# precourse

happyd1

Review 우선, 1주차의 시간 관리 부족으로 인해 마무리와 마감에 있어 너무나 큰 아쉬움이 남았었습니다. 덕분에(?) 확실히 2주차 미션 구현에 있어서는 1주차 보다 더욱 열심히 불태울 수 있었던 것 같습니다. 또한, 경험치가 조금 쌓여서 데드라인을 조금 넉넉하게 잡고 구현을 해서 리팩토링, 스타링일 수정, 컨벤션 맞추기, README.md 명세 등등.. 1주차에 계획만 세우고 지키지 못 했던 내용들을 어느정도 많이 지켜낼 수 있었던 것 같아서 아쉬운 점도 많았음에도 성장했다는 점에서 만족합니다.

dorothy

강화학습 (Reinforcement Learning) :강화학습은 지도 학습처럼 정답이 있지도 않고 비지도 학습처럼 데이터만을 기반으로 학습하지도 않음 :강화학습은 에이전트라는 존재가 환경과 상호작용하며, 이 환경에는 보상이라는 기준이 있어서 다양한 시행착오를 겪어가며 보상을 최대화하는 방향으로 학습을 진행 :강화학습은 다양한 시행착오를 통해 학습이 가능하며, 비교적 명확한 보상을 설정할 수 있는 문제를 해결하는데 사용되고 있다. :강화학습은 빠르게 발전을 거듭해 오면서 지그껏 인공지능으로 해결하기 힘들다고 생각한 많은 문제들을 해결해 왔다. :강화학습을 한 문장으로 표현하면 "순차적인 행동들을 알아나가는 방법"이다. 여기서 순차적으로 계속 행동을 결정해야하는 문제를 수학적으로 정의한 것이 유명한 Markov Decision Process (MDP)이다. MDP :MDP는 상태, 행동, 보상함수, 상태 변환 확률, 감가율이라는 구성요소들

dorothy

이제 통계와 머신러닝에 대한 얘기를 끝내고 딥러닝에 대한 내용을 작성하도록 하겠다. 딥러닝 :딥러닝이란 인간의 신경망 이론을 이용한 인공신경망의 일종으로, 계층 구조로 구성되며 입력층과 출력층 사이에 하나 이상의 은닉층을 가지고 있는 심층 신경망이다. :인공신경망은 인간의 뇌 구조를 모방하여 모델링한 수학적 모델이다. :아주 크게 구분하자면, 신경세포인 뉴런과 시냅스 혹은 가중치인 연결로, 1. 신경세포인 뉴런과 2. 시냅스 혹은 가중치인 연결로 구분할 수 있는데, 신경세포부터 이야기해보면, 뉴런의 입력은 다수이고, 출력은 하나이며, 여러 신경세포로부터 전달되어 온 신호들이 합산되어 출력됨. 근데 또 출력이 무작정되는 건 아니고 합산된 값이 설정값 이상이면 출력신호가 생기고, 이하이면 출력신호가 생기지 않는다. :생물학과 비교하여 이야기하자면, 수상돌기는 입력과 비교할 수 있고, 입력이 합산되는 지점은 세포체 혹은 노드, 그리고 출력을 담당하는 곳은 축삭이

dorothy

ai 이론에 대해서 마저 작성하겠다. 덴드로그램 :덴드로그램은 의미있는 분류체계를 만들어 줌으로 결과를 이해하는데 도움이 되고, 누군가에게 군집결과를 설명하기에도 적합하다. 클러스터의 수를 미리 지정하지 않아도 된다 계층 군집 :계층 군집을 형성하는 방법에는 병합 계층 군집과 분할 계층 군집 두 가지가 있다. :분할 계층 군집은 전체 데이터를 포함하는 하나의 클러스터에서 시작해, 클러스터 속 데이터가 하나가 남을 때까지 반복적으로 클러스터를 나눈다. :반면 병합 계층 군집은 이와는 밭대로, 클러스터당 하나의 데이터에서 시작하여, 모든 데이터가 하나의 클러스터에 속할 떄까지 가장 가까운 클러스터를 병합해 나간다. :이 병합 계층 군집을 이루는 두 가지 기본 알고리즘에는 4가지 연결 방법이 있는데, 단일 연결을 사용

dorothy

ai 이론에 대해서 마저 작성하겠다. 군집 :군집은 비지도 학습에 속함 :비지도 학습은 지도학습과는 달리 학습이라는 것을 시켜줄 클래스 레이블이 없는 상태에서 학습을 진행 :군집은 정답을 모르는 데이터 안에서 숨겨진 구조를 찾는 것 K-평균 (k-means) :k 평균 알고리즘은 구현이 무척이나 쉽고, 다른 군집 알고리즘에 비해 계산 효율성이 무척 높기에 인기가 많다. :보통 학계나 산업현장에서 사용되는 기법은 다르기 마련인데, 이 기법은 모두 널리 사용되고 있다. :또 이 알고리즘은 프로토타입 기반 군집에 속하는데, 이 프로토 타입 기반 군집이란 각 클러스터가 하나의 프로토타입으로 표현된다는 의미임. :이 프로토 타입은 연속적인 특성에서는 비슷한 데이터 포인트의 센트로이드거나, 범주형 특성에서는 메도이드가 된다. 이러한 k평균 알고리즘은 원형 클러스터를 구분하는데는 뛰어나지만, knn알고리즘과 마찬가지로 사전에 몇개의 클

dorothy

ai 이론에 대해서 마저 작성하겠다. 퍼셉트론 :여러개의 입력을 받아 각각의 값에 가중치를 곱한 후, 모두 더한 것이 출력되는 형태의 모델 :아주 단순한 모델이며 , 실제 문제에서 적용되는 경우도 거의 없다. 하지만 신경망이나 딥러닝의 뿌리가 되는 모델 :하나의 선으로 분류할 수 없는 선형분리 불가능 문제, 즉 퍼셉트론 알고리즘은 너무도 단순한 모델이기에, 선형적으로 구분되지 않는 데이터 셋에는 수렴하지 못한다는 치명적인 단점이 있다. 로지스틱 회귀 :분류를 확률로 생각하는 방식 :퍼셉트론의 간단함은 유지하고 이러한 분류문제를 해결할 수 있는 모델이 로지스틱 회귀 :z가 무한대로 커지면 지수함수의 값이 0에 가까워져 시그모이드 함수값이 1이되고 z가 무한대로

dorothy

ai 이론에 대해서 마저 작성하겠다. 최적화 문제 : 오차의 합계를 알려주는 식을 우린 어떤 목적을 가지고 있다라고 하여 목적함수라고 부른다. 목적함수는 각각의 학습 데이터마다 실제결괏값(y)과 예측한 결괏값(y햇)의 오차를 제곱해서 그것을 모두 더하고 그것에 1/2를 곱해줘야한다. 이 목적 함숫값이 가장 작아지는 파라미터들을 찾는 것이 목적. :⭐왜 제곱을 해야하는지? 음수와 양수가 더해지면서 0에 가까운 결과를 출력하여 이모델이 가장 최적의 모델로 채택되는 불상사를 막기 위해서. 그래서 음수가 발생하지 않도록 제곱을 시켜줌. 더불어 오차값이 클 때는 더 크게 인식되는 효과도 함께 얻을 수 있다. :⭐ 1/2는 왜 곱해주는지? 미분과 관련, 결과로 나온 식을 간단한 모양으로 만들기 위해서 이렇게 중요한 최적화 문제에 막 상수를 붙여도 괜찮을까? 최소가 되는 지점은 변함이 없고 그래프의 모양이 옆으로 넓어지거나 좁아지는 것만 변하므로

dorothy

ai 이론에 대해서 마저 작성하겠다. 통계학 : 기술 통계학 vs 추론 통계학 기술 통계학: 연속형 데이터 e.g. 키, 나이, 가격 의 평균, 표준편차 분석 범주형 데이터 e.g. 이름, 종족, 성별 의 빈도, 백분율 분석 추론 통계학: 작은 단서, 가설 설립 & 검정, 문제 해결 가설 검정, 수치로 되어 있는 특징들을 계산, 각 데이터 간의 상관관계를 분석 통계 모델링 : 데이터에 통계학을 적용하여 변수의 유의성을 분석합으로써 방대한 양의 데이터에 숨겨진 특징을 찾아내는 것을 의미 : 통계모델은 수학적 모델이라고도 함, 수학식을 이용하여 실제값을 추정 통계모델은 여러 가정을 가지고 있는데, 이 가

dorothy

이번에는 ai 이론에 대해서 작성하겠다. 머신러닝을 위한 3가지 입력 데이터: 사람의 음성 데이터, 고양이 이미지 데이터 예상 출력값: 원고형태의 데이터, '강아지' 태그 데이터 알고리즘 정확도 측정법 "예상하는 결과에 더 가깝게 접근 할 수 있도록 하는 표현. 즉, 입력 데이터의 유용한 표현을 학습하는 것" 딥러닝 : 딥러닝은 머신러닝의 특정 하위 분야로, 표현들을 점점 더 의미있게 만들어 가는 연속 계층들을 학습하게 하는 데 중점을 두고 데이터 표현을 학습하는 새로운 방법 신경망 : 신경 생물학에서 차용 : 뇌를 이해한 데서 얻은 영감을 통해 부분적으로 개발 뉴런은 네트워크를 형성한다. 여러 뉴런에 전달되는 신호의 합이 일정크기(임곗값)을 넘지 않으면 뉴런은 전혀 반응하지 않는다. 여러 뉴런에 전달되는 신호의 합이 일정 크기 임곗값을 넘으면 뉴런이 반

dorothy

precourse는 크게 python 기초, python 실전, ai 이론으로 구성되어 있다. 정리1편은 python 기초에 대한 내용을 작성하겠다. 파이썬의 정신 파이썬 언어는 계속해서 변화하고 있다. 5년전의 파이썬은 유력언어가 아니었지만 지금의 파이썬은 매우 강력한 언어로 데이터 과학의 발전을 이끌어 가고 있다. Life is too short, You need Python 리스트: 다차원 데이터가 등장함에 따라 리스트의 강력함이 나타남. 튜플: 요소를 다루는 점에서 차이 반복문: epoch 함수 함수는 필요한 전달 값을 받아, 특정 작업을 수행한 후 결괏값을 반환하는 코드 블록을 의미. 함수는 함수 안에 코드 블록을 가지고 있고, 함수가 호출될 때마다 이 코드 블록을 실행함. 함수의 장점은 함수가 동작한 후에 어떠한 결과가 나오는지만 알면 함수 내부 구조를 몰라도 사용하는데 문제가 없다는 점, 코드를

jjmok1127

HTML(HyperText Markup Language) HTML은 웹 페이지를 만들기 위한 언어입니다. HTML은 어떤 컴퓨터 언어보다 쉽다. 그렇지만 중요하다. HTML은 Public Domain의 일종이다. HTML은 모든 웹의 골격 HTML은 이미지, 텍스트 또는 비디오와 같은 콘텐츠를 구조에 담아서 제공합니다. Markup Language : 텍스트의 구조와 표현을 정의하는 컴퓨터 언어 HyperText : 하이퍼링크를 통해 다른 텍스트에 대한 액세스를 제공하여 컴퓨터 또는 장치에 표시시켜주는 텍스트 HTML을 알고 있으면 뉴스레터, 블로그 또는 웹사이트 템플릿에 코드로 글을 작성할 수 있다. 브라우저는 HTML을 해석해서 웹 페이지를 생성 .html확장자를 가진다. Public Domain 모든 사람들에게 공짜로 제공한다. 당장에 바로 돈으로 연결되지 않는 것 처럼 보이지만 사용하기도 편하고 많은 사람들이 계속해서

rand_guy

Wecode 첫번째 과제, "html & css를 사용한 나를 소개하는 페이지 만들기"위한 게시글입니다. 처음으로 만들어보는 웹페이지! * 이미 언급한 내용은 초록색으로 작성했습니다. * 새로 이해한 내용은 노란색으로 작성했습니다. * 추가적인 속성 내용은 회색으로 작성했습니다. 🖥__개인 페이지를 만드는 과정 개인 페이지 제

baymaxx

🔥Intro 의구심가득, 내적갈등 투성이다. 드디어 한단계를 끝냈다는 성취감과 함께 본격적인 수업을 시작해야한다는 두려움이 느껴진다.. 잘 할수있겠지 꼭 잘 끝내자! 🔓배운 것 3주차 고차함수, 알고리즘을 학습하고 코플릿풀기 DOM이해하고 조작. Validation, Twittler 구현하고 git hub에 과제제출 4주차 underbar 구현하기 비동기 호출이해하고 Advanced 문제 중 _.delay 풀기 재귀함수 학습하고 코플릿풀기 stringifyJSON과제 제출 Tree UI과제 제출 fetch를 이용해 서버 요청하는 날씨 앱 구현 HA 시간을 잘 배분해야 함을 배웠다. 2일은 생각보다 짧다. 겁먹으면 아무것도 안보인다. 무조건 일단 할수있다고 생각하자. 한 함수코드를 몇 시간동안 고민하다 통과하는 쾌감을 느낄 수 있었다. 결국 코플릿과

baymaxx

🔥Intro 나의 운명에 개발자라는게 있었나보다. 몇 년 전부터 망설였던 것을 한순간에 확 결정했다. 바로 학원을 추천받아 가입하고, 설명회참여하고 지원서와 영상면접을 제출했다. 그렇게 속전속결로 코드스테이츠를 시작하게 되었다. 공기업기계직만 바라보았는데, 이 길은 찐컴덕만이 가는 곳이라고 했는데 내가 하고있다... 잘 버티자! 2021.1.1-1.18 🔓배운 것 1주차 변수, 타입, 문자열, 함수, 조건문, 반복문을 학습하고 코플릿풀기 HTML, CSS 기초배우고 기본계산기능 구현하고 git hub에 과제제출 2주차 참조형 타입 학습하고 코플릿풀기 Scope & Closure 학습하고 Socrative풀기 터미널 사용법 익히기 koans과제 제출 twittler 목업 구현 🔐해야할 것 2주차 코플릿 다시풀기 koans 다시풀기 twittler 목업 구현 마무리하기 -

rememberme_jhk

🙊 프리코스 7기 합류 전 나의 이야기 끝날 것 같지 않던 프리코스가 10월 6일 화요일 마지막 공식 일정을 끝으로 종료되었다. 아직 제출하지 못한 과제가 남아있고 솔로위크를 지나 HA라는 평가를 통과해야 하는 난관이 남아있다. 솔직히 고백하자면 나는 프리코스 6기에서 고민 끝에 여러 번의 면담을 거쳐 7기로 기수 이동을 하게 된 케이스다. 기수 이동을 하면서 이번 7기 프리코스에서 꼭 개선하고 싶었던 것들이 있었다. **하나, 완벽하게 알려고 하지 말자. 둘, 모르는 것이 있는 것은 당연하다. 모르는 것에 대해 고민하는 것을 두려워하지 말자. 셋, Help desk를 활용하고 적극적으로 질문하자. 넷, 꼭 혼자 고민해보는 시간을 갖자. 다섯, 건강을 위해서 매일 조금씩이라도 몸을 움직이자. 여섯, 할 때는 확실하게 하고 쉴 때는 확실하게 쉬며 장기레이스에 대비하자.** 위의 여섯 가지 목표는 6기 프리코스 과정에서 제대로 실행하지 못해 나에게 엄청난 스트레스와 실패를

rememberme_jhk

이번주는 정말 정신없이 시간이 흘러갔다. 진도 역시도 그랬지만 코로나도 아닌데 계속 열이 올라서 개인적으로 컨디션이 정말 좋지 않았다. 그래서 9시부터 6시까지 정규시간에 만큼은 집중해서 코스에 임하기로 다짐했기 때문에 최선을 다해서 수업에 참여했다. 다시금 느끼는 컨디션 관리의 중요성! 👩‍💻 이번주에 뭘 배웠지? 월요일: HTML, CSS, 프론트엔드 개발 workflow, HTML로 프로필 문서 만들기 화요일: Twittler 와이어프레임 설계 및 목업 구현, DOM 수요일: 유효성 검사, 프론트엔드 개발 workflow2, Twittler 함수 작성 목요일: Twittler 함수 작성 금요일: 고차함수 이번주는 개인적으로 기대를 많이 한 주였다! 드디어 자바스크립트가 아닌 HTML, CSS를 활용해서 눈에 보이는 무언가를 만들어볼 수 있는 수업들이 계획표에 대거 포진해있었기 때문이다! HTML은 진작부터 조금씩 눈에 익도록 보고 있었

rememberme_jhk

🧙‍♀️ 코드스테이츠 개발자 과정의 2주가 흘렀다 내가 어떤 과정을 거쳐서 개발자가 되기 위한 코스에 탑승하게 되었는지는 차차 블로깅할 예정이다(글이 길어질 것 같다..). 나는 '개발자를 해보자'라고 결심한 지 채 3달이 되지 않은 완벽한 찐코린이다. 누군가의 강압적인 관리를 받을 때보다 확실한 동기가 있다면 스스로 학습하면서 재미를 느끼는 타입의 마이웨이 학습자이다. 복잡한 것을 간단하게 만드는 것이 주특기(?)이기 때문에 텍스트 타입의 정보를 얻게 되면 나름의 분석을 거쳐 이미지로 간단하게 파악한 바를 정리하는 식으로 공부한다. 와중에 디테일한 것을 좋아해서(...) 무언가 놓치며 앞으로 나아가는 것에 상당한 찝찝함을 느끼는 타입이기도 하다. 이런 나에게 코드스테이츠는 꽤 매력적이었다. 그 이유로 첫째는, 온라인으로 모든 과정이 이루어지기 때문에 수업을 듣기 위해 이동하는 피로를 줄일 수 있다. 둘째는, 자기 주도 학습을 강조했다. 셋째는, upfront보다

nengjihye

2019년 9월 2일부터 시작해 11월 16일까지 약 두달 간 CODESTATES의 pre course 과정을 수강했다. 코드스테이츠 부트캠프를 다니기 전에는, '개발'이란 전공자만 할 수 있고, 기획과 마케팅을 전공한 나로서는 감히 도전할 수 없는 분야라고 생각했다. 특히나 취업 준비를 하고 있는 이 시점에, 내 전공과는 전혀 다른 분야에 새롭게 도전한다는 게 사실 많이 두려웠다. 시간이 지날 수록 무언가에 도전하려고 하면 덜컥 겁부터 나는 것 같다. 이런 내가 싫지만 어쩌겠어효. 이게 난데. 받아들이고 극복하면 되지 뭐! ( 하고 긍정 회로를 열심히 돌려보았다.... (ㅇㅅㅇ) ... ! ) 하지만 어떤 길이든, 그 길에 직접 가보지 않으면 모르는 법이고 마냥 거칠고 험해보이기만 하는 길이여도 그 속에서 새로운 길이 나타나기 마련! 그 길 끝에 지상 낙원이 있을 수도 있는거쟈나요? 그렇다면 내가 지상 낙원에 가기 위해서 필요한 것은 뭐다? 두려움이고 뭐고! 일단 뛰