# linear
TIL
▶ 어떤 문제가 있었는지 최종 프로젝트 시작하면서 팀과 원활한 소통을 위해서 Linear라는 Issue Tracking을 채택했다. 이걸 슬랙과 연동하면 실시간으로 팀 활동을 알 수 있다고 해서 슬랙과 연동하려고 했지만 알림이 오지 않는 상황. ▶ 내가 시도해본 것들 어카운트의 Notifications에 들어가서 슬랙 연결을 했으나 실시간 알림은 오지 않았다. ▶ 어떻게 해결 했는지 나는 처음에 어카운트의 알림을 켜면 된다고 생각했다. 그런데 리니어를 쓰고 있는 다른 조에 물어보니 팀에 따로 있다고 해서 알려 준 대로
[Kotlin] ConstraintLayout
ConstraintLayout LinearLayount에 이어서 이번에는 ConstraintLayout에 대해 글을 작성해 보겠다. Flutter에도 Constraints 위젯이 있는데, 같은 기능이라고 보면된다. 저는 Constraints 관련 위젯은 잘 사용하지 않습니다. Native 앱 개발시에도 Flutter 개발 정도 까지는 아니지만, 안드로이드 디바이스의 크기가 제각각이기 때문에 뷰의 사이즈를 잘 만들어 주어야 한다. Flutter에서는 IOS까지 사이즈를 고려해야 하기에 주로 앱 개발시 전역에서 사용할 사이즈 관련 로직을 만들어서 앱 실행시 디바이스 사이즈에 맞게 비율로 계산되는 로직을 넣어서 사용을 해왔다. 현재 안드로이드 디바이스는 최근 리사이즈 디바이스가 나오면서 조금 신경쓸게 많아지긴 했는데, IOS는 작은건 진짜 작다.. SE 1세대는 정말 작아요.. ㅠㅠ 서론이 길었는데, ConstraintLayout의 이름에서 알 수 있듯이 사이즈의 제약 조건을
[Kotlin] LinearLayout
LinearLayout 이제 드디어 Kotlin을 사용한 네이티브 개발을 기록하려고 한다. 코틀린으로 안드로이드 네이티브 개발을 한 번 해보고 Swift로도 IOS 네이티브 개발을 진행할 예정이다. 양대 플랫폼 네이티브 개발을 경험해보고 원래 네이티브 학습 목적인 Flutter 플러그인 배포까지 계획하고 있다. 현업에서 Flutter 개발자로 일을 하면서 네이티브 학습의 필요성을 많이 느끼고 있어 한 번 배워보고자 한다. 우선 UI부터 배워보기 위해 먼저 Layout에 대하여 알아보자. 안드로이드에서 UI 컴포넌트를 뷰(View)라고 한다. Flutter에서 Widget이라고 보면 되는데, View를 이루고 있는 ViewGroup이 Layout이다. Flutter에서는 모든게 Widget이기 때문에 차이가 있다. LinearLayout은 뷰의 배치 구조를 정하는 Layout인데, Flutter의 Column, Row, Wrap 등과 비슷한 느낌인 것 같다. 안드로이드는
Elliptic Curve
암호학에서 중요하게 사용되는 타원곡선에 대해 알아보자. 왜 해당 곡선을 사용할까? 타원곡선 $$ y^2 = x^3 + Ax + B $$ 위의 방정식의 형태로 나타나는 곡선 타원의 둘레를 구하기 위한 적분, 이의 역함수를 구하는 과정에서 유래했다. 그렇기 때문에 곡선 형태만 봐서는 타원과 연관이 있는지 모르겠다. 실해석학, 복소해석학, 대수기하학, 정수론 모두에서 이야기되는 중요한 대상이다. 엄밀히 말하면 첨점, 교차점과 같은 특이점이 없는 형태여야 한다. $A$, $B$는 동시에 0이어서는 안된다. 그렇게 될 경우 (0, 0)에서 특이점을 갖게된다. 자세한 내용은 위키를 참고하자. 
데이로그: 근황
버블 찍먹 노코드 이야기만 듣고 실제로 생태계가 어떻게 구성되어 가는지, 누가 관심이 있는건지 살펴볼 기회가 되어서 재밌다. 현재 활발하게 유입되는 사람들의 배경이나 요구를 봐서는, 프론트엔드 개발 혹은 웹개발자의 경쟁자라기 보다 직접 개발자를 채용하거나 아웃소싱하기 위한 비용이 부담되는 극초기 스타트업에서 시장 테스트용 MVP를 직접 만들기에 아주 좋아보였다. 차라리 직접 만들고 싶어 답답해하던 기획자 디자이너 마케터 등등 다양한 배경을 가진 사람들이 까다로운 요구 사항들을 직접 찾아 어떻게든 만드는 걸 지켜보면서 심지어 약간의 반성도 했다. 개발자를 채용하거나 아웃소싱의 비용을 결심하는 단계까지 도달하는 과정에 좋은 툴이 되겠다고 생각했다. 그렇게 더 많은 사람들이 쉽고 빠르게 시장 테스트를 진행하고 개발자를 채용하는 스테이지에 도달하는 기업들이 늘어난다면 너무 좋은일이지.조금만 워크플로우가 복잡해지거나 로드할 자원이 많아지면 퍼포먼스가 떨어지는 게 조금 아쉽긴 한데. 이
↪️ 선형회귀 모델 ↩️
💡선형모델 입력 특성에 대한 선형 함수를 만들어 예측 수행 회귀의 선형 모델 예측 직선 방정식을 이해하기 쉽도록 그래프의 중앙을 가로질러 x, y축을 그림 특성이 많은 데이터셋이라면 선형모델은 매우 훌륭한 성능 낼 수 있음 🔔 선형회귀(최소제곱법) 예측과 훈련 세트에 있는 타깃 y 사이의 평균제곱오차를 최소화하는 파라미터 w와 b를 찾는 것 평균제곱오차 : 예측값과 타깃값의 차이를 제곱하여 더한 후 샘플 개수로 나눈것 매개변수가 없는 것이 장점 -> 모델의 복잡도 제어방법도 없음 from skelearn.linear_model import LinearRegression 🔔 선형 모델 릿지회귀(Ridge) 최소적합법에서 사용한 것과 같은 예측함수 사용
Linear ?
머신 러닝에서 ‘선형’이란 정확히 무엇을 의미할까요? 어떤 특성을 가진 모델을 Linear Model이라고 할까요? 이에 대해 찾아보고, 확인한 정의를 자신의 언어로 다시 정리해 적으세요. 관련 개념들을 함께 정리해 주시면 더욱 좋습니다. Linear Model은 독립변수 X로 종속변수 y를 예측하는 모델입니다. Linear Model은 크게 독립변수가 1개인 simple linear regression과 2개 이상인 multiple linear regression이 있다. 독립변수 1개 이상, 종속변수 1개, 2차원 이상의 수식인 polynomial regression도 있다 ML에서 주로 사용되며, DL의 경우에도 사용될 순 있으나, DL은 대부분 non-linear한 문제를 해결하기 위해 사용한다.
Lipschitz Condition
https://nptel.ac.in/courses/108106024   만약 우리가 다음과 같은 state를 가지는 시스템이 있다고 해봅시다. $$For \, x(t) \in \mathbb{R}^n, let \, f:\mathbb{R}^n \rightarrow\mathbb{R}^n \, such \, that \\ \dot{x} = f(x)\\ x(0) \in\mathbb{R}^n; $$   만약 $f$가 continuous하다면, $\dot{x} = f(x)$ 가 유일성은 보장되지 않더라도 해를 가진다는 사실을 알 수 있습니다. 반대로, 만약 $f$가 differentiable하다면, $\dot{x} = f(x)$ 가 유일한 해를 갖습니다. 따라서 differentiable한 조건은 매우 엄밀한 조건이고, continuous할 경우 해의 유일성은 보장되지 않기 때문에, 해의 유일성은 보장되면서 d
[딥러닝] Linear
머신러닝의 핵심 목표 레이어가 어떤 역할을 하는지 알아보기에 앞서 레이어가 왜 필요한지를 먼저 짚어보겠다. 머신러닝의 핵심 목표는 해결하고자 하는 문제에 대한 방정식(e.g | $y=wx+b$)의 최적해를 찾는 것이다. 이를 위해 딥러닝에서는 선형변환 등의 신경망 레이어를 사용하여 input 데이터를 잘 설명할 수 있는 해에 대한 함수 $F$를 찾는다. 추출된 함수 $F$에 데이터를 투입하면 출력값이 나오는데 이 출력값을 다음 노드의 입력으로 전달하는 과정을 순전파라 한다. 제일 끝 노드에 도착하여 최종적으로 출력된 값을 데이터와 비교하면 목적함수 또는 손실함수 라고 불리는 결과값에 대한 함수 $L$을 얻을 수 있다. 즉, 해결하려는 문제를 표현하는 복잡한 함수를 여러 개의 함수로 분리한 후, 각 함수의 결과값을 가지고 최종 함수의 결과값을 구하는 것이다. 테일러 전개, 푸리에 변환 등의 급수 전개와 유사한 개념이라고 이해하면 된다. 여러 개의 레이어로 이루
<Android> Linear, Relative, Grid, Table, Frame, Constraint Layout 알아보기
📌Layout이란? 사전적으로 찾아봤을 때 레이아웃은 다음과 같이 나온다. > 출처: https://terms.naver.com/entry.naver?docId=1087845&cid=40942&categoryId=33074 디자인, 광고 ,편집에서 문자, 그림 ,사진 등을 제한된 공안 안에서 효과적으로 배열하는 일이다. 안드로이드에서는 어제 배운 수 많은 컴포넌트를 이용해 배열할 수있다. 레이아웃을 이용해 사람들에게 흥미를 유발하고 가독성을 높혀 사용하려는 기능이나 구성 요소등이 쉽게 보여야 한다. 레이아웃의 기본 조건으로 주목성, 가독성, 명쾌성, 조형성, 창조성이 있다. 안드로이드 App에서 Layout이 어떠한 구조로 되어있는지 개발자 문서를 통해서 알아보도록 하겠습니다. 공식 문서상에서 레
[Aiffel] 아이펠 28일차 개념 정리 및 회고
1. 딥러닝 개념 정리 1) 레이어 여러 개의 논리적인 객체가 하나의 물체를 구성할 때, 각각의 객체를 가리켜 하나의 레이어라고 칭함. 신경망 weight == 레이어 weight 2) Linear transformation Linear transformations and matrices | Chapter 3, Essence of linear algebra 공간을 이동시키는 방법 벡터를 입력해 다른 형태의 벡터로 변형하는 것 (입력벡터 ⇒ 출력벡터) 2차원 좌표평면 상에서 한 점이 다른 한 점의 위치로 이동하는 것이라고 생각해도 됨 > linear transformation의 조건 lines remain lines (including diagonal lines) grid lines remain paralled and evenly spaced 2
(App.1) Linear Solver
1. 개요 Linear Solver라고 하면, 통상 $Ax=b$ 형태의 수식에서 $x$를 구하는 방법을 말합니다. 앞으로 할 내용에서 기반을 이루는 부분이 되므로, 여기서는 간단한 방식에 대해서만 언급을 하고 넘어가도록 하겠습니다. 위 수식에서 $A$와 $b$는 행렬의 형태가 될 수 있으며, $A$가 $(m\times n)$일 때, $b$는 $(m\times 1)$, $x$는 $(n\times 1)$ 입니다. 아래에 사용한 코드들의 경우는, 일반적으로 행렬 연산에 사용하는 Eigen라이브러리와 부가적으로 NVIDIA GPU를 사용하는 cuda기반의 cusolver를 이용해서 설명을 했습니다. 2. Solve (Least Square) 일반적으로 위의 수식에서 $A$와 $b$가 행렬의 경우는, $A$의 역형렬($A^{-1}$)을 구해서, 양쪽에 곱해주면($A^{-1}Ax = A^{-1} b$), 바로 $x$가($x = A^{-1} b$) 나옵니다. 만약, $A
[자료구조] 덱(Deque)
특징 Deque(Double Ended Queue)은 일반적인 큐와 마찬가지로 데이터의 삽입 삭제를 수행하는 자료구조이다. 큐는 rear에서 삽입이 일어나고 front에서 삭제가 발생한다면, 덱은 rear와 front 어느 곳에서든 삽입 삭제가 모두 이루어 질 수 있다. 덱의 약간 변형된(?) 종류에는 2가지 덱이 존재한다. > 입력제한덱(Scroll) 출력제한덱(Shelp) 입력제한덱은 덱에서의 데이터 삽입을 한쪽으로만 제한해둔 덱이다. 입력을 제한둿다 하여 입력제한덱(Input restricted deque) 혹은 스크롤(Scroll)이라고 불린다. 출력제한덱은 덱에서의 데이터 삭제를 한쪽으로만 제한해둔 덱이다. 출력을 제한둿다 하여 `출력제한덱(Output r
[자료구조] 원형 큐(Circular Queue)
특징 선형 큐(Queue)는, 이미 사용한 영역인 front의 앞부분에 대해서 다시 활용을 못하기 때문에 메모리를 낭비한다는 단점이 있었다. 그리고 큐가 다 찼을 경우 데이터들을 앞쪽으로 이동시켜 사용하는 방법이 있지만 남아있는 모든 데이터를 다 이동시켜야 한다는 불편한 작업을 수행해야 하기 때문에 그리 효율적으로 동작하지 못한다. 이런 문제를 해결하고자 나온 큐가 바로 원형 큐이다. image 큐의 형태가 다음과 같이 원형으로 되어 있어 원형 큐라고 한다. 원형 큐는 처음과 끝이 연결되어 있는 형태로, 데이터가 배열의
[자료구조] 큐(Queue)
특징 큐는 먼저 들어온 것이 먼저 나가는 FIFO(First In First Out) 방식의 자료구조이다. 큐의 한 쪽 끝(Rear)에서는 데이터 삽입만 가능하며, 다른 한 쪽 끝(Front)에서는 데이터 삭제만 가능하다. 큐에서 데이터가 추가되는 것을 Enqueue, 데이터가 삭제되는 것을 Dequeue라고 한다. 큐에는 종류가 총 3가지가 존재한다. 선형 큐(Linear Queue) 원형 큐(Circular Queue) 우선순위 큐(Priority Queue) 원형 큐와 우선순위 큐는 다음
[자료구조] 배열(Array)
스도쿠 특징 배열은 같은 타입의 데이터를 여러개 나열한 선형 자료구조이다. 연속적인 메모리 공간에 순차적으로 데이터를 저장한다. 배열은 선언할 때 크기를 정하면, 그 크기로 고정이 된다. 선언된 값은 다시 배열을 선언하지 않으면 변경할 수 없다. 배열의 주소를 살펴보면, 한 칸마다 배열의 자료형의 크기를 가지고 있다. 예를 들어 배열의 자료형이 int라면, 배열 한 칸의 크기는 int(4byte)가 되는 것이다. 
stack 특징 스택은 가장 늦게 들어온 데이터가 가장 먼저 나가는 LIFO(Last In First Out)형태의 자료구조이다. 데이터 한 쪽 에서만 자료를 넣고 뺄 수 있다. 연산 1. push() push() 연산은 스택에 데이터를 push, 즉 삽입하는 연산이다. push 현재 스택의 가장 최근의 들어온 데이터(가장 상단에 위치한 데이터)를 top이 가리키게 된다. push 연산을 하게 될 경우 현재 top이 가리키는 데이터 위에 데이터를 추가한 뒤, 추가된 데이터를 top이 가리킨다. 2. pop() pop() 연산은 스택에 데이터를 pop, 즉 꺼내는 연산이다.
Multiple Linear Regression
학습내용 무작위 샘플링 target, feature / train, test 데이터셋 생성 학습 및 검정 다항회귀모델의 차수 조정 PolynomialRegression 그래프 추가내용
TIL45: Complexity
Complexity Analysis(복잡도 분석)와 Complexity Type(복잡도 타입) 그리고 Big O Notation(빅오 표기법) 자료 출처: 코드스테이츠(CodeStates)