일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 |
- IPV4
- Machine learning
- Dynamic Programming
- 패스트캠퍼스
- 네트워크 관리사
- Protocol
- network
- ICQA
- FTP
- 밑바닥부터 시작하는 딥러닝
- Algorithm
- deep learning
- Windows Server
- 네트워크 자격증
- 네트워크 관리사 2급
- Django
- 알고리즘
- 코딩테스트
- 파이썬
- 실기
- Python
- 기본 정렬
- 딥러닝
- 네트워크
- 서브넷마스크
- 프로토콜
- 머신러닝
- dns
- 자격증
- 자료구조
- Today
- Total
목록분류 전체보기 (57)
쳉지로그
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/bzWFgS/btq2Kw24mvm/7TOWmuOvKn4ww3f77xLX3k/img.png)
연결 리스트 배열은 순차적으로 연결된 공간에 데이터를 나열하는 데이터 구조 떨어진 곳에 존재하는 데이터를 화살표로 연결해서 관리하는 데이터 구조 파이썬은 리스트 타입이 링크드 리스트의 기능을 모두 지원 배열의 단점(데이터 추가/삭제의 어려움)을 극복한 자료 구조 장점 미리 데이터 공간을 미리 할당하지 않아도 됨 단점 연결을 위한 별도 데이터 공간이 필요하므로, 저장공간 효율이 높지 않음 연결 정보를 찾는 시간이 필요하므로 접근 속도가 느림 중간 데이터 삭제 및 추가 시, 앞뒤 데이터의 연결을 재구성해야 하는 부가적인 작업이 필요함 기본 구조 노드(Node): 데이터 저장 단위 (데이터값, 포인터) 로 구성 포인터(pointer): 각 노드 안에서, 다음이나 이전의 노드와의 연결 정보를 가지고 있는 공간
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/FhCnH/btq2wLVymo9/T2CWq1bEAUkcg6eixT1sa1/img.png)
3.1 퍼셉트론에서 신경망으로 3.1.1 신경망의 예 신경망 : 입력층(input layer), 은닉층(hidden layer), 출력층(output layer)으로 구성 입력층, 출력층의 뉴런은 눈에 보이는 층 은닉층의 뉴런은 눈에 보이지 않는 층 층 번호는 0부터 시작 3.1.2 퍼셉트론 복습 퍼셉트론 : 다수의 신호를 입력으로 받아 하나의 신호를 출력하는 알고리즘 𝑏 : 편향을 나타내는 매개변수 (뉴런이 얼마나 쉽게 활성화되느냐를 제어) 𝑤1, 𝑤2 : 가중치를 나타내는 매개변수 (각 신호의 영향력을 제어) 편향을 명시한 퍼셉트론: 가중치가 𝑏이고, 입력이 1인 뉴런이 추가 3.1.3 활성화 함수의 등장 활성화 함수(activation function) : 입력 신호의 총합을 출력 신호로 변환하는 ..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/cS5vtd/btq2y3gM37J/xvejewmwOGvpUPInJifSW1/img.png)
2.1 퍼셉트론이란? 퍼셉트론 : 다수의 신호를 입력으로 받아 하나의 신호를 출력하는 알고리즘 퍼셉트론 신호는 '1 또는 0'의 두 가지 값을 가질 수 있다. 입력 신호가 뉴런에 보내질 때에는 각각 고유한 가중치가 곱해진다. 뉴런에서 보내온 신호의 총합이 정해진 한계(임계값)을 넘어설 때만 1을 출력, 즉 뉴런이 활성화된다. 2.2 단순한 논리 회로 2.2.1 AND 게이트
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/bwpTgr/btq2u2W3PO9/GIc23KaBkkfZt2Co58t47k/img.png)
1.2 Python 설치하기 설치 링크 (https://www.python.org/downloads/) 라이브러리(numpy, matplotlib) 설치 pip install numpy pip install matplotlib 1.3 Python 인터프리터 파이썬 인터프리터는 '대화 모드'라 하여, 개발자와 파이썬이 대화하듯 프로그래밍할 수 있다. 1.3.1 산술 연산 1.3.2 자료형 1.3.3 변수 1.3.4 리스트 1.3.5 딕셔너리
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/PNTeT/btq2trQqYDH/pib42gZJ3Lwrq5rbpB85vK/img.png)
데이터를 제한적으로 접근할 수 있는 구조 한쪽 끝에서만 자료를 넣거나 뺄 수 있는 구조 가장 나중에 쌓은 데이터를 가장 먼저 빼낼 수 있는 데이터 구조(LIFO) 큐: FIFO 정책 스택: LIFO 정책 장점 구조가 단순해서, 구현이 쉽다. 데이터 저장/읽기 속도가 빠르다. 단점 (일반적인 스택 구현시) 데이터 최대 갯수를 미리 정해야 한다. 파이썬의 경우 재귀 함수는 1000번까지만 호출이 가능함 저장 공간의 낭비가 발생할 수 있음 미리 최대 갯수만큼 저장 공간을 확보해야 함 (참고) 대표적인 스택의 활용: 컴퓨터 내부의 프로세스 구조의 함수 동작 방식 push(): 데이터를 스택에 넣기 pop(): 데이터를 스택에서 꺼내기 스택은 단순하고 빠른 성능을 위해 사용되므로, 보통 배열 구조를 활용해서 구현..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/eaI1Pv/btq2u3ByIXk/XClAgBh9s8FciFngDlJAmK/img.png)
Kaggle(kaggle.com) A platform for predictive modeling competitions 데이터 분석 및 머신 러닝에 대한 학습 플랫폼 kaggle API Profile ⇒ Account ⇒ API "Create New API Token" click! ⇒ json file download Expire click 시 해당 token 더 이상 사용 불가 pip install kaggle 데이터셋의 목적과 활용 연구, 공공데이터, 경연, 학술 및 교육, 사업 및 서비스 데이터의 종류 1. Tabular 표 형태의 데이터 머신 러닝에서 가장 많이 활용되는 형태 2. Image Still Image(H * W * C): 3차원 Matrix Video (H * W * C * T): 4..
Google Colaboratory (Google Colab) Google Drive 기반으로 제공하는 서비스 하드웨어 구성 필요 x, GPU 무료 대여, 작업 산출물 간편 공유 ✔️ Ubuntu 버전의 리눅스를 사용함 Colab에 설치된 Python packages 1. Numpy import numpy as np 파이썬에서 가장 많이 사용되는 수치 계산 라이브러리 벡터와 행렬 등의 수학적인 데이터 구조 표현, 연산 대부분의 패키지가 numpy에 의존 2. Pandas import pandas as pd 보다 고차원적인 데이터 처리를 돕는 라이브러리 동일한 데이터를 가진 Series를 기본으로, 이를 여러개 묶어 사용하는 DataFrame을 사용하여 표 형태로 된 자료를 다룸 3. Matplotlib ..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/cFuFIR/btq2s5tkoAi/K5jmQb8ESOip1kKnQWPW4K/img.png)
줄을 서는 행위와 유사 가장 먼저 넣은 데이터를 가장 먼저 꺼낼 수 있는 구조 예)음식점에서 가장 먼저 줄을 선 사람이 제일 먼저 음식점에 입장 FIFO(First-In, First-Out) 또는 LILO(Last-In, Last-Out) 방식으로 스택과 꺼내는 순서가 반대 (참고) 멀티 태스킹을 위한 프로세스 스케쥴링 방식을 구현하기 위해 많이 사용됨 Enqueue: 큐에 데이터를 넣는 기능 Dequeue: 큐에서 데이터를 꺼내는 기능 # Queue()로 큐 만들기 import queue # FIFO Queue (일반적인 큐) data_queue = queue.Queue() data_queue.put('hello') # enqueue data_queue.put(2) data_queue.qsize() #..