Python

• March Machine Learning Mania 2016, Winner’s 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 몇가지 답변이 있으니 읽어보면 도움이 됨

• Machine Learning for Emoji Trends

  • 머신 러닝을 사용해서 인스타그램에서 사용되는 Emoji Trends를 분석하는 기사
  • NLP를 사용해서 Emoji Trends를 분석함

• From Insight-as-a-Service to insightful applications

  • ‘통찰력’을 제공하는 소프트웨어에 관한 내용을 다루고 있음
  • 해당 어플을 사용할 만한 곳과 특징을 정리한 부분은 따로 메모해 두고 고민해보자!
  • 미국의 밴체투자사가 머신 러닝에 투자를 시작한다는 점은 우리나라와 미국은 별로 다르지 않은 것 같은 느낌을 받았음

Python with PY Family

• Python, Postgres, SQLAlchemy, and PGA Tour Stats

  • Python, Postgres, SQLAlchemy를 사용하는 ‘튜토리얼’(DB가 Postgre)

• Deploying Django + Python 3 + PostgreSQL to AWS Elastic Beanstalk

  • Django App 을 AWS의 ‘Elastic Beanstalk’사용해서 배포하는 과정을 설명하고 있음
  • 이제 VM은 너무 ‘올드’한 느낌이 듬

Android with Google Family

• Instant Run: How Does it Work?!

  • “안드로이드 스튜디오 2.0 프리뷰”를 통해서 선보인 ‘Instant Run’이 어떻게 작동하는지 소개하는 기사.
  • ‘Instant Run’에 관련된 기사는 이 곳에서 확인가능
  • ‘Instant Run’의 작동방법에 관심이 없다면, ‘Swap’ 관련 부분의 이미지와 마지막에 소개하는 ‘Tips’ 부분은 읽어보도록 하자.
  • The goals of Instant Run are really simple: “Remove as many of these steps as possible, and make whatever remains as fast as possible.”

• Looking at JRebel for Android and Instant Run: how to update code and resources in Android application without wasting time on restarts.

  • 앞서 소개한 ‘Instant Run’와 유사한 기술인 JRebel의 비교기사
  • ‘JRebel’이 ‘hot swap’을 지원하지 않는 이유에서 멈짓하게 되었음
  • The main reason for why JRebel for Android does not “hot swap” is to make it easier for the user to understand what is happening — and what to expect after code or resources have been updated.

• Introducing Bourbon: Dribbble, Android, MVP and a Common-Code Module

  • ‘Dribbble’ App인 ‘Bourbon’을 만들면서 고민했던 ‘Common-Code(공통 모듈)’에 대한 아주 ‘세밀하고 자세한’ 소개
  • 특히 ‘TV’앱도 같이 소개하고 있기 때문에 여러 스크린을 다뤄야 한다면 꼭 읽어볼 필요가 있음. 강추!
  • ‘Project Structure’와 ‘Browse Screen Structure’를 함께 읽어보면서 많은 아이디어를 얻을 수 있었음