쳉지로그

IP? domain? - ip : 인터넷에 연결되어 있는 장치들을 각각 식별할 수 있는 고유 주소 (ex. 115.68.11.12, 192.168.0.1, ...) - domain : 사람이 이해하고 기억하기 쉽도록 각 ip에 부여한 고유 이름 (ex. naver.com, google.com, ...) 네임서버 (name server, DNS) - URL 주소를 IP주소로 변환(resolution)하는 역할을 해준다. 도메인의 구성요소 - 컴퓨터의 이름과 최상위 도메인으로 구성 ex. opentutorials.org = opentutorials(컴퓨터의 이름) + org(최상위 도메인) daum.co.kr = daum(컴퓨터의 이름) + co(국가 형태 최상위 도메인) + kr(대한민국의 NIC에서 관리..

VPN(Virtual Private Network)의 정의 - 가상사설망, 가상 전용 네트워크(VPN)란 두 개 이상의 물리적 네트워크 사이의 인터넷/공용 네트워크를 통해 생성된 가상 네트워크로 사용자가 하나의 네트워크에 있는 것처럼 데이터를 주고 받을 수 있도록 확장된 네트워크를 의미한다. 예를 들어, 원격 근무 시 VPN을 사용하여 사무실에서 근무할 때와 동일하게 이용할 수 있으며 이를 '지점과 사이트 간 VPN 연결'이라고 한다. VPN(Virtual Private Network)의 특징 본사와 거점 1대1 통신 뿐만 아니라 거점끼리의 통신도 가능하다. 통신을 암호화하여 안전하게 통신할 수 있다. 원격으로 사내 네트워크에 접근이 가능하다. 전용선에 비해 운영비용이 저렴하다. 통신 속도가 느려질 수 ..

알고리즘 복잡도 시간 복잡도: 알고리즘 실행 속도 공간 복잡도: 알고리즘이 사용하는 메모리 사이즈 시간 복잡도의 주요 요소는 "반복문" 알고리즘 성능 표기법 대문자 O 표기법 O(1) < O( 𝑙𝑜𝑔𝑛 ) < O(n) < O(n 𝑙𝑜𝑔𝑛 ) < O( 𝑛^2 ) < O( 2^𝑛 ) < O(n!)

이중 연결 리스트라고도 함 장점: 양방향으로 연결되어 있어서 노드 탐색이 양쪽으로 모두 가능 위 코드에서 노드 데이터가 특정 숫자인 노드 앞에 데이터를 추가하는 함수를 만들고, 테스트해보기 위 코드에서 노드 데이터가 특정 숫자인 노드 뒤에 데이터를 추가하는 함수를 만들고, 테스트해보기

7.1 전체 구조 합성곱 신경망(Convolutional neural network, CNN) 이미지 인식과 음성 인식 등 다양한 곳에서 사용 이미지 인식 분야에서 딥러닝을 활용한 기법은 거의 CNN을 기초로 함 새로 등장하는 계층: 합성곱 계층(convolutional layer), 풀링 계층(pooling layer) Affine 계층과 CNN 비교 Affine 계층: 인접하는 계층의 모든 뉴런과 결합: 완전연결(fully-connected) Affine-ReLU 연결 CNN: 합성곱 계층과 풀링 계층이 추가됨 Conv-ReLU-(Pooling) 흐름 출력에 가까운 층에서는 'Affine-ReLU' 구성 사용 가능 마지막 출력 계층에서는 'Affine-Softmax' 조합을 그대로 사용 7.2 합성곱..

5.1 계산 그래프 5.1.1 계산 그래프로 풀다 계산 그래프: 계산 과정을 그래프로 나타낸 것 - 복수의 노드(node)와 에지(edge)로 표현 순전파(forward propagation): 그래프에서 계산을 왼쪽에서 오른쪽으로 진행하는 단계 억전파(backward propagation): 순전파의 반대 방향의 전파. 미분을 계산할 때 중요한 역할 5.1.2 국소적 계산 계산 그래프의 특징(이점) - '국소적 계산'을 전파함으로써 최종 결과를 얻음 국소적 계산은 전체에서 어떤 일이 벌어지든 상관없이 자신과 관계된 정보만으로 결과를 출력할 수 있다는 것 (참고) 국소적이란 '자신과 직접 관계된 작은 범위'라는 뜻 5.1.3 왜 계산 그래프로 푸는가? 전체가 아무리 복잡해도 각 노드에서는 단순한 계산에 ..

4.3 수치 미분 4.3.1 미분 미분: 한순간의 변화량을 표시 (참고) 수치미분: 아주 작은 차분으로 미분하느 것 해석적 미분: 수식을 전개해 미분하는 것. 오차를 포함하지 않는 진정한 미분 값을 구해줌 함수를 미분하는 계산 구현 4.3.2 수치 미분의 예 4.3.3 편미분 편미분(Partial Derivative): 변수가 여럿인 함수에 대한 미분 변수가 여럿인 함수에 대한 미분 편미분 예시 편미분은 변수가 하나인 미분과 마찬가지로 특정 장소의 기울기를 구함 단, 여러 변수 중 목표 변수 하나에 초점을 맞추고 다른 변수는 값을 고정 4.4 기울기 기울기(gradient): 모든 변수의 편미분을 벡터로 정리한 것 기울기가 가리키는 쪽은 각 장소에서 함수의 출력 값을 가장 크게 줄이는 방향 기울기 구현 ..

4.1 데이터에서 학습한다! 4.1.1 데이터 주도 학습 딥러닝을 **종단간 기계학습(end-to-end machine learning)**이라고도 함 4.1.2 훈련 데이터와 시험 데이터 훈련 데이터(training data) : 학습하면서 최적의 매개변수를 찾음 시험 데이터(test data) : 앞서 훈련한 모델의 실력을 평가 훈련 데이터와 시험 데이터를 나누는 이유 • 우리가 원하는 것은 범용적으로 사용할 수 있는 모델이기 때문 • 범용 능력을 제대로 평가하기 위해 훈련 데이터와 시험 데이터를 분리하는 것 오버피팅(overfitting) • 한 데이터셋에만 지나치게 최적화된 상태. • 오버피팅 피하기는 기계학습의 중요한 과제임 4.2 손실 함수 손실 함수(loss function) : 신경망 학습..