PyGWalker를 사용하여 정적이고 코드 중심의 차트를 넘어서 진정한 대화형 탐색적 데이터 분석 워크플로우를 구축하는 방법을 소개하는 튜토리얼입니다. 타이타닉 데이터셋을 대규모 대화형 쿼리용으로 준비한 후 분석에 적합한 엔지니어링된 피처를 활용하여 데이터의 기본 구조를 드러내고 상세한 행 수준 탐색과 고수준 집계를 모두 가능하게 합니다.
이 튜토리얼에서는 Ibis를 사용하여 Pandas와 유사하지만 데이터베이스 내에서 완전히 실행되는 이식 가능한 인-데이터베이스 피처 엔지니어링 파이프라인을 구축하는 방법을 보여줍니다. DuckDB에 연결하고 데이터를 안전하게 백엔드에 등록하고 창 함수와 집계를 사용하여 복잡한 변환을 정의하는 방법을 소개합니다.
바이너리 크로스 엔트로피(BCE)는 이진 분류의 기본 손실 함수이지만, 불균형 데이터셋에서 심각한 문제를 야기할 수 있다. Focal Loss는 한 클래스가 극도로 드물 때도 오류를 적절하게 고려하여 불균형 분류에 유용하다.
이 튜토리얼에서는 Textual을 사용하여 고급 대화형 대시보드를 구축하며 터미널 우선 UI 프레임워크가 현대적인 웹 대시보드와 같이 표현력이 풍부하고 동적일 수 있는 방법을 탐색합니다. 각 스니펫을 작성하고 실행하면서 인터페이스를 조각조각 조립하고 위젯, 레이아웃, 반응 상태 및 이벤트 흐름을 활성화하여 볼 수 있습니다.
이 튜토리얼에서는 Apache Spark의 기술을 Google Colab에서 PySpark를 사용하여 직접 활용하는 방법을 탐구합니다. 로컬 Spark 세션 설정부터 변환, SQL 쿼리, 조인, 창 함수까지 단계적으로 진행하며 사용자 구독 유형을 예측하는 간단한 머신 러닝 모델을 구축하고 평가합니다.
이 튜토리얼에서는 도구 문서를 표준화된 호출 인터페이스로 변환하고 중앙 시스템에 등록한 후 자동화된 파이프라인의 일부로 실행하는 효율적인 프레임워크를 구축하는 방법을 보여줍니다.
LLM은 파라미터 수가 급증하고 MoE 디자인과 대규모 컨텍스트 길이의 널리 사용으로 급속히 발전했습니다. DeepSeek-R1, LLaMA-4, Qwen-3 같은 모델은 이제 수조 개의 파라미터에 이르며 엄청난 컴퓨팅, 메모리 대역폭, 빠른 칩 간 통신이 요구됩니다. MoE는 효율성을 향상시키지만 전문가 라우팅에서 도전을 야기하며 백만 개 이상의 토큰을 갖는 컨텍스트 창은 […]
