파이썬 데이터 분석: 쉽지만 모르는 사람들이 많은 유용한 팁 10 파이썬을 사용해서 데이터 분석을 하는 방법들 중에서 쉬운데도 사람들이 많이 알지 못하는 하지만 매우 유용한 팁들 몇가지를 ChatGPT에게 조사해보라 했습니다. ChatGPT를 적절히 활용하면 좀 더 쉽게 그리고 빠르게 데이터 분석 실력을 키울 수 있지 않을까 생각이 됩니다. 1. 벡터화 사용하기 (Vectorization Over Loops) NumPy 배열을 사용하여 각 요소를 제곱하는 예입니다. 벡터화 연산은 반복문보다 효율적입니다. import numpy as np array = np.array([1, 2, 3, 4, 5]) squared_array = array ** 2 2. Pandas Profiling 사용하기 Pandas D..

[온라인 서점 고객세분화] ChatGPT가 지원하는 디지털 마케터의 시장/고객 데이터 분석 * 고객세분화와 마케팅, 그리고 데이터분석과 알고리즘 활용 (Python). ChatGPT의 초안을 이해하고 응용하는 방안 ** 온라인서점의 가상 예제로 예제의 전반적 설명과 데이터셋(첨부)에 대한 설명은 아래 블로그 링크를 참고 https://revisioncrm.tistory.com/405 [CRMAJU2018] R데이터분석 - 탐색적 고객세분화 :: 서점 데이터 활용 # 서점의 고객 데이터에 대한 가상 사례 # 탐색적인 분석과 고객세분화 응용 사례 # cs1 > 고객세분화(customer segementation)와 시장세분화(market segmentation)는 대상에서 차이가 나기 때문에 엄밀하게는 구별..

styleMarket 데이터분석 : 보헤미안브리즈 고객세분화 분석 PYTHON FSTAAP { # FSTAAP { # FSTAAP { # FSTAAP { # > 스타일마켓은 대한민국에 위치한 패션 제품의 생산, 수입 및 국내외 유통을 담당하는 기업입니다. 이 회사는 다양한 스타일과 트렌드에 맞춘 다양한 패션 아이템을 제공하며, 의류, 액세서리, 신발 등을 포함한 주요 제품 라인업을 생산합니다. 스타일마켓은 고품질의 원단과 재료를 사용하여 제품의 품질과 내구성을 보장하며, 다양한 디자인 팀과 협업하여 새로운 패션 트렌드를 제공합니다. 또한, 유명한 패션 브랜드 및 디자이너와의 협업을 통해 독특하고 차별화된 제품을 개발합니다. 회사는 글로벌 시장 동향을 파악하고 다양한 유통 채널을 통해 국내외 고객들에게 제..

[섬유패션] 머신러닝 고객/상품/매출 데이터 고급분석 및 예측 _ 강의중 참고 202311 서울 [ 전용준 . 리비젼컨설팅 . 머신러닝 . 빅데이터 . 고급분석 ] [ sFSTAAP ][ sFSTAAP ][ sFSTAAP ][ sFSTAAP ][ sFSTAAP ] [ sFSTAAP ] [ sFSTAAP ][ sFSTAAP ][ sFSTAAP ][ sFSTAAP ][ sFSTAAP ][ sFSTAAP ][ sFSTAAP ][ sFSTAAP ][ sFSTAAP ][ sFSTAAP ][ sFSTAAP ][ sFSTAAP ][ sFSTAAP ][ sFSTAAP ][ sFSTAAP ][ sFSTAAP ][ sFSTAAP ][ sFSTAAP ][ sFSTAAP ][ sFSTAAP ][ sFSTAAP ][ sFSTA..

파이썬 데이터 분석 관심의 급등세 지속. 그리고, 데이터분석을 위한 활용 예 2022-05-12 프로그래밍에 대한 일반적인 관심도 얼마간은 증가하는 추세를 보이고 있으나 그와는 비교할 수 없을 정도로 큰 폭의 상승세를 [파이썬 데이터 분석]이 보이고 있음 그만큼 데이터 분석에서 파이썬 Python 을 사용하는 이점이 많고, 그 덕에 사용자 층이 점점 더 늘어나 가속적인 관심을 받게 되는 나름의 선순환 모드에 들어서 있는 듯 지난 몇년을 보면서 갖는 개인적인 느낌은 뭐 그리 대단해서가 아니라 대세이다 보니 점점더 대세가 되는 승자독식 상황이 연출된 것 같다는. (물론, Pandas, Numpy 훌륭하고 설명이나 예제나 상황이 참 좋은 것이 사실이지만. 그리고 일등공신은 단연 판다스 팬더스 Pandas) 여..

[머신러닝] 디시젼트리와 XGBoost 인기도 변화 추이 요점: 코로나 바이러스 COVID-19 사태로 인해 전세계적으로 머신러닝 기법에 관한 관심이 줄어들었으나 XGBoost 기법에 대한 관심이 디시젼트리에 대한 관심이상으로 높음. 정확도 높은 고급 머신러닝 기법을 찾는 사람들이 많음 2021년 현재까지 트리기반 앙상블 머신러닝의 대표선수는 XGBoost 파이썬이 머신러닝을 위한 분석용 환경으로 지배적 지위를 가진지 3년 가량이 지났음 supervised machine learning을 위해 디시젼트리와 XGBoost는 가장 많이 활용되는 모델링 기법들 전세계적인 인기도를 구글트렌드 지수를 기준으로 살펴보면 XGBoost가 전통적인 디시젼트리 보다 조금은 더 많은 관심을 받고 있음을 알수 있음 R에서와..