일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | |||||
3 | 4 | 5 | 6 | 7 | 8 | 9 |
10 | 11 | 12 | 13 | 14 | 15 | 16 |
17 | 18 | 19 | 20 | 21 | 22 | 23 |
24 | 25 | 26 | 27 | 28 | 29 | 30 |
- ML
- pytorch
- upheap
- 삽입식 힙
- 힙정렬
- 상향식 힙
- bodyparser
- urlencoded
- 2차조사법
- 해시테이블
- Loss함수
- 이중연결리스트
- 딥러닝
- POST
- downheap
- 선형회귀
- 개방주소법
- MSE
- 분리연쇄법
- nodejs
- 경사하강법
- vsCode
- 이중해싱
- anaconda
- body-parser
- 연결리스트
- 선형조사법
- 알고리즘
- Today
- Total
목록전체 글 (37)
LittleDeveloper
✨모달을 만들자✨ 레벨1에서 모달을 구현했던 기억을 떠올려볼까요? 로또 미션 -> 모달 창에서 당첨 결과 확인하는 기능 점심 뭐먹지 미션 -> 모달 창에서 음식점 추가하는 기능 영화 리뷰 미션 -> 모달 창에서 영화의 상세정보를 조회하는 기능 매 순간 우리는 모달과 함께 했던 것을 알 수 있습니다.. 모달창을 만들면서 다들 한 번쯤은 고민이 있었을 것이라 생각해요. 모달의 디자인은 어떤 식으로 구현할 것이며, 모달에 이벤트는 또 어떻게 부여할 것인지.. 다양한 고민들이 있을 텐데요, 이러한 고민들을 해소할 수 있는 멋쟁이 태그, 바로 dialog 태그에 대해서 한번 알아봅시다! 💭나에게도 이름이 있어요 - dialog 태그 div 지옥 vs header, nav, main, footer··· 시맨틱 태그..
🧐타입 단언은 왜 등장했는가? 타입스크립트 컴파일러는 타입 표기, 타입 좁히기(type narrowing)와 타입 추론 등의 기법을 이용해 값의 타입을 판단한다. 그러나 컴파일러의 정보 대신, 프로그래머가 원하는 타입을 값에 할당하고 싶다면? 위의 경우를 위해 등장한 것이 타입 단언(type assertion)이다. 🔎타입 단언(Type Assertion)이란 무엇인가? 타입 단언은 아래와 같은 형태로 이루어진다. value as Type 아래의 코드로 타입 단언의 예시를 확인해보자. interface Dog { legs: 4; bark(): void; } interface Insect { legs: number; creepy: boolean; } interface Fish { swim(): void; ..
undefined는 지양해주세요. 우테코 로또 미션을 수행하면서 1단계, 2단계 모두 변수에 undefined를 할당하는 코드에 지적을 받았었다. undefined는 지양하고, 필요하다면 null을 사용하라는 리뷰 코멘트가 있었는데.. undefined는 대체 무엇이며, 왜 지양해야 하고, 또 null과는 어떤 차이가 있는지 궁금했다. 아래의 포스팅에서 자세히 알아보자! 이 포스트를 읽기 전, undefined과 null의 차이에 대해 명확하게 말할 수 있는지 확인해볼까요? undefined란? undefined를 지양해야 하는 이유는? null 이란? null이 undefined과 다른 점은? 이번 포스트에서는 각 질문에 대해 해답을 하나씩 알아볼게요! 먼저 null과 undefined의 차이를 쉽게 ..
1. CNN의 탄생 1) MLP의 한계: ◾ 앞선 딥러닝 모델 → 하나의 은닉층을 가진 MLP(다층 퍼셉트론) ◾ MLP의 장점이자 단점=> ‘학습데이터’에서 완벽한 모델 생성 ▶ 과적합!! ◾ Gradient Vanishing 문제 2) MLP ? ----> DNN ! (by 사전학습, RELU, GPU) *DNN : 2개 이상의 Hidden Layer를 가진 다층 신경망(Deep Neural Network) 3) DNN의 한계 ▶ 데이터량이 많은 이미지와 영상 처리가 어려움 Why? 데이터의 변형 및 왜곡에 취약함 + 공간정보 손실(픽셀들 간의 연관성) ✅ 데이터 손실(평탄화) ✅ 매우 높은 시간 복잡도 ✅ Parameter 수 ⬆ ▶ DNN으로는 이 모든 문자를 A라고 분류하기 어렵지만, CNN은 ..
1. 머신 러닝 모델의 평가 *검증용 데이터의 필요성 하이퍼파라미터(초매개변수): 모델의 성능에 영향을 주는 매개변수들, 보통 "사용자가 직접" 정해줄 수 있는 변수 ex) 경사 하강법의 학습률(learning rate), 딥러닝의 은닉층의 수, 뉴런의 수, 드롭아웃 비율 매개변수: 가중치와 편향과 같은 학습을 통해 바뀌어져가는 변수, 기계가 훈련을 통해서 바꾸는 변수 (사용자가 결정해주는 값이 아니라 모델이 학습하는 과정에서 얻어지는 값) ->훈련용 데이터로 훈련을 모두 시킨 모델은 검증용 데이터를 사용하여 정확도를 검증하며 하이퍼파라미터를 튜닝(tuning) *k겹 교차 검증(검증데이터, 테스트 데이터가 불충분한 경우) 2. 분류(Classification)와 회귀(Regression) 1) 이진 분..
Merge를 위해서 pr 생성하려는데 Create pull request 버튼이 먹통이었다. (읭..) 충돌도 없는데 뭐지.. 해서 찾아보니까 .. https://stackoverflow.com/questions/55606800/create-pull-request-button-is-disabled Create Pull Request Button is disabled I would like to make a pull request from my fork repo to the upstream repository. As always I was following these steps here from the guidance from Github. But this time I can not make a pull ..
Pytorch로 배우는 Neural Network 우리는 머신러닝을 처음 접하면서 회귀/분류 문제를 시작으로 여러가지 기법을 공부하게 된다. (물론 머신러닝으로 해결할 수 있는 과제가 회귀와 분류만 있는 것은 아님. 이 얘기는 추후 포스팅에서..) 머신러닝의 여러 방법론 중 하나로서 딥러닝이 있는데, 인공신경망을 바탕으로 컴퓨터에게 사람의 사고방식을 가르치는 방법이다. '인공신경망'이란 생물학의 신경망에서 영감을 얻은 학습 알고리즘으로, 사람의 신경 시스템을 모방한 것이다. 어떤 문제가 주어졌을 때 머신러닝으로만, 또는 딥러닝으로만 풀어야 한다는 정답은 없다. 그렇지만 딥러닝이나 전이학습(transfer learning)을 통해서 다른 모델보다 정확한 모델을 만들 수 있다. 이 경우, 파이토치(PyTor..
Kaggle에서 New Notebook 버튼을 누르고 여기서 코드를 작성해서 답안을 제출할 수 있지만, 만약 Colab에서 ipynb 파일을 작성했다면 아래와 같이 Kaggle Api를 활용하여 제출할 수 있다. 1) Kaggle -> 프로필 사진 클릭 -> Account Account 에 들어가서 쭉 내리면 API - Create New API Token 버튼을 찾을 수 있는데 요걸 누르면 kaggle. json 파일이 다운로드된다! 이제 Colab에 들어가보자. 2) Colab에서 아래의 코드 실행 1. json 파일 업로드 2. 바로 위 코드는 Kaggle API를 사용하기 위해 json 파일을 ~/.kaggle로 이동시키기 위해 필요하다. 경로를 이동시킨 후 참여한 대회 목록을 볼 수 있게 한다!..
우리는 지난 시간에 선형회귀법에서 기울기 a의 크기가 너무 크거나 너무 작으면, 오차(실제값과 예측값의 차)가 커짐을 확인했다. 저번에 다루지 않았던 개념이 하나 있는데, 'Loss 함수'가 무엇인지부터 짚고 넘어가보자. Loss 함수란? = 실제 값과 예측 값 차이(오차)의 제곱의 합 오차가 작을수록 좋으니까, Loss 함수가 작을수록 좋은 모델이 된다는 것을 알 수 있다. 위의 공식에서 a(기울기), b(y절편) 값에 따라 Loss 함수를 조절할 수 있다. Loss 함수를 최소화하는 a, b 값을 찾기 위해 도입된 방법에는 여러가지가 있다. 1) Gradient descent (경사하강법) 2) Normal equation (least squares) 3) Brute force search 4) et..
필자는 전필로 선형대수를 들으면서 '선형회귀'라는 것을 처음 배웠다. 그리고 그 다음 학기에 확률통계를 배우면서 선형회귀 수식과 그래프를 엑셀과 매트랩으로 간단하게 나타나는 것을 배웠다. 처음에는 고등학교 수학 수준에서 금방 이해가 되니까 딱히 어려울 것도 없어서 '왜 배워야 하지..'라는 의문조차 안 들었었는데, 작년 여름 방학에 머신러닝 입문 강의(모두의 딥러닝x)를 듣다가 '오..이래서 배우는구나..'라는 마음가짐으로 전환되었다. 머신러닝의 지도학습 기법에는 크게 2가지가 있다. 1. 회귀 2. 분류 그럼 머신러닝은 뭐고.. 지도학습이란 무엇인가.. (이거는 따로 정리해서 포스트할 예정! 조금만..기다려...~) (일단 머신러닝의 기법은 지도학습, 비지도학습, 강화학습 이렇게 3가지로 나뉜다. 정도..