jin0 jin0

최근 철학에 관심이 많아졌습니다. 인생을 살면서 많은 결정들을 내려야 하는데 어떤 인생이 정답인지 모르는 상태에서는 자칫 잘못 된 결정을 할 수도 있어요. 철학은 그 결정들에 도움이 되는 '내 가치관을 정하는 일' 같습니다. 그렇다면 '내 가치관 대로 결정하는 것이 왜 중요한가?'에 대한 물음은 사라지지 않았는데요. 그 물음에 대해 답변해주는 책입니다. 책에서도 이렇게 말합니다. '원점에 서 있는 사람은 스스로 결정할 수 없다. 아무런 소망도 없고 아무런 경험의 발자취도 없다면 기준이라고 할만한 것이 없다.' 제가 생각하는 앞으로 나아가는 행위는 경험인데요. 이 경험은 독서로 가장 쉽게 간접경혐을 할 수 있고, '어디로 가야하는지?'는 사색과 철학으로 정해지는 것 같습니다. 공주에서 보름살이를 하면서 평..

오랜만에 시간가는 줄 모르고 관련 된 책을 읽었습니다. 프로덕트라는 오너라는 직업이 있는지도 몰랐는데, 이번 책을 읽으면서 프로덕트 오너라는 직업에도 흥미가 생겼어요. 최근 들어 많이 생기고 있다고 했는데, 사실 프로덕트 오너의 역할은 '데이터 기반으로 서비스를 생각하는 것'이 기반으로 권한은 없지만 설득해야하는 직업이였습니다. 이 책은 프로덕트 오너에 대해서만 설명해 놓은 듯 보이지만, 데이터 분석가, 사이언티스트, 일반 직군까지도 읽어도 좋을 책이였습니다. 데이터리터러시(데이터를 읽고 분석)에 대한 마음가짐이나 제품이나 서비스를 대할 때 어떻게 대해야 하는지를 볼 수도 있었습니다. 데이터 분석을 강의하는 입장에서 데이터분석을 지망하는 교육생이 추천하는 도서를 묻는다면 추천하는 도서리스트에 넣을 수 있..

안녕하세요. 버킷리스트 중에 하나였던 책과 글을 써야겠다는 생각이 비슷한 사람들이 모여 책을 썼습니다. 1년동안 매주 모여 글을 쓰고 그 중에 담고 싶은 내용을 추린 책입니다. 저는 서로 피드백을 하면서 여러번 봐서 빠르게 읽을 수 있었어요. 첫 책인데도 불구하고 읽으면서 '어? 좀 괜찮은데?'라는 생각도 했습니다. 그 이유는 서로 5명의 이야기다 보니, 누군가의 이야기는 공감이 되거나, 궁금해지는 이야기가 생길 수 있을 것 같았어요. 는 크게 두가지 Section으로 구분되어 있는데요. Section1에서는 같은 주제에 대해 서로 다른 견해를, Section2에서는 각자 담고 싶은 이야기를 담았습니다. 그래서 저희 책을 좀 더 제대로 즐기려면 '어떻게 다르게 썼지?'에 대해서 물음을 가지다가, 그 중 ..

이 책은 글쓰기에 진심인 우아한형제들에서 운영하고 있는 기술블로그의 글을 주제별로 묶어둔 책입니다. 무엇보다 인공지능(머신러닝)을 실제 서비스에 어떻게 적용했고, 어떻게 일하는지 궁금해서 이 책을 읽었습니다. 글쓰기를 좋아하고 직접적이진 않지만 개발과 관련이 높은 직업을 가져서 우아한형제들과 관련 된 컨텐츠라면 괜히 더 궁금해지거든요. 책은 주로 개발과 관련 된 주요 부서 별로 문제해결을 어떻게 했는지, 거기에 더해 배민스러움이 묻어 있습니다. 책임을 묻지 않고 함께 해결방안에 대해서 고민하는 것, 좋은 동료를 '누구의 일로 나누지 않고 함께할 각오가 되어 있는 사람'으로 정의한 것이 가장 좋았습니다. 이전 회사에서 벡엔드, 머신러닝 유관업무를 진행해본 터라, 관련 챕터는 즐겁게 읽었으나 프론트엔드나 Q..

내 성격에 문제가 많다고 생각했다. 가장 큰 이유는 소심하고 공감을 못해서 였다. 나는 외향적이고 공감을 잘하는 성격이 되고 싶었다. 소심한 성격을 고치기 위해 지나가는 사람을 붙잡고 길을 묻기도 했고, 발표를 할 수 있는 기회가 있을 때에는 자원해서 발표했다. 소심한 성격은 자주 사람들 앞에 나서는 연습을 하며 고쳐졌지만, 공감 못하는 성격은 도무지 고쳐지지가 않았다. 감정적인 공감보다 상황을 해결하기 위해 더 고민했다. 하지만 대부분의 사람들은 감정적인 공감을 원하는 것처럼 느껴졌다. 감정적인 공감은 어려웠다. 나는 상황이 이해가 되어야 공감이 됐고, ‘힘들겠다.’보다 ‘어떻게 해야하지?’라는 고민이 항상 앞섰다. 내 성격에 어디 문제가 있는건 아닌가 하고 고민하던 중에는 MBTI를 알게 됐을 때는 ..

time seires data를 분석할 때 불규칙적으로 수집되는 데이터의 특성상 주기가 다소 불규칙적일 때가 많아서 주기를 일정하게 변경해야할 필요성이 있다. 불규칙 적인 time seires data를 주기가 일정하게 변경하는 방법은 upsampling, downsampling 두가지가 있다. python에서는 pandas 라이브러리의 resample 함수를 활용하여 쉽게 upsampling, downsampling 할 수 있다. 언제 다운 샘플링과 업샘플링을 할까? (1) 다운샘플링 : 데이터의 빈도를 줄이는 것 원본 데이터의 시간 단위가 실용적이지 않은 경우 특정 주기에 집중하는 경우 더 낮은 빈도의 데이터에 맞추는 경우 3가지로 나누어 설명했지만, 수집 된 데이터가 우리가 핸들링 하기에 적당하지 ..

Time Seires Data에서 누락된 데이터를 해결하는 일반적인 방법은 크게 3가지가 있다. 01. 누락 된 데이터를 해결하는 방법 1. 대치법(imputation) : 사용자가 누락 된 데이터를 관측에 기반하여 입력해서 채워 넣는다. 2. 보간법 (interpolation) : 인접한 데이터를 사용하여 누락된 데이터를 추정한다. 3. 제거 어떤 방법을 사용할지는 데이터에 따라 다르겠지만, 나 같은 경우에는 0이나, mean, 특정 통계량을 활용 할 때에는 대치법을 활용하고, time seires의 경향성이 보이는 경우에는 보간법을 활용하고 데이터가 제거해도 관계없다고 판단 되는 경우에는 제거한다. 02. 누락 된 데이터를 해결하는데 사용하는 함수 위의 3가지 방법을 활용하기 위해서는 pandas에서..

1. BERT (Bidirectional Encoder Representations from Transformers) Bidirectional(양방향의) Encoder(입력을 숫자의 형태로 변경) Representations(표현) 즉, Transformers로 부터 양방향으로 입력을 숫자의 형태로 변경하는 모듈라고 이해 할 수 있다. 2. Transformers? 입력을 Encoder와 Decoder를 지나 원하는 아웃풋으로 변경하는 것 3. GPT vs BERT 위에서 언급한 Encoder, Decoder에서 GPT와 BERT의 큰 차이점을 알 수 있는데, BERT는 Encoder를 활용하여 양방향 처리하며, GPT는 Decoder를 활용하여 단방향 처리합니다. 예를 들어 GPT 학습은 비지도 학습으..