데이터사이언스 & 파이썬

# 혼자 공부하고 정리하는 블로그 "동적 프로그래밍(Dynamic Programming, DP)"은 복잡한 문제를 해결하기 위해 문제를 더 작은 부분 문제로 나누고, 그 결과를 재사용하여 효율적으로 문제를 푸는 알고리즘 기법. 동적 프로그래밍을 사용하는 주요 이유는 중복되는 계산을 피하고 계산 속도를 향상시키기 위해서임. 1. 중복 계산 방지많은 문제에서 동일한 부분 문제가 여러 번 반복되며 등장하는데, 이를 메모이제이션(memoization)이나 타뷸레이션(tabulation)을 통해 결과를 저장하고 재사용함으로써 중복된 계산을 줄일 수 있다. 예를 들어, 피보나치 수열을 재귀적으로 계산하는 경우, 동일한 값을 여러 번 계산하게 됨. 이를 동적 프로그래밍을 사용하면 한 번 계산한 값을 저장해 놓고 필요..

선형대수학은 데이터를 벡터나 행렬로 표현하고, 이들 간의 연산과 변환을 효율적으로 수행하는 데 필수적이다. 머신러닝, 딥러닝, 데이터 분석, 차원 축소, 추천 시스템 등 데이터 과학의 거의 모든 분야에서 선형대수학은 기초가 되는 역할을 하므로, 데이터를 효과적으로 처리하고 분석하기 위해서는 선형대수학을 반드시 공부해 한다.  1. 데이터 표현 및 조작 • 데이터 구조: 데이터는 보통 행렬이나 벡터로 표현. 예를 들어, 표 형식의 데이터는 행렬로 나타낼 수 있고, 각 행 또는 열이 하나의 데이터 포인트를 나타냄. • 벡터와 행렬 연산: 데이터를 처리할 때, 벡터와 행렬 연산이 많이 사용. 선형대수학을 이해하면 데이터의 전처리(예: 정규화, 표준화), 변환 등을 효과적으로 수행할 수 있음. 2. 머신러닝 알..

데이터 사이언스란 무엇인가? 데이터 사이언스(Data Science)는 데이터로부터 유의미한 통찰을 얻기 위해 통계학, 컴퓨터 과학, 머신러닝, 데이터 분석 등을 결합하는 학제 간 분야이다. 데이터 사이언스는 구조화된 데이터와 비구조화된 데이터 모두를 처리하여 복잡한 문제를 해결하고, 의사결정을 지원하거나 예측 모델을 생성하는 데 중요한 역할을 한다. 데이터 사이언스의 어원을 보면 1940년대부터 1960년대 사이로 거슬러 올라가게 된다. 제프우는 1997년에 ‘Statistics = Data Science?’라는 물음표를 던졌다. 시기는 딱 데이터 사이언스가 사람들에게 알려지기 시작한 때와 맞물렸다. 사람들은 대부분 2008년부터 파틸과 해머바처가 자신들의 링크드인과 페이스북 직책란에 ‘데이터 사이언티..