본문 바로가기

Python notes118

기타) 블로그에 코드 그대로 붙여넣는 방법 (+Tistory 코드블럭) #1. 블로그에 혼자 연습한 코드들을 올려 보려고 하는데, 들여쓰기며, 코드 색깔 구분이며 자꾸 다 사라지는 걸까... 그냥 붙였더니 recs=[] for i in range(1,6): rec=int(input("성적을 입력하세요:")) recs.append(rec) aver=sum(recs)/len(recs) print("성적평균은 %d 입니다" %aver) overaver=[] for a in recs: if a>=aver: overaver.append(a) print("%d점 이상인 학생은"%aver, len(overaver),"입니다") 이래선 올리지 않느니 못한 텍스트의 나열일뿐인 것을... #2. 찾았다 ! 알고보니 티스토리 블로그에서 "코드블럭"이라는 기능이 아예 있었네. 사람들이 코드를 엄.. 2021. 3. 22.
파이썬 예제코드) 성적 입력, 성적 평균, 일정 점수 이상 학생 수 구하기 (+range, input, for, if, append, len함수) #1. 파이썬으로 성적 평균 계산하기: 파이썬으로 성적 평균을 계산하는 과정은 아래와 같이 진행하려고 한다. 1) 먼저 5개의 성적을 사용자로부터 입력을 받아서, 2) 해당 성적들로 평균을 계산해서 출력하고, 3) 마지막으로 5개의 성적 중 평균 이상인 학생이 몇명인지 sorting하여 출력할 것이다. #2. 코드 짜기와 설명: 1 2 3 4 5 6 7 8 9 10 11 12 recs=[] for i in range(1,6): rec=int(input("성적을 입력하세요:")) recs.append(rec) aver=sum(recs)/len(recs) print("성적평균은 %d 입니다" %aver) overaver=[] for a in recs: if a>=aver: overaver.append(a) .. 2021. 3. 22.
파이썬) 파이썬 공부를 다시 시작했다 ! (+무료 강의 추천) #1. 파이썬 공부를 다시 시작함 영업/마케팅 업무를 계속 하려면 이제 외국어 외에도 빅데이터 분석 능력이 필요한 시대가 되었다. ...해서 ! 실업을 통해 새롭게 생긴 여유(?)를 만끽하며 파이썬 공부를 다시 시작해 본다. #2. 무료 강의 추천 - POSTECH과 POSCO가 공동으로 제공하는 『청년 AI · Big Data 아카데미』 pabi.smartlearn.io/ 청년 AI·Big Data 아카데미 온라인 기초과정 (MOOC) 취업 준비생 누구나 POSTECH과 POSCO가 제공하는 무료 온라인 교육 과정에 참여할 수 있습니다. pabi.smartlearn.io - 파이썬뿐만 아니라 웹디자인, 자바스크립트 등 기초부터 독학 가능 www.freecodecamp.org/learn freeCodeC.. 2021. 3. 20.
파이썬) 청년 AI·Big Data 아카데미 온라인 기초과정 (MOOC) 수강 신청 #1. 한층 더 나를 업그레이드 할 기회! 예기치 않게 주어진 시간 동안 내가 무엇을 하면 좋을까, 참 많이 생각하고 고민했다. 하고 싶은 일은 참 많지만, 선택과 집중을 해야 소정의 결실이라도 얻을 수 있는 상황이다. (두 아기 육아와 병행해야 하기에...) 기존에 내가 강점으로 가지고 있던 언어 능력이나 학부 전공지식만으로는 IT해외영업 분야의 인재로서는 많이 약해 보인다. 그래서 나를 한층 더 업그레이드 할 방법으로 선택한 것이 Big data 다루는 법 마스터하기이다. 사실 그전에 크롤러를 만드느라고 파이썬은 조금 독학한 적이 있었는데 잘 됐으 그래서 여러 빅데이터 교육들을 찾아보던 중, 입문 교육으로 괜찮아 보이는 교육을 하나 찾았다. #2. 청년 AI, Big data 아카데미 POSTECH과.. 2021. 3. 11.
파이썬-머신러닝) 머신러닝이란? (2) #.1 머신러닝 시스템의 작업 흐름 1) 데이터 준비: 각 사례, instance가 모인 데이터셋 준비 필요 2) 모델 구축: 예측하고자 하는 값이 label, 나머지 변수들은 features features를 입력했을 때 label이 나올 수 있도록 모델을 구축해야 함 3) 모델 평가: 구축된 머신러닝 모델에 예측된 결과 값을 알고 있는 featuers들을 입력하여 실제 값과 예측 값을 비교 4) 모델 최적화: 모델 매개변수 조정, 특성의 부차 집합을 선택, 데이터 전처리를 통해 모델 정확도를 향상시킬 것 5) 신규 데이터 예측 (각 단계를 계속 반복) #2. 머신러닝 관련 주요 용어 정리 1) instance: 단일 객체, 관측 내용 2) label: 관심 대상의 숫자 또는 범주 속성. 각각의 새로운.. 2019. 8. 28.