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
非本科工程師的踩坑心得：環境數據處理，為什麼跟線上課程教的都不一樣？
Domain-Driven Data Engineering를 통한 환경 데이터 무결성 확보
AUC 5% 손실을 감수하고 GLM을 선택한 규제 준수 중심 설계
Lending's Old Faithful: How a 1958 Breakthrough Still Holds Off the AI Rush
GitHub Innovation Graph 기반 163개국 소프트웨어 ECI 분석 체계 구축
How researchers are using GitHub Innovation Graph data to reveal the “digital complexity” of nations
Feature Engineering에서 Representation Learning으로의 패러다임 전환
What Deep Learning Really Means — From Neural Networks to Modern AI
반복적 ML 전처리를 자동화하는 dfxpy 라이브러리 설계
I built 'dfxpy' to reduce repetitive Pandas + ML preprocessing workflows
PCA와 t-SNE를 통한 고차원 데이터의 효율적 차원 축소 및 시각화 전략
Dimensionality Reduction in Machine Learning: PCA and t-SNE.
XGBoost 기반 확률 모델을 통한 실시간 경마 예측 엔진 구현
Building an AI-Powered Prediction Engine for Racing Data: A Developer's Journey
Anton 기반 Vibe ML 도입으로 분석-모델링-배포 2분 내 완결
Use AI to do ML - vibe forecasting is coming
ML과 Sentiment Analysis 기반의 초보 투자자용 분석 플랫폼 StocksPI 설계
StocksPI: An AI-Based Platform for Beginner Stock Market Investors
가설 기반 EDA 워크플로우를 통한 데이터 구조 및 패턴 정밀 분석
Exploratory Data Analysis: How to Read a Dataset
DQS 필터링과 Batch Query 도입으로 예측 정확도 향상 및 성능 8배 개선
Building a Horse Racing AI Pipeline: PostgreSQL + Claude for Automated Race Predictions
Matplotlib 대비 코드량 85% 절감한 Seaborn 기반 Statistical Visualization 설계
Statistical Visualizations With Seaborn
Central Limit Theorem 기반 데이터 정규화 및 AI 가중치 최적화 설계
The Bell Curve and Why It Shows Up Everywhere
Outlier 제어로 데이터 분포의 왜곡을 막는 Feature Normalization 핵심 전략
Statistics Basics: Mean, Median, Variance
IoT-ML 파이프라인 기반 Powdery Mildew 예측 정확도 96% 달성
How IoT Sensors Are Predicting Powdery Mildew Before It Spreads Across Your Vineyard
3.2M개 뉴스 데이터의 31차원 정량 분석을 제공하는 MCP 서버 구현
31 dimensions of news bias, queryable from Claude in plain English
Log Transform 및 Binary Flag 도입을 통한 데이터 편향 해결 및 정보 손실 최소화
(EDA Part-3) Univariate Analysis — Understanding Every Feature One at a Time