지난 2월 15일에 지원서를 제출해서 4월 27일에 합격 레터를 받았다. 레딧에서 확인한 결과 3월부터 이미 활발히 합격 레터가 나가기 시작해서 상당히 쫄리는 시간을 보냈으나 2개월 조금 지난 시점에 소식을 들을 수 있었다.메일로는 아래와 같이 도착했고,View Update를 클릭해서 들어가보면 폭죽 터지는 이미지와 함께 Acceptance letter가 보이게 된다.기본 스펙1. 학부이대 정치외교학, 법학 졸업(GPA 4.1/4.3)학점은행제 컴퓨터공학 수료예정(GPA 3.4/4.5)2. 영어토플 96점3. 추천서대학 교수님들의 추천서 2장(두 분 모두 정치외교학과)당시 재직중이던 데이터 거버넌스팀의 상사 1장4. 경력Big4 컨설팅펌(국내) 인턴십 2회럭셔리 리테일 외국계 데이터거버넌스팀 1년5. 기..

데이터 사이언스에서 필수인 선형대수학 공부를 시작했다. 회사에서 지원해주는 Linkedin Learning을 활용했다.Machine Learning Foundations: Linear Algebra Machine Learning Foundations: Linear Algebra | LinkedIn Learning (이전 이름: Lynda.com)Explore the fundamentals of linear algebra, the mathematical foundation of machine learning algorithms.www.linkedin.com기대보다 알기 쉽게 쏙쏙 가르쳐줘서 개론으로 듣고자 하는 분들께 추천드린다.이하는 공부하며 남기는 노트 1. Introduction to Linear A..

지난 주 주말에 Final 시험을 치뤘습니다.마친 후에도 혹시나 room scan에서 걸릴만한 게 있었는지 걱정돼서 꿈도 꿨네요. 기말에서는 80점, 총합 82점으로 아마 B(80점 이상)를 받게 될 것 같습니다첫 시험에서 74점을 받아 중간 포기할지 고민했는데 과제도 꾸준히 제출하고 포기하지 않았더니 B라는 성적을 받았어요!이제 이 성적을 가지고 application을 작성할 수 있게 됐습니다.통계, 수학, 컴공, 경제 그 어느 것에도 해당하지 않은 비전공자로서 이번 과목을 패스해보니 스스로도 대견하고 앞으로도 OMSA 과정을 해나갈 수 있겠다는 생각이 듭니다.

가브리엘 피터슨의 Top-down 공부법에 대해 조사하고 번역한 내용을 공유합니다.요약: AI 기반 독학자의 탄생AI의 발전이 교육과 기술 습득의 패러다임을 흔들고 있다. 거대언어모델(LLM)은 단순 검색 도구를 넘어 능동적 사고 파트너로 진화했고, 이에 따라 'AI 기반 독학자(AI-augmented autodidact)'라는 새로운 전문가 유형이 등장했다.OpenAI의 가브리엘 피터슨(Gabriel Petersson)이 그 대표적 사례다. 그는 학위라는 전통적 사다리 대신 '과제 중심 재귀 학습(Recursive Learning from the Task, RLT)'을 택했다. 급변하는 지식 환경에서 효과적으로 성장할 수 있는 확장 가능한 학습 체계를 제시한다.인물: 가브리엘 피터슨 (Gabriel P..

작년 이맘때부터 온라인 대학원 프로그램에 관심을 가졌고 이제 1년 가량이 흘렀습니다.일단 어떤 프로그램에 지원하든지 필요한 토플 성적을 따기 위해 노력했고, 당시에는 시간이 부족해서 1달 준비하고 급하게 시험을 쳤던 기억이 남아있습니다. 그 때는 컴퓨터공학이나 데이터 사이언스, AI 학위가 어떻게 다른지도 모른 채 주먹구구식으로 일단 부딪혀서 입학 해보려고 노력했어요. 하지만 관련 경력도 공학 학사 학위도 없고, 그렇다고 따로 컴공이나 통계학 관련 대학 강의를 들은 적도 없는 제가 통과할리 만무했습니다. 수강 중인 컴퓨터공학 학점은행제 수강신청증명서만 들고 교수님께 추천서 받아 Texas University at Austin의 온라인 학위(CS, Data, AI)에 전부 묻지마 지원을 했는데, 모두 떨어..

이번 module에서는 선형 회귀 분석에 대해 학습했다. 과적합(Overfitting)을 해결하기 위한 일반적인 방법은 변수 선택(variable selection)을 통해 모델에 포함할 변수의 수를 줄이는 것이 있다.1) 단계적 선택(Stepwise Selection):AIC(Akaike Information Criterion)와 같은 통계량을 기준으로 변수를 추가하거나 제거하여 최적의 모델을 찾는 방법이다. step()함수를 사용할 수 있다. 2) 라쏘(Lasso) 또는 릿지(Ridge) 회귀:회귀 계수에 페널티를 부여하여 불필요한 변수의 계수를 0에 가깝게 만들거나 0으로 만드는 방법이다. 이는 glmnet패키지를 사용하여 구현할 수 있다.3) 상관계수 히트맵: 상관계수 히트맵을 그려봄으로서 미리 ..

Exponentioal Smoothing지수 평활법은 가장 최근 데이터에 더 많은 가중치를 주어 미래를 예측하는 시계열 예측 방법(Time Series Model)이다. [기본 원리]공을 던져 과녁을 맞힌다고 상상해보자. 처음에는 과녁에서 빗나갈 수 있지만, 여러 번 던질수록 실력이 늘어 과녁에 더 가까이 던지게 될 것이다. 지수 평활법도 이와 비슷하다. 과거의 예측 오차를 보정해 가면서 미래를 예측하는데, 이때 가장 최근에 발생한 오차를 더 중요하게 생각한다. [작동 방식]지수 평활법은 새로운 데이터가 들어올 때마다 아래 두 가지 요소를 고려하여 다음 예측값을 계산한다.1) 바로 직전의 실제값: 가장 최근에 일어난 실제 데이터2) 바로 직전의 예측값: 가장 최근에 예측했던 값이 두 값에 '평활 계수'(..

과제하면서 새롭게 알게 된 부분을 간단하게 정리합니다. 1. 기존 가설 검증 방법으로는 짧은 시간 안에 발생하는 change를 알 수 없음. 따라서 CUSUM을 사용하여 변화를 감지한다. 2. CUSUM은 데이터가 기준값에서 얼마나 벗어나는지를 '누적해서' 보여주는 차트이다. 한두 개의 데이터 포인트가 기준에서 약간 벗어나는 것은 무시할 수 있지만, 여러 데이터 포인트가 지속적으로 한 방향으로 벗어나는 경우, CUSUM 값은 점점 커지게 된다.더보기비유: '구멍 난 양동이'빗물을 측정하는 구멍 난 양동이를 상상해 보세요.빗물은 공정 변수(예: 기계 온도, 제품 무게)의 변화입니다.구멍은 목표값에서 벗어난 편차(오차)를 나타냅니다.양동이 안의 물 높이는 CUSUM 값입니다.양동이의 윗부분은 임계값 T입니..

매주 나가는 숙제는 같이 수업을 듣는 사람들끼리 성적을 채점해주기 때문에 나도 다른 사람의 과제 내용을 볼 기회가 많다. 같은 반 학생의 글을 읽으면서 어떤 식으로 문제에 접근했고, 어떤 도구를 활용했으며, 어떤 결론을 얻었는지 배울 수 있다. 이번에 배운 내용:1. Silhouette score라는 것을 활용하여 군집 형성이 잘 되었는지 평가할 수 있음2. 마찬가지로 Elbow point 및 WCSS(Within-Cluster Sum of Squares)를 사용할 수 있다. 각 데이터 포인트와 해당 데이터 포인트가 속한 군집의 중심(centroid) 사이의 거리를 제곱하여 모두 더한 값이다.3. 어떤 indicators의 combination이 최선인지를 알기 위해 여러 방법을 사용할 수 있는데 상관계..

Heuristics(휴리스틱)불확실하거나 불충분한 정보, 또는 시간적 제약이 있는 상황에서 합리적이고 완벽한 해결책을 찾기보다, 경험과 직관에 기반하여 빠르고 쉽게 문제를 해결하거나 결정을 내리는 사고방식컴퓨터 프로그램에서 사람이 문제를 해결하는 '감'이나 '경험적 지식'을 모방하여 알고리즘에 적용하는 방법휴리스틱은 알고리즘의 탐색 효율성을 극적으로 높여줍니다. 휴리스틱이 없는 알고리즘(예: 너비 우선 탐색)은 모든 가능한 경로를 무차별적으로 탐색해야 합니다. 반면, A* 알고리즘은 휴리스틱을 통해 목표에 더 가까운 노드를 우선적으로 탐색하기 때문에 불필요한 경로를 탐색하는 시간을 크게 줄일 수 있습니다.Silhouette Score(실루엣 스코어)군집 분석(clustering)의 결과를 평가하는 데 사..