AWS LAMBDA를 활용한 Account Helth Event 발생 정보 슬랙 전송(2)
AWS Lambda와 API Gateway를 연동해 Account Health Event를 슬랙에서 관리하는 방법을 소개했습니다. 슬래시 명령어로 완료 처리, 목록 조회, 삭제까지 수행하는 흐름을 설명했습니다.

pandas 태그가 달린 국내 IT 기업 기술 블로그 글을 최신순으로 모았습니다.
13개 표시
AWS Lambda와 API Gateway를 연동해 Account Health Event를 슬랙에서 관리하는 방법을 소개했습니다. 슬래시 명령어로 완료 처리, 목록 조회, 삭제까지 수행하는 흐름을 설명했습니다.

Polars는 Pandas와 비슷한 인터페이스를 유지하면서도 Rust 기반 최적화로 대용량 데이터 처리 성능을 높였습니다. Lazy Execution과 멀티코어 활용으로 로컬 환경에서도 빠른 전처리와 분석을 기대할 수 있습니다.

Spark의 개요와 주요 구성요소, 장점을 정리한 글입니다. 대용량 데이터 처리에서 Pandas보다 Spark가 더 적합한 성능 사례도 비교했습니다.
![[BigData] Spark 개요 정리](https://bespin-wordpress-bucket.s3.ap-northeast-2.amazonaws.com/wp-content/uploads/2025/03/image-10.png)
TAG를 활용해 CSV 테이블 기반 영화 추천 서비스를 구현하고 RAG와 비교했습니다.\n정형 데이터에서는 TAG가 더 정확한 질의 처리와 비용 효율성을 보였습니다.

Pandas와 Spark 사이의 대체제로 Polars를 검토한 실무 적용 경험을 소개했습니다. Lazy API와 streaming으로 메모리와 실행 시간을 크게 줄인 사례를 공유했습니다.

ML 백엔드에서 Python의 느린 실행 속도를 줄이기 위한 최적화 팁을 공유했습니다. 특히 GC, list, numpy 같은 요소가 응답시간에 미치는 영향을 사례와 함께 설명했습니다.

개인정보·가명정보·익명정보의 차이와 안전성·유용성 평가 관점을 정리했습니다.\nPython과 pandas로 범주화, 부분 총계, k-익명성을 적용하는 방법을 소개했습니다.
실시간 이상탐지 모델의 안정성을 위해 입력 데이터 검증 방법을 소개했습니다. JSON Schema, feature 순서 정렬, t-test 기반 Dataset Shift 탐지를 다뤘습니다.

화해는 생산성과 관리 용이성을 위해 Python 3·Django·DRF를 백엔드 표준으로 활용했습니다.\nAPI 테스트 표준화와 데이터 분석 활용 사례를 통해 Python 생태계의 강점을 소개합니다.

파이썬으로 여러 엑셀 파일을 탐색·결합하고 워크시트별 통계를 계산하는 방법을 학습했습니다.\ngspread 연동으로 구글 스프레드시트 데이터 작업을 반자동화하는 활용 가능성을 살펴봤습니다.
Python의 xlrd·xlwt와 pandas로 엑셀 통합 문서를 읽고 쓰는 방법을 정리했습니다. 조건·집합·정규표현식 필터링과 워크시트 선택 방법을 함께 학습했습니다.
CSV 데이터를 기본 Python과 pandas로 선택·저장·결합하는 방법을 학습했습니다. 데이터 탐색, 조작, groupby·merge 활용을 실습했습니다.
IPython Notebook과 pandas를 활용한 데이터 분석 스터디 내용을 정리했습니다. 열 선택 방식과 `.loc`·`.iloc` 기반 색인 활용법을 소개합니다.