173만명의 커뮤니티!! 함께 토론해봐요.
[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)
6월 21일 10회 실기 시험 보는 수험생입니다! 현재 캐글에 올라와있는 작업형2 예상문제랑 컴피티션은 오류 없이 csv 만들 수 있는 상태입니다. 이 정도만 해도 시험에서 2유형은 무리가 없을지 궁금합니다. 그리고 2유형에서 전처리하는 정도로만 데이터를 다룰 수 있는데, 1유형을 더 집중해야할지, 3유형에 올인할지 고민입니다ㅜㅜ 조언 부탁드립니다. 감사합니다.
[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)
안녕하세요 제가 이번 실기 시험을 응시하려고 했는데 시험 응시 기간을 놓쳐서 다음 시험을 봐야하는 상황입니다... 시험을 볼 수 없는 상황이라 이번 시험 때는 강의를 수강할 일이 없을 것 같고 제가 현재 9월까지 수강이 가능합니다. 그래서 다음 시험까지 수강 기간을 멈췄다가 10월부터 다시 수강 시작을 할 수 있을까요? 제 이메일은 ggm06401@naver.com입니다 부탁드립니다 선생님...
[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)
이제 1유형 강의 다봤는데요 1유형을 완벽하게 하고 2유형 넘어가고 2유형 완벽하게 하고 3유형 할까요?? 완벽하게 할때 정답코드 안보고 제가 스스로 할수잇는거맞나요?
[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)
안녕하세요 이번 10회차 시험을 준비하고 있는 수강생입니다. 이제 작업형 1(섹션 4)까지 학습 끝내고 머신러닝에 들어가려고 합니다. 섹션 5 머신러닝 강의를 업데이트하고 계시던데, 혹시 언제까지 업데이트가 완료될까요? 시험이 한달 남아 학습은 빨리 하고 싶은데 강의 업데이트가 다되기까지 시간이 1주일 넘게 걸린다면 기다리기가 어려울 것 같아서요. 어떻게 할지 조언을 구하고 싶습니다. 머신러닝 신버전이 업데이트 다 되는 걸 기다렸다가 순차적으로 듣는다. 머신러닝 구버전으로 듣고 학습 진행한다. 작업형 3부터 학습하면서 머신러닝 업데이트를 기다리다가, 작업형 2 업데이트 다 되고 돌아온다. 그 이후에 기출 진행한다. 섹션 5 28. 머신러닝 학습 및 평가(분류) 듣고나서 섹션 6 구버전의 이어지는 강의를 듣는다. 이 경우 34.모델링 및 평가(회귀)로 이어서 들으면 될까요? 참고로 지금은 머신러닝 신버전 듣고 있습니다. 감사합니다.
[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)
노베이스 수강생 질문 드립니다 R만 사용해본 통계학과 졸업생인데 시험 한달정도 남은 지금 공부를 어떻게 해야할지 감이 안잡혀서 질문드립니다 공부법좀 추천 해주세요!!!.. 현재는 함수 외우면서 강의 , 실습 하고있습니다
[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)
안녕하세요 다른 커뮤니티에 글을 잘못 올려 다시 업로드합니다,, 작년에 결제하고 취업 준비를 하느라 실기 시험 준비를 거의 하지 못했습니다. 얼마전 취업을 해서 빅데이터분석기사 실기에 다시 공부를 시작했습니다. 강의 수강 기간이 5월 8일까지인 상황인데 혹시나 강의를 연장할 수 있을지 문의드립니다. 제 메일은 wogh9599@naver.com 입니다. 감사합니다.
[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)
사는게 바빠서 공부못하고 신경못쓰다가 수강기간이 4월 말까지인걸 알아버렸습니다.. 혹시 6월말까지만 수강기간 연장 가능할까요?? 이번 6월에 있을 실기 시험 꼭 붙고 싶습니다. 답변은 이메일로 주시나요?? 제 이메일은 kimtgnm@naver.com 입니다.
[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)
강의가 2025년 6월 4일까지인데 10회 실기를 보기 위해서 2025년 6월 20일까지 연장 가능할지 부탁드립니다.. 열심히 들어서 합격하겠습니다 dbwlsdl5796@naver.com입니다.
[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)
exam1 = pd.get_dummies(exam1, columns=['race'], drop_first=True) exam1 = pd.get_dummies(exam1['race'], drop_first=True) 랑 차이가 있나요?
[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)
(사진)
[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)
(사진)
[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)
(사진)
[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)
랜덤포레스트 결과가 다르게 나와 요
[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)
사후 검정 투키, 본페로니 식 외워야 하나요? 시험에서 사후검정도 해야하나요?
[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)
정처기 실기 준비한다고 빅분기 실기 준비가 늦었는데요.... 인강 결제하고 공부한지 3일차인데, 작업형1 모의문제를 푸는데 멘탈이 탈탈 털려버렸어요 ㅜㅜ... 나름 열심히한다고 온갖 함수부터 달달 외우고는 있는데 응용이 전혀 되질 않아서 모의문제를 혼자 힘으로 1도 못풀었어요.. 계속 gpt로 코드 해석보면서 보고있는데, 이대로 계속 진도를 나가는게 맞는지 모르겠네요... 계속 지웠다 썼다 반복하고는 있는데, 단순히 답을 외우게 되는 것 같아서 나중에 응용이 될까 모르겠네요.. 이해가 안 가더라도 계속 진도를 나가고 회독을 하는게 맞는 건가요 ?
[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)
https://dataq.goorm.io/exam/116674/체험하기/quiz/4 여기서 하는 성별예측 문제에서 import pandas as pd train = pd.read _csv("data/customer_train.csv") test = pd.read _csv("data/customer_test.csv") # print(train.shape, test.shape) # print( train.info ()) # print(train.isnull().sum()) # print(test.isnull().sum()) #결측치 처리 (환불금액) train['환불금액'] = train['환불금액'].fillna(0) test['환불금액'] = test['환불금액'].fillna(0) # print(test.isnull().sum()) # print(train['성별'].value_counts()) #인코딩 target = train.pop('성별') train = pd.get_dummies(train) test = pd.get_dummies(test) #검증 데이터 분리 from sklearn.model_selection import train_test_split X_tr, X_val, y_tr, y_val = train_test_split(train, target, test_size=0.2, random_state=0) # print(X_tr.shape, X_val.shape, y_tr.shape, y_val.shape) from sklearn.ensemble import RandomForestClassifier rf = RandomForestClassifier(random_state=0) rf.fit (X_tr, y_tr) pred = rf.predict_proba(X_val) # print(pred) from sklearn.metrics import roc_auc_score roc = roc_auc_score(y_val, pred[:,1]) #예측 및 파일생성 pred = rf.predict_proba(test) submit = pd.DataFrame({ "pred":pred[:,1] }) submit.to _csv("result.csv", index=False) # print( pd.read _csv("result.csv")) 이렇게 코딩을 했는데 예측 및 파일 생성에서 pred = rf.predict_proba(test) 여기 부분이 오류가 뜨는데 왜 그런가요 ㅠㅠ > Makefile:6: recipe for target 'py3_run' failed make: *** [py3_run] Error 1 Traceback (most recent call last): File "/goorm/Main.out", line 43, in <module> pred = rf.predict_proba(test) File "/usr/local/lib/python3.9/dist-packages/sklearn/ensemble/_forest.py", line 674, in predict_proba X = self._validate_X_predict(X) File "/usr/local/lib/python3.9/dist-packages/sklearn/ensemble/_forest.py", line 422, in validate X_predict return self.estimators_[0]._validate_X_predict(X, check_input=True) File "/usr/local/lib/python3.9/dist-packages/sklearn/tree/_classes.py", line 407, in validate X_predict X = self._validate_data(X, dtype=DTYPE, accept_sparse="csr", File "/usr/local/lib/python3.9/dist-packages/sklearn/base.py", line 437, in validate data self._check_n_features(X, reset=reset) File "/usr/local/lib/python3.9/dist-packages/sklearn/base.py", line 365, in check n_features raise ValueError( ValueError: X has 73 features, but DecisionTreeClassifier is expecting 74 features as input. 이렇게 뜹니다,,
[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)
안녕하세요. 좋은 강의 감사드립니다. 덕분에 잘 배우고 있습니다. 문제 2. 주어진 데이터에서 결측치가 30%이상 되는 컬럼을 찾고 해당 컬럼에 결측치가 있는 데이터(행)를 삭제 함. 그리고 30% 미만, 20% 이상인 결측치가 있는 컬럼은 최빈값으로 값을 대체하고 'f3'컬럼의 'gold' 값을 가진 데이터 수를 출력하세요! 문제2를 대하고 순간 다음과 같은 고민을 했었습니다. 1번을 수행하여 'f1'컬럼의 결측치 행을 삭제한 후 2번을 하려니 'f3'컬럼의 결측치 갯수가 18개만 남더군요. 그럼 18개는 최초 데이터 100개의 20% 미만일까? 그렇지 않다. 'f1'컬럼 결측치를 제거한 후 데이터 갯수 69개의 20%~30%(14~20)에 해당한다. 그렇다면 'f3'컬럼의 최빈 값은 'f1'컬럼의 결측치를 제거하기 전의 값을 사용해야할까 아니면 결측치 제거 후의 값을 사용해야 할까? 결과적으로는 어떤 방식으로 하던 답은 56으로 일치했지만 주어진 데이터에 따라 다른 값이 나올 수도 있을 것 같습니다. 혼돈을 없애기 위해 문제 2의 문항 순서를 바꾸면 어떨까요? 30% 미만, 20% 이상인 결측치가 있는 컬럼은 최빈값으로 값을 대체하고 주어진 데이터에서 결측치가 30%이상 되는 컬럼을 찾고 해당 컬럼에 결측치가 있는 데이터(행)를 삭제 함. 'f3'컬럼의 'gold' 값을 가진 데이터 수를 출력하세요!
데이터 분석 SQL Fundamentals
서브쿼리만 따로 실행하면 상관 컬럼으로 참조한 컬럼은 메인쿼리에 있어서 서브쿼리 단독 실행이 안되는 바람에 문제점 파악하기도 힘들고 쿼리가 메인부터 실행되는게 아니라 서브부터 실행되기 때문에 가장 안쪽에 있는 서브쿼리부터 거꾸로 해석해야해서 직관적으로 의미를 알아내기도 어렵고... 정말 끔찍해요 안썼으면 좋겠어요... 최초 강의에 포함되지 않은 이유가 있는것같아요
데이터 분석을 위한 판다스: 기초부터 데이터 분석까지
수업을 들으면 titanic에 mean()을 적용하면 결과가 나오는데, 저는 나오지 않더군요(에러 메시지가 나옴) 그래서 numeric_only=True를 주니까 문제가 해결이 되긴 하던데, 혹시 제가 뭔가 설정이 달라서 그런건지? 하여 문의 남깁니다.
데이터 분석 SQL Fundamentals
혹시 쿼리를 빨리 읽는 방법이 있을까요? 제가 실무에서 프로시저와 함수들을 주로 사용하고 있습니다. 그런데 제가 SQL 에 익숙하지 않아서 인것도 있지만 주석이 없는 프로시저와 함수들을 보고 의도를 파악하고 분석하는데 시간이 너무 오래 걸리고 있어요. 혹시 서브쿼리 join , union 등이 무분별하게 쓰여진 복잡한 쿼리에서 쿼리의 의도만을 빠르게 파악할 수 있는 방법이 있을까요? 제 나름대로 생각을 해서 SELECT 절은 일단 보지 않고 FROM 절을 먼저 보고 어떤 테이블에서 값을 가지고 오는지 판단한후 WHERE 절을 보고 마지막으로 SELECT 절을 보고 있어요 그런데 SELECT 절에서도 CASE WHEN 문이나 단일행 서브쿼리들이 있어서 실행을 시켜보아도 이게 무슨의미인지 파악하지 못할때가 많아요,, 방법이 있을까요?
