Flying Large Constellations using Automation and Big Data (2016)
in Data Science on Paper
Flying Large Constellations using Automation and Big Data (2016)
빅데이터와 자동화를 이용한 대규모 인공위성그룹(satellite constellation) 운영
CHARTing the Future – An Offline Data Analysis & Reporting Toolkit to support Automated Decision-making in Flight Operations (2018)
in Data Science on Paper
CHARTing the Future – An Offline Data Analysis & Reporting Toolkit to support Automated Decision-making in Flight Operations (2018)
CHARTing the Future - offline data analysis, 위성운영 의사결정 자동화 지원을 위한 reporting toolkit
빅데이터분석, 통계학
in Data Science on Statistics
빅데이터분석을 하면 통계학이 필수적으로 등장한다.
그 이유는 빅데이터 분석의 궁극적인 이유와 연관된다.
빅데이터 분석은 나에게 주어진 데이터로 현재는 알 수 없는 무언가를 예측을 하고자한다.
빅데이터가 아무리 커다란 데이터라도 그것은 내가 알고자하는 내용이 포함되지 않은것이다.
즉 내가 알고자하는 미지의 영역(모집단)의 일부 샘플(표본)인것이다.
나는 내가 갖고있는 데이터로 현재를 모르는 영역을 예측해야한다.
표본으로 모집단을 추정하는 부분은 통계학에서 계속 연구한부분이다.
핵심은 바로 중심극한의정리. 모집단이 어떠한 분포를 지니든 간에 표본의 크기가 커질수록 정규분포를 이룬다는 법칙이다.
결국 빅데이터를 통해 모집단을 몰라도 데이터가 정규분포를 따른다고 가정하여 미지의 정보를 예측할수있다.
머신러닝도 마찬가지로, machine이 아직 모르는 미지의 영역을 다룰때 계속 이 예측값(estimator)를 사용한다.
결국 빅데이터분석의 핵심은 통계학이다.
Data Sciencist에게 CS보다 통계학 지식이 더 중요하다고 생각하는 이유를 정리해보았다.
CS는 Data Sciencist에게 수단일뿐이다.
anaconda 환경에 KoNLPy 설치하기
in Programming on Python
JVM 설치
java 다운로드 후, 환경변수에 JAVA_HOME 추가
Ubuntu에서 port forwarding하기
in Programming on DevOps
Ubuntu linux 에서 port forwarding하기
text similarity 비교를 위한 여러 기법
in Data Science on NLP
similarity 비교를 위한 여러가지 기법이 있다. 하나씩 알아보자
Onboard Observation Task Planning for an Autonomous Earth Observation Satellite Using Long Short-Term Memory
in Data Science on Paper
Onboard Observation Task Planning for an Autonomous Earth Observation Satellite Using Long Short-Term Memory
LSTM을 이용한 지구관측위성의 Onboard Observation Task planning.
[Object] 3. 역할, 책임, 협력
in Programming on Java
객체지향패러다임의 관점에서의 핵심은 역할(role), 책임(responsibility), 협력(collaboration)이다.
객체지향의 본질은 협력하는 객체들의 공동체를 창조하는것 이다.
객체지향 설계의 핵심은 협력을 구성하기 위해 적절한 객체를 찾고 적절한 책임을 할당하는 과정에서 드러난다.
역할, 책임, 협력을 충분히 고민한 뒤에 이를 구현하는것이 클래스, 상속, 협동인것이다.
