본문 바로가기

분류 전체보기

(260)
취업 정보 5월 9일 - 취업 후기 1. 취업 후기 1) 무스펙 국비 NCS - 전자정부 프레임워크 0) 스펙 - 6개월 국비과정 수료 - 88년생 - 예체능계열 초대졸(학점 2.6) - 자격증 무 - 어학 점수 무 - 관련 경력 및 경험 전무 OKKY - 비전공 신입의 국비학원 수료 및 취업 후기 안녕하세요.이전에 `국비학원을 수료하며`라는 글을 남겼던 Wickies라고 합니다.댓글로 많은 응원 받으며 기운차게 구직활동을 시작했는데 3주 만에 계약서를 쓰게 되었습니다.응원해주신 분들에 okky.kr
자바의 정석 3 - 연산자 (scanner, charat, next, 삼항연산자) 등등 1 프로젝트 설명 & 기타 설명(큰 그림) 1. 프로젝트 페이지 참고 큰 카테고리 = 패키지 세부 카테고리 = 클래스 디비컷 - 웹디자인 평가 및 우수 웹사이트 모음 국내외 우수 웹디자인 레퍼런스 사이트 www.dbcut.com 2. github 이클립스 연동 (본인은 이미 되어 있어서 상관 없음) // RosePaku - Overview Prayer for the Einstein in the heaven. RosePaku has 9 repositories available. Follow their code on GitHub. github.com 2 복습 1. 0508 복습 (변수의 종류 ~ 형변환) * 변수의 종류 ~ 형변환 package j0509; public class Class0509_01 { ..
자바의 정석 1,2 정리 - 자바 설치~변수의 종류~형 변환 1. 질문 x 2. 내용 자바의 정석 1 - 자바 설치~변수의 종류~형 변환 1 자바 설치 1. 자바 설치 Java Archive Downloads - Java SE 8 | Oracle 대한민국 죄송합니다. 검색 내용과 일치하는 항목을 찾지 못했습니다. 원하시는 정보를 찾는 데 도움이 되도록 다음을 시도해 보십시 gurobig.tistory.com 3. 정리 1) 오전 - 자바 설치 2) 오후 - 형변환 - printf 표현법 * 핵심 - 형변환 표기 방법 익히기 - printf 출력 방법 익히기 * 자바 정석 ppt 링크 GitHub - castello/javajungsuk_basic: 자바의 정석 기초편 관련 자료입니다. 자바의 정석 기초편 관련 자료입니다. Contribute to castello/..
자바의 정석 1,2 - 자바 설치~변수의 종류~형 변환 1 자바 설치 1. 자바 설치 Java Archive Downloads - Java SE 8 | Oracle 대한민국 죄송합니다. 검색 내용과 일치하는 항목을 찾지 못했습니다. 원하시는 정보를 찾는 데 도움이 되도록 다음을 시도해 보십시오. 검색에 사용하신 키워드의 철자가 올바른지 확인하십시오. 입력 www.oracle.com 2. 환경변수 추가 3. 이클립스 설치 [Java/Windows11] 이클립스 설치하기 1. JDK 버전 확인 cmd > java -version java -version 만약 설치가 되어 있지 않으면 JDK를 먼저 설치하고 이클립스를 설치하면 됩니다. JDK 설치, 환경변수 설정 [Java/Windows 11] JDK 1.8 설치, 환경변수 설정 1. JDK danmilife.t..
자바 완전 정복 예습 간단한 리뷰 - 목차 확인, 코드 리뷰 및 연습 * 자바에서 중요하게 보는 개념 * 실제 목차 1. 자바 시작하기 1) 프로그래밍 언어와 자바 2) 자바 개발 환경 3) 자바 프로젝트 4) 자바 프로그램 기본 구조 2. 자료형 1) 변수와 자료형 2) 이름 짓기 3) 자료형의 종류 4) 기본 자료형 간의 타입 변환 3. 연산자 1) 연산자의 종류 2) 연산자의 연산 방법 4. 제어문과 제어 키워드 1) 제어문 2) 제어 키워드 5. 참조 자료형 1) 배열 2) 문자열을 저장하는 String 6. 클래스와 객체 1) 클래스와 객체의 개념 2) 객체의 생성과 활용 7. 클래스 내부 구성 요소 1) 필드 2) 메서드 3) 생성자 4) this 키워드와 this() 메서드 8. 클래스 외부 구성 요소 1) 패키지와 임포트 2) 외부 클래스 9. 자바 제어자 ..
취업 정보 5월 4일 - 요구 조건 1. 리스트업 1) 상상할 수 없는 [(주)상상할수없는] Python 개발자 경력 무관 채용(D-13) - 사람인 (주)상상할수없는, Python 개발자 경력 무관 채용, 경력:신입/경력, 학력:고등학교졸업이상, 연봉:면접 후 결정 , 마감일:2023-05-17, 홈페이지:onss.co.kr/ www.saramin.co.kr 2) 스위트북 부설연구소 2. 리스트업 - 한국직업전문학교 리스트업 비교해서 찾기!! 한국직업전문학교 서울 구로디지털단지역 3번출구(관악고용센터건물 11층), 우수훈련기관 청년취업을 위한 웹디자인, 웹퍼블리셔, 프론트엔드개발, 빅데이터, 자바 국비무료과정 모집중 koreavc.or.kr
0504 DB, 파이썬 수업 내용 최종 정리 - 엑셀 다루기, vscode를 활용한 DB 다루기 1. 엑셀 다루기 1. 용어 설명 * openpyxl openpyxl은 파이썬에서 엑셀 파일을 다루기 위한 라이브러리입니다. 이 라이브러리를 사용하면 파이썬 코드로 엑셀 파일을 읽거나 쓸 수 있습니다. 엑셀 파일을 다루는데 필요한 다양한 기능을 제공하며, 특히 대용량의 데이터를 처리할 때 효율적입니다. openpyxl은 엑셀 파일의 셀, 시트, 행, 열 등을 객체로 다룰 수 있어서, 엑셀 파일을 다루는데 유용합니다. 이 라이브러리를 사용하면 파이썬에서 엑셀 파일을 다루는 일을 쉽게 할 수 있습니다. 예를 들어, 엑셀 파일에서 데이터를 읽어와서 그래프를 그리거나, 엑셀 파일에 데이터를 쓰는 등의 작업을 쉽게 할 수 있습니다. openpyxl은 파이썬 2.7과 3.x를 모두 지원합니다. 또한 오픈소스 라이브..
파이썬 머신러닝 판다스 데이터 분석 7-3 정리 - 머신러닝 데이터 분석 - 시그모이드 함수의 식, 로지스틱 회귀, 교차검증 1. 질문 파이썬 머신러닝 판다스 데이터 분석 7-3 질문 - 머신러닝 데이터 분석 Q1. 머신러닝에서의 kmc에 대해 KMC는 K-Means Clustering의 약자입니다. 이는 비지도학습(Unsupervised Learning) 알고리즘 중 하나로, 데이터를 여러 개의 클러스터(Cluster)로 나누는 분석 방법입니다. K-Means gurobig.tistory.com 2. 내용
파이썬 머신러닝 판다스 데이터 분석 7-3 - 머신러닝 데이터 분석 - 시그모이드 함수의 식, 로지스틱 회귀, 교차검증 1. 군집분석 1) KMC * 데이터 탐색 * 데이터 분할 / 모형 학습 객체 생성 * 클러스터 라벨 넘버 확인 * 클러스터 넘버에 색깔 부여해서 시각화 # %% # 시각화 df.plot(kind="scatter", x="Fresh", y="Milk", c="cluster_no",cmap = "hsv") df.plot(kind="scatter", x="Grocery", y="Frozen", c="cluster_no",cmap = "hsv") * 엘보 방법 # %% # 엘보 방법 d = [] for i in range(1,10+1): kmc_i = cluster.KMeans(n_clusters=i, random_state=1) kmc_i.fit(X) d.append(kmc_i.inertia_) plt.pl..
파이썬 머신러닝 판다스 데이터 분석 7-3 질문 - 머신러닝 데이터 분석, 로지스틱 회귀, 교차검증 Q1. 머신러닝에서의 kmc에 대해 KMC는 K-Means Clustering의 약자입니다. 이는 비지도학습(Unsupervised Learning) 알고리즘 중 하나로, 데이터를 여러 개의 클러스터(Cluster)로 나누는 분석 방법입니다. K-Means 알고리즘은 클러스터링에서 가장 기본적이고 널리 쓰이는 방법 중 하나입니다. K-Means Clustering 알고리즘을 사용하면 비슷한 특징을 가진 데이터들끼리 그룹화하여 데이터를 분석할 수 있습니다. Q2. WSS에 대해 WSS는 Within-Cluster Sum of Squares의 약자로, 한 클러스터 내 데이터들 간 거리의 합을 나타내는 지표입니다. K-Means Clustering에서는 WSS 값을 최소화하는 것이 클러스터링의 목적 중 하나입..

728x90
반응형