Carat Thinker

카카오에서는 매년 개발자 컨퍼런스를 진행합니다. 오프라인 행사는 근무로 가지 못했지만, 감사하게도 온라인으로 다시보기가 열렸습니다. 관심있는 세션을 몇 개 듣고 내용을 정리해보았습니다. if(kakaoAI)2024모든 연결을 새롭게if.kakao.com 나의 컨텍스트를 아는 친구, Context-Aware AI Mate요약감정, 상황과 맥락, 적절한 반응 = context awareMemory : 인간의 기억 방식 = 감각 기억 → 단기 기억 → 장기 기억단기 기억에서는 chunking을 통해 정보를 의미있는 묶음으로 만든다장기 기억에서는 의미 기억을 통해 연관된 기억을 활성화시킨다Mate memory : 감각 기억 → short term → long termshort termThread memory :..

지난 포스팅에서 잠깐 소개했던 강의 리뷰입니다. ChatGPT Prompt Engineering for Developers - DeepLearning.AILevel up your use of LLMs with prompt engineering best practices. Learn to automate workflows, chain LLM calls, and build a custom chatbot.www.deeplearning.ai강의는 Introduction - Guidelines - Iterative - Summarizing - Inferring - Transforming - Expanding - Chatbot - Conclusion 순으로 진행됩니다.가이드라인 내용에 대해서는 지난 포스팅에서 언급..

생성형 AI의 발전으로 프롬프트 엔지니어링의 중요성도 커지고 있습니다.세계적인 컴퓨터 과학자, 앤드류 응은 OpenAI와 함께 프롬프트 엔지니어링 방법에 대한 무료 강의를 열기도 했습니다.오늘은 해당 강의를 summary한 Medium 아티클을 번역/의역해보고, 강의를 들어보려구요.아래 링크는 원문 Medium 아티클입니다. OpenAI and Andrew Ng’s ChatGPT Prompt Engineering Course: Guidelines and SummaryLearn How to Create Effective Prompts for ChatGPTmedium.com 프롬프트 엔지니어링의 중요성높은 수준의 답변을 위해서 프롬프트 엔지니어링은 필수적입니다.좋은 프롬프트는 AI가 정확하고 관련도가 높은 ..

목요일에 Tableau DataFest를 다녀왔습니다. 저희 회사는 Tableau를 사용하지 않지만, 외부 컨퍼런스 참여 권장이라 다녀왔어요.Tableau를 실무에서 사용하지 않다보니 기술 세션보다는 각 기업의 데이터 활용 방법을 담은 세션을 들었어요.데이터 직무/팀의 미래나 데이터 문화에 대해 많은 생각이 드는 세션이었습니다.조직의 데이터 문화가 고도화됨에 따라 데이터 팀의 역할은 변하기 때문입니다.데이터 접근이 제한되어 있고, 구성원의 데이터 역량이 낮은 조직에서는 분석을 위해 데이터팀에 별도로 요청을 합니다.그러나 데이터 문화가 고도화될수록, 즉 구성원의 데이터 역량이 향상되고 데이터 접근이 자유로워질수록 스스로 분석을 하는 사람이 많아집니다.분석을 위해 데이터팀에 별도로 요청을 하지 않게 된다면 ..

데이터는 크게 분석, 시각화, 엔지니어링으로 구분됩니다. 분석과 시각화는 어느 정도 경험이 있지만 엔지니어링에 대해서는 아는 바가 없어서 배워보려고 시작했어요강의 바로가기 강의 구성1. 강의 개수 : 66개 강의 2. 강의 시간 : 6시간 55분 3. 커리큘럼 : spark 시작하기 - spark 기본사항 및 RDD 인터페이스 - sparkSQL, Dataframes 및 Datasets - Spark 프로그램의 고급 예제 - 클러스터에서 Spark 실행 - Spark ML을 사용한 머신러닝 - Spark스트리밍, 구조적 스트리밍 및 GraphX 4. 수강 기간 : 무제한 장단점 장점spark를 처음 사용하는 사람에게 적합한 난이도한국어 자막 제공단점업데이트되지 않은 내용이 있음. 중간중간 트러블슈팅 필요..

신청 이유? 데이터 분석가 JD를 보면 퍼널분석이 자주 언급되는데, 취준생 입장에서는 퍼널 분석을 배우기가 꽤 어렵습니다. 우선 현업에서 사용하는 것과 비슷한 포맷의 데이터를 구하기 어렵기 때문인데요 그래서 아예 '직접 해볼 수 없다면 어떻게 하고 있는지라도 알아보자!'라고 생각하면서 신청했습니다. 수강 후기! 1부와 2부로 나누어서 진행되었고, 1부는 아래 유튜브를 통해 보실 수 있습니다. 우선 저는 퍼널 분석에 대해서 아는 게 전무한 상태였습니다. 제가 막연하게 '이러겠지~'라고 생각했던 부분에 대해 짚고 넘어갈 수 있었습니다. 대표적으로 2가지만 정리해보자면 아래와 같습니다. 기존 : 관여도가 높은 유저를 중점으로 분석해야하지 않을까? 다른 유저들이 잘 사용하지 않는 기능을 사용하는 유저는 일반적인..

요즘 취업 공고를 보면서 sql을 좀 더 공부해야겠다는 생각이 들었습니다. 그래서 sql 강의를 들어보려고 보는데, 초급이랑 중급은 제가 거의 다 아는 내용이더라구요. 그래서 정규표현식, DML 등의 내용이 들어있는 고급 강의를 결제하고 수강했습니다. 강의 바로가기 강의 구성 강의 개수 : 33개 강의 시간 : 5시간 3분 커리큘럼 : DML - ERD - 서브쿼리 - 조언 조건이 특이한 문제 풀이 - 윈도우 함수 - 정규표현식 - 사용자정의함수 수강 기간 : 무제한 기타 SQL Cheatsheet 제공 하나의 문제를 여러 방식으로 풀어보는 구성 (주관적인) 장단점 장점 고급이라는 강의명에 맞게 일반적인 sql 코딩 테스트 문제풀이 사이트에서는 흔하지 않은 DML이나 정규표현식, 사용자정의함수 등의 문제..

방학을 맞아서 결제해두고 안 들었던 강의를 제대로 듣기 시작했습니다. 바로 SQL 공부할 때 같이 결제해뒀는데, 다른 공부 때문에 뒷전이 되어있던 NoSQL인데요, 어제 완강을 한 기념으로 수강 리뷰를 포스팅하려고 합니다. 강의 바로가기 강의 구성 강의 개수: 42개 강의 시간 : 9시간 36분 커리큘럼 : NoSQL 이해 - 몽고DB 준비 - 기본 명령 이해하기 - Aggregation 기본/고급 - pymongo 사용하기 - 인덱스 및 텍스트 검색 - 크롤링한 데이터 적재하기 수강 기간 : 무제한 기타 초급 난이도로, NoSQL이나 몽고DB에 대해 아는 게 없어도 따라갈 수 있습니다. 다만 기본적인 python 문법에 대해서는 알고 계셔야하고, 데이터베이스 이론에 대해서 알면 좀 더 수월하게 이해할 ..

동아리에서 진행하는 미니 팀프로젝트가 추천시스템이랑 약간 연관이 있어서 공부를 해야겠다고 다짐한 지 1주일 만에 강의를 결제해 버렸습니다. 긴 강의는 아니라서 완강에 오랜 시간이 걸리지는 않았어요. 강의 바로가기 - 강의 구성 강의 개수 : 41개 강의 시간 : 6시간 14분 커리큘럼 : 개요 - 협업 필터링 추천 시스템 - MF 추천 시스템 - surprise 패키지 - 딥러닝 추천시스템 - 하이브리드 추천시스템 - sparse matrix - 추천시스템 구축 이슈 수강 기간 : 무제한 기타 초급 난이도이지만 기본적인 python 사용법은 알고 있어야 따라가기 수월합니다(class 구현하고 호출 + numpy) 이론 파트의 경우 강의 자료가 제공되지만, 코드 파트에서는 강의 자료가 따로 제공되지 않습니..