https://github.com/KLUE-benchmark/KLUE

Leveraging fine-grained transaction data for customer life event predictions https://www.sciencedirect.com/science/article/abs/pii/S0167923619302611 1. Life event란? family lifecycle theory에 다르면, 같은 라이프스테지에 있는 고객 행동은 유사하며, 다음 stage로의 이동은 detectable EVENTS에의해 야기된다 이런 events 중 통상적으로 중요한 것을 'Life Event'라고 칭한다 life event가 발생하면, 소비자의 니즈와 행동에 급작스런 변화가 있다. (ex 부모가 되면 외식을 덜하고 건강 식단을 더 구매한다) 2. 기업에서 Life ..

출처 : https://www.google.co.kr/amp/s/blog.griddynamics.com/customer2vec-representation-learning-and-automl-for-customer-analytics-and-personalization/amp/ 아래 글은 해당 블로그의 요약글이며, 상세한 내용은 상기 출처를 참고 바랍니다. ———————————————————————————————————- Personalization과 추천 알고리즘 맥락에서 word2vec 방법론의 활용 - 더 정확한 예측력 - 더 유연한 모델 아키텍처 방법론상의 특징 - semantic representation (embeddings) : cluster and analyze embeddings to gai..

https://mkjjo.github.io/python/2019/01/10/scaler.html

https://www.kaggle.com/general/51898Easy way to use Kaggle datasets in Google Colab | Data Science and Machine LearningEvents and topics specific to our community | Kaggle Forumwww.kaggle.com https://medium.com/analytics-vidhya/how-to-fetch-kaggle-datasets-into-google-colab-ea682569851a

처음엔 알고리즘 코드 몇 줄 짜서 돌려보는 것만으로도 신이 나다가 하면 할수록 다시 여기로 돌아오게 된다. 그래서 어떻게 최적화 할건데?! 올해의 공부 주제. 수학입니다.

다양한 알고리즘에서 쓰이는 엔트로피 개념, 헷갈리지 않게 숙지하자! 출처 : http://databaser.net/moniwiki/wiki.php/%EC%97%94%ED%8A%B8%EB%A1%9C%ED%94%BC 정보이론의 엔트로피 개념은 1948년 당시 Bell Lab.에 근무하던 클로드 섀넌(Claude Shannon)이 창안한 것으로 정보량과 평균 정보량(엔트로피)을 비트(bit) 또는 문자 단위로 나타낸다. 정보량은 "확률 P인 사건이 갖는 정보의 양은 Log(1/P) 이다"로 정의된다. 정보량은 사건이 가지는 불확실성(uncertainty)에 비례한다. 즉 “해는 동쪽에서 뜬다.”와 같은 확실한 사건은 100%의 확률을 가지므로 Log(1/1)=0 이 된다. 평균 정보량(엔트로피) H = ∑[ ..

​ SOURCE: TURNING AI INTO CONCRETE VALUE: THE SUCCESSFUL IMPLEMENTERS’ TOOLKIT, CAPGEMINI CONSULTING. 2017. (PDF, 28 PP., NO OPT-IN).