>RE::VISION CRM

데이터과학 11

ChatGPT 주도적인 데이터 분석 - 온라인서점 고객세분화 예제

ChatGPT 주도적인 데이터 분석 - 온라인서점 고객세분화 예제 분석가의 개입을 최소화하고 최대한 ChatGPT(3.5)의 코드 생성 기능만을 활용하여 실전적 데이터 분석을 실시해보는 예제. 90% 이상의 작업은 ChatGPT 가 수행하고 지휘와 감독, 부분적인 수정 정도만 인간 분석가가 하는 방식으로 진행한 결과물 # prompt: 파이썬에서 테이블의 컬럼별 기본 특성 정보를 확인하는 스크립트를 작성하라. csv 파일로 데이터가 제공된다 # prompt: 실제로는 수치인데 천단위 컴마가 들어가 object로 보이는 컬럼의 값들을 컴마 없는 수치로 변경하는 스크립트를 작성하라 # prompt: 테이블에서 수치형 데이터들 끼리만 상관관계를 매트릭스로 구한 후 매트릭스 히트맵으로 시각화하는 스크립트를 작성..

인공지능 2023.10.05

엔터프라이즈AI전략 컨퍼런스: Data Science with ChatGPT and Code Interpreter 워크샵

엔터프라이즈AI전략 컨퍼런스 - Post Conference WORKSHOP Data Science with ChatGPT and Code Interpreter (with Hands-on practice) 일시 : 2023.9.6 14:30~17:30 (3H) 장소 : 섬유센터 2F 컨퍼런스홀 문의 : xyxonxyxon@empas.com 02-415-7650 (리비젼컨설팅) 등록 : https://onoffmix.com/event/281287 EAIS컨퍼런스 공식사이트 Workshop 소개 페이지 : http://enterpriseaicon.com/list.php?bbs_id=sub_shop Speaker: 홍창수 박사 나이스P&I(주) 이 워크샵 세션은 참가자들에게 ChatGPT가 데이터 과학 분야에..

인공지능 2023.07.21

기업 데이터 사이언스 실패의 이유 7

기업 데이터 사이언스 실패의 이유 7 writing started: 2022-10-21 .... under - writing Yong Xune Xon 전용준 . 리비젼컨설팅 . 경영학 박사 데이터 사이언스에 대한 관심이 생겨나기 시작한지도 십년을 채워가는 시점. 데이터 사이언스에 대한 관심이 급격히 늘어나기 시작한지도 어림잡아 3년은 되어가는 시점. 그러나 자랑스레 우리 회사는 데이터 사이언스가 성공적으로 정착되었고 실질적으로 기업의 가치 증대와 목표 달성에 크게 기여하고 있다고 자랑할 수 있는 경우를 많이 찾아보기 어렵다. 그렇다면 어떤 이유들로 인해 기업들의 데이터 사이언스가 실패하는가? 무수한 이유들 중에 대표적인 일곱가지를 꼽아 본다면? 1. 데이터 사이언스와 무관한 사람이 데이터 사이언스를 관리..

카테고리 없음 2022.10.21

데이터 사이언스: 과학인가 기술인가 실행인가 [Draft]

데이터 사이언스: 과학인가 기술인가 실행인가 Data Science: Science, Art or Action? SEP. 2022 . . . . . YONG 데이터 과학과 데이터 과학자가 많은 사람들에게 흔한 단어로 사용되고 있는 시대이기는 하지만 데이터 과학과 본래 의미에서의 과학을 혼동하는 이들이 대부분인 것 처럼 보인다. 경험적으로 보면 데이터 과학에서 과학의 역할은 Foundation, 기술(Art)의 역할은 Technique, 실행의 역할은 Application(즉, Goal)이라 생각된다. 딱딱한 과학의 정의를 들춰내 보면, "세계의 구성, 변화 등에 관한 합리적 이해를 목적으로 수학과 실험의 방법을 이용하여 수행하는 지적 탐구활동" 이다. 데이터 과학으로 좁혀서 생각해 본다면 그 대상물 역시..

[R분석] KBO 프로야구 가을야구 stat 예상 분석

# 미리보는 KBO 2018 가을야구 # 플레이오프 : 한화 - SK # 코리아시리즈 : SK - 두산 # 순서대로 진행된다고 했을 때 벌어질 타격전의 예상시나리오? # 9.19일까지의 KBO 타격 통계를 바탕으로 예상해본다면? #----- [EDA] KBO 가을야구 미리보기 연습 -------- # # [1] scatter plot을 통한 타자들 구성 분포 탐색 # [2] barplot을 활용한 팀별 성향 비교 # 블로그에서 데이터 불러오기 # KBO 데이터 타자순위로 60명. 2018.9.19일까지 통계 반영 hit0 .17 & hit1$team %in% c("두산","SK","한화"),as.character(hit1$name), ""), pos=2, cex=0.7) abline(h=30, lty=3..

R 데이터 분석 2018.09.20