안녕하세요, 곧 본식을 올리게 되는 예비신랑입니다. ㅎㅎ 양가 부모님이 두 분 다 대전에 계시기 때문에 대전에 괜찮다는 웨딩홀을 둘러보던 중 여러가지 고민 끝에 루이비스 아모리스홀로 계약했습니다. 물론 주차장이 헬이라는 소리는 많이 들었지만, 그래도 예식 축하해주러 오셨을 때 아웃렛을 구경할 수 있다는 점도 장점으로 생각할 수 있었습니다. 예식 두 달 전 시식기회가 있어 여자친구, 저, 양가 부모님과 같이 시식했는데, 루이빕스라는 명성답게 너무 만족스러워하셨습니다 ㅎㅎ 연회장도 넓고 예식별로 자리를 안내해주시는 것도 좋았습니다! ㅎㅎ 특히 스테이크가 세상 너무 부드럽더라구요!!! ​ 꼭꼭 스테이크 먹어야한다구 지인들에게 알렸습니다 ㅎㅎ ​ 루이비스는 밝은 분위기의 그레이스 홀과 어두운 분위기의 아모리스홀..

ㅇ 첫 번째로는 머신러닝 어플리케이션을 만듦 ㅇ 표준화와 모델링 코드를 Joblib Artifacts 형태로 저장 후 Serving API를 만든 후 GitHub에 커밋 (Serving API를 만드는데 활용되는 Pydantic은 Type Annotations을 사용해 데이터 구문 분석 및 유효성 검사를 자동으로 해주고 오류 시 Error를 반환해주는 유용한 라이브러리임) ㅇ 이때, Jenkins가 이를 감지하여 앱을 Build하고 컨테이너를 Run하게 됨 ㅇ 실행된 컨테이너는 Jenkins가 자동으로 감지하여 DockerHub에 빌드된 도커 이미지를 푸쉬함 ㅇ 그리고 LOCUST라는 오픈소스가 만들어진 도커 컨테이너를 시뮬레이션하여 테스트함 ㅇ 이때, Prometheus가 Jenkins 동작의 매트릭을..

보통 intrinsic(model-specific)한 IML 방법은 그 자체가 예측 및 설명 모두를 위해 직접적으로 사용되는 경우는 드물며, 그 대신 신경망과 같이 복잡성이 높은 머신러닝 모델을 예측을 위해 먼저 사용한 뒤, 여기에 post-hoc(model-agnostic)한 IML 방법을 부가적으로 적용하는 방식이 많이 채택됨. 또, post-hoc한 IML 방법들 중 global한 것보다는 local에 가까운 방법들이 더 많이 보고되었는데, 이는 복잡성이 높은 머신러닝 모델에 대한 효과적인 설명을 위해 국소적으로나마 그럴싸한 설명을 제시할 수 있도록 하는 데 집중한 결과로 볼 수 있음 (참고 : https://www.cognex.com/ko-kr/blogs/deep-learning/research/..

ㅇ SEM의 장점 (기존 vs. SEM) - 회귀분석은 연구모형에서 독립변수-종속변수 간의 관계를 각각 돌려줬어야 했는데 SEM은 한 번에 가능 (조절 효과는 예외) - 기존과는 다르게 "확인적 요인분석(신뢰성+타당성)", "경로/회귀분석", "상관관계"의 결과를 한 번에 도출 - 심지어, 종속변수가 여러개인 다변량 분석 또한 한 번에 가능 - 오차를 고려하기 때문에 더 정확 - 회귀분석은 새로운 연구모형을 검증하는 것이라면 (귀납적), SEM은 선행 연구의 연구모형을 검증함 (연역적) (비유적으로 얘기하자면 기존의 회귀분석은 비지도 학습, SEM은 지도학습 같은 느낌) - 부트스트래핑으로 인해 굳이 중심극한정리를 가정 안해도 괜찮음 - 소프트웨어 툴이 점점 간편해짐 (AMOS인 CB-SEM은 회귀분석 ..

ㅇ설문 연구 중 일반적인 통계 방법론을 활용하여 가설을 검증하는 경우. ㅇ우선, 표면타당성을 충족해야됨 - Adapt : 설문 문항 그대로 가져옴 - Adopt : 설문 문항을 가지고 오면서 연구에 맞게 조금 수정 -이 후 전문가 검증을 수행 ※ Common Method Bias (동일방법편의)를 해결해야되는데, 동일방법편의란 독립변수와 종속변수를 동일한 측정도구와 응답원에 의해 측정하였을 경우에 발생하는 오류. 해결 방법으로는 사전 방법으로 설문지 위치를 조정하거나 사후 방법으로는 변수들의 상관계수 파악 등을 통해 문제를 해결. (설문이 편향되게 됐을 경우가 있음) ㅇ 표면타당성이 충족 됐다면 신뢰도 분석 및 탐색적 요인분석 (EFA)를 진행해야함 - 신뢰도 분석 : 크롬바 알파 0.7 이상. (이상치..

ㅇ 알파 (1종 오류) - 알파는 Type 1 Error로 잘못 예측할 확률임 - 사회, 경제적으로 중요하게 따지는 오류인데, 도둑이 아닌 사람을 도둑이라고 판정 지은 경우를 뜻함 (False Positive) - 민주주의 국가에서는 99명의 도둑을 놓아주더라도 1명의 억울한 사람을 만들지 말자는 주의 ㅇ 베타 (2종 오류) - 베타는 Type 2 Error로 잘못 예측할 확률임 - 의료계에서 중요시하게 따지는 오류인데, 실제 에이즈인 사람을 에이즈가 아니라고 잘못 판단한 경우임 (False Negative) - 에이즈라고 잘못 예측 하는 것 보다 진짜 에이즈 사람을 잘못 판단해버리면 문제가 더 크게 발생