WIL(Weekly I Learned)(2월 첫째주)

 

금주의 총점은 77.75점으로 지난주 85.0점보다 -8.53% 하락했습니다.

2주 연속 점수가 하락했습니다.

지난주의 경우 미래에 대한 불안감, 기초통계 공부에 생각보다 많은 시간을 할애함에따라 계획했던 일들을 모두 수행하지 못하였는데

이번주의 경우는 주 초반에 머신러닝 학습 外 다른 계획도 수립했는데

생각보다 머신러닝 학습에 많은 시간이 소요됨에따라 계획했던 일들을 수행하지 못함에따라

점수가 낮아졌습니다. 그래도 저번에 비해서는 컨디션도 좋았고, 禪의 상태에 더 많이 들어갈수 있어서

지난주 보다 점수는 낮아졌을지라도 만족도는 더 높다고 생각합니다.

 

다음으로 금주 학습했던 내용에 대한 정리입니다.

SQL

2024.02.01 - [데이터 분석 공부/SQL] - SQL 정리(Join의 기준)(24.02.01)

2024.02.02 - [데이터 분석 공부/SQL] - SQL 예제 풀이(Leetcode - Confirmation Rate)

 

머신러닝

2024.01.31 - [데이터 분석 공부/머신러닝] - 머신러닝 - 단순&다중선형회귀(24.01.30)

2024.01.31 - [데이터 분석 공부/머신러닝] - 머신러닝 - 로지스틱회귀(24.01.31)

2024.02.01 - [데이터 분석 공부/머신러닝] - 머신러닝 - 전처리(인코딩, 스케일링)(24.02.01)

2024.02.01 - [데이터 분석 공부/머신러닝] - 머신러닝 - 데이터 분리(feat. 과적합)(24.02.01)

2024.02.02 - [데이터 분석 공부/머신러닝] - 머신러닝 - 전처리(인코딩, 스케일링)에서부터 로지스틱 회귀를 적용한 예측 모델 생성까지(feat. 선형회귀와 로지스틱 회귀의 차이, 스케일링의 정규화와 표준화는 각각 언제 사용하는지)(24.02..

2024.02.02 - [데이터 분석 공부/머신러닝] - 머신러닝 - 의사결정나무, 랜덤포레스트, KNN, 부스팅 알고리즘(24.02.02)

 

금주는 머신러닝 학습에 거의 대부분의 시간을 할애했습니다.

이렇게까지 많은 시간을 들일줄은 몰랐는데 공부하다보니

'예측'한다는 점에서 재미가 있었고

앞으로 종종 유용하게 쓰일 것 같다는 생각을 했습니다.

제가 지금 가고자 하는 길은 데이터분석가이지만 개인적으로

머신러닝을 하는 데이터 사이언티스트는 데이터 분석가의 상위호환 버전이라고

생각해서(=> 데이터분석가와 데이터사이언티스의 업무가 연관성이 다소 높다)

예측 모델을 활용해서 데이터 분석을 했다는 내용의 포트폴리오가 있다면

회사에서도 긍정적으로 보지 않을까 생각해봅니다.

일단 금주 중으로 머신러닝 개인과제를 수행하며 한 번 더 내용을 정리하고,

기회가 된다면 차후 진행하는 프로젝트에서 학습한 내용들을 적용시켜보고싶습니다.