#wannabeeeeeee the best DataScientist

1.1 기계 학습이란1.1.1 기계 학습의 정의  - 기계 학습 또는 머신 러닝은 인공 지능의 한 분야로, 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야를 말한다. 1.1.3 기계 학습 개념 데이터 유형  - 범주형 자료(질적 자료, 정성적 데이터) : 명목형 자료, 순위형 자료  - 연속형 자료(양적 자료, 정량적 데이터) : 구간형 자료, 비율형 자료  - Output 변수명 : Response, 반응변수, 종속변수, 목표변수  - Input 변수명 : independent, Features, Dimensions, 설명변수, 반응변수, 독립변수  - Observation 변수명 : ID, Object, Record, 관찰값 데이터 분석기법 분류  데이터마이닝기법 ＝ 빅데이터분석기법 ..

비트코인을 검증하기 위해서는 "프로토콜"을 공부해야 합니다. 프로토콜(protocol)은 컴퓨터나 기기 간에 데이터를 주고받는 방식을 정의하는 규칙 체계(1) 달러 시스템의 운영 비용▷ 연방준비제도 : 화폐의 발행과 통화 정책을 담당▷ 조폐국 : 화폐 제작을 담당▷ 재무부 : 재정을 관리하고 국채를 발행▷ 입법부 : 화폐 시스템의 입법을 담당▷ 시중은행 : 화폐 유동화와 지불 결제▷ 국제은행 : 국가의 화폐 간의 청산을 담당 👉 연간 약 34조원의 운영 비용이 발생, 달러 시스템을 운영하기 위한 힘 필요(2) 달러와 비트코인▷ 달러 연관 단어 : 연방준비제도, 헌법과 형법, 환전, 시중은행, 투자사, 카드사, 결제와 청산, 공권력, 사법부, 위조 방지▷ 비트코인 연관 단어 : 발행기관 없음, 법적 효력..

(1) 비트코인은 무엇인가?비트코인은 자산, 화폐, 돈, 현금의 개념과 관련이 있지만 기존 개념과 차별화되는 성질을 가진다.자산: 경제적 가치가 있는 유형/무형의 재산을 의미하지만, 전통적인 관점에서 비트코인의 자산 가치는 초기에는 '0'으로 평가됨.화폐: 상품 교환 가치의 척도로 사용되며 교환을 매개하는 수단. 비트코인은 전 세계적으로 가장 우수한 화폐가 될 가능성을 지님.돈: 사물의 가치를 나타내고 상품 교환을 매개하며 재산 축적의 수단이 됨.현금: 정부나 중앙은행이 발행하는 법정 화폐와는 구별됨.👉 비트코인은 중앙은행 없이 작동하는 최초의 글로벌 디지털 화폐로, 새로운 금융 시스템을 제안함.(2) 화폐의 변천 과정원시화폐: 조개, 가죽, 농산물 등금속화폐: 금, 은, 동 등의 주화종이화폐: 금 보..

1. 블록체인의 기초 및 응용블록체인의 근원 기술블록체인의 응용 서비스비트코인과 화폐 이론 2. 금융위기와 비트코인의 탄생(1) 획기적 주택 담보 대출 시스템▶ 배경미국 내 이민자의 아메리칸 드림 실현 욕구부시 대통령의 "소유자 사회" 정책으로 내집 마련 기회 확대프라임 대출 시장 포화로 서브프라임 시장 타겟팅▶ 대출 상환보증금 없이 주택담보 대출이 가능하도록 규정 완화신용도 조사 없이 50만 달러 대출 가능 (극단적 사례: 사망자에게도 대출 승인)"NINJA 대출": No Income, No Job or Asset (소득, 직업, 자산 없이 대출 승인)▶ 파생상품들모기지 저당 증권(MBS): 대출 채권을 증권화하여 판매, 은행은 이를 통해 자금을 확보 후 추가 대출부채담보부증권(CDO): MBS를 담보..

Ⅰ. 백터> Scalar(스칼라) : 숫자 하나> Vector(벡터) : 숫자들의 모임> Matrix(행렬) : 벡터들의 모임> Tensor(텐서) : 행렬들의 모임, Array(배열)(1) Vector(벡터)> 벡터는 크기와 방향을 가진다.> 서로 같은 벡터라 함은 '크기'와 '방향' 둘다 같은 벡터임을 의미> 샘플을 특징 벡터로(feature vector) 표현(2) Matrix(행렬)> 여러 개의 벡터를 담음> 훈련집합을 담은 행렬을 설계행렬(design matirx)이라 부름(3) Tensor(텐서)> 3차원 이상의 구조를 가진 숫자 배열> 모든 차원을 포괄하는 표현> 스칼라는 0차원 텐서, 벡터는 1차원 텐서, 행렬은 2차원 텐서(4) 벡터의 곱> a와 b의 곱 : a'b = b'a(=a．b),..

8장 차원 축소¶많은 특성으로 훈련을 느리게 할 뿐만 아니라, 좋은 솔루션을 찾기 어렵게 만드는 문제를 차원의 저주(curse of dimensionality)라고 합니다.차원을 축소시키면 일부 정보가 유실되며 시스템의 성능도 나빠질 수 있습니다. 하지만, 훈련 속도는 빨라지며 불필요한 세부사항을 걸려내므로 성능을 높일 수도 있습니다.8.1 차원의 저주¶단위 면적에서 임의 두 점을 선택하면 두 점 사이의 거리는 평균적으로 대략 0.52, 3차원 큐브에서는 평균 거리는 대략 0.66, 1,000,000차원에서는 평균 거리는 약 408.25입니다. 즉, 고차원 데이터셋은 매우 희박할 위험이 있습니다.결론적으로 훈련 세트의 차원이 클수록 과대적합 위험이 커집니다.차원의 저주를 해결하기 해결책은 이론적으로 훈련..