안녕하세요 큰돌님 강의 잘 보고 있습니다 궁금한게 몇가지 있어서 여쭤봅니다! 군경력이 6년있고 군생활동안 사이버 대학으로 학사 졸업을 했는데 비전공이어서 따로 학점은행제 편입 후 컴퓨터 공학 학사를 취득했는데 학위를 기재하는게 좋을까요? 사이버대학 학점 3.4 학점은행제 학점 3.8입니당 EX -> 사이버 대학 OO 졸업 학점은행제 컴공 졸업 군생활 도중 교관 경연대회 우수 사단장 상장을 받았었는데 이걸로 소프트 스킬 역량을 강조할 수 있는지도 궁금합니다. 정보처리기사, 빅데이터분석기사, adsp , sqld를 취득했었는데 자격증 칸을 만들어서 추가하는게 나을지도 궁금합니다! 사무자동화산업기사와 토익스피킹IM3도 보유중이긴 한데 그건 어필이 따로 안될 것 같은데 넣는게 좋을지도 궁금합니다!
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 df['f1'] = df['f1'].dropna() 안녕하세요 f1컬럼의 결측치 삭제를 선생님처럼 안하고 저처럼하면 왜 결측치 처리가 안될까요?
이상치 제거한 std값 구하는 코드를 이렇게 작성했는데 제거 전 후 std 값이 정답과 다릅니다. 어느 부분에서 차이가 나는걸까요? norm_col = df[(df['age']>0) & (df['age'].apply(lambda x: True if x == int(x) else False))]['age'] std_after = norm_col.std()
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 # 2) 가장 많이 수강한 과목 필터링 id = df['id_assessment'].value_counts().idxmax() cond = df['id_assessment'] == id df = df[cond] 선생님께서는 이렇게 해주셨는데요 저는 cond = df['id_assessment'].nlargest() 이걸로 최대한 활용해서 민맥스 스케일러를 하고싶은데 nlargest로 뽑은 자료를 데이터프레임형태로 어떻게 만들 수 있을까요 ㅠㅠ 답답해 미치겠습니다
여유가 된다면 추천-케이스(1~3)도 하겠지만, 시간이 촉박하여 우선 기초 먼저 해볼까 합니다 코드를 봤는데 로직의 흐름 등 내용 이해는 다 됐습니다. 기출 문제를 통해서 제가 타이핑도 직접 해 볼 예정이기도 합니다. 다만, 타겟 컬럼명 등 문제지에서 주어지는 내용에 따라 변동되는 부분 별도로 하고 전체적인 코드를 통으로 암기하여 가는거 괜찮을까요..? 추천형은 코드가 꽤 길어 통으로 암기하기에 쉽지 않을거 같은데 기초형은 그래도 어찌 외워볼만 하다는 생각이 드네요...!
검증용 데이터 전후 과정에서 일관된 코드를 만들고 싶은데 과정이 헷갈려서요. ~~ train_test_split(train, target, test_size= 0.2 , random_state = 0 ) 모의문제에서는 이 부분에서 train.drop('목표컬럼', axis=1), train['목표컬럼'],~ 이렇게 사용하는 것으로 이해했는데 그렇게 진행해도 무방할까요?
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 안녕하세요 상관계수가 가장 큰 값을 물어보면 차이가 가장 큰값과 같이 절댓값을 씌우나요? 아니면 양수중에서 제일 큰 값을 찾나요?
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 연습문제 섹션4 결측치 채우기 아래와 같이 때려넣어도됩니까? a = train['gender'].mode()[0] train['gender'] = train['gender'].fillna(a) b = train['enrolled_university'].mode()[0] train['enrolled_university'] = train['enrolled_university'].fillna(b) c = train['education_level'].mode()[0] train['education_level'] = train['education_level'].fillna(c) d = train['major_discipline'].mode()[0] train['major_discipline'] = train['major_discipline'].fillna(d) e = train['experience'].mode()[0] train['experience'] = train['experience'].fillna(e) f = train['company_size'].mode()[0] train['company_size'] = train['company_size'].fillna(f) g = train['company_type'].mode()[0] train['company_type'] = train['company_type'].fillna(g) h = train['last_new_job'].mode()[0] train['last_new_job'] = train['last_new_job'].fillna(h)
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 결측치 처리를 간단하게 X 로 하셨던데 특별한 이유가 있나요? mode 나 mean 말고 저런걸로 처리해도 문제없는지? # 결측치 처리 train = train.fillna("X") test = test.fillna("X")
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 범주형칼럼 unique 수가 너무 많아서 그냥 drop 하는 경우도 있었는데.. 기준을 어떻게 잡아야하나요? 그냥 너무 많다싶으면 그냥 삭제해도되는건지?..(종속변수뺴고) 개인적인 기준ㅇ ㅣ있으신가요? 혹시 괜히 날려서 0점 처리 되는 경우는 없나요
