ㅋㄷㅋㄷ

[서비스기간]이나 [서비스이용일자]처럼 timedelta 형식의 타입을 integer로 변환하고자 한다. df['서비스이용일자'].dt.days

import matplotlib.pyplot as plt plt.plot() plt.show() conda install --yes freetype=2.10.4

import pandas as pd pd.set_option('display.max_columns',None) # 전체 열 출력하기 pd.set_option('display.max_rows',None) # 전체 행 출력하기

Q. 뉴스레터 신청을 도착 목표로 생성한 후 사용자가 별도의 3개 세션에서 3회의 뉴스레터 신청을 완료한 경우 Google 애널리틱스에서 집계되는 목표 전환 횟수는? - 6 - 3 - 2 - 1 Q. 여러 기기의 사용자를 인식하기 위해 사용 설정해야 하는 기능은? - User ID - Google Ads 연결 - 기여 모델 - 잠재고객 정의 Q. 기본값으로 정의될 수 없는 리마케팅 잠재고객은? - 웹사이트의 특정 페이지를 방문한 사용자 - 특정 언어를 사용하는 사용자 - 특정 오프라인 상점을 방문한 사용자 - 웹사이트에서 특정 동영상을 재생한 사용자 Q. 여러 기기의 사용자를 인식하기 위해 User ID에 필요한 것은? - 고유 ID를 생성 및 설정하는 로그인 - 보고서 용도의 신규 애널리틱스 계정 - ..

Q. Google 애널리틱스에서 기본 세션 시간 제한은 몇 분인가? - 20 - 10 - 5 - 30 Q. 리마케팅 목록을 작성하는 데 사용되는 애셋은? - 맞춤 세그먼트 - 맞춤 보고서 - 맞춤 측정기준 - 맞춤 측정항목 Q. 세그먼트를 사용해 수행할 수 없는 작업은? - 세션 또는 사용자의 하위 집합 만들기 - 맞춤 리마케팅 목록 작성 - 데이터 분리 및 분석 - 영구적으로 데이터 변경 Q. 트래픽이 웹사이트에 도달하는 방식을 보여주는 보고서는? - 지역 - 행동 - 전체 트래픽 - 인구통계 Q. 브라질과 아르헨티나의 사용자만 포함하도록 보기 필터를 구성하는 방법은? - 필터 1: 아르헨티나 포함 > 필터 2: 브라질 포함 - 필터 1: 브라질 또는 아르헨티나 포함 - 필터 1: 브라질 및 아르헨티나..

Q. 오프라인 비즈니스 시스템 데이터와 Google 애널리틱스에서 수집한 온라인 데이터를 결합할 수 있는 기능은? - 목표 추적 - User ID - Google Ads 연결 - 데이터 가져오기 Q. Google 애널리틱스에서 '측정기준'에 해당하는 것은? - 더 나은 분석을 위해 구성할 수 있는 데이터 세트의 속성 - 두 기간의 데이터 비교 - 잠재고객에 대한 다양한 인구통계 정보를 제공하는 보고서 - 지정된 기간 내 사용자의 평생 가치 Q. 데이터가 맞춤 보고서에 표시되지 않는 경우는? - 맞춤 보고서에 측정항목이 너무 많음 - 모든 데이터를 삭제하는 필터 - 동일한 보기의 사용자와 맞춤 보고서를 공유하지 않음 - 맞춤 보고서에 측정기준이 너무 많음 Q. 보기의 데이터 필터 설정이 아닌 것은? - 포..

구글애널리틱스 자격증은 구글 공인자격시험이며, GA(Google Analytics)는 웹/앱의 데이터를 분석할 수 있는 툴로써 트래픽을 추적하고 고객들의 행동을 파악할 수 있어 많은 회사에서 활용되고 있습니다. 구글 애널리틱스 아카데미에서 초보자용/고급 온라인 강의를 수강 및 평가시험을 통과하신 후 시험을 보실 수 있습니다. 평가시험은 각 세션(초보자4개, 고급4개)마다 있으며 80%이상 통과하셔야 합니다. 정답 같은 경우는 구글에 검색하시면 많이 나옵니다 :) https://analytics.google.com/analytics/academy/ Google Analytics Academy analytics.google.com 1) 먼저 초보자용 Google 애널리틱스 를 클릭하여 주세요. 2) 세션이 ..

surprise 패키지 설치 $ pip install scikit-surprise $ conda install -c conda-forge scikit-surprise surprise 추천 알고리즘 클래스 - SVD : 행렬 분해를 통한 잠재 요인 협업 필터링을 위한 SVD 알고리즘 - KNNBasic : 최근접 이웃 협업 필터링을 위한 KNN 알고리즘 - BaselineOnly : 사용자 Bias와 아이템 Bias를 감안한 SGD 베이스라인 알고리즘 - SVD++, NMF 등등... 출처 : 파이썬 머신러닝 완벽가이드(권철민) 참고 http://surprise.readthedocs.io/en/stable prediction_algorithms package — Surprise 1 documentation..

XGBoost란? eXtra Gradient Boost의 약자 트리 기반의 앙상블 학습에서 각광받고 있는 알고리즘 중 하나 CPU 환경에서 병렬 학습이 가능해 GBM보다 빠름 분류와 회귀 모두 가능 파이썬 패키지명 "xgboost" XGBoost 장점 뛰어난 예측 성능 GBM 대비 빠른 수행 속도(대표적으로 조기 중단, Early Stopping 기능이 있음) 과적합 규제(Regularization) 자체적으로 교차 검증, 성능 평가, 피쳐 중요도 등의 시각화 기능이 있음 XGBoost 주요 하이퍼 파라미터 (사이킷런 x) eta [default=0.3, alias: learning_rate] : 학습률 num_boost_rounds : n_estimators와 같은 파라미터 min_child_weigh..

https://www.acmicpc.net/problem/2750 2750번: 수 정렬하기 첫째 줄에 수의 개수 N(1 ≤ N ≤ 1,000)이 주어진다. 둘째 줄부터 N개의 줄에는 수 주어진다. 이 수는 절댓값이 1,000보다 작거나 같은 정수이다. 수는 중복되지 않는다. www.acmicpc.net N = int(input()) ls = [] for i in range(N): ls.append(int(input())) ls.sort() for n in ls: print(n) sort (vs) sorted sort 리스트형의 메소드, 원본값을 수정함 예시: 리스트명.sort() sorted 내장함수, 원본값은 그대로이며 정렬한 값을 반환함 sorted(리스트명)