>RE::VISION CRM

데이터분석 48

[ FCPEDA ] 패션 고객-상품 탐색적 데이터 분석 - PYTHON

[ FCPEDA ] 패션 고객-상품 탐색적 데이터 분석 - PYTHON    강의 PDF 파일 다운로드 ::     강의 실습용 코드 주피터노트북 다운로드 (PC용) ::    참고용 코드와 브루클린 데이터셋 다운로드 ::https://github.com/stillxyxon/fashionRetailAnalysis2022 GitHub - stillxyxon/fashionRetailAnalysis2022: analyzing a virtual fashion retailer's customers, products and transactionsanalyzing a virtual fashion retailer's customers, products and transactions - stillxyxon/fashion..

FCSEDA 패션 고객 세분화 탐색적 데이터 분석 - PYTHON

[ FCSEDA ] 패션 고객 세분화 탐색적 데이터 분석 - PYTHON      FCSEDA . FCSEDA . FCSEDA . FCSEDA . FCSEDA . FCSEDA .  FCSEDA . FCSEDA . FCSEDA .  FCSEDA . FCSEDA . FCSEDA .  FCSEDA . FCSEDA . FCSEDA .  FCSEDA . FCSEDA . FCSEDA .  FCSEDA . FCSEDA . FCSEDA .  FCSEDA . FCSEDA . FCSEDA .  FCSEDA . FCSEDA . FCSEDA .    강의 PDF 파일 다운로드 ::     강의 주피터노트북 다운로드 (구글 Colab용)    강의 주피터노트북 다운로드 (PC용)      *** Colab에서 한글폰트 사용 설..

카테고리 없음 2024.05.23

챗GPT AI 시각화 데이터 분석 - 막대 챠트 프롬프트 명령 (프롬프트와 영상) Tutorial

챗GPT AI 시각화 데이터 분석 - 막대 챠트 프롬프트 명령 (프롬프트와 영상) 막대그래프는 데이터 분석에서 가장 간단하고 쉬운 시각화 방식이다. 하지만 전문적으로 데이터 분석, 시각화를 하는 사람들은 챠트의 부분 부분을 조절해서 중요한 정보를 담고 발견한다. 파이썬과 같은 프로그래밍 언어를 직접 사용하는 대신 인공지능 챗봇 챗GPT의 Advanced Data Analysis 고급데이터분석이 제공하는 시각화 기능을 사용해서도 이런 전문적인 시각화가 가능하다. 하지만, 챠트 시각화 방법에 대한 이해와 동시에 챗GPT에서 프롬프트 명령으로 (사용자 관점의 프롬프트 엔지니어링) 원하는 챠트의 모양을 표현하도록 지시하는 방법을 알아야 한다. ChatGPT의 데이터분석 기능이 알아서 (사용자의 속마음까지 읽고)..

인공지능 2024.03.29

ChatGPT 데이터 분석 - Scatterplot 데이터 시각화 분석 예제(영상)

ChatGPT 데이터 분석 - Scatterplot 데이터 시각화 분석 예제(영상) AI 챗 GPT 고급데이터분석 기능으로 간단한 시각화 데이터 분석을 해보자 scatterplot을 사용해서 시각화를 하는 실전 예제를 step-by-step 진행해본다. 이 과정에서 ChatGPT의 고급 데이터 분석 Advanced Data Analysis의 기능을 활용하기 위해 어떻게 챗GPT 프롬프트를 작성하는지 작성하는 방법을 익힌다. (프롬프트 엔지니어링 측면에서) "패션브랜드의 고객 데이터를 예제로 scatterplot 분석을 통해, 고객들의 구매 행동과 선호도에 대한 깊은 이해를 하는 과정을 연습한다. 이 과정에서 주요 분석 포인트는 고객의 연령대, 구매 금액, 구매 빈도 등에 대해 검토한다. 특히, 연령대별로..

인공지능 2024.03.21

최근 기업의 빅데이터 분석이 변화해 가는 방향 점검

최근 기업의 빅데이터 분석이 변화해 가는 방향 점검 기업의 빅데이터 분석 분야가 어떻게 변화해가는지를 요약해봅니다. 역시 AI/ML의 중요성이 매우 크게 두드러지는 상황입니다. 기술의 발전 자체 뿐 아니라 데이터 분석 결과가 일선 업무에 투입될 수있는 길을 여는 창구라는 측면 때문일 수도 있으리라 해석됩니다. 또, 물론, 그 기반이 되는 데이터의 통합과 품질, 확보와 관리 역시 지속적으로 중요한 과제가 되고 있습니다. 과거 5년 간 빅데이터 분석 분야에서의 변화는 기술의 발전과 기업 환경의 변화를 반영하며, 이러한 변화는 기업들이 새로운 기회를 포착하고 도전을 극복하는 데 중요한 영향을 미칩니다. 이 변화에서 기업들이 주의해야 할 사항은 다음과 같습니다: AI와 머신러닝의 통합: 과거에는 데이터 분석이 ..

빅데이터 2024.02.08