발표했던 반의 주제들 및 도구들:
전체 다: Web Client 베이스로, Web Crawling으로 데이터 모아서, Data Analysis(데이터 분석)로 결과 output.
1. Instapick (인스타그램 카페 검색 추천 프로그램):
- SNS 기반
- 시장분석
- 전처리 분석
도구들:
- Java
- Python(Flask)
- Web Crawling
- Machine Learning
- HTML/CSS
- Oracle DB
- 머신러닝: xgboost
2. MBTI 여행추천 (MBTI 타입으로 여행지 추천)
- 유저의 MBTI 시험줌
- 전처리(여행지 데이터를 전처리한듯)
3. 피부타입별 화장품 추천
- Python(Flask)
- 백엔드, Crawling, ML
4. 장보고 (쇼핑바구니에 추천 아이템 넣어두는 프로그램)
- 데이터 전처리
- 머신러닝
- SVD알고리즘
- Surprise라는 라이브러리에서 SVD알고리즘 갔다씀 surprise 공식 사이트(영어): https://surprise.readthedocs.io/en/stable/FAQ.html#faq 누가 블로그에 설명한거(한글): https://antilibrary.org/2086
5. 유동인구 분석으로 홍보위치 추천 (광주 유동인구로 데이터로 홍보위치, 홍보물 추천 프로그램)
- 지도로 각 지역마다 유동인구 표시
- 유동인구 데이터 분석으로 각 지역마다 잘먹히는 홍보물 추천
- 광주광역시 api?
2차 프로젝트 생각 정리: 개발환경/도구들:
-
Frontend(사용자에게 보여주는거): HTML, CSS, JSP, (Javascript?,React? 안쓴거같은데)
-
Backend:Java로?, Flask에넘겨서 ,python data analysis(파이썬으로 데이터 분석)
-
ML: Surprise library(Python), SVD algorithm? *the cs guy only learned ML for 10 days (컴공 전공자가 10일만에 배워서 ML알고리즘을 썻다)
-
DB: Oracle -> MongoDB?(몽고디비는 안썼는데, 쓸수있으면 좋다, 김동원부장의 비평)
수업 과정에 배우는 것들:(더 있을듯)
-
Backend: Node.js(서버)
-
Data 수집, 학습using algorithms, 전처리
- Data 수집이 어렵다.
*Use OpenAI to get data(비평)