Data?, Data!, Data... * One Chart, Twelve Charting Libraries [http://lisacharlotterost.github.io/2016/05/17/one-chart-code/] * 뭔가 이쁘게 보여야 할 때 꼭 필요한 'Chart' 라이브러리에 관한 소개 기사. * Python은 'Seaborn'과 'Bokeh'으로 대동단결 하는 것 같은 느낌 * A statistical analysis of minesweeper – Placing

Data?, Data!, Data... * Real-time analytics: Algorithms and systems [http://www.slideshare.net/arunkejariwal/real-time-analytics-algorithms-and-systems] * 약 10년간 발전된 빅데이터 스트리밍 분석에 관한 개론적인 슬라이드 * 나 같은 꼬꼬마 개발자에겐 '스트리밍 분석'에 관한 '히스토리'를 알 수 있어서 엄청 도움이 됨 * Artificial intelligence now fits inside a USB

* Stack Overflow: The Hardware – 2016 Edition [http://devpools.kr/2016/04/18/stack-overflow-the-hardware-2016-edition/] * Stack Overflow에서 사용하는 하드웨어 스팩을 알 수 있음 * 클라우드에서 VM 크기를 계산할 때 참고할 수 있음 * Log를 기록하는 서버, ELK 스택을 잘 배워둘 필요가 있음 * Two Minute Papers [https://www.youtube.com/playlist?list=UUbfYPyITQ-7l4upoX8nvctg] * 논문 한편을

Data?, Data!, Data... * March Machine Learning Mania 2016, Winner's Interview: 1st Place, Miguel Alomar [http://blog.kaggle.com/2016/05/10/march-machine-learning-mania-2016-winners-interview-1st-place-miguel-alomar/] * R과 SQL을 사용해서 NCAA 토너먼트의 결과를 예측하는 것에 도전해서 우승한 Miguel Alomar의 인터뷰 * 분석 기법은 'logarithmic regression and random forests'를 사용하였음 * 이외의 중요한

Data?, Data!, Data... * I'll Keep Using R [http://md.ekstrandom.net/blog/2016/04/using-r/] * 데이터분석시 'R'을 사용하는 이유와 유용한 패키지에 대해서 소개하고 있음 * 파이썬과 R 사용시 많이 사용하는 패키지에 대한 다양한 정보를 포함하고 있기 때문에 R 사용자가 아니더라도 읽어보길 권함 * What Happens When Baseball-Stats

Data?, Data!, Data... * How to Prevent a Plague of Dumb Chatbots [https://www.technologyreview.com/s/601279/how-to-prevent-a-plague-of-dumb-chatbots/] * 자연어 처리 시스템을 학습 시키면서 발생하는 몇가지 주의사항 * 자연어 처리 시스템의 대표적인 예를 들자면, 요즘에 말썽꾸러기가 된 MS의 '테이'가 있음 > * There have been no fundamental breakthroughs in training

Data?, Data!, Data... * Back to the Future of Hand Writing Recognition [http://jackschaedler.github.io/handwriting-recognition/] * 손글씨를 인식하는 인식하는 과정을 '연대기'순으로 자세히 설명하고 있음(굉장히 훌륭함) * 적절한 '인터렉티브' 혹은 정보 '시각화'의 아주 좋은 표본임 > "Drawing is an eminently powerful form

Data?, Data!, Data... * How to approach machine learning as a non-technical person [http://techcrunch.com/2016/04/02/how-to-approach-machine-learning-as-a-non-technical-person/] * 걸어온 길을 되돌아보게 만드는 문장이다. > "Ultimately, ML is meant to be used in the context of a given task, a problem with inputs and a way to objectively assess

Data?, Data!, Data... * Why Airbnb Has a Data Scientist on Every Leadership Team [http://www.inc.com/daphne-koller/why-airbnb-has-a-data-scientist-on-every-leadership-team.html] * Airbnb에서 Data Scientist의 역할을 알 수 있고, 역량에 대해서 생각해 볼 수 있음 * 고객은 데이터를 사용하는 방법에 따라서 달라짐 > "That customer will choose the service that's

* 모바일 앱 UX 원칙 by 구글 [http://dsconsulting.kr/2016/03/28/%EB%AA%A8%EB%B0%94%EC%9D%BC-%EC%95%B1-ux-%EC%9B%90%EC%B9%99-%EA%B5%AC%EA%B8%80-%EC%A0%9C%EA%B3%B5/] * 원본을 읽어볼 필요가 있으며, 생소한 용어는 사전을 찾아보고

Data?, Data!, Data... * In defense of the pie chart [https://www.oreilly.com/ideas/in-defense-of-the-pie-chart] * 데이터 시각화와 관련된 몇가지 '오류'에 대해서 소개 > "Always start your pie charts at the top. We naturally start reading pie charts at the top (the 0° mark). Don't

Data?, Data!, Data... * Mathematicians Discover Prime Conspiracy [https://www.quantamagazine.org/20160313-mathematicians-discover-prime-conspiracy/] * '솟수'에 대한 이야기 * 'Random Primes'에 관한 부분은 읽어 볼 만함 > Prime numbers, of course, are not really random at all — they are completely determined. Yet in many respects, they seem to

Data?, Data!, Data... * 7 Datasets You've Likely Never Seen Before [http://blog.yhat.com/posts/7-funny-datasets.html] * 흥미로운 주제를 가지고 있는 7가지 ML 데이터 셋을 소개하고 있음 * 듣도 보도 못한 데이터인 비둘기 경주에 많은 관심을 가지고 데이터를 가지고 놀고 있음 * BallR: Interactive NBA Shot Charts with R and

Data?, Data!, Data... * Datamining the next series to watch - part 1 [http://funnybretzel.com/blog/datamining-the-next-series-to-watch-part-1/] * 영화나 드라마를 추천 시스템을 만드는 방법을 소개하는 기사 * 데이터를 수집하고 가공하는 방법을 중심으로 읽어보면 좋을 듯 * Super Bowl 50 according to Twitter [http://aylien.com/super-bowl-50-tweets#Super-Bowl-50-according-to-Twitter] * 트위터에서 자신이 필요한 '어떤 것&

Data?, Data!, Data... * Recommending for the World [http://techblog.netflix.com/2016/02/recommending-for-world.html] * 모든 기업에 적용할 순 없겠지만 데이터를 다루는 기업의 개발자라면 읽어보자! > Optimizing for the best results with the minimum set of interactions and automatically adapting to newly introduced languages with significantly different writing systems is

* 구글은 어디에 돈을 썼나 [https://brunch.co.kr/@jeremycho/7] * 시장의 크기를 키우는데 초점을 맞추고 있음 * [스타트업, 창업, 컨설팅] 2015년 실패한 미국 스타트업 30곳 원인 분석 [http://winnerslab.kr/archives/15529] * > "서류상으로는 엄청난 성장을 이뤘었다. 하지만, 성장률에 과부하를 가했고, 최종적으로 안정적인 제품을 만들지 못했고, 사용자 확보 채널을 설립하지

Python with PY Family * Creating your own IPython-like server [http://blog.claymcleod.io/2016/02/18/Creating-your-own-IPython-like-server/] * IPython을 확장해서 자신에게 필요한 형태로 커널을 재구축하는 방법을 제공함 * Flask를 사용해서 손쉽게 적용해 볼 수 있음 * 단점으로 이런 형태로 재구축하게 되면 보안에 굉장히 취약함 > I won’t be worrying about security or

Python with PY Family * Newton’s method with 10 lines of Python [http://danielhomola.com/2016/02/09/newtons-method-with-10-lines-of-python] * 10줄로 해보는 "Newton's method"(미분가능한 연속함수 f, f(x)=0인 값을 찾는 방법) * 심플의 미학을 추구하는데, 이게 정말로 '좋은' 방법인지 고민해 볼 필요가 있지 않겠는가?

Python with PY Family * Async Python and Cassandra with Gevent [http://rustyrazorblade.com/2016/02/async-python-and-cassandra-with-gevent/] * Gevent를 사용하는 몇가지 방법과 간단한 팁을 소개 * 그러나 파이썬 3으로 이동하지 않는 이유에 대해서 조금 생각해 보게 되었음 * What is Stackless? [http://cosmicpercolator.com/2016/02/02/what-is-stackless/] * 'Stackless'를 통해서 '

Python with PY Family * Python vs. Java: Duck Typing, Parsing on Whitespace and Other Cool Differences [http://www.activestate.com/blog/2016/01/python-vs-java-duck-typing-parsing-whitespace-and-other-cool-differences] * 자바와 파이썬에 대한 비교 기사 > it's a great embedded language for Java applications, and it's a great alternative to Java in

* 빠를 것 같은 느낌적인 느낌 [https://brunch.co.kr/@sooscape/20] * > "[...] 뭐라도 먼저 깔려있고 컨텐츠가 하나씩 나타나면서 3초를 기다리는게 덜 괴롭다" * > "프레스 피드백을 주기" * > "[...] 피드백을 먼주 주고 실제 값은 리플레시할 때 보여주기" * > "그럼에도 불구하고 로딩시켜야 한다면 재미있게!" * >

Python with PY Family * Stock Image Similarity with Image Features (or How a Program is More Fashionable than Me) [https://indico.io/blog/clothing-similarity-how-a-program-is-more-fashionable-than-me/] * 이미지의 유사성(혹은 패턴)을 찾아가는 과정을 잘 설명하고 있음 * github repo도 제공하기 때문에 재미있는 경험이 될 수 있음 * Prototyping using Django [https://code.abhi.co/

Python with PY Family * Getting started with data science in Python [https://www.dataquest.io/blog/python-data-science/] * 이번 주는 이거 하느라고 다른걸 못 봤음 * Build a Python Microservice with Amazon Web Services Lambda & API Gateway [http://www.giantflyingsaucer.com/blog/?p=5730] * Lambda와 MSA에 관심이 있다면 필독! Android with

Python with PY Family * Redis + Celery: Reactive Computing in Django for IoT applications [https://codesachin.wordpress.com/2016/01/04/redis-celery-reactive-computing-in-django-for-iot-applications] * 파이썬으로 Reactive 관련 프로그래밍 예제 소개 * Unifying picamera and cv2.VideoCapture into a single class with OpenCV [http://www.pyimagesearch.com/2016/01/04/unifying-picamera-and-cv2-videocapture-into-a-single-class-with-opencv] * USB 웹캠의 FPS 속도를

Python with PY Family * Refactoring a Crossword Game Program [http://nbviewer.ipython.org/url/norvig.com/ipython/Scrabble.ipynb] * '십자말풀이' 게임 튜토리얼 * 튜토리얼 내용을 코드로 쉽게 설명하고 있어서, 파이썬 문법 공부를 시작한분들에게 유용 할 듯 * Quick-and-dirty Automatic Face Replacement with Python and OpenCV [http://life-in-a-monospace-typeface.tumblr.com/post/