![]()
Foundation 모델: 인공지능의 다양한 분야에 혁신을 가져온 대규모 사전 학습(Pre-Trained) 모델 광범위한 데이터 세트에 대해 학습됨Fine-tuning으로 사용자에 맞게 커스터마이징 가능프로그래밍에서 라이브러리를 사용하는 것과 사용법이 유사함 Fine-Tuning: 내가 원하는 유스케이스에 맞게 커스터마이징할 수 있는 과정 분야별 대표 Foundation 모델1. NLPTransformerGPTBERT 2. CV(Computer Vision)ResNet, VGG, Inception과 같은 CNN 기반 모델ViT(Vision Transformers)와 같은 Transformer 기반 모델 3. Multi-modalGPT-4 4. Audio/SpeechWaveNetBERT for Au..
![]()
🤔 문제`PLACES` 테이블은 공간 임대 서비스에 등록된 공간의 정보를 담은 테이블입니다.`PLACES` 테이블의 구조는 다음과 같으며 `ID`, `NAME`, `HOST_ID`는 각각 공간의 아이디, 이름, 공간을 소유한 유저의 아이디를 나타냅니다. `ID`는 기본키입니다. 이 서비스에서는 공간을 둘 이상 등록한 사람을 "헤비 유저"라고 부릅니다. 헤비 유저가 등록한 공간의 정보를 아이디 순으로 조회하는 SQL문을 작성해주세요. 예시예를 들어, `PLACES` 테이블이 다음과 같다면 760849번 유저는 공간을 3개 등록했으므로 이 유저는 헤비유저입니다.30900122번 유저는 공간을 2개 등록했으므로 이 유저는 헤비유저입니다.21058208번 유저는 공간을 1개 등록했으므로 이 유저는 헤비유저가..
![]()
AGI vs. AI vs. ML vs. DL AGI(Artificial General Intelligence) : 스스로 학습할 수 있는 것 인공지능 (Artificial Intelligence; AI): 인간이 하는 일을 자동화할 수 있는 시스템 머신러닝 (Machine Learning; ML): AI의 일부로서 데이터로부터 학습하는 시스템 딥러닝 (Deep Learning; DL): 인공신경망을 사용해서 사람의 뇌가 동작하는 것을 흉내낸 시스템. 기존 머신러닝 알고리즘이 처리하지 못하는 복잡한 패턴을 처리할 수 있음 딥러닝 모델 유형1. Discriminative분류/예측레이블이 존재하는 데이터에 적용지도학습피처들과 레이블 간 관계를 학습2. Generative훈련 데이터에서 패턴/특성을 ..
![]()
Tableau Public이 본인 PC에 설치되어 있다는 가정하에 실습한 내용이다. Tableau Public무료 버전의 시각화 툴로컬 파일만 지원 CSV 파일 업로드Tableau Public을 열어보자.왼쪽 메뉴바에서 [텍스트 파일]을 클릭해보자. CSV 파일은 여기서 업로드 해야 한다. 다운받은 csv 파일을 선택해서 [열기] 버튼을 클릭한다. Traffic Trend Chart 만들기 구하고자 하는 것 : B 버킷에 들어간 사용자의 수가 전체의 50%인지 통계적으로 95%의 신뢰도로 알아보기(`f_test` = 0.5인지 아닌지 판단) 1단계. 차트 생성을 위해 sheet 만들기Tableau에서 sheet는 개별 차트에 해당됨sheet가 모여 dashboard가 구성됨 Ta..
![]()
다양한 시각화 툴Excel, Google SpreadsheetLooker (google)Tableau (Salesforce)Power BI (Microsoft)Apache Superset (Open source)Mode Analytics, ReDashGoogle Studio, AWS QuicksightPython ※ 셀프 서비스 대시보드를 만드는 것이 중요함안그러면 매번 사람의 노동이 필요해짐60~70%의 질문을 셀프 서비스 대시보드로 만들면 좋음 (Looker가 더 적합) 지표 (Metrics): 팀 혹은 개인별로 중요한 성과 목표를 정량적으로 정의한 것 좋은 지표의 특성 : 3A1. Accesible: 지표를 보는 것이 쉬워야 함 ← 시각화 툴이 도움이 됨 2. Actionable: 지표..
![]()
DBT 설치하기 (로컬 개발 버전 : dbt Core) 터미널을 열자DBT를 설치해보겠다.`pip3 install dbt-redshift`(에러가 발생한다면 `sudo pip3 install dbt-redshift`로 입력해보자.)※ dbt-core 모듈을 설치해줌과 동시에 환경에 맞는 dbt connector(Redshift, BigQuery, Snowflake 등)도 설치해준다.본인 컴퓨터에 맞는 시스템 암호를 입력해준다. 설치가 완료되었다면 dbt의 버전을 확인해보자. `dbt --version`최신 버전임을 확인했다. 이제 ELT 작업을 할 프로젝트를 만들어보자.`dbt init 프로젝트명`※ 여기서 하나의 프로젝트는 하나의 ELT 작업을 뜻한다. 필자는 실습에서 Redshift를 사용할..
![]()
Database Normalization (데이터베이스 정규화): 데이터베이스 정합성을 쉽게 유지하고 레코드의 수정/적재/삭제를 용이하게 하는 과정→ 데이터베이스를 보다 조직적이고 일관되게 설계 가능 용어Primary KeyComposite KeyForeign Key : 어떤 테이블에서 다른 테이블의 pk를 사용하려 할 때 참조하는 키 제 1 정규화 (1NF; First Normal Form)Atomicity : 하나의 셀에는 하나의 값만 있어야 함 Primary Key가 있어야 함중복된 키 or 레코드가 없어야 함 제 2 정규화 (2NF; Second Normal Form)1NF를 만족하면서Primary Key를 중심으로 의존 결과를 알 수 있어야 함부분적인 의존도가 없어야함모든 부가 속성들은 Prim..
![]()
🤔 문제낚시앱에서 사용하는 `FISH_INFO` 테이블은 잡은 물고기들의 정보를 담고 있습니다. `FISH_INFO` 테이블의 구조는 다음과 같으며 `ID`, `FISH_TYPE`, `LENGTH`, `TIME`은 각각 잡은 물고기의 ID, 물고기의 종류(숫자), 잡은 물고기의 길이(cm), 물고기를 잡은 날짜를 나타냅니다. 단, 잡은 물고기의 길이가 10cm 이하일 경우에는 `LENGTH` 가 NULL 이며, `LENGTH` 에 NULL 만 있는 경우는 없습니다. `FISH_NAME_INFO` 테이블은 물고기의 이름에 대한 정보를 담고 있습니다. `FISH_NAME_INFO` 테이블의 구조는 다음과 같으며, `FISH_TYPE`, `FISH_NAME` 은 각각 물고기의 종류(숫자), 물고기의 이름(문..
