- 전체보기(67)
- OS(19)
- 운영체제(14)
- 머신러닝(14)
- 시스템 프로그래밍(14)
- LG AImers(13)
- linux(8)
- Operating Systems(8)
- Operating System(6)
- 경사하강법(3)
- dacon(3)
- mysql(3)
- sql(3)
- kaggle(3)
- Deep Learning(3)
- 데이터 베이스(2)
- 데이터베이스(2)
- machine learning(2)
- 대회(2)
- network(2)
- 신뢰성(2)
- google(2)
- tcp(2)
- socket(2)
- 결정트리(2)
- PID(1)
- 노드(1)
- 라이브러리(1)
- POSIX(1)
- 편향(1)
- Lasso(1)
- Thread(1)
- inode(1)
- WHERE(1)
- SVM(1)
- 모델(1)
- 속성중요도(1)
- signal(1)
- PORT(1)
- 다항 회귀(1)
- XGBoostRegressor(1)
- 경진대회(1)
- 행렬(1)
- buffering(1)
- ipcs(1)
- 데이터(1)
- 지니불순도(1)
- unix(1)
- 로그손실(1)
- Memory Mapped File(1)
- k fold(1)
- 비지도학습(1)
- 선형대수학(1)
- 표준화(1)
- UDP(1)
- protocol(1)
- 에다부스트(1)
- 하이퍼파라미터(1)
- 선형회귀(1)
- 결정경계(1)
- 앙상블기법(1)
- One-Hot Encoding(1)
- DBSM(1)
- RandomForestRegressor()(1)
- 로지스틱회귀(1)
- 신뢰성 분포(1)
- select(1)
- 전처리(1)
- SL Foundation(1)
- 품질(1)
- 다중선형회귀(1)
- linear classification(1)
- 손실함수(1)
- timer(1)
- 정규방정식(1)
- AI(1)
- 교차검증(1)
- Ridge(1)
- 벡터(1)
- 미분(1)
- 지도학습(1)
- 인공지능(1)
- DNN(1)
- record lock(1)
- Bagging(1)
- 분산(1)
- Table(1)
- Linear Regression(1)
- 선형 회귀(1)
- workbench(1)
- ensemble(1)
- Gradient Descent(1)
- Boosting(1)
- 랜덤포레스트(1)
- CNN(1)
- file(1)
- 데이터중요도(1)
- 정규화(1)
- csv(1)
- primary key(1)
- 스텀프(1)
- 그리드서치(1)
- SYSTEM(1)
- 과대적합(1)
- Message Queue(1)
- 과소적합(1)
- 앙상블(1)
- titanic(1)
- Training Neural Networks(1)
- 플랫폼(1)
- 품질비용(1)
- concurrent(1)
- SPC(1)
- 데이터전처리(1)
- sp(1)
- Semaphore(1)
- shared-memory(1)
Jason's Machine Learning 101_(2)
Regression : 수학적으로 value를 예측Classification : n label을 예측Clustering : 다른 예시들과 가장 유사한 것을 예측Sequence Prediction : 다음 올 것을 예측input이 주어지면 수치형의 output을 반환한다
Jason's Machine Learning 101_(1)
기계가 보여주는 인간의 지능인간의 task를 computer가 수행하는 것인간이 수행하는 것보다 더 잘 수행하는 것1) Object recognition2) Speech recognicion / sound detection3) Natural language Proces
Convolutional Neural Networks and Image Classification_LG Aimers(14)
computer vision 영역에서 거의 default로 사용되는 핵심 deep learning 구조분류 문제, 자세 추정 문제, 정보 인식, 의료 영상이나 문자 인식, 알파고 등에 사용된다.다양한 경우에 대해 robust하게 영상 인식을 하는 알고리즘이 동작해야한다
Training Neural Networks_LG Aimers(13)
Gradient Descent neural network에서 최적화를 하고자 하는 parameter들과 학습 data를 parameter들로 이루어진 neural network에 입력으로 집어넣어서 ground truth 값과 비교함으로써 차이를 최소화하도록 하는 l
Introduction To Deep Neural Networks_LG Aimers(12)
본 포스트는 LG Aimers 활동에 참여하며 온라인 AI 교육을 정리한 내용입니다! 프로그램에 관심이 있으시다면 https://www.lgaimers.ai/ 를 참고해주세요!! DNN의 기본 동작 과정 Deep Neural Network(심층 신경망) 두뇌 속에
Ensemble_LG Aimers(11)
본 포스트는 LG Aimers 활동에 참여하며 온라인 AI 교육을 정리한 내용입니다!프로그램에 관심이 있으시다면 https://www.lgaimers.ai/ 를 참고해주세요!!머신러닝에서 알고리즘의 종류에 상관 없이 서로 다르거나 같은 매커니즘으로 동작하는 다
Advanced Classification Model_LG Aimers(10)
본 포스트는 LG Aimers 활동에 참여하며 온라인 AI 교육을 정리한 내용입니다! 프로그램에 관심이 있으시다면 https://www.lgaimers.ai/ 를 참고해주세요!!
Linear Classification_LG Aimers(9)
본 포스트는 LG Aimers 활동에 참여하며 온라인 AI 교육을 정리한 내용입니다! 프로그램에 관심이 있으시다면 https://www.lgaimers.ai/ 를 참고해주세요!! Linear Classification classification : 모델의 출력이 d
Gradient Descent_LG Aimers(8)
본 포스트는 LG Aimers 활동에 참여하며 온라인 AI 교육을 정리한 내용입니다! 프로그램에 관심이 있으시다면 https://www.lgaimers.ai/ 를 참고해주세요!! Gradient
Linear Regression_LG Aimers(7)
본 포스트는 LG Aimers 활동에 참여하며 온라인 AI 교육을 정리한 내용입니다! 프로그램에 관심이 있으시다면 https://www.lgaimers.ai/ 를 참고해주세요!! Linear models $$hw(x) = \theta0 + \theta1k1(x1)
SL Foundation_LG Aimers(6)
Data로부터 내재된 패턴을 학습하는 과정spam mail 판단, image 인지, 가격 예측 등이 가능하다.Binary Classification / Multiclass classification / Regression..데이터 셋이 입력 X와 출력 y(label)의
신뢰성 분포_LG Aimers(5)
본 포스트는 LG Aimers 활동에 참여하며 온라인 AI 교육을 정리한 내용입니다!프로그램에 관심이 있으시다면 https://www.lgaimers.ai/ 를 참고해주세요!!일반적으로 사건이 1건 발생하는데 걸리는 시간에 대한 분포로 사용된다.지수분포를 따르
신뢰성 개념과 신뢰성 척도_LG Aimers(4)
제품 라이프 사이클 관점의 Total Cost 관리가 필요하다.품질 비용은 잠재적 Risk시장 품질은 예측 가능하고 Control이 되어야 한다.Recall과 같은 상황이 발생하면 기업의 이익에 손해가 급격히 커진다.주어진 작동 환경에서 주어진 시간 동안 시스템이 고유
SPC의 필요성과 개념_LG Aimers(3)
4M(Man, Machine, Material, Method)를 input으로 투입하여 통계적인 방법 및 절차, 자원의 합성을 통해 제품/서비스라는 output을 고객에게 제공VOC를 이용하여 Feed-Back을 한다.공정에서 요구되는 품질이나 생산성 목표를 달성하기
품질 및 품질비용_LG Aimers(2)
전통적 품질관리에서의 품질 : "규격에 부합하는 것"오늘날의 품질 : "규걱 접합성" → "고객 요구의 충족"선험적 관점 : 품질을 정의할 수 없더라도 무엇인지 고객이 인지제품 관점 : 바람직한 성분이나 속성의 함량 차이사용자 관점 : 용도의 적합성제조 관점 : 요구사
File System Case Studies_운영체제(14)
Boot block : boot volume/boot loader를 가리키는 blockSuper block : 구성 정보(inode, freelist, datablock의 개수, 위치 등)를 담고 있는 blockI-node List(Table) : 모든 inode는 같
File System Internals_운영체제(13)
file system을 향상시킬 때 On-disk, in-memory 두 part로 작업을 한다.Boot control block / Master Boot Record(MBR) : OS의 booting 정보가 담겨 있는 block, kernel 관련 정보Volume c
File Systems Interface_운영체제(12)
File → 대용량의 정보를 지속적으로(persistence)하게 저장하기 위해 사용HDD, SDD, CD ROM 등도 기한이 있어 주의해야한다.정보를 file에 담아 여러 process가 공유하기 위해서 사용하기도 한다.file : 물리적인 저장 장치에 저장하는 것이
Page Replacement_운영체제(11)
page fault가 발생하면 OS는 fault page를 disk에서 읽고 check해서 memory frame에 올린다.process가 자신에게 할당된 page frame들을 전부 사용했다면 OS는 다른 page를 replace(evict)한다.victim page
Address Translation_운영체제(10)
Space over head of page tables32 bit address의 page(0~11 : offset/12~31 : page- 낭비가 심해서 table의 사용하는 부분만 구현을 하는 방식을 생각Virtual address의 page number를 2개의