올리비아 코딩스쿨

data scientist에게 요구되는 자질 - 커뮤니케이션 능력: 코워커, skateholder들과 의사소통할 수 있고 타협할 수 있는 능력 - 성장적인 마음가짐: 피드백을 받는 것에 긍정적이고, 반성과 성장을 이끌어낼 수 있는 마음 가짐 - data preprocessing - data visualization - find pattern and tendency - technology skills data engineer a data professional who make data accessible, ensures data ecosystems offer reliable results, and manages infrastructure for data across enterprises 멘토 mentors..

★ Data Career 데이터 커리어에 관해서 2가지의 카테고리가 존대한다. 기술적인 측면과 전략적인 측면이다. 두 가지 모두에 대해 살펴보자. 1) Technical data professionals - expertise in mathematics, statistics, and computing - Build models using R or python and make predictions - Explore data to identify directions worth pursuing. - Transform raw data into useful information for decision-making. 2) Strategic data professionals - interpret information ..

확률에 기반한 사고가 전 산업에 뿌리내려지고 있다. 과거에는 눈으로, 몸으로 트랜드를 느끼고 고객의 니즈를 파악하기 위해 귀를 기울이는 것이 성공비결이었다면 현재는 데이터를 통해 정확한 트랜드를 분석하고, 고객의 요구사항을 데이터로 분석하는 사업가가 성공하는 시대이다. 정확한 데이터를 통한 확률적 예측. 이것이 바로 데이터사이언티스트의 수요가 높아질 수 밖에 없는 배경이 된다. 구글 데이터 분석 고급 과정은 데이터에 관한 전문적인 지식과 기술을 성장시키는데 도움이 되는 프로그램이다. 여정이 꽤 길고, 과제도 많겠지만 세계 최고의 교육을 받기 위해 또 열심히 노를 저어보자! ★ All course 전체 과정은 아래와 같다. 아래의 과정을 완주하며 제대로 된 데이터분석 포트폴리오를 만들 수 있기를 기대한다...

목차 오늘은 그동안 나를 너무 힘들게 했던, ploty의 다양한 chart에 대해 집중 공부해보겠다. 이것 때문에 적어도 50시간은 쏟은 것 같은데 제대로 하려면 머리 아프니, 대강 대강 넘어가다보니.. 결국 새로운 과제에 직면했는데 다시 초보자처럼 헤매고 있었다. 그래서, 그냥 정도로 기록해가며 공부를 하려고 한다. ploty가 제공하는 각 chart에 대해 소개한다. 다양한 종류의 data들을 그냥 보기에는 어렵다. 아무리 많은 데이터를 가지고 있다고 해도, 그 데이터를 가지고 유의미한 insight를 도출하지 못한다면 그것은 가지고 있는 거나 없거나, 큰 차이가 없다. 중요한 것은 insight이다. insight를 발견하는데는, 머신러닝의 기술을 빌리지 않는다면 데이터 시각화가 최고의 방법이다. ..

목차 1. 기본 dataframe : launch_sites_df 2. Map 만들기 nasa_map= folium.Map(location=[28.56230197, -80.57735648], zoom_start=10) nasa_map 3. featuregroup 클래스로 객체 생성하기 지도에 놓이는 객체들을 쉽게 관리하고, 코드의 가독성을 높이기 위함 which = folium.map.FeatureGroup() 4. 지도에 특정 위치 circle로 표기 circle 객체는 which에 담고, which를 맵에 추가한다. for lat, lng in zip(launch_sites_df['Lat'], launch_sites_df['Long']): # 지도 위치 표시하기 which.add_child( foli..