안드로이드에서만 지원하는 파일 관련 함수들액티비티 등의 컴포넌트는 Context 클래스를 상속받으며, 이 클래스에 파일 관련 함수들이 구현됨java에서 제공하는 java.io의 클래스를 사용할 수 있다. 예로, FileInputStream, FileOutputStrea

인텐트 서비스 스타티드 서비스의 파생 클래스 클라이언트가 startService과 더불어 인텐트를 전달할 때 인텐트 단위별로 순차적으로 동작함 여러 클라이언트에서 동시에 인텐트가 전달되더라도 순서대로 하나씩 처리한다 > ## 인텐트 서비스를 이용하는 카운트다운 서비스

기본적인 산술연산은 동일 shape의 텐서에서 동일 위치 별로 수행텐서의 크기를 줄이는 함수reduce_f(x)(텐서, 축)특정 확률 분포에 따라 난수 생성

Google에서 공개한 오픈소스 라이브러리파이썬/C++ API을 이용해 쉽게 사용가능원래 많은 수치 계산을 효과적으로 지원하기 위해 개발됨현재는 기계학습과 딥러닝 응용 시스템을 개발하는데 널리 활용실제 내부 코드는 C/C++로 개발되어 컴파일 속도 빠름CPU, GPU,

5 계층 구조: Conv-Pool-Conv-Pool-Conv-FC-FC입력 : 32x32 필기체 숫자 영상풀링 : 가중치x(2x2블록의 합)+편차항시그모이드 활성화 함수 사용성능 : 오차율 0.95%(정확도: 99.05%)상위-5 오류율 : 16.43%8계층 구조ReL

특징 추출을 위한 컨볼루션 부분컨볼루션 연산을 하는 Conv층ReLU 연산을 하는 ReLU풀링 연산 Pool추출된 특징을 사용하여 분류 또는 회귀를 수행하는 다층 퍼셉트론 부분전방향으로 전체 연결된 FC층 반복분류의 경우 마지막 층에 소프트맥스를 하는 SM연산 추가소프

눈에 보이지 않고 백그라운드에서 동작한다. 이름 그대로 누군가에게 특정 기능을 제공하는 컴포넌트서비스를 사용하지 않고 초당 1씩 카운팅하는 기능을 구현한다고 하자.이떄 메인 스레드에서 5초 이상 작업을 하면 ANR이 발생하게 된다.문제를 해결하기 위해 작업 스레드를 사

정적/동적 리시버는 방송을 시작할 때 전달하는 인텐트 플래그에 따라 동작하지 않을 수 있다.한번이라도 앱이 실행되어야만 정적 리시버가 동작할 수 있도록 한다앱이 실행된다는 것은 안드로이드 기준에서 액티비티 실행을 의미하고, 사용자 입장에서는 홈에서 앱 실행을 의미한다.

동물의 시각피질에서 이루어지는 계층적인 정보처리과정을 모방해서 만든 것\-> 점차 추상적인 특징이 추출되고 합쳐저 구체적인 결과로 인식전반부: 컨볼루션 연산을 수행하여 특징 추출후반부: 특징을 이용하여 분류영상분류, 문자 인식 등 인식문제에 높은 성능일정 영역의 값들에

일반 신경망: 소수의 은닉층 포함딥러닝 신경망: 다수의 은닉층 포함원시 데이터에서 직접 특징(handcrafted feature)을 추출해서 만든 특징 벡터를 입력으로 사용특징 벡터들의 품질에 영향특징추출과 학습을 함께 수행데이터로부터 효과적인 특징을 학습을 통해 추출

인간 두뇌에 대한 계산적 모델을 통해 인공지능을 구현하려는 분야신경세포(neuron)의 인공적인 모델\-> 퍼셉트론 : 학습가능한 신경망 모델 (함수의 역할을 한다고 볼수 있음)OR 연산을 수행하는 퍼셉트론선형 분리가능 문제선형 분리불가 문제XOR 문제여러 개의 퍼셉트

데이터를 유사한 것들끼리 모으는 것군집 간의 유사도는 작게, 군집 내의 유사도는 크게군집 간의 거리는 크게, 군집 내의 거리는 작게군집화의 결과가 군집들이 계층적인 구조를 갖도록 하는 것병합형(agglomerative) 계층적 군집화(바텀 업 방식)각데이터가 하나의 군

트리 형태로 의사결정 지식을 표현한 것내부 노드(internal node): 비교 속성간선(edge): 속성 값단말 노드(terminal node): 부류(calss), 대표값모든 데이터를 포함한 하나의 노드로 구성된 트리에서 시작반복적인 노드 분할과정분할 속성을 선택

결과정보가 없는 데이터들에 대해서 특정 패턴을 찾는 것데이터에 잠재함 구조, 계층구조를 찾아내는 것숨겨진 사용자 집단을 찾는 것문서들을 주제에 따라 구조화하는 것로그 정보를 사용하여 사용패턴을 찾아내는 것대상: 군집화, 밀도추정, 차원축소유사성에 따라 데이터를 분할하는

용도전화가 걸려오거나 배터리 부족, 네트워크 끊어짐 등과 같은 일들이 발생할 수 있다.이런 상황은 설치된 앱이나 실행 중인 앱이 반드시 알아야 할 매우 중요한 정보가 많다.\-> 전화가 걸려온다면 전화를 받는 앱이 실행해야하고, 배터리가 부족하면 실행중인 앱들은 중요한

메인 스레드와 작업 스레드의 역할 분담에 대한 구현을 보다 쉽게 해주는 대표적인 클래스앱 하나를 구현하면서 꼭 한 번쯤은 사용될 만큼 활용도가 높다.1\. AsyncTask는 총 다섯 가지 재정의 가능한 함수로 구성. dolnBackground()는 반드시 구현해야함2

메인 스레드와 작업 스레드 > #### 메인 스레드의 한계 개발자가 별도의 작업 스레드를 만들지 않는 이상, 구현하는 모든 코드는 메인 스레드에서 동작한다. 그러나 아쉽게도 모든 작업을 메인 스레드에서 처리할 수는 없다.

여러개의 데이터 포인트가 주어졌을 때, 몇 개의 정해진 클러스터로 그룹핑해주는 과정같은 클러스터에 속해있는 데이터는 유사한 데이터다른 클러스터에 속해있는 데이터는 유사하지 않은 데이터주로 distance measure를 이용하여 판단한다. (ex: 자카드 distanc

Step 1: Shingling -> Step 2: Min-hashing -> Step 3: Locality Sensitive Hashing목표: 자카드 유사도가 충분히 높은 문서들을 찾는 것아이디어: 시그니쳐들을 해싱함수를 통해서 버킷으로 보낸다 -> 이것을 통해서

액티비티 간에는 서로 데이터를 주고 받아야하는 경우가 많다ex) 카톡에서 특정 동영상이나 사진을 첨부한다.1\. 액티비티 B를 실행2\. 액티비티 B로 인텐트를 전달함3\. 액티비티 B에서 getIntent 함수를 호출하고, 인텐트에 포함된 extra data를 수신s