Confidence Interval 기반 실시간 콜센터 성과 예측 시스템 구축
How to Forecast End-of-Day Call Center Performance
Medallion Architecture 기반 수십억 건 데이터 스케일의 Feature Engineering 파이프라인 구축
Azure Databricks for MLOps and Feature Engineering at Scale with Apache Spark, Delta Lake, and MLflow
경기 후반 15분 패턴 분석을 통한 79.3% 예측 정확도 달성
StatsBomb Open Data Reveals: Late Goals Aren't Random
Covariance Matrix와 Eigen-decomposition 기반의 고차원 데이터 압축
PCA From Scratch: Compress Data, Keep the Signal
Model 복잡성보다 Feature Engineering 통한 AUC 최적화
Your model isn't underfitting. Your features are lazy.
ML Lifecycle의 Analytical Governance를 위한 Knowledge Graph 기반 설계
From ML Tooling to Analytical Governance: Recent Updates to KMDS
토스 기술블로그2,800만 MAU를 이해하는 유저 Segmentation, TUES
2,800만 MAU 분석을 위한 NMF 기반 Soft Clustering 유저 세그먼테이션 설계
Sub-millisecond Feature Engineering 기반 실시간 ML 추론 파이프라인 설계
Predictive Alpha: Pipeline Engineering for Real-Time Machine Learning Inference
UTC의 불연속성을 제거한 Julian Date 기반 시계열 데이터 정규화 설계
Astrophysics & AI with Python: The Ultimate Guide to Julian Dates and Sidereal Time
모델 변경 없이 Feature Engineering만으로 정확도 14%p 향상
Better Data Beats Better Algorithms: Before Changing the Model, Change the Data
GraphQL 내부 엔드포인트 기반 대규모 VOD 채팅 데이터셋 구축
Training a Twitch chat toxicity classifier on real VOD data at scale
Ordinary Least Squares 기반 연속형 수치 예측 Baseline 모델 설계
Understanding Linear Regression: A Foundation of Machine Learning
데이터 정제 파이프라인 최적화를 통한 결측치 27.6% 감소 및 분석 신뢰도 확보
10.430 muertes, 10 preguntas y un pipeline en Python: lo que los datos de violencia policial en EE.UU. no te cuentan a simple vista
상태 표현 최적화(17→20 dim)를 통한 카드 게임 AI 성능 안정화
Building a Card Game AI with Reinforcement Learning — Implementation Details#2
XGBoost와 Monte Carlo 결합을 통한 비정상성 시계열 예측 엔진 구축
Handling Non-Stationary Time Series: Building a Probabilistic Engine with XGBoost & Python
Covariance Matrix 기반 차원 축소로 데이터 분산 95% 이상 보존
PCA (Principal Component Analysis): Finding the Hidden Structure in High‑Dimensional Data
트레이더의 정성적 경험을 정량적 Capability Factor로 변환한 Consensus 전략 설계
From 99 Traders to One Signal: Implementing a Distilled KOL Consensus Strategy on FMZ
Algorithm 튜닝 대비 Feature Engineering 통한 R2 0.017 향상
69. Feature Engineering: Building Better Inputs
Feature Space 설계를 통한 객체의 수치화 및 ML 모델 입력 최적화
Векторы, размерности и пространства признаков
PCA 기반 차원 축소로 정보 손실 5% 미만 유지 및 데이터 55% 압축 달성
68. PCA: Shrinking Data Without Losing Information