https://public.tableau.com/app/learn/how-to-videos How-To Videos | Tableau PublicWatch how-to videos to learn foundational Tableau concepts and terminology while building an interactive dashboard in Tableau Public.public.tableau.com 시트 별로 하나의 시각화를 만들고, 이를 합쳐서 대시보드를 만든다. 좌측 드롭다운 메뉴 > 계산된 필드 만들기 필드를 필터로 끌어와서 필터링 가능 > 추가된 필드 선택해서 "필터 표시" 해줘야함 영역 차트 : 일반적으로, 시간에 따른 두 값을 나타내는 시각화 필드 눌렀을 때 연속형..

가장 먼저 생각해야 할 것이 대시보드는 무엇에 대답해야 하나? (Key Question) Key Question 예시 질문지표0유저들의 체류시간을 늘리기 위한 새로운 기능을 도입했다! 이 기능의 성과는?기능 배포 전후 평균 사용 시간1인플루언서들을 통해 신제품 광고를 진행하고 있다! 해당 광고의 성과는?링크를 통한 인플루언서별 구매 금액 + 총 구매 금액2우리의 고객들은 어디서 많이 접속할까?지역별 접속 유저 수 시장 동향 파악을 위한 Key Question 질문지표0전체 온라인 쇼핑 시장은 성장하고 있는가?월별 전체 온라인쇼핑 거래액 규모1온라인 쇼핑 시장은 어떤 상품군이 주도하고 있는가?상품군별 거래액 비중2그렇다면 각 상품군은 어떤 형태로 소비되는가?운영형태별, 취급범위별, 판매매체별 거래액> 지..

대회 : https://www.kaggle.com/competitions/phase-ii-widsdatathon2022 Excellence in Research Award (Phase II)WiDS Datathon Further Examines the Impacts of Climate Changewww.kaggle.com노트북 : https://www.kaggle.com/code/cardata/2020-datathon-epa-air-quality 2020 DATATHON EPA AIR QUALITYExplore and run machine learning code with Kaggle Notebooks | Using data from Excellence in Research Award (Phase II)..

대회 : https://www.kaggle.com/competitions/amex-default-prediction/overview American Express - Default PredictionPredict if a customer will default in the futurewww.kaggle.com 노트북 : https://www.kaggle.com/code/pavelvod/27-place-sequentialencoder [27 place] SequentialEncoderExplore and run machine learning code with Kaggle Notebooks | Using data from American Express - Default Predictionwww.kaggle...

대회 : https://www.kaggle.com/competitions/acea-water-prediction Acea Smart Water AnalyticsCan you help preserve "blue gold" using data to predict water availability?www.kaggle.com 노트북 : https://www.kaggle.com/code/muskanmulyan/forecasting-acea-smart-water-analytics Forecasting Acea Smart Water AnalyticsExplore and run machine learning code with Kaggle Notebooks | Using data from Acea Smart Water ..

대회 : https://www.kaggle.com/competitions/march-madness-analytics-2020 Google Cloud & NCAA® March Madness AnalyticsUncover the madness of March Madness®www.kaggle.com 노트북 : https://www.kaggle.com/code/maxkang/business-analytics-and-applications-midterm-proj Business Analytics and Applications - Midterm ProjExplore and run machine learning code with Kaggle Notebooks | Using data from multiple data..

대회 : https://www.kaggle.com/competitions/ds4g-environmental-insights-explorer DS4G - Environmental Insights ExplorerExploring alternatives for emissions factor calculationswww.kaggle.com Google의 환경 인사이트 탐색기 팀은 아국 지역의 글로벌 배출량 요인 계산을 개선하는 방법에 대한 인사이트를 수집하고자 합니다. 이 챌린지의 궁극적인 목표는 원격 감지 기술을 사용하여 배출량 요인 계산이 가능한지 테스트하는 것입니다. 데이터셋 (GPPD) : 전 세계 발전소의 오픈소스 데이터베이스  시각적인 분석        마지막으로 살펴본게 weather data 인데..

무려 3년 만에 쓰는 회고록이다. 정말... 정말 많은 일이 있었다.모든 걸 여기에 다 말할 수는 없지만, 정말 힘든 시간이었다.프로그래밍을 때려치워야 되나... 라는 생각을 하루에 몇 번씩 했다.그래서 모든 걸 멈췄다.내가 가장 많은 시간과 공을 들였던, 내가 전공으로 삼았던 것과 멀어졌다.깃허브에서 로그아웃하고, 구독하던 개발 관련 뉴스 레터도 다 끊고, 그 어떤 논문도 읽지 않았다.그냥... 그저 쉬면서 끝내주는 취미생활을 즐겼을 뿐이다. 그렇게 휴식기를 갖는 동안, 나에게 여러 가지 선택지들이 주어졌었다. 아르바이트를 하게 됐다. 취미용 장비를 업그레이드하기 위해 돈이 필요했기 때문이다.하나는 사무직, 하나는 영업직, 하나는 지인의 사업을 보조하는 일.감사하게도 세 군데에서 정직원 제안을 받았지만..

Kaggle의 연례 머신 러닝 및 데이터 과학 설문조사 대회 데이터셋 : 데이터 과학과 머신 러닝의 현황을 진정으로 종합적으로 파악할 수 있는 산업 전반에 걸친 설문조사. 설문조사는 2022년 9월 16일부터 2022년 10월 16일까지 진행되었으며, 데이터를 정리한 후 23,997개의 응답을 받았습니다!도전 목표: 이 설문조사에 포함된 데이터 과학 커뮤니티의 하위 집합에 대한 데이터 이야기를 내러티브 텍스트와 데이터 탐색의 조합을 통해 전달하는 것도전 과제 : 특정 데이터 과학 및 머신 러닝 실무자 그룹의 영향, 우선순위 또는 우려 사항을 깊이 탐구하는 것 평가 요소구성 - 데이터로 표현되고 뒷받침되는 이야기의 명확한 내러티브 스레드가 있는가?주제 - 데이터와 시각화를 통해 잘 정의되고, 잘 연구되고,..

음성으로부터 사람의 감정을 인식하는 문제, Speech Emotion Recognition (SER) 관련 논문입니다. 본 논문의 핵심 아이디어는 CNN 기반 모델을 이용하여 SER 문제를 해결하는 것입니다. 해당 모델은 음성 데이터를 이용하여 8가지 감정을 분류하도록 학습되었고, 최종적으로 0.91의 F1 score 를 얻었습니다. 제안된 모델의 이름은 CNN-MFCC 입니다. MFCC 는 Mel-frequency cepstral coefficients 라는 뜻인데, 이를 단 하나의 입력 feature 로 사용하는 CNN 기반 모델이라 이름이 저렇습니다. 일단 MFCC 가 무엇인지부터 짚고 넘어가겠습니다. MFCC 해당 논문에서 사용하는 RAVDESS 데이터셋 같은 경우, 오디오 파일이 .wav 로 주..

Text-to-Video Retrieval 을 위한 모델의 성능을 ‘추가적인 학습 없이’ 향상 시켜줄 수 있는 방법이라 읽게 되었습니다. 이전에 리뷰했던 TVR 방법론인 DRL 같은 경우도, 해당 프레임워크에 QB-NORM 을 적용해서 당시 sota 를 달성했었습니다. TVR 뿐만 아니라, 다양한 cross modal retrieval 에 대해 널리 쓰일 수 있기도 합니다. 리뷰 시작하도록 하겠습니다. Cross modal Retrieval 우선, 논문의 제목에도 나와있는 Cross modal retrieval 이 무엇인지 설명하고 가겠습니다. Modal : modality 의 약어. 데이터의 ‘양식’을 의미합니다. 예시 : text, image, audio, video Retrieval : query ..

현재 Text-to-video retrieval 에서 SOTA 를 달성하고 있는 논문입니다. 중국의 유명한 인터넷 플랫폼 서비스 기업인 ‘alibaba’에 속한 인공지능 연구기관 ‘DAMO academy’에서 나온 논문이에요. 리뷰 시작하도록 하겠습니다! Abstract 우선, Text Video Retrieval (이하 TVR)의 performance 에 영향을 끼치는 가장 중요한 요소는 Cross-modality interaction, 즉, 서로 다른 모달리티 간의 상호 관계를 잘 나타내는 것입니다. 이 interaction 을 계산할 때는 여러 가지 구성 요소들이 사용되는데, 그럼에도 불구하고 이 요소들이 TVR 의 성능에 어떻게, 얼마나 영향을 미치는 지에 대한 조사는 거의 진행되지 않았다고 합니..