2021-06-30 읽을거리

python

1. 8가지 데이터 구조들에 대한 python 코드들

list, hash tables 등 다양한 데이터 구조들에 대한 설명과 python 코드 예제들을 보여준다

https://python.plainenglish.io/8-data-structures-every-python-programmer-should-know-acafd46f479b

8 Data Structures Every Python Programmer Should Know

 

2. for-else 문에 대한 설명

for-else 문을 언제 써야하는지 예시와 설명이 되어 있어서 for-else문에 대해 좀더 깊게 알려면 읽어보는 것을 추천

https://medium.com/techtofreedom/for-else-a-weird-but-useful-feature-in-python-2076d8dafad1

For-Else: A Weird but Useful Feature in Python

 

3. if-elif 를 좀더 효율적으로 코드 작성하는 방법

해당 글에는 if-elif 대신 dict 형태로 구성하여 좀더 깔끔하게 코드를 작성한다.

https://betterprogramming.pub/too-many-if-elif-conditions-in-python-use-dictionaries-instead-5486299af27e

Too Many If-Elif Conditions in Python? Use Dictionaries Instead

 

4. python 코드를 작성하는 간단하고 다양한 기법들

해당 글은 자잘하지만 좀더 low level이고 pretty하게 코드를 만드는 방법들이 제시되어 있다.

정말 다양한 종류의 방법들이 소개되어 있으니 간단하게라도 읽어보는 것을 추천

https://medium.com/pythonland/30-python-best-practices-tips-and-tricks-19172564f9c

30 Python Best Practices, Tips, And Tricks

 

---

 

ML/DL

1. keras Augmentation에 대한 옵션의 테스트 결과

https://webnautes.tistory.com/1496

Keras - Data Augmentation 이미지로 확인해보기

 

2. jupyter 에서 데이터 분석을 할 때 유용하게 쓸 수 있는 10가지 extensions

여기서 나오는 모든 extension은 한번씩 써볼만하다고 생각함

https://towardsdatascience.com/10-useful-jupyter-notebook-extensions-for-a-data-scientist-bd4cb472c25e

10 Useful Jupyter Notebook Extensions for a Data Scientist.

 

3. jupyter notification

jupyter에서 사용하는 notification 라이브러리

2번에서 나오는 jupyternotify 와는 다른 라이브러리로 보이는데 어떤 것이 좋은지는 써봐야 알 것 같다

https://python.plainenglish.io/how-to-send-desktop-notifications-with-python-62a738850fbf

How to Send Desktop Notifications with Python

 

4. houston 데이터를 사용한 시계열 데이터 이상치 탐지

시계열 도메인에서 사용하는 이상치 탐지에 대해 설명하고 있다

https://medium.com/analytics-vidhya/houston-we-have-a-problem-time-series-anomaly-detection-4ab48c10dd01

Houston, we have a problem  — Time Series Anomaly Detection

 

5. facebook prophet 모델

facebook에서 논문을 낸 prophet에 대한 자세한 설명 및 고찰

해당 페이지가 공식 사이트의 도큐먼트보다 자세한 거 같다. prophet에 대해 공부하려면 해당 페이지를 읽어보는 것을 추천

https://medium.com/swlh/facebook-prophet-426421f7e331

Facebook Prophet

 

6. Dask 라이브러리와 RAPIDS 라이브러리에 대한 비교 및 설명

결과적으로 말하자면 Dask는 CPU 멀티코어, RAPIDS는 GPU 사용에 초점이 들어가 있고, 자세한 설명은 해당 글을 읽어보는 것을 추천

https://medium.com/rapids-ai/what-is-the-difference-between-dask-and-rapids-6b2ebe6bbb71

What is the difference between Dask and RAPIDS?

 

7. pdf에서 텍스트를 긁어서 표현하는 법

해당 글은 pdf에서 텍스트들을 긁어오는 방법과, 텍스트들을 Big Data의 WordCloud 형식으로 표현하는 방법에 대한 예제를 보여줌

https://preettheman.medium.com/lets-extract-data-from-pdf-s-using-python-35f1e5932d22

Let’s extract data from PDF’s using Python

 

8. Shapash 라이브러리

모델에 대한 input, output 데이터에 대해 전체적으로 설명하는 대시보드를 보여주는 라이브러리

예제와 사용 방법들이 소개되어 있다.

https://pub.towardsai.net/shapash-making-ml-models-understandable-by-everyone-8f96ad469eb3

Shapash: Making ML Models Understandable by Everyone

 

9. Netflix Prize

넷플릭스에서 주최한 추천 시스템 대회에 대한 소개 및 설명이다.

해당 글의 링크를 따라서 넷플릭스 테크 블로그를 보는 것도 좋아보인다

https://xamat.medium.com/on-the-usefulness-of-the-netflix-prize-403d360aaf2

On the “usefulness” of the Netflix Prize

 

10. 스포츠 분석에 대한 사이트 리스트

스포츠 분석에 대해서 어디서부터 시작하고 무엇을 봐야하는지 사이트들을 소개해준다.

다양한 분야의 스포츠들에 대해 링크들이 있으니 스포츠 도메인에 대해 공부하려면 추천

https://brendankent.com/2021/06/15/sports-analytics-reading-list/?utm_campaign=Data_Elixir&utm_source=Data_Elixir_342 

Sports Analytics Reading List

 

11. 테이블 데이터 관련 라이브러리

테이블 형 데이터들을 빠르게 다룰 수 있는 라이브러리들이라고 소개되어 있다.

근데 각 라이브러리 별로 기능들이 분산되어 있어서 빠르긴 하겠지만 편한지는 잘 모르겠다.

https://towardsdatascience.com/4-cool-python-libraries-that-you-should-know-about-bea9619e481c

4 Cool Python Libraries That You Should Know About

 

---

 

개발

1. git에 대한 기초

https://velog.io/@hyelimchoi1223/GitHub-기능-및-명령어-정리

[GitHub] 기능 및 명령어 정리

 

2. NoSQL 툴들에 대한 소개

총 4곳에 대한 NoSQL 툴들에 대해 간략하게 설명하고 소개한다.

https://velog.io/@hyelimchoi1223/ADP-NoSQL-정리

[ADP] NoSQL 정리

 

3. Airbnb의 ML 플랫폼의 시스템 개발

Airbnb는 ML 플랫폼을 어떤 시스템 구조로 개발하였는지 소개하는 글이다.

https://medium.com/acing-ai/airbnbs-end-to-end-ml-platform-8f9cb8ba71d8

Airbnb’s End-to-End ML Platform

 

---

 

논문

1. TGNet : 카카오 브레인에서 낸 택시 수요 예측 모델

시계열 이미지 + tabular data를 앙상블하여 예측하는 모델 : 다른 두가지 유형의 데이터에 대해서 앙상블한 점을 위주로 보면 될 듯하다

https://www.kakaobrain.com/blog/43

2.택시 수요 예측 모델을 소개합니다 - 카카오브레인