건빵의 블로그

가끔 Data Science를 위해 R이나 Python을 공부하려고 하는데, 어떤 좋은 소스가 있는지에 대한 질문을 받는다. 요새는 좋은 책도 많아 책으로 공부하는 방법도 추천하지만, 오늘 소개하려고 하는 사이트는 DataCamp라는 사이트이다. Data Science를 위해 많이 사용되는 R과 Python의 코스를 제공하며 언어에 대해 전혀 경험이 없는 사람들을 위한 기본 코스부터 통계학, 머신러닝 지식이 필요한 코스까지 다양하다. 내가 생각하는 DataCamp의 장점과 단점은 다음과 같다.장점1. 단계별로 간단한 코드 문제가 나오고 풀어가는 방식으로 interactive하게 설계되어 재미있음 2. 코스가 무겁지 않게 잘 나누어 설계되어 있어 질리지 않고 계속 공부할 수 있음 3. 각 코스마다 cert..

박사과정이 주는 이름의 무게는 본인 혹은 가까운 사람이 이 과정을 겪고 있거나, 겪지 않았다면 잘 모를 것이다. 누군가에게는 하고 싶은 공부를 할 수 있어 그저 부러운 사람들이거나, 또다른 누군가에게는 어떻게 그 긴 기간을 공부하는 지 생각만 해도 답답해서 오히려 대단해 보이는 그런 사람들 일수도 있을 것이다. 나도 그 이름의 무게는 과정을 시작하기 전까지는 전혀 몰랐다. 석사 때 했던 습작들. 겁 없기에 용감했고 그래서 운 좋게 좋은 결과를 얻었던 연구들이 재미있었고, 그것들이 나의 능력이 아닌 여러 외부적 요인 (예> 지도교수님의 능력)으로 되었다는 것을 그때는 미처 모르고, 주변에서 해주는 칭찬에 우쭐해서 나는 연구를 잘 한다고 생각했었다. 연구하니 덤으로 따라오는 학회 참가와 해외 경험들도 너무 ..

데이터에 기반한 modelling을 할 때 자주 나오는 개념인 bias-variance tradeoff. 중요하지만 헷갈릴 수 있는 개념인데 쉽게 정리된 글을 Quora에서 발견하여 번역하여 공유한다. 원문: How would you explain the bias-variance tradeoff to a five year old? 이 그림 하나면 Bias-Variance tradeoff를 설명하기에 충분할 것이다. 모델링, 통계학, 머신러닝 등에 대해서 알고 있다면 위의 의미를 더 깊게 이해해 보자. 데이터가 가지고 있는 불확실성이나 noise 뿐만 아니라 모든 학습 알고리즘은 두 가지 종류의 에러를 가진다. 1. Bias2. Variance Error(X) = noise(X) + bias(X) + va..