분류 전체보기
-
[SQL] 2. LOGICDBMS 2021. 1. 27. 15:18
SELECT * FROM benn.college_football_players 1. CASE SELECT 절에 사용 CASE WHEN __[case 1]__ THEN _[case 2]__ ELSE(optional) END WHEN과 THEN 사이에 WHERE 같은 conditional statment 사용가능 multiple conditional statment 사용 시 AND , OR 사용 WHEN, ELSE 여러번 사용 가능 SELECT player_name, year, CASE WHEN year = 'SR' THEN 'yes' ELSE NULL END AS is_a_senior FROM benn.college_football_players ** ELSE: optional. provides a way..
-
[SQL] 1. Aggregate FunctionsDBMS 2021. 1. 27. 15:02
We are going to use the following database: SELECT * FROM tutorial.aapl_historical_stock_price 1. Aggregate functions in SQL SELECT / HAVING 에 사용 COUNT: 특정 칼럼에 몇개의 행이 있는지 count SUM: 특정 칼럼에 있는 값의 총합 MIN & MAX: 특정 칼럼의 가장 작은(earliest date, smallest, closest to "A") / 큰 값 AVG: calculates average of group of selected values Basic Tutorial 에서 말한 것들은 across rows. 여기는 칼럼 전체에 관한 계산 2. Additional Basics o..
-
[SQL] 0. Basic SQLDBMS 2021. 1. 21. 17:47
1. AS 2. (Filtering) Comparison Operators 3. (Filtering)Logical Operators LIKE: 비슷한 값 매치 ; "column_name" LIKE 'Snoop%' -> Case sensitive ILIKE: "column_name" ILIKE 'snoop%' -> not case sensitive 대소문자 상관없음! IN: 포함하고 싶은 값의 리스트 설정 BETWEEN: certain range에 해당하는 rows 셀렉 -> HAS to be paired with AND operator IS NULL: 주어진 칼럼에 데이터 없는 rows 셀렉 AND: 2가지 컨디션 모두 충족하는 행 선택 OR: either two conditions 컨디션 충족하는 행 ..
-
0. An Introduction to statistical learningMachine Learning Explained 2021. 1. 19. 16:56
대학원에서 참고서적으로 읽었던 "An Introduction to Statistical Learning with Applications in R"을 참고하여 머신러닝의 기본과 프로젝트에서 다루었던 모델을 정리하려 한다. 원서는 감사하게도 무료로 온라인 pdf 버전을 다운 받을 수 있다: statlearning.com/ Introduction to Statistical Learning statlearning.com 다른 원서에 비하여 설명이 자세하게 잘 되어 있고 머신러닝에 대한 기초 지식이 없는 사람들도 따라오기 쉽기 때문에 추천한다.
-
1. Basic introduction of statistical learningMachine Learning Explained 2021. 1. 19. 16:52
Basic of statistical Learning X_1, X_2, ... , X_p가 주어졌을 때 Y를 구하는 것 (prediction) X_1, X_2, ... , X_p와 Y의 관계를 이해하고 X가 달라짐에 따라서 어떻게 Y가 달라지는지 이해하는 것 (inference) - Y = f(X) + ε X; 독립변수 = 설명변수 = Input variables = predictors, independent variables, features, variables Y; 종속변수 = 반응변수 = Output variables = response, dependent variable ε; 오차항 = random error term = independent of X and has mean zero (normal..
-
Information Management system of SchoolDBMS 2021. 1. 9. 18:07
학교에 관한 데이터베이스 디자인을 간단하게 구성해 보았다. 다음과 같은 구성으로 데이터베이스 디자인을 해보았다: 1. ER diagram 2. Schema 3. SQL code 4. Normalization 1. ER Diagram Figure 1 은 다음과 같은 가정을 한다: - 학생들은 복수 전공이 가능하다 - 휴학을 하고 있는 학생들로 인해 어느 과목에도 수강신청이 되어 있지 않은 학생들이 있다 - Insructors 중에는 대학에서 오로지 연구만 진행하는 경우가 있다 Participation constraints도 존재한다: - students must have majors and majors must have students - courses must have students - ..
-
Basic security_ 정리노트Information Security 2021. 1. 4. 18:27
Security에는 3가지 종류가 있다: Theoretic security : always secure under all circumstance (almost impossible except one time pad) Computational security : practically not feasible to circumvent a service Based on cost Information security def: basis for protecting information assets Protection measures for info security: Prevention _encryption Detection _modification Reaction/ Recovery Security goals/ 3 ..
-
Empirical Asset Pricing using Machine LearningProject 2021. 1. 4. 18:18
1. Empirical Asset Pricing 이란? - Asset pricing의 경우 CAPM/Fama-French 등 다양한 가격결정 모형을 사용하는 것. - Empirical Asset pricing은 다양한 데이터를 수집하여 자산 가격을 결정하는 것. 2. Asset Pricing에 Machine Learning을 쓰는 이유 1) Risk premium = Expected return - Risk Free Rate - 머신러닝은 예측에 매우 전문화되어 있다. 따라서 리스크 프리미엄 측정 문제에 잘 사용될 수 있다. 2) 자산가격을 예측하는 데 사용되는 변수의 종류들은 다양하다. 여러 가지 stock level characteristics 뿐만 아니라 macroeconomic predictors..