일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | ||
6 | 7 | 8 | 9 | 10 | 11 | 12 |
13 | 14 | 15 | 16 | 17 | 18 | 19 |
20 | 21 | 22 | 23 | 24 | 25 | 26 |
27 | 28 | 29 | 30 | 31 |
- Ai
- DAGs
- 자동매매프로그램
- 리뷰
- 패스트캠퍼스후기
- 파이썬을활용한시계열데이터분석A-Z올인원패키지
- 데이터분석
- 파이썬
- 패캠챌린지
- 데이터
- 머신러닝
- 직장인인강
- 태국여행
- 상관분석
- API
- EDA
- 독서리뷰
- correlation
- 데이터 분석
- 활성화함수
- Python
- 직장인자기계발
- 에어플로
- airflow
- 통계분석
- 분석
- 딥러닝
- 방콕여행
- 패스트캠퍼스
- 빅데이터
- Today
- Total
목록분류 전체보기 (134)
데이터를 기반으로
도서명 : Semantic Modeling for Data(시멘틱 데이터 모형화) 출판사 : 한빛미디어 지은이 : Panos Alexopoulos(파노스 알렉소풀로스) 독서 기간 : 2022-04-10 ~ 2022-04-23 "한빛미디어 활동을 위해서 책을 제공받아 작성된 서평입니다." 처음에 시맨틱 데이터 모형화에 대해 아무것도 모르는 상태에서 이 책을 선정해서 읽는 다는 게 맞는 건가라는 의문을 가지고 있었다. 해당 교재가 아닌 구글에 시맨틱 데이터 모형을 검색해보면 아래와 같은 정의를 확인할 수 있다. "시맨틱 데이터 모델은 특정 논리적 인 방식으로 데이터를 나타 내기 위해 데이터를 구조화하는 방법입니다." 이론은 알겠지만 정확히 어떻게 구축되며 어떻게 사용되는 지 하나도 감이 잡히지 않는 정의였다..
도서명 : 미국 주식으로 시작하는 슬기로운 퀀트투자 출판사 : 한빛미디어 지은이 : 김용환 / Yubin Kim 독서 기간 : 2022-03-14 ~ 2022-03-30 "한빛미디어 활동을 위해서 책을 제공받아 작성된 서평입니다." 아직 국내 주식을 섭렵하지 못했지만 언젠가는 해외 주식 및 국내 주식 둘 다 자동매매프로그램을 만들 수 있는 것을 목표로 공부를 하고 있다. 이러한 나에게 미국 주식의 첫 입문서와 같은 책을 제공받을 수 있는 좋은 기회가 있어 이렇게 리뷰를 작성하게 되었다. 목차는 크게 8개로 나뉘었다. 목차 1. 투자를 시작하는 당신에게 2. 일단해보자 3. 단기투자의 기술 4. 가치투자의 시작, 재무제표 5. 가치주를 찾는 기술 6. 우량주를 찾는 기술 7. 전략을 합성하는 기술 8. 퀀..
드디어 마지막 후기를 올리는 날이 왔다. 누군가에겐 50일이 짧으면 짧고 길면 긴 기간이지만 직장인에게 퇴근 후 1시간 이상의 시간을 50일 연속으로 투자하는 것은 상당히 어려운 일이라는 것을 배우게 되었다. 하지만, 해당 환급 이벤트 때문에 진행한 것도 있지만 패스트 캠퍼스 강의를 듣는 수강자 모두에게 추천하고 싶은 이벤트이다. 돈을 떠나서 매일 1시간 이상을 투자하여 공부할 수 있는 구조이기에 이것만큼 효과적인 공부 스케쥴은 없는 것 같다. 그리고 어느 정도 강제성이 부여되어야 공부를 하게되는 사람이라(개인 마다 차이가 있을 수 있다) 너무나 좋은 효과를 얻어간다. 이번 후기는 크게 4가지 단계로 설명을 이어나가고자 한다. 1. 시작 누구에게나 시작은 두렵지만 설레는 법이다. 나에게 패스트캠퍼스 챌린..
어제의 강의는 ARMA 이외에 추가적으로 X 독립변수를 반영하고 모델링을 해보았고 ARMAX의 한계를 이해하고 추후 방향을 정리해보았다. 오늘은 ARIMA 알고리즘에 대해 이해하고 패턴을 정리하는 시간을 가졌다. 왼쪽 화면은 강의 자료 화면이고 오른쪽 화면은 강의 화면이다. 그림에서 보이듯이 오른쪽 강의화면을 보면 강사님께서 ARIMA에 대한 개념을 설명해주고 있다. ARIMA와 여태까지 배운 ARMA와의 차이가 무엇인가? I 하나가 더 추가된건데 여기서 ARIMA의 세부 단어의 뜻을 알면 더 쉽게 이해가 간다. ARIMA란 , AUTO-REGRESSIVE INTEGRATED MOVING AVERAGE 이다. INTEGRATED 가 추가된 것이다. 통합된 이란 뜻으로 AR과 MA를 통합하는 것인데 여기서..
어제의 강의는 ARMA를 실제 데이터에 적용하고 해석하는 시간을 가졌었다. 오늘은 ARMA 이외에 추가적인 독립변수를 반영하고 모델링하고 ARMAX의 한계를 이해하고 향후 방향성을 정리하는 시간을 가졌다. 왼쪽화면은 강의 자료 화면이고 오른쪽 화면은 강의 화면이다. 우선 회귀분석과 ARMA를 돌려서 비교를 해보고자 한다. 회귀를 돌려보니 정확도가 0.995가 나온 것으로 확인된다. 그리고 M2 통계량을 확인해보니 유의한것으로 확인되며 외도와 첨도, 잔차를 보면 정규분포를 따르는 것으로 보인다. 하지만, JB는 정규분포가 아니라고 이야기하고 있다. 실제로 그런지 한번 확인해봐야한다. 잔차의 그래프를 보니 ACF 가 높은 부분이 많고 PACF는 LAG(1~3) 부분의 상관이 높은 것이 몇개 확인되고 이후에 ..
어제의 강의는 실습을 통해 ARMA 패턴을 이해하고 그래프를 해석하는 방식의 강의가 이어졌다. 오늘은 실제 데이터를 가지고 ARMA를 적용하여 해석하고 분석하는 시간을 가지기로 했다. 왼쪽 화면은 강의자료이자 실습 화면이고 오른쪽 화면은 강의 화면이다. AR의 차수는 PACF그래프를 보고 가늠할 수 있고 MA는 ACF그래프롤 보고 차수를 정할 수 있었다. 이론적으로 ARMA(p,q)을 해당 ACF, PACF를 보고 파악하여 적용하는 방식으로 진행된다. 왼쪽의 출력그래프를 보면 가장 상단은 해당 데이터에 대한 PLOT 이고 중간에는 ACF이고 마지막은 PACF 그래프이다. 자세히 보면 ACF와 PACF 모두 LAG(1)에서 높은 상관관계가 보이고 있다. 즉, 해당 그래프를 보고 ARMA(1,1)로 적용해야..