TEAM EDA

멤버 : 김현우, 민은주, 이지예 기간 : 2018. 12. 03(월) ~ 2019. 1. 16(수) 주제 : Digital Trend Analyzer (부제 : 온라인 행동 기반 트렌드 예측) 세부과제 1) 주요 상품군별 온라인 선호지수 생성 2) 상품군별 수요 트렌드 예측 및 인사이트 도출 3) 1), 2) 를 활용한 신규 서비스 제안 활용 데이터 1) 제공 데이터 : 온라인 행동 데이터, 상품분류정보 2) 외부 데이터 : 통계청, 기상청 등 공공데이터, 소셜 데이터 등 자유롭게 활용 결과 : 예선탈락 자료 : https://eda-ai-lab.tistory.com/175 피드백(비공개) : https://eda-ai-lab.tistory.com/176

기간 : 2018.07.01 ~ 2018.07.29 멤버 : 김현우, 박주연, 이주영 데이터 : Favorita Grocery Sales ( https://www.kaggle.com/c/favorita-grocery-sales-forecasting ) 전통적인 수요 예측 모델과 최신 모델 사이의 성능비교 Favorita Grocery Sales Data를 통해 0. Overview 유통업체의 경우 정확한 수요예측은 과거부터 중요한 이슈 중 하나이다. 과거에는 linear regression, logMA 모델이 많이 쓰였지만 최근에는 LSTM, LightGBM등의 모델을 사용하는 추세이다. 이에 대해 전통적인 수요예측 모델과 최신 모델 간의 성능에 비교 분석을 진행하였다. 다음은 분석의 진행 방향이다. 정..

원문 아티클 : Attn: Illustrated Attention Attn: Illustrated Attention GIFs를 활용한 기계번역(ex. 구글번역기)에서의 Attention 신경망을 활용한 기계 번역모델(NMT)이 나오기 전 수십 년 동안, 통계기반 기계 번역(Statistical Machine Translation)이 지배적인 모델이었습니다[9]. NMT는 거대한 단일 신경망을 구축하고 훈련합니다. 이러한 방식은 입력 텍스트를 읽고 번역을 출력하는 기계번역의 새로운 접근법입니다. [1]. 기계 번역모델의 선구 연구들은 Kalchbrenner and Blunsom (2013), Sutskever et. al (2014) 와 Cho. et. al (2014b)입니다. 여기서 더 익숙한 구조는 ..

Winning Tips on Machine Learning Competitions by Kazanova, Current Kaggle #3 Introduction 머신러닝은 교활합니다(?). 너가 얼마나 많은 책을 읽든지, 많은 문제를 풀고 튜토리얼을 끝냈든지 ~. 특히 너가 머신러닝에 일찍 접했을 수록. 그렇지 않니? 이번 포스트에서는, 너는 많은 사람들이 경험한 머신러닝모델을 생성하는 근본적인 팁에 대해 배울 것이다. 이 팁들은 Marios Michaildis (a.k.a Kazanova), 캐글 그랜드마스터, 2016년 5월 5일 현재 Current Rank #3에 의해 공유되었습니다.(참고로, 지금은 5등입니다) 영상 자료 - 유튜브 링크 슬라이드 자료 - 슬라이드쉐어 링크 질의 응답 자료 - 아래..

이번 자료의 분석 내용은 다음의 링크에 정리해두었습니다. 내용 및 코드 https://dacon.io/poll5/56871 [대회] 5회 신용카드 거래 데이터 시각화 대회 dacon.io (코드는 데이콘에 로그인을 해야 보입니다. ) 순위 1등

이번 자료의 분석 내용은 다음의 링크에 정리해두었습니다. 링크 : https://eda-ai-lab.tistory.com/79?category=683995 Google Analytics Customer Revenue Prediction Google Analytics Customer Revenue Prediction Predict how much GStore customers will spend 대회 목적. 80/20 규칙은 많은 비즈니스에서 입증되었습니다. 적은 수의 고객 만이 대부분의 수익을 창출합니다. 따.. eda-ai-lab.tistory.com

이번 자료의 분석 내용은 다음의 링크에 정리해두었습니다. 링크 : https://eda-ai-lab.tistory.com/45?category=683995 원문 : https://www.kaggle.com/chocozzz/recommendation-medicines-by-using-a-review Recommendation Medicines by using a review Using data from multiple data sources www.kaggle.com 인터뷰 링크 : http://blog.kaggle.com/2019/01/14/kuc-teameda/

이번 자료의 분석 내용은 다음의 링크에 정리해두었습니다. 링크 : https://eda-ai-lab.tistory.com/8?category=683995 House Prices: Advanced Regression Techniques 이번 EDA 2기 첫 프로젝트로 진행했던 kaggle의 House Prices: Advanced Regression Techniques(https://www.kaggle.com/c/house-prices-advanced-regression-techniques)에 대한 분석 보고서입니다. 코드(커널)은.. eda-ai-lab.tistory.com 피드백 김미실버(https://brunch.co.kr/@gimmesilver/)님이 피드백해주셨습니다. 1. 제 생각에 이 문제에서..

NOTE : 이번 자료는SRK님의 글을 토대로 외부자료의 내용을 가져와서, 직접 모델링 코드를 짜보도록 하겠습니다. 외부자료 다른 주에있는 날씨 데이터가 이 포럼 게시물에 있습니다. santiagomota의 csv 파일. 이 게시물에는 주에 상점을 매핑하는 데이터가 있습니다.[코드] 2014 년 7 월 1 일에서 2014 년 12 월 31 일 사이에 시리즈 중간에 180 개의 데이터가 184 일 누락되어여기에 볼 수 있습니다. 테스트 집합의 저장소 622에서 "열림"열에 대한 누락 된 데이터 중 일부는 이게시물에서 볼 수있는 0으로 바꿀 수 있습니다 월드컵 날짜에 대한 외부 데이터 포럼 게시물의 매크로 표시기 데이터 Google 트렌드데이터 그 외 참고 할 만한 시도들. 실업률시도 소비자 물가 지수,월별..

Note : 이번자료는 집적만든 자료가 아니라 Rossmann Store sales Prediction을 진행하고 있는 다른사람들의 EDA자료를 살펴봄으로써 데이터 탐색을 하는 방법과 다양한 아이디어를 얻어보도록 하겠습니다. 원문저자의 허락을 받아서 번역을 진행하였고 원문의 링크는 아래와 같습니다. Python : Time Series Analysis and Forecasts with Prophet by elenapetrova (https://www.kaggle.com/elenapetrova/time-series-analysis-and-forecasts-with-prophet) 저자 : elenapetrova (Blog: https://datageekette.com , instagram: @datagee..