나는 한다 코딩을

1. 연산자 하나 이상의 피연산자를 입력 받아 특정 연산을 하는 것 1.1. 산술 연산자 (a=30, b=7을 가정) 연산자 의미 예시 결과 + 덧셈 a + b 37 - 뺄셈 a - b 22 * 곱셈 a * b 210 / 나눗셈(float) a / b 4.2857142857142 % 나머지 a % b 2 // 몫 a // b 4 ** 제곱 a ** 2 900 1.2. 비교 연산자 연산자 의미 예시 결과 == 같음 3 == 5 False != 다름 'hi' != 'hello' True > 크다 12 > 12 False = 이상 15 >= 15 True >,

1. 키워드(Keyword) 파이썬에서 이미 예약되어 있는 문자열로서 다른 용도로 사용이 불가능한 문자열이다. 키워드는 예약어를 포함한다. False, None, True, and, as, assert, break, class, continuem def, del, elif, else, except, finally, for, from, global, if, import, in, is, lambda, nonlocal, not, or, pass, raise, return, try, while, with, yield 2. 예약어(Reserved Words) 예약어는 모두 30개이다. 예약어는 상수 또는 변수나 다른 식별자의 이름올 사용할 수 없다. 예약어는 모두 소문자이다. 예약어 목록 and, assert, ..

IT 업계에서 협업과 버전컨트롤에서 가장 대중적이고 기본적으로 쓰이는 Git의 설치 방법과 Git 저장소 중 가장 많이 쓰이는 Github의 가입과 Github for Desktop 설치법에 대해서 알아보겠습니다. 1. Github.com 가입 먼저 Git 저장소들 중 가장 많이 쓰이는 github.com에 가입 하는 것부터 시작하겠습니다. 1-1. https://github.com/으로 들어갑니다. Build software better, together GitHub is where people build software. More than 40 million people use GitHub to discover, fork, and contribute to over 100 million projects..

이번 학기에 Python 튜터링을 하게 되어 튜티도 잘 모를 때 참고하고 이 참에 저도 복습할 겸 파이썬 설치와 환경 설정 부터 파이썬 언어 기본 문법 부분을 다루는 포스팅을 작성해보려고 합니다. 이번 포스팅은 첫 주니까 가볍게 파이썬 3.7.4 설치와 JetBrains사의 파이썬 IDE인 PyCharm 설치와 환경 설정을 하는 법을 다루도록 하겠습니다. 1. Python 설치 1.1. https://www.python.org 에 접속합니다. Welcome to Python.org The official home of the Python Programming Language www.python.org 1.2. 메인화면에서 "Downloads" 탭에 마우스를 올려서 나오는 "Python 3.7.4" 버튼을..

네이버의 채용 설명회인 "Naver Developer Open Class 2019"를 다녀왔다. 원래는 8월 초에 있던 걸 신청했었는데 탈락했었다. 꽤 수요가 많았는지 네이버에서 4회를 증설해서 이번엔 신청한게 당첨 되어 가게 되었다. 이 글에서는 다음과 같은 내용을 다루려고 한다. 채용 관련 내용만 보실 분들은 3번만 봐도 무방하다. 네이버, 이런 것도 한다 네이버에서 개발자로서 일하는 것 (주로 장점) 채용에서 중요하게 보는 것 1. 네이버, 이런 것도 한다 채용 설명회긴 하지만 사람들이 아는 네이버는 검색 포털인 그 초록 검색창만 아는 사람들이 많아서 네이버 관계사에는 어떤 것들이 있고 어떤 일을 하는지 먼저 소개했다. Naver Labs 첫 강연자분은 네이버 랩스(Naver Labs)의 대표인 석..

Chapter 2. 머신러닝의 시작부터 끝까지 이번 챕터에서는 실제 머신러닝이 어떤 순서로 진행 되는지 단계 단계 알아보겠다. 여기서 사용되는 데이터 셋은 캘리포니아의 주거 정보 데이터 셋이다. 하나 하나 깊게 들어 가기 전에 전체적인 순서를 보도록 하자 1. 목표 설정 (Setting Up the Goal) 2. 데이터셋 준비 (Dataset Preparation) 3. 데이터 시각화 & 상관 계수 찾기 (Data Visualization & Finding Correlations) 4. 데이터 정화 (Data Purification) 5. 머신러닝 알고리즘으로 트레이닝 (Training with ML Algorithm) 6. 모델 세부 조정 (Fine-tuning the Model) 7. 모델 배포, ..

3.2. 배치 학습(Batch Learning)과 온라인 학습(Online Learning) 배치 학습 가능한 모든 데이터들로 학습한다. 고성능 컴퓨터 자원과 많은 시간이 필요하다. 시스템을 새로운 모델로 대체시킨다. 온라인 학습 시스템에게 데이터를 순서대로 주면서 점차 학습시켜 나가는 것 개별적으로 또는 작은 그룹으로 나눠서(ex. mini-batches) 사용하는 상황 시스템이 계속적으로 데이터를 받는 경우 변화에 재빠르게, 또는 자동으로 적응해야 하는 경우 컴퓨터 자원이 제한적일 경우 Learning Rate 얼마나 빠르게 변화 데이터를 받아들일 것인가(High: 빠르게, Low: 느리게) 온라인 학습의 가장 중요한 parameter 중 하나이다. 3.3 사례기반 학습(Instance-Based L..

3. 머신러닝의 분류 사람의 지도가 들어 가는가? 지도학습(Supervised Learning) 비지도학습(Unsupervised Learning) 준지도학습(Semi-supervised Learning) 강화학습(Reinforcement Learning) 온라인에서 학습 하는가? 온라인 학습(Online Learning) 배치 학습(Batch Learning) 어떻게 동작하는가? 사례 기반 학습(Instance-based Learning) 새 데이터와 기존 데이터와 비교(Comparing new data point to known data points) 모델 기반 학습(Model-based Learning) 트레이닝 데이터에서 패턴을 감지하고, 예측 모델을 만들기 (Detecting patterns i..