JK_korea

삼프로 참조

epam - software
bac - 은행
nvda - gpu
ihi - 의료기기
driv - 자율주행, 전기차 etf

1. 무주택 현금 보유중인 분들에게 달러예금 추천 
2. 달러 환율 지난 13년동안 1년에 200원 이상 올랐던적이 평균 5번 (환차익20%)
3. 예측은 힘들다(현재 저점은 아님) 떨어질 수 도 있음 그래서 적립식으로 해라_환율 1200원 밑이면 감사합니다 하고 사도 된다 (홍박사)
4. 쫄보들이여 경매를 해라
5. 쫄아서 경매는? 안하고 미분양 아파트 샀음 (홍박사)
6. 환율이 오르면 제일 싼거 하나 잡아서 사자 (자산)
7. 안될 부류는 뭘해도 안된다 
8. 환율이 올라가면 수출기업은 호황 
9. 불황이 왔을 때 사야할 주식이 뭘까 고민하고 미리 계획 해야함 
10. 예금하고, 전세살고 대출 갚는 분들은 인플레를 견디기 힘들기 때문에 하면 안된다

Funnel Analysis : basic

타켓 : 번화가의 화장품 매장

target : Cosmetics store in downtown

주제 : 고객 행동 데이터 분석

subject : Analyze customer behavior data

화장품 매장에서 가장 중요한 고객 행동 2가지

Two of the most important behaviors of customers in the store

1. 매장에 들어온다

1.enter the store

2. 물건을 구입한다.

2.Buy the product

중요한 행동을 하는 고객의 수를 세어보자.

Count customers performing a specific action

1. 매장에 들어온 사람의 수(내방객) 500명

2. 상품을 구입한 사람의 수 50명

내방객 기준으로 10%의 구매 전환율

사용자 행동 추적해서 데이터 만들기

How to get Behavior Tracking Data

내방객은 계수기로 센다.

구매고객의 수는 POS의 기록을 결제 건수를 확인.

구매자수 != 결제건수

목표 행동 = 상품 구매

1,2 두 행동 사이에 선후 관계가 존재.

구매고객  ⊆ 내방객

구매 고객  <= 내방객

퍼널 = 갈때기

회원 가입 비율 측정은 가입 전환율

Communication does matter

퍼널의 단계

Funnel Stages

2단계 퍼널

내방객 -> 구매고객

3단계 퍼널

내방객 -> 구매고객 -> 적립고객

3단계 퍼널

유동인구 -> 내방객 -> 구매고객 -> 적립고객

퍼널 분석의 활용

Uses of Funnel Analysis

1. 효율을 비교하기

Measure to compare efficiency

내방객 1명당 구매고객의 비율

구매 전환율 * 구매고객 당 매출(객단가) = 내방객 당 기대 매출

2. 시간에 따른 변화를 측정

Measure changes over time

3. 특정 사건의 임팩트를 측정

Measure the impact of an incident

4. A/B 테스트의 결과를 분석하기

Analyze the result of A/B Test

DNS 터널링

http://blog.alyac.co.kr/1291

Elastic meetup 세미나 영상

https://www.youtube.com/watch?v=1TiSz0ot_hI

간단하게 웹에 dns를 하려면 사용자가 들어올수있는 포트를 1개는 열어놔야하는데 해커가 이 포트를 활용해서 server로 침입하여 데이터나 cmd 명령어를 통해 나쁜 짓을 하는 것. 

Category Theory Youtube 강의

구글에서 AutoML이라는 것이 나왔다고 한다.

기존에는 모델을 구성하고 파라미터를 튜닝하고 성능에 따라서 다시 모델을 구성하고 파라미터를 튜닝하고 raw 데이터를 확인하고 다시 일련의 과정들을 반복했었다.

이에 따라서, TF, PyTorch, Keras 등 여러 프레임워크들이 장단점을 가졌다.

하지만, AutoML이 아직은 이미지 Classification 쪽에 유리하다고 하지만, 예전에 머신러닝 관련 스타트업 중 데모데이에서 발표를 보았던 것 처럼 데이터만 뿌리면 알아서 모델과 파라미터 튜닝까지 가능하고 실제로 논문의 경우에는 일반적인 ML 연구자보다 성능이 더 좋게 나왔다고 한다. 그렇게 되면 그런 스타트업은 망하게 될것같다.

또한 기사에서 보듯이 진화 전략 방식으로 아직 연구가 많이되지 않다고는 들었지만, 구글이 열심히하고 다른 기업들이 열심히하는 만큼 기존의 모델레이어 바깥에서 모델자체를 학습하고 최적의 모델을 맞춰 그에맞는 파라미터를 맞추는 쪽으로 갈수도 있을것 같다.

지금의 기술과 소프트웨어가 빠르게 발전하는 만큼 지금 좋다고해서 영원한 기술은 없고 항상 변하는 것을 피부로 와 닿았다.

호모아카데미쿠스 라는 단어처럼 학습하는 인간이 나중에는 살아남는 것 같다. 

학습능력을 키워서 학습하자.

출처

https://cloud.google.com/automl/

데이터 연결_DMP의 중요성

  - 데이터는 역사, 따라서 일찍부터 모은 기업들이 나중에 격차가 더더욱 커질것이다.

  - 데이터의 학습과 예측부분도 중요하지만 가장 많은 시간이 소요되는 전처리 과정을 위한 플랫폼이 중요하다. 비용적인 측면에서도 데이터의 반복적인 접근과 재사용성을 높여 비용을 줄일수있고 시간의 관점에서도 시간을 줄여 빠르게 변화하는 시대에 실시간적인 도움을 줄수있다.

출처

https://www.youtube.com/watch?v=GtUsiqENUnU

빅데이터 가상화

출처

http://www.itworld.co.kr/news/82576