우리가 짠 코딩 소스를 command line interface에서 argument를 parse해 가면서는 실행해 프로그래밍의 결과치를 살피고자 합니다. 통상 우리가 에디터에서 실행해 결과치를 살피는 것에 비해 이렇게 했을 때에 얻게되는 유익함이 무얼까요?경우에 따라서는 이렇게 CLI에서 argparse를 했을 때에 보다 신속하게 결과치를 보고 판단내릴 수 있을 것입니다. 그 외에도 에디터에서 맛보지 못하는 재미를 interactive 게임 같은 경우엔 즐길 수 있지 않을까요? 그 외에도 다수 용도가 있을 거라 사료됩니다. 우리 함 배워보실까요?https://www.youtube.com/watch?v=0twL6MXCLdQ#파이썬 #코딩어학원

String 활용법이 기초 같아 보이긴 하지만, 많은 이들이 잘못 활용하고 있는 것이 현실이라 합니다. 기초부터 단단히 잡아가는 것이 중요하겠죠?우린 여기서 variable과 리스트를 활용해서 string을 불러내는 실습을 해보았습니다. 파이썬이 이 string 활용에 있어선 제일 편리한 랭귀지로 보입니다.https://www.youtube.com/watch?v=jA5LW3bR0Us#파이썬 #코딩어학원

오늘 intermediate 과정의 첫 시간입니다. 기초과정에서 배운게 어느정도 몸에 익었다 싶은 분은 이 과정을 밟아서 파이썬 코딩의 체력을 탄탄히할 필요가 있겠습니다. 그리고선 프로젝트로 나아가심 별로 막힘이 없으실텝니다^^첫 테이프에서 sentdex 이 친구는 말합니다:basic is for achieving a goal. intermediate is about skills, maintainability, grows for improvement, and generalized in order to fit modularity needs.심플해서 마음에 썩 듭니다^^파이썬의 pep8 -- style guide for python code 가운데에서도 제일 중요하다 할만한 것이 바로 이 캡처한 the zen of python 이라 합니다.https://www.youtube.com/watch?v=YSe9.......

트위터에 어떤 주제로 실시간 얘기 나누고 있는 데이터의 호/불호를 그래프로 그려내어 보여주는 실습을 했습니다. Trump로는 데이터가 많이 나오질 않아서, 일반적인 의미의 happy 라는 단어를 주제로 올려 보았습니다. 좀 의외였던 것이 사람들이 막상 말로는 happy라는 단어를 얘기하면서도 실상은 자신이 그리 즐거워하지 않고 있다는 걸 엿볼 수 있었습니다.이상이 nltk 프로젝트 과정이었습니다. 지금까지 우린 파이썬 기초과정, nltk 프로젝트 과정을 마쳤고, 내일부터는 intermediate 과정으로 들어가겠습니다.여태까지 nltk를 맛보면서는 여기서 말하는 sentiment algorithm은 주로 정치적인 목적으로 활용되고 있었구나는 생각이 들었.......

트위터에다 application을 등록하는 절차가 좀 까다로웠습니다. 각 문항에 백자 이상의 사유를 남겨야 허락해주는 시스템입니다. 하지만 우짭니까~ 답답한 사람이 우물을 파야죠~ 기어코 네 개의 API 키, 비번, Access 토큰, 비번을 받아내서 그걸로 실시간 데이터로 실습해낼 수 있었습니다.동영상에선 오바마 대통령에 대한 호/불호, 판정의 신뢰도를 가려내었습니다만, 전 트럼프 대통령에 대한 sentiment value, voting accuracy를 가려내어 보았습니다. 역시나 한 십분 기다려서 네 개의 불호를 그것도 모두가 80%의 신뢰도를 갖는 걸로 나왔습니다. 휴~ 이제 제법 nltk를 공부해온 보람을 느낍니다^^https://www.youtube.com/watch?v=.......

이제 nltk 공부하는 것도 거의 끝날 무렵인가 봅니다. pickle로 여러 object 화일을 만들고선 세이브하고, 불러내어 실습해보았습니다. 남은 두 강좌에선 트위터 텍스트를 가지고선 동일한 sentiment analysis(호, 불호를 가려내는) 실습을 함으로써 저희 21강좌의 대단원을 마치나봅니다. 이걸로 우리 무엇을 얻었다고요? 어떤 데이터라도 텍스트나 바이너리로 일단 주어지면, 우린 그걸로 적어도 호, 불호를 가려내는 정도는 이제 해낼 수 있게 되지 않았을까요?여기 나오는 코딩 기술은 오랜 기간에 걸쳐서 입증이된 것들만 가져와서 소개한 걸로 여겨집니다. 사소한 것에선 작동이 되질 않는 경우도 여럿 발견되었습니다만, 그건 그리 중요한.......

외부 데이터를 가져와서 voting accuracy를 올려보는 실습을 했습니다. binary 데이터를 읽어야지 수월한 모양인데, 우리 경우엔 그게 text(byte 형) 이라 읽어낼 때에 약간의 추가 코딩처리를 요하는 모양입니다. 다행이 이 동영상의 질의응답에서 누가 좋은 지침을 주어 극복해낼 수 있었습니다.허나 유감스럽게도 저흰 MemorryError로 인해 다양한 scikit-learn 방식의 classifier를 실습해보는 데엔 실패하고 말았어요ㅠhttps://www.youtube.com/watch?v=UF-RyxOAHQw&list=PLQVvvaa0QuDf2JswnfiGkliBInZnIC4HL&index=18#파이썬 #코딩어학원

어떻게 하면, 우리의 voting accuracy를 끌어올릴 수 있다고요?우선 중요한 것은 training 데이터셋과 testing 데이터셋을 각기 바이어스(오염) 없이 선정해내는 것이 우리의 voting accuracy를 끌어올리는 비결입니다. 어떻게 한다고요? ㅋㅎ 데이터셋의 양질 여부는 코딩의 문제는 아닙니다. 나머지는 우리가 찾아낸 각종 classifier 들이 보여주는 결과치를 비교해보면서는 부적합한 알고리즘을 하나씩 제외시켜낸다면, 얼마간이나마 voting accuracy를 끌어올릴 수도 있겠습니다.https://www.youtube.com/watch?v=h44hI7lr8w4&list=PLQVvvaa0QuDf2JswnfiGkliBInZnIC4HL&index=17#파이썬 #코딩어학원