본문 바로가기
KNIME | KNIME이라고 들어봤어요? 코딩 없이도 데이터 분석을 할 수 있다 NOW 엑셈 뉴스레터를 통해 데이터 분석 플랫폼인 ‘KNIME’에 대해서 설명을 드리려고 해요. 총 5 Part로 나누어 진행되니 기대해주세요! Part.1 KNIME Q1. KNIME이 무엇인가요? A1. 질문에 답하기 전에 데이터 분석을 먼저 알아볼까 해요. 데이터 분석이란, 원시데이터를 가공해 의미있는 데이터를 만들고 의사 결정에 도움이 되는 정보를 이끌어내는 것을 뜻해요. 원시데이터는 여러가지가 될 수 있어요! 키, 댐 수위 변화, 평점, 성별, 나이, 뉴스기사, 음성, 사진(각각 연속형, 시계열, 이산형, 이진데이터, 문자열, 소리, 이미지 데이터) 등을 예로 들 수 있겠네요. 이러한 원시데이터를 사람이 직접 톺아보며 유의미한 정보를 찾기에는 매우 번잡하고.. 2022. 9. 27.
엑셈 APM 인터맥스 "가트너 제시 주요 요구사항 반영···상반기 매출 182% 증가" 엑셈 APM 인터맥스 "가트너 제시 주요 요구사항 반영···상반기 매출 182% 증가" [솔루션 리뷰] 케이뱅크와 삼성카드에 IT 전구간 통합 모니터링 제공..."APM시장 재편 가속화" 클라우드 시대를 맞아 애플리케이션 성능 관리(APM, Appplication Performance Management) 솔루션에 대한 관심이 더 높아졌다. APM은 기업 업무나 기업이 고객 서비스를 하는데 필요한 소프트웨어(SW)인 애플리케이션의 성능 관리를 돕는 솔루션(SW)이다. 컴퓨팅 분야 세계적 컨설팅 및 시장조사기업 미국 가트너는 ‘2022년 애플리케이션 성능 관리 및 옵저버빌리티 부문 매직 쿼드런트’ 보고서에서 비대면 서비스 핵심인 웹, 모바일 등 온라인 채널 증가는 계속될 것이라고 전망하면서 "기업이 자체 .. 2022. 9. 20.
왕푸짐 | 달님 찾고 달달한 간식 받아가세요~ Hint: 윗 포스트에 있는 달 모양 3개를 제외하고 개수를 확인하세요^^ 정담: 총 9개입니다!! 기획 | 사업관리팀 왕준용 이미지 제작 | 디자인그룹 이민석 2022. 8. 25.
책 읽기 좋은 날, SyncClip | 1Page혁명, 실리콘밸리가 일하는 방식 씽클립을 통해 서서히 Clip(서평)을 공유하는 사람들이 늘고 있습니다. Clip을 읽다가 Clip 작성자의 다른 글들이 궁금합니다. 그럴 경우, Clip 작성자의 사진 위에 마우스를 올리면 프로필이 나타납니다. 프로필 영역 하단 Follow 버튼을 클릭하면 Following으로 변경되면서 친구가 됩니다. Follow한 친구의 모든 Clip들을 볼 수 있습니다. 메뉴창의 Find People에서 ID로 검색도 가능합니다. * 로그인 후에는 Following을 통해 친구가 되어야만 친구들의 Clip이 보입니다. 씽클립에서는 덥고 습한 날씨에 읽기 좋은 책 『비행운』을 추천 받기도 하고, 『인터페이스 없는 인터페이스』라는 책을 통해 제품 기획자는 이런 것들을 고민하는구나~를 알게 됩니다. 저는 제품 기획자는.. 2022. 8. 25.
글로벌 인터뷰, 일본법인 Daisuke Goto 대표 일본의 대표적인 경제 저널인 주간 이코노미스트(The Weekly Economist)에 엑셈 일본법인 Goto 대표의 인터뷰가 실렸습니다. 매월 비대면으로 뵙던 것보다 사실 더 멋진 모습이네요~ (최근 대면을 못하고 있는.. 아쉬움) 오랜만에 해외법인 대표님의 회사 운영에 대한 히스토리와 데이터베이스 전문가 집단으로써 어떤 사회적 공헌을 하고자 하는지 여러 생각을 들을 수 있어서 반갑고 좋았습니다. 엑셈 일본법인은 최근 일본 전역 90여 개의 판매 거점을 보유한 최대 규모의 IT 서비스 제공 기업과 판매 파트너 계약을 체결하며 사업 기회를 더욱 확대하고, 신규 고객 비즈니스가 원활히 진행되고 있습니다. 지금과 같이 자리를 잡기까지 일본 내 보수적인 기업의 인식을 바꾸기란 여간 쉽지 않았습니다. 국내 1위.. 2022. 8. 25.
Chapter 2. Pandas 3편 : Time Series 머신러닝을 위한 Python 필수 라이브러리 2.2.10 데이터 로딩과 저장 2.2.10.1 파일 읽기 pandas에는 표 형식으로 되어있는 포맷으로 되어진 파일을 읽을 수 있도록 기능을 제공하고 있다. 그 중에서 주로 사용하는 read_csv와 read_table만 사용해보자. 해당 예제파일은 쉼표로 구분 되어있기 때문에 read_csv을 사용해서 dataframe으로 읽어올 수 있다. Read_table의 경우는 구분자를 쉼표로 지정해서 읽어올 수 있다. In [1]: !cat ex1.csv Out [2]: ,a,b,c,d 0,1,2,3,4 1,5,6,7,8 2,9,10,11,12 3,13,14,15,16 In [3]: df = pd.read_csv('ex1.csv', index_col = 0) In [4]: df Out [5]: abcd 01.. 2022. 8. 25.
Chapter 2. Pandas 2편 : Time Series 머신러닝을 위한 Python 필수 라이브러리 2.2 Time Series 머신러닝을 위한 Python 필수 라이브러리, Pandas 2편 2.2.3 원소선택, 인덱싱 2.2.3.1 series 인덱싱 인덱싱은 [위치] 또는 [‘인덱스명’]으로 인덱싱이 가능하다. In [1]: import pandas as pd import numpy as np In [2]: series_data = [2,4,6,8] In [3]: series_data = pd.Series(series_data) In [6]: series_data Out[6]: 0 2 1 4 2 6 3 8 dtype: int64 In [7]: series_data[1] Out[7]: 4 * 여러 값 인덱싱 및 슬라이싱 한 번에 여러 값을 인덱싱 하게 될 때는 위치나 인덱스명 둘 다 짝을 이루는 값.. 2022. 8. 25.
Chapter 2. Pandas 1편 : Time Series 머신러닝을 위한 Python 필수 라이브러리 2.2 Time Series 머신러닝을 위한 Python 필수 라이브러리, Pandas 1편 Pandas란? Python Data Analysis Library의 약어이며, R을 모티브로 하여 만들어진 파이썬 라이브러리이다. 쉽고 직관적인 관계형 또는 분류된 데이터로 작업할 수 있도록 설계된 빠르고 유연하며 표현이 풍부한 데이터 구조를 제공하고 있다. Pandas가 필요한 이유는 Numpy의 ndarray 데이터 구조는 산술 연산 작업에서 포맷이 잘 정리된 데이터 타입을 위한 기능들을 제공하고 있지만, 현실 데이터는 생각보다 정돈이 잘 되어있지 않기 때문이다. Pandas는 데이터를 표(table) 형태로 처리할 수 있어서 수집된 데이터의 전처리 등 각종 데이터 핸들링을 쉽고 편하게 할 수 있다. 그렇기.. 2022. 8. 25.
스포트라이트 | InterMax mAPM, 더 이상 선택이 아닌 필수인 이유 포스트 코로나 시대에 살고 있는 우리에게 매우 익숙한 키워드 중 하나가 바로 ‘비대면’이다. 그간 오프라인에서 진행되어 온 수많은 활동들이 하나 둘 모두 비대면으로 빠르게 전환하고 있다. 그 변화의 중심에 모바일 애플리케이션이 있다. 연구에 따르면 지난 2017년부터 2021년까지 분야별 모바일 앱의 연평균 성장률이 크게 증가했다. 이는 앱 서비스를 제공하는 업체에게 좋은 소식이면서도 새로운 도전 및 과제를 직면하게 했다. 수많은 사람들이 매일 사용하고 있는 앱 서비스를 장애없이 운영해야만 고객 만족도가 올라가고 성공한 서비스가 될 수 있기 때문이다. 반면 예상치 못한 장애로 사용자에게 잦은 불편을 끼치면 고객 이탈을 피할 수 없다. 따라서 앱 서비스를 제공하는 업체라면 당연히 고려할 수 밖에 없는 것이.. 2022. 8. 25.

티스토리툴바