반응형 Mathematics52 『손에 잡히는 퀀트 투자 with 파이썬』 Chapter 2. 배열 연산 패키지: 넘파이 GIL's LAB, 『손에 잡히는 퀀트 투자 with 파이썬』, 위키북스(2022), p79-100. np.array: dtype을 입력하지 않으면, object에 있는 요소의 자료형 가운데 최상위 자료형으로 설정됨np.linspace(start, stop, num): start~stop까지 등간격의 num개의 요소를 생성np.sumaxis=0: 행 방향 (위에서 아래 방향)axis=1: 열 방향 (왼쪽에서 오른쪽 방향) 2024. 10. 15. 『손에 잡히는 퀀트 투자 with 파이썬』 Chapter 1. 파이썬 기초 문법 GIL's LAB, 『손에 잡히는 퀀트 투자 with 파이썬』, 위키북스(2022), p5-77. 이스케이프 문자(escape string): 역슬래시(\)를 사용하면 특수한 형태의 문자열을 정의\n: 줄 바꿈\': 작은따옴표슬라이싱문자열[시작 인덱스: 종료 인덱스: 증가 폭]e.g. s[1::2] : 시작=1, 종료=길이+1, 증가 폭=2find: 문자열에서 특정한 값의 위치를 반환 ➡️ 없으면 -1 반환index: 문자열에서 특정한 값의 위치를 반환 ➡️ 없으면 에러 발생 클래스: 객체를 만드는 틀인스턴스: 클래스라는 틀을 통해 만든 객체 2024. 10. 14. 『개발자를 위한 필수 수학』 후기 추천 독자오랜만에 수학을 공부하고 싶으신 분간만에 기초를 싹 훑어보고 싶으신 분 전반적으로 개념을 쉽게 설명해서 이해하기 편했습니다.중간마다 StatQuest, 3Blue1Brown과 같은 채널들의 영상 링크를 덧붙여서 더 좋았던 것 같습니다. 과거에 모두 배웠던 내용이지만, 다시 한 번 배워보니 좋았습니다.이전에는 단순히 이해하고 넘어갔던 부분을 심도있게 찾아보고 공부하니 더 재밌었던 것 같습니다. 다만 찍먹하는 느낌의 책이기 때문에, 수학을 진지하게 고민한 분이라면 다른 책을 추천드립니다. 2024. 10. 11. 『개발자를 위한 필수 수학』 Chapter 8. 경력 조언과 앞으로의 진로 토머스 닐드, 『개발자를 위한 필수 수학』, 박해선, 한빛미디어-OREILLY(2024), p287-319. Data science is different now: https://vickiboykis.com/2019/02/13/data-science-is-different-now/ 1. SQL2. Programming전문가를 위한 파이썬클린 코드 이제는 파이썬이다Database API, Web service, Json parsing, Cloud Computing보안 및 암호화 : 암호 해킹으로 배우는 파이썬의 기초I don't like notebooks: https://www.youtube.com/watch?v=7jiPeIFXb6U3. Visualizationmatplotlib, seaborn, plot.. 2024. 10. 11. 『개발자를 위한 필수 수학』 Chapter 7. 신경망 토머스 닐드, 『개발자를 위한 필수 수학』, 박해선, 한빛미디어-OREILLY(2024), p255-286. 자동 미분: jaxhttps://jax.readthedocs.io/en/latest/quickstart.htmlhttps://www.youtube.com/watch?v=wG_nF1awSSY 매니폴드 이론https://www.youtube.com/watch?v=e5xKayCBOeUhttps://www.youtube.com/playlist?list=PLblh5JKOoLUIxGDQs4LFFD--41Vzf-ME1 2024. 10. 10. 『개발자를 위한 필수 수학』 Chapter 6. 로지스틱 회귀와 분류 토머스 닐드, 『개발자를 위한 필수 수학』, 박해선, 한빛미디어-OREILLY(2024), p219-254. 로지스틱 함수하나의 입력 변수 x에 대한 확률 y$$ y=\frac{1}{1+e^{-(\beta_0+\beta_1x)}}$$ 로그 오즈(log-odds) 함수$$-(\beta_0+\beta_1x)$$ 둘 이상의 입력 변수 x에 대한 확률 y$$y=\frac{1}{1+e^{-(\beta_0+\beta_1x_1+\cdots +\beta_nx_n)}}$$ 최대 가능도 추정(maximum likelihood estimation): 로지스틱 함수가 관측된 데이터를 출력할 가능성을 최대화하는 것결합 확률 개념을 적용 (여러 사건의 확률 or 가능도를 결합하기 위해 곱함)작은 소수점 여러 개를 곱할 때 문제 .. 2024. 10. 8. 『개발자를 위한 필수 수학』 Chapter 5. 선형 회귀 토머스 닐드, 『개발자를 위한 필수 수학』, 박해선, 한빛미디어-OREILLY(2024), p169-217. 샘플링 편향을 잊지 말아야 함: 데이터의 내용과 출처에 대해서 관심을 가져야 함머신러닝 모델 훈련 = 손실 함수를 최소화손실 함수: 훈련 데이터 하나에 대한 오차를 계산비용 함수: 훈련 데이터 전체에 대한 오차를 계산목적 함수: 더 넓은 의미로 종종 사용되며, 최적화하려는 모든 대상을 의미 계산 복잡도(computational complexity): 입력의 크기가 커짐에 따른 알고리즘의 수행 시간P vs NP: https://www.youtube.com/watch?v=YX40hbAHx3sBig O notation: https://www.youtube.com/watch?v=Q_1M2JaijjQQR .. 2024. 10. 3. 『개발자를 위한 필수 수학』 Chapter 4. 선형대수학 토머스 닐드, 『개발자를 위한 필수 수학』, 박해선, 한빛미디어-OREILLY(2024), p131-168. 컴퓨터 그래픽 쉽게 수행 가능Manim libaray: https://docs.manim.community/en/stable/examples.html span: 벡터의 전체 공간서로 방향이 다른 벡터 두 개가 있을 때, 두 벡터는 선형 독립이며 스팬이 무한함기저 벡터(basis vector): 다른 벡터 변환을 설명하는 데 사용되는 벡터일반적으로 길이가 1이고 서로 수직이며, 양의 방향을 가리킴비정방 행렬의 차원 변환: https://www.youtube.com/watch?v=v8VSDg_WQlA np.dot vs np.matmul: https://jimmy-ai.tistory.com/104행렬식.. 2024. 10. 2. 『개발자를 위한 필수 수학』 Chapter 3. 기술 통계와 추론 통계 토머스 닐드, 『개발자를 위한 필수 수학』, 박해선, 한빛미디어-OREILLY(2024), p81-128. 데이터: 어떤 이야기의 스냅숏을 제공함 ➡️ 편향될 수 있음연속적인 현실과 맥락을 완전히 파악할 수 없음이야기를 이끌어가는 무수히 많은 변수도 파악할 수 없음기술 통계: 데이터를 요약하는 데 사용 (e.g. 평균, 중앙값, 최빈값, 차트, bell curve 등)추론 통계: 표본을 기반으로 더 큰 모집단에 대한 속성을 발견하는 것 편향: 표본을 이용해 모집단 특성을 추정할 때, 추정치가 평균적으로 참된 값에서 벗어나는 정도확증 편향(confirmation bias): 자신의 신념을 뒷받침하는 데이터만 수집하는 것자기 선택 편향(self-selection bias): 특정 그룹이 표본에 스스로를 포함.. 2024. 9. 30. 『개발자를 위한 필수 수학』 Chapter 2. 확률 토머스 닐드, 『개발자를 위한 필수 수학』, 박해선, 한빛미디어-OREILLY(2024), p59-79 확률(probability) vs 가능도(likelihood)정의확률: 어떤 사건이 일어날 것이라고 믿는 정도, 아직 일어나지 않은 사건에 대한 예측을 정량화하는 것.가능도: 이미 발생한 사건의 빈도를 측정하는 것.합계확률: 상호 배타적인 확률일 경우 1.0가능도: 위 규칙이 적용되지 않음오즈: 사건이 발생할 확률 / 사건이 발생하지 않을 확률e.g. 오즈 2: 사건이 일어날 확률이 일어나지 않을 확률보다 2배 높다는 뜻도박이나 베팅에서 주관적인 믿음을 정량화하는 데 유용함이항 분포: 확률이 p일 때 n번의 시도 중 k번이 성공할 가능성을 측정여러 번의 시도가 주어졌을 때, 사건이 어떻게 발생하는지 .. 2024. 9. 29. 이전 1 2 3 4 5 6 다음 반응형
