- 전체보기(112)
- 머신러닝(31)
- 딥러닝(24)
- 혼자 공부하는 머신러닝+딥러닝(22)
- 코딩테스트(21)
- 머신러닝을 위한 파이썬 한 조각(13)
- python(9)
- 인공지능(AI) 기초 다지기(8)
- kaggle(8)
- CNN(7)
- 모두를 위한 선형대수학(6)
- SQLD(6)
- sql(6)
- 선형대수학(6)
- competition(6)
- React(6)
- 인공지능을 위한 선형대수(5)
- 데이터 시각화를 위한 태블로(5)
- CV(5)
- 선형대수(5)
- cs231n(5)
- tableau(5)
- 최단 경로 알고리즘(3)
- Optimizer(3)
- 딥러닝 기초 다지기(3)
- 그래프 알고리즘(3)
- LightGBM(3)
- ensemble(2)
- RNN(2)
- XGBoost(2)
- PyTorch(2)
- Gradient Descent(2)
- Classification(2)
- Back Propagation(2)
- Linear Regression(2)
- 선형결합(2)
- grid search(2)
- 선형종속(2)
- DDL(1)
- 플로이드 워셜 알고리즘(1)
- 코드업 100제(1)
- 투 포인터(1)
- 다이나믹 프로그래밍(1)
- identifier(1)
- Module(1)
- downcast(1)
- 삼중곱(1)
- Normalization(1)
- Rollup(1)
- vector(1)
- 행렬(1)
- transfer learning(1)
- grouping sets(1)
- 단위벡터(1)
- 차원 축소(1)
- 법선벡터(1)
- JOIN(1)
- EfficientNet(1)
- TCL(1)
- js(1)
- LSTM(1)
- Call Back(1)
- 라쏘 회귀(1)
- padding(1)
- 코시슈바르츠 부등식(1)
- partition(1)
- Data Preprocessing(1)
- entity(1)
- 개발형 코딩 테스트(1)
- random search(1)
- 서로소 집합 자료구조(1)
- 기약행사다리꼴(1)
- 에라토스테네스의 체(1)
- PCA(1)
- Gradient Boosting(1)
- 선형시스템(1)
- Derivative(1)
- 다익스트라 최단 경로 알고리즘(1)
- Feature Engineering(1)
- 시각화 그래프(1)
- decision tree(1)
- pooling(1)
- 삼각 부등식(1)
- stride(1)
- 재귀함수(1)
- BFS(1)
- union(1)
- 영공간(1)
- ANN(1)
- State(1)
- grouping(1)
- tensorflow(1)
- 구간 합 계산(1)
- 릿지 회귀(1)
- denormalization(1)
- 첨가행렬(1)
- CSS(1)
- xor(1)
- 그리디(1)
- GRU(1)
- 벡터(1)
- 미분(1)
- k-means(1)
- 위상 정렬(1)
- CONNECT BY(1)
- cross validation(1)
- TTA(1)
- DNN(1)
- 정렬(1)
- 피벗성분(1)
- clustering(1)
- 큐 자료구조(1)
- Logistic Regression(1)
- 스택(1)
- 논문 리뷰(1)
- 부분공간(1)
- 소수 판별 알고리즘(1)
- 이진 탐색(1)
- Stochatic Gradient Descent(1)
- clip(1)
- github(1)
- subquery(1)
- DCL(1)
- RDBMS(1)
- 구현(1)
- EDA(1)
- 벡터의 외적(1)
- 자료형(1)
- DFS(1)
- 열공간(1)
- multi-modal(1)
- Props(1)
- CUBE(1)
- early stopping(1)
- Linear Transformation(1)
- word embedding(1)
- 벡터연산(1)
- Label Smoothing(1)
- K-Nearest Neighbors(1)
- exception(1)
- sequential data(1)
- feature map(1)
- SGDClassifier(1)
- git(1)
- 생성(1)
- AdamW(1)
- numpy(1)
- Tree Ensemble(1)
- 선형독립(1)
- component(1)
- K-Nearest Neighbor Regression(1)
- 벡터의 내적(1)
- package(1)
- Randomforest(1)
- 크루스칼 알고리즘(1)
- DML(1)
- 실좌표공간(1)
- OOP(1)
- Representation Learning(1)
- drop out(1)
- Regularization(1)
- 선형방정식(1)
- 3-level-schema(1)
- generalization(1)
- 부분공간의 기저(1)
[논문 리뷰] Learning Transferable Visual Models From Natural Language Supervision
Abstract 기존 CV 분야의 SOTA 모델은 사전에 정의된 object categories들의 데이터셋만을 예측하도록 학습되었다. 이러한 supervised 부분이 generality와 usability를 제한한다. 추가적인 labeled data가 필요하기
cs231n - Lecture 9 | CNN Architectures
cs231n 강의 중 'Lecture 9 | CNN Architectures'를 정리한 내용이다.2012년, imageNet classification test에서 좋은 성능을 내어 우승한, 첫 딥러닝 기반 접근을 한 CNN 모델이다. 각 layer별로 ouput vo
cs231n - Lecture 3 | Loss Functions and Optimization
cs231n 강의 중 'Lecture 2 | Image Classification'을 정리한 내용이다.
cs231n - Lecture 5 | Convolutional Neural Networks
cs231n 강의 중 'Lecture 5 | Convolutional Neural Networks'을 정리한 내용이다.1957, Frank Rosenblatt: perceptron 알고리즘을 연구하는 첫번째 시도, Mark 1 Perceptron machine1960,
cs231n - Lecture 2 | Image Classification
cs231n 강의 중 'Lecture 2 | Image Classification'을 정리한 내용이다.Semantic gap인간과 달리, 컴퓨터는 고양이와 같이 단순한 물체를 인식함에 있어서도 매우 큰 픽셀의 데이터를 활용해야 하며, 복잡하다.Viewpoint vari
cs231n - Lecture 1 | Introduction to Convolutional Neural Networks for Visual Recognition
cs231n 강의 중 'Lecture 1 | Introduction to Convolutional Neural Networks for Visual Recognition'을 정리한 내용이다.센서(카메라 등)의 발달과 증가로 visual data가 폭발적으로 증가했다.인터
[딥러닝 기초 다지기] - CNN, Convolution은 무엇인가?
부스트코스 강의 딥러닝 기초 다지기 중 'CNN - Convolution은 무엇인가?'를 정리한 내용이다.출력이미지의 채널값과 사이즈는 입력이미지와 필터의 채널값과 사이즈를 통해 구할 수 있다. 사이즈는 "입력이미지 사이즈 - 필터 사이즈 + 1" 이고 채널값은 필터의
[딥러닝 기초 다지기] - 최적화
부스트코스 강의 딥러닝 기초 다지기 중 '최적화의 주요 용어 이해하기, Gradient Descent Methods, Regularization'를 정리한 내용이다.GeneralizationTraining error가 0에 가까워도 test error가 커 genera
[SQL] - SQL 최적화의 원리
SQLD를 준비하며 공부했던 내용으로, 2020 이기적 SQL 개발자(Developer) 이론서 + 기출문제를 참고했다.옵티마이저SQL을 어떻게 실행할 것인지 계획, SQL 실행계획을 수립하고 SQL을 실행SQL의 실행 계획을 수립하고 SQL을 실행하는 데이터베이스 관
[SQL] - SQL function
SQLD를 준비하며 공부했던 내용으로, 2020 이기적 SQL 개발자(Developer) 이론서 + 기출문제를 참고했다.조인(Join)(1) EQUI(등가)조인(교집합)조인은 여러 개의 릴레이션을 사용해 새로운 릴레이션을 만드는 과정조인의 가장 기본은 교집합을 만드는
[SQL] - DML, DCL, TCL
SQLD를 준비하며 공부했던 내용으로, 2020 이기적 SQL 개발자(Developer) 이론서 + 기출문제를 참고했다.INSERT: 테이블에 데이터를 입력하는 DML문데이터에 문자열을 입력하면 ' '를 사용해야 함특정 테이블의 모든 칼럼에 대한 데이터를 삽입하는 경우
[SQL] - RDBMS, DDL
SQLD를 준비하며 공부했던 내용으로, 2020 이기적 SQL 개발자(Developer) 이론서 + 기출문제를 참고했다.관계형 데이터베이스는 릴레이션과 릴레이션의 조인 연산을 통해 합집합, 교집합, 차집합 등을 만듦(Oracle, MySQL 등)데이터베이스는 데이터를
[SQL] - 정규화, 반정규화, 분산 데이터베이스
SQLD를 준비하며 공부했던 내용으로, 2020 이기적 SQL 개발자(Developer) 이론서 + 기출문제를 참고했다.정규화: 데이터의 일관성, 최소한의 데이터 중복, 최대한의 데이터 유연성을 위한 방법이며 데이터를 분해하는 과정, 데이터 모델의 독립성 확보, 정규화
[SQL] - 데이터 모델링
SQLD를 준비하며 공부했던 내용으로, 2020 이기적 SQL 개발자(Developer) 이론서 + 기출문제를 참고했다.mysql 실행법데이터 모델링의 특징 1) 추상화: 공통적인 특징을 찾고 현실세계를 간략하게 표현 2) 단순화: 복잡한 문제를 피하고 누구나 쉽게
[Tableau] - 태블로 그룹, 집합, 계층, 총계, 맵 만들기
부스트코스 강의 데이터 시각화를 위한 태블로 중 'Ep.8 태블로 그룹 vs 집합, Ep.9 태블로 테이블 구성하기_계층과 총계'를 정리한 내용이다. 그룹 (Group) 항목들을 여러 그룹으로 묶어 주는 것 차원에서 우클릭 - 만들기 - 그룹 으로 그룹을 만들 수
[React] - React 관련 개념
부스트코스 강의 웹 프론트엔드 시작하기 (리액트&리덕스) 중 '40강 챕터를 마치며'를 참고해 작성한 내용이다.앱이 복잡해지면 의도하지 않은 값의 변경은 혼란을 불러온다.immutable-js: 배열과 객체를 immutable하게 다루기 위한 대표적인 라이브러리모든 연
[React] - create, update, delete
부스트코스 강의 웹 프론트엔드 시작하기 (리액트&리덕스) 중 'Ch4 리액트를 활용해보기'를 정리한 내용이다. 컴퍼넌트 안에서 props는 수정할 수 없다.상위 컴퍼넌트가 하위 컴퍼넌트를 명령할 때는 props를 사용하고, 하위 컴퍼넌트가 상위 컴퍼넌트를 바꾸고 싶을
[React] - 리액트의 이벤트
부스트코스 강의 웹 프론트엔드 시작하기 (리액트&리덕스) 중 'Ch3 리액트의 이벤트'를 정리한 내용이다.event는 앱의 역동성을 만들어준다. 제목에 링크를 연결하고 그 링크를 클릭하면 welcome 메세지가 나오게 하고, 그 후 목차에 있는 것들을 클릭하면 클릭한
[Tableau] - 태블로 이중 축 vs 결합된 축
부스트코스 강의 데이터 시각화를 위한 태블로 중 'Ep.7 태블로 이중 축 vs 결합된 축'을 정리한 내용이다.이중 축: 하나의 뷰 안에서 축을 이중으로 써서 차트를 만드는 것으로, 제한된 공간에서 복수의 값을 비교할 때 사용한다. 이중 축을 사용할 땐 마크를 서로 다
[Tableau] - 태블로 상관 관계 분석
부스트코스 강의 데이터 시각화를 위한 태블로 중 'EP 6 태블로 상관 관계 분석'을 정리한 내용이다.측정값 간 관계를 파악하기 위한 시각화의 방식이다. 열 선반과 행 선반에 각각 측정값을 배치하면 자동으로 분산형 차트가 만들어진다.분산형 차트는 차원이 0개 이상 측정