1. Single Query 2. Multiple tables 3. Hence, - when you need single values or list, it would be more efficient executing in a single table than using several ctes - focus on Where and Select stages as following : Example 1: select customer_id, cost from Customer where customer_id in (select customer_id from Customer) Example 2: select purchase_amount >(select avg(purchase_amount) from Customer) ..

주요업무 - 머신러닝/Operations Research/데이터 분석 기술을 적용하여 배민1/B마트 딜리버리 프로세스를 서비스하는데 필요한 예측 모델을 구현하고 딜리버리 인프라를 동적으로 최적화 - 신뢰성 높은 배달 소요시간 예측, 조리 소요시간 예측, 배민1/B마트 및 라이더 수요예측, 적정 재고량 예측 모델 등 구축 프로젝트 수행 - 딜리버리 프로세스의 이상을 실시간으로 탐지하거나 어뷰저를 탐지하기 위한 이상 탐지 프로젝트 수행 - 딜리버리 인프라를 동적으로 최적화할 수 있는 가격 최적화/배차 최적화 프로젝트 수행 - 비즈니스 도메인 관점에서 프로덕트 목표에 맞는 문제를 정의하고 문제에 적합한 알고리즘 및 모델 개발 및 인사이트 도출 - 프로덕트 관점 의사결정 지원을 위한 데이터 분석 업무 수행 자격..

주요업무 - 유저 확장, 타겟팅 관련 스코어링, 고객 관심사/성향 분석 등 ML 모델 개발 - 다양한 사용자 행위 기반 대규모 데이터 분석 및 인사이트 도출 - 개인화 추천, Content Based Filtering, Learning to rank 등의 알고리즘 연구 개발 - 모델링 개선을 위한 사용자들의 행위 기반 데이터 분석 및 인사이트 도출 - 모델 성능 검증을 위한 테스트 설계 및 결과 분석 자격요건 - 학사 이상, 전공 무관 - 3년 이상 데이터 분석 및 ML 관련 경력을 보유하신 분 (Python, R, Tensorflow, SQL, Spark 등) - ML, Data Mining 등 관련 프로젝트 경험이 있으신 분 - ML/통계 이론 프로덕트 적용 경험이 있으신 분 - 데이터관련 실험 설계..

From https://www.wanted.co.kr/wd/107375 주요업무 • 온라인 고객 데이터를 기반으로 데이터 추출, 분석하여 고객 행동에 대한 가설을 검증하고 분석된 결과를 통한 인사이트 도출 • 내부, 외부적인 데이터들을 활용해 데이터를 분석하고 서비스 현황 및 성과 분석을 위한 지표 설계(대시보드 설계) 및 비지니스 성장을 위한 액션 플랜 제안 • 데이터 엔지니어와 협업하여 서비스 되고 있는 제품(Product)으로 부터 파생되는 데이터가 체계적으로 축적될 수 있도록 데이터 아키텍쳐 기획 및 설계 자격요건 • 3년 이상의 모바일 앱 및 웹의 고객 행동(DB, Log) 데이터 분석을 통한 서비스 개선 경험 • 데이터 처리를 위한 언어(SQL, R, Python 등)를 최소 2개 이상 자유 ..

WHO ARE WE LOOKING FOR? We are looking for the Nike Direct Applied Analytics Director for Korea. This role will be responsible for building the vision and leading the Nike Direct Analytics team in Korea.PAGE-BREAKPAGE-BREAKIn this role, you will be at the heart of the business and will inform and support stakeholders to make decisions that will drive performance of the in-season Nike Direct busi..

https://news.hada.io/topic?id=5299 점점 더 성숙해 지면서 데이터 산업은 "트랜잭션 vs. 분석", "배치처리 vs. 실시간", "BI vs AI" 같은 Technology Divide를 넘어서 진화해 가야함 - 기업들은 계속 여러 벤더/플랫폼/도구들과 협력해서 필요에 가장 적합한 조합을 만들어 갈 것 ## "데이터 인프라스트럭처의 주요 트렌드" - 2020 ㅤ→ Modern Data Stack(최신 데이터 스택)이 메인스트림으로 ㅤ→ ETL vs ELT ㅤ→ 데이터 엔지니어링의 자동화? ㅤ→ 데이터 분석가의 부상 ㅤ→ 데이터 레이크와 데이터 웨어하우스가 합쳐질까? ㅤ→ 아직 해결하지 못한 복잡성 - 2021 ㅤ→ Data Mesh ㅤ→ DataOps에게 바쁜 한해 : Data..

https://archive.org/details/GeneralIndex The General Index consists of 3 tables derived from 107,233,728 journal articles. A table of n-grams, ranging from unigrams to 5-grams, is extracted using SpaCy. Each of the 355,279,820,087 rows of the n-gram table consists of an n-gram coupled with a journal article id. A second table is constructed using Yake and consists of 19,740,906,314 rows, each wi..

▲ 하드웨어와 알고리즘 발전중 어느쪽이 더 빠를까? (pseudorandomstring.wordpress.com) 6P by budlebee 3일전 | favorite | 댓글과 토론 - 일반적인 두 발전을 비교하는 것은 불가능 - 하지만 특정 알고리즘으로 한정한다면 비교가 가능할 것. - 주어진 식을 만족하는 해가 존재하는지 판별하는 SAT 문제(https://en.wikipedia.org/wiki/Boolean_satisfiability_problem) 를 기준으로 알고리즘과 하드웨어 발전 속도를 비교. - 하드웨어는 Pentium III processor (467MHz) + 1.5GB RAM (1999년을 대표), Intel Xeon Silver 4112 CPU (2.60GHz) + 128GB RA..

데이터분석팀 소개 직방의 데이터분석팀은 이용자의 행동을 이해하여, 이용자가 보다 좋은 경험을 할 수 있도록 데이터 기반의 의사결정을 지원, 실행하는 팀으로써, 서비스의 지속적인 성과 관리와, 이용자 행동 데이터 및 부동산 데이터의 활용으로 최고의 주거 정보를 제공할 수 있는 기반을 만들고 있습니다. 우리가 원하는 인재상은 이런 분들이에요!!! •논리적인 접근을 통한 문제 해결에 희열을 느끼는 분. •데이터만이 아닌 다양한 비즈니스 이슈 관점에서 고민을 할 수 있는 분. •데이터를 활용한 서비스 개선 및 신규서비스에 관심이 있는 분. 👨🏻‍💻 데이터분석팀에 대해 더 알아보기 주요업무 •직방 시세 서비스 개발 및 고도화 •부동산 및 사용자 데이터 기반의 신규 정보 서비스 연구 자격요건 •5년 이상의 머신러닝..