태그: #pandas
GPU·LLM·MLOps·쿠버네티스, 그리고 마음가짐에 관한 글 · 4 편
모던 Python 2026 — Python 3.13 / 3.14 / free-threaded / uv / Ruff / Polars 1.0 / FastAPI / Litestar / Robyn 심층 가이드
2026년의 Python은 30년 만에 처음으로 두 개의 거대한 변곡점을 동시에 통과한 언어가 되었다. 하나는 언어 자체의 변화 — Python 3.13의 free-threaded preview와 JIT preview, 그리고 3.14에서 free-threaded가 stable로 승격되며 비로소 GIL 없는 Python이 프로덕션 옵션이 된 것. 다른 하나는 Astral이 주도한 도구 혁명
2026-05-16 · 43 분 읽기 #python#python-3-13#python-3-14#free-threaded#jit수학 & 과학 계산 도구 2026 — Mathematica / MATLAB / Maple / SageMath / Julia 1.11 / R Posit / JAX / GeoGebra / Desmos / GAP / Macaulay2 심층 가이드
2026년 수학과 과학 계산의 지형도는 더 이상 한두 도구가 지배하지 않는다. Wolfram Mathematica의 프리미엄 상징 계산, MATLAB과 Simulink의 공학 산업 표준, Maple의 교육·연구 균형, SageMath의 오픈소스 통합, Julia 1.11의 과학 계산 우선 설계, R과 tidyverse를 끌고 가는 Posit, Python의 NumPy·SciPy·SymPy·P
2026-05-16 · 43 분 읽기 #math#scientific-computing#wolfram-mathematica#matlab#simulinkPolars 1.x vs Pandas — Pandas 시대의 끝인가? Rust·Arrow·lazy 시대의 dataframe 심층 분석 2026
Polars가 1.x로 stable API 약속을 내걸고, Pandas 2.2가 PyArrow backend를 정식 지원하면서 dataframe 세계의 무게중심이 흔들렸다. Polars 1.x는 정말로 Pandas를 대체하는가? Rust + Arrow 아키텍처, lazy evaluation, query optimizer(predicate/projection pushdown, common su
2026-05-14 · 30 분 읽기 #polars#pandas#dataframe#apache-arrow#duckdbAI/ML을 위한 Python 완전 가이드: NumPy, Pandas, Matplotlib, Scikit-learn 마스터하기
AI와 머신러닝을 위한 Python 생태계 완전 정복 가이드. NumPy 배열 연산, Pandas 데이터 처리, Matplotlib/Seaborn 시각화, Scikit-learn으로 머신러닝까지 실전 예제와 함께 마스터합니다.
2026-03-17 · 36 분 읽기 #python#numpy#pandas#scikit-learn#matplotlib