Data Science/Cases(사례)(7)
-
R로 간단한 그래프 표현 시 참고할만한 사이트
간단한 그래프에 대한 전반적인 설명은 아래 사이트 참조하면 좋을 듯 하다. Producing Simple Graphs with R Producing Simple Graphs with R Let's add a title, a line to connect the points, and some color: cars
2020.01.29 -
코인 발행량
2020년 1월 19일 17:59의 업비트 원화 거래소에 상장된 정보 기준으로 코인발행량을 정리해봤다. 정보가 나온 코인들의 대해 발행량 기준 오름차순으로 정리했다. 정보가 없는 코인들(비트코인에스브이, 어거, 스팀달러, 아인스타이늄, 캐리프로토콜, 스트라티스, 썬더토큰, 웨이브, 스토리지, 애드엑스, 넴, 메디블록, 온톨로지가스)은 우선 제외했다. 구분 코인명 발행량 1 비트코인 21,000,000 2 비트코인캐시 21,000,000 3 비트코인골드 21,000,000 4 디크레드 21,000,000 5 크립토닷컴 31,587,682 6 디마켓 56,921,773 7 메탈 66,580,000 8 라이트코인 84,000,000 9 버트코인 84,000,000 10 네오 100,000,000 11 가스 1..
2020.01.16 -
2016년 비트코인 반감기 사례
다시 차트를 살펴보면, 2016년도 2번째 반감기를 거쳐, 2017년 다시 한번 급격한 가격 상승 패턴을 보인다. 이 기사에 따르면 당시 가격 상승 폭이 2200%, 약 22배 정도 상승했다고 한다. 상승폭이 가파라 보이지만, 2013년도 가격 상승 폭에 비하면 높은 건 아니다. 두 번째 반감기를 지나면서 첫 번째 반감기 시기보다 비트코인에 투자하는 사람들이 상대적으로 증가했고, 기관들의 시장 진입 준비가 본격화되기도 했다. 국내 거래소에서 실명 확인이 제도화 되기전까지만 해도 투기 세력들이 한창 활개친 시기이기도 했고, 다양한 코인들이 ICO를 통해 등장하기도 했다. 2017년을 지나 2018년도에는 비트코인을 포함한 암호화폐 시장의 급격한 가치 하락 및 완만한 가치 하락 시장을 경험하게 된다. 투자에..
2020.01.14 -
2012년 비트코인 반감기 사례
비트코인이 처음 채굴 반감기를 맞은 2012년을 기점으로 2013년 가격이 큰폭으로 올랐다. 이 비트코인 내년 반감기 영향 과거와 크게 다를 것 – 블룸버그 분석가 기사에 따르면 당시 약 8200% 상승했다. 약 82배가 상승한 것이다! 위 차트에서 2012년 부분을 보면 가격이 미미하다가 2013년 급격히 상승한다. 비트코인의 공급량이 절반으로 줄어든 상황에서 투자 및 활용 측면의 수요가 늘어나서 일어난 현상으로 보인다. 그리고 4년뒤 2번째 반감기 시기인 2016년에 맞이한다. 당시 가격은 2013년에서 가격이 급등한 시점과 거의 비슷하다. 가격 회복하는데 약 4년이 걸린 것이다. (To Be Continued)
2020.01.13 -
비트코인 반감기란
비트코인 반감기란 간략히 표현하면, 비트코인 채굴에 의한 보상의 양이 기존보다 반으로 줄어드는 시기이다. 비트코인의 블록 채굴 성공에 따른 보상은 현재 12.5개인데, 2020년 4월말~5월 정도에 6.25개로 줄어든다는 것이다. 비트코인에 대한 수요가 현재 수준을 유지하거나 점차 높아진다고 가정하면, 생산량이 줄어드는 반감기에는 비트코인 가치가 상승할 것이다. 참고로, 비트코인 반감기에 관해 다양한 관점으로 분석한 글이 있다. 비트코인 다음 반감기에는 가격 오르지 않을 수도 있다(출처: 코인데스크). 관심있는 사람은 한번 읽어보면 좋을 듯 하다. 비트코인 다음 반감기에는 가격 오르지 않을 수도 있다 비트코인 반감기는 영어로 ‘halving’ 또는 ‘halvening’이라고 부른다. 부르는 말은 다를지 ..
2020.01.12 -
삶의 흔적, 데이터
이렇게 글을 남기는 것도 하나의 데이터이다. 데이터란 간략하게 표현하면, '삶의 흔적' 아닐까?
2020.01.02 -
Target(타깃): "How Companies Learn Your Secrets'
"How Companies Learn Your Secrets"란 제목의 2012년 2월 16일자 기사입니다. 내용이 좀 긴데, 인사이트 및 요약은 다음과 같습니다. Target사는 고객 정보를 "Guest ID number"를 통해 관리하며, 고객의 행동정보와 관련 인구통계학적 정보를 수집 또는 구매하여 분석한다. Target은 고객의 구매습관을 분석하여, 적절한 제품광고/쿠폰 발송시기를 예측하고자 했다. 관련연구: 습관은 뇌에서 크게 "cue(유발인자) --> routine(일상행동) --> reward(보상)"의 3단계를 거친다. 즉, 고객의 습관을 분석하여 습관 유발인자(cue)에 영향을 미쳐, 제품판매를 촉진할 수 있다. 사람들의 구매패턴은 보통 의식없이 진행되기 때문에 일상적인 구매형태를 바꾸기..
2014.02.18