data preprocessing

2주 전 · ai

머신은 실제로 데이터에서 어떻게 학습하는가?

아마도 모델이 어떻게 학습하는지를 진정으로 이해하기 전에 바로 scikit‑learn을 사용하면 안 되는 이유가 궁금할 것입니다. 핵심은 탄탄한 정신적 모델을 구축하는 것입니다.

#machine learning #ML thinking #data preprocessing #NumPy #Pandas #scikit-learn #beginner guide
2주 전 · ai

왜 Markdown이 더 나은 AI의 비밀인가

AI에 대한 웹 스크래핑의 현 상황은 깨졌습니다. 10년 동안 웹 추출은 CSS selectors와 DOM structures를 둘러싼 전쟁이었습니다. 우리는 부서지기 쉬운 scrapers를 작성했습니다.

#markdown #web scraping #LLM #RAG #token efficiency #data preprocessing #AI pipelines
3주 전 · ai

도끼를 갈다: 현대 머신러닝을 위한 R에서의 Principal Component Analysis (PCA) 수행

“나에게 나무를 베는 데 6시간을 주면, 처음 4시간은 도끼를 갈아놓는 데 쓸 것이다.” — 에이브러햄 링컨 이 인용구는 현대 machine과 강하게 공명한다.

#principal component analysis #PCA #dimensionality reduction #R programming #machine learning #data preprocessing #feature engineering
1개월 전 · ai

‘튜토리얼 격차’: 샘플 데이터셋에서 실세계 AI로 이동하면서 배운 점

번역할 텍스트를 제공해 주시겠어요? 현재 입력된 내용에는 번역할 실제 문장이 포함되어 있지 않습니다.

#real-world data #data preprocessing #machine learning pipelines #AI tutorials #model deployment
1개월 전 · ai

머신러닝에서 데이터 누수

머신러닝에서 데이터 누수: 멘티가 머신러닝 작업 흐름에서 기본적인 실수를 자주 합니다: 탐색적 데이터 분석(EDA) → 전처리…

#data leakage #machine learning #train-test contamination #data preprocessing #standardization #model evaluation
1개월 전 · ai

피처 엔지니어링

Feature Engineering이란 무엇인가? - feature는 단순히 데이터의 열, 예를 들어 age, salary, number of purchases와 같은 컬럼이다. - Feature Engineering은 feature를 생성, 수정, 혹은 선택하는 것을 의미한다.

#feature engineering #machine learning #data preprocessing #model accuracy #data science
1개월 전 · software

R 패키지를 이용한 고급 임퓨테이션

Data analysts와 data scientists는 종종 데이터셋에서 missing values를 마주한다. 적절히 처리되지 않으면, missing values는 분석을 오도하고 모델 성능을 왜곡할 수 있다.

#R #missing data #imputation #mice package #data preprocessing #data analysis