[Deep Learning] Tensorflow & Keras

10-22

[Deep Learning] Hyperparameters

10-21

[Deep Learning] Optimizer

10-20

[Deep Learning] Loss Function

10-19

[Deep Learning] Gradient Decent & Backpropagation

10-19

[Deep Learning] Perceptron & Artificial Neural Network

10-18

[Deep Learning] TensorFlow & Keras Tutorial

10-16

[Deep Learning] Understanding

10-16

[MAC] 콘다(Conda) 환경에서 환경 변수 설정하기: AWS Access Key와 Secret Key 등록법

07-07

API란?

06-30

[자료구조] 트리(Tree)란?

02-03

[자료구조] 해시 테이블(Hash Table)이란?

01-27

[알고리즘] 알고리즘의 복잡도 표현 방법

01-21

[자료구조] 연결 리스트(Linked List)란?

01-19

[자료구조] 스택(Stack)이란?

01-18

[자료구조] 큐(Queue)란?

01-17

[자료구조] 배열(Array)이란?

01-16

[컴퓨터 사이언스] 자료구조와 알고리즘이란?

01-15

[알고리즘] 동적 계획법(DP)과 탐욕 알고리즘(Greedy)이란?

12-04

[알고리즘] BFS와 DFS란?

12-03

[자료구조] 그래프(Graph)란?

12-02

[자료구조] 해시테이블(Hash Table)이란?

12-01

[알고리즘] 분할 정복(Divide & Conquer)과 퀵, 병합 정렬(Quick & Merge Sort)

11-28

[알고리즘] 이진, 선형 검색(Search)과 선택, 거품, 삽입 정렬(Sort)

11-26

[자료구조] 트리(Tree), 검색과 재귀(Searching & Recursion)

11-25

[자료구조] ADT, 연결리스트(Linked List), 큐(Queue), 스택(Stack)

11-24

[자료구조] 빅오(Big-O) 표기법이란?

11-21

[파이썬] OOP(Object Oriented Programming)란?

11-19

[파이썬] 파이썬에서의 문제 해결

11-18

[파이썬] 파이썬에서의 프로그래밍

11-17

[ML] Heteroscedasticity

12-01

[ML] Basic Assumptions of Linear Regression

11-24

[SQL] 유니온(UNION)

06-01

[SQL] 조인(JOIN)

05-28

[SQL] 조건문(CASE)

05-14

[SQL] 집계 함수(COUNT, SUM, AVG, MIN/MAX) 및 GROUP BY, ORDER BY

04-30

[깃(Git)] 11. 깃플로우(Gitflow)란?

07-13

[깃(Git)] 10. 충돌(Conflict)을 해결하는 방법

07-07

[깃(Git)] 9. 다른 브랜치의 커밋을 가져오는 체리 픽(cheery-pick)

07-03

[깃(Git)] 8. 스쿼시 및 리베이스 머지(squash & rebase merge)를 통한 각종 머지 전략

07-01

[깃(Git)] 7. 이전에 쌓인 커밋을 변경하기 위한 어맨드 커밋 및 리베이스(amend commit & rebase)

06-26

[깃(Git)] 6. 이전 커밋 변경사항 되돌리기 위한 리버트(revert)

06-25

[깃(Git)] 5. 변경 사항 임시 저장을 위한 스태시(stash)

06-22

[깃(Git)] 4. 리스토어 및 리셋(restore & reset)을 통한 커밋 초기화

06-19

[깃(Git)] 3. 로그(log & reflog)를 통한 히스토리 확인

06-16

[깃(Git)] 2. 브랜치(Branch)의 개념 및 흐름

06-12

[깃(Git)] 1. 작업 공간 및 흐름

06-09

[객체 지향] SOLID 원칙

10-06

[객체 지향] 의존성, 응집도, 결합도

09-18

[객체 지향] 객체 지향의 특성

09-07

[객체 지향] 객체 지향의 기본적인 개념

08-31

[객체 지향] 프로그래밍 패러다임 흐름: 함수형

08-26

[객체 지향] 프로그래밍 패러다임 흐름: 객체 지향

08-25

[객체 지향] 프로그래밍 패러다임 흐름: 절차 지향

08-20

[객체 지향] 리팩토링을 통한 객체 지향 설계 연습

06-23

[클린 코드] 6. 코드 인덴트(indent) 단축

03-16

[클린 코드] 5. 에러 핸들링(Error Handling)

03-13

[클린 코드] 4. 클래스(class)

03-08

[클린 코드] 3. 함수(function)

08-04

[클린 코드] 2. 주석 및 포맷팅(formatting)

07-28

[클린 코드] 1. 네이밍(Naming)

07-17

[테스트 코드] TDD의 기본 개념

11-01

[테스트 코드] 의존성을 대체하는 테스트 더블 코드

10-26

[테스트 코드] 종류별 테스트 코드 작성

10-16

[테스트 코드] 테스트의 기본 이해

10-08

[소프트웨어 아키텍처 패턴] 모놀리스(Monolithic)와 마이크로서비스 아키텍처(Microservice Architecture)

01-31

[소프트웨어 아키텍처 패턴] 클린 아키텍처(Clean Architecture) 코드 실습

01-26

[소프트웨어 아키텍처 패턴] 클린(Clean) 아키텍처

12-20

[소프트웨어 아키텍처 패턴] 헥사고날(hexagonal) 아키텍처

11-23

[소프트웨어 아키텍처 패턴] 레이어드(layered) 아키텍처

11-16

[소프트웨어 아키텍처 패턴] 소프트웨어 아키텍처의 필요성

11-07

AWS Athena(아테나)와 Python(파이썬)을 활용한 데이터 Query 및 Pandas(판다스) DataFrame(df)으로의 변환

09-26

[AWS] Amazon MWAA를 이용한 EC2 인스턴스 스케쥴링과 원격 Python 스크립트 실행(SSHOperators, AWSOperators 사용법)

05-17

[AWS] 람다(Lambda) 함수 정의 및 스케쥴링 방법 + 람다에서 판다스(pandas)사용법

04-19

[CODE: 하드웨어와 소프트웨어에 숨어있는 언어] Chapter 1. 친한 친구와의 대화 ~ Chapter 2. 부호와 조합

06-13

6mini

Change the world with DATA

GitHub Instagram SixTest Co-Ther19 FASI Sixpotify

© 2021 - 2023 6mini

0%