쳉지로그

재귀 용법(Recursive Call, 재귀 호출) 함수 안에서 동일한 함수를 호출하는 형태 파이썬에서는 재귀 함수 깊이가 1000 이하가 되어야 한다, 종료 조건이 항상 있어야 한다, ⚠️ 재귀 용법 사용 시 주의할 점! 파이썬에서는 재귀 함수 깊이가 1000 이하가 되어야 한다, 종료 조건이 항상 있어야 한다, 재귀 함수는 내부적으로 스택처럼 관리된다. 재귀 용법의 일반적인 형태 """ 일반적인 형태 1 """ def function_1(입력): if 입력 > 일정값: # 입력값이 일정 값 이상이면 return function(입력 - 1) # 입력값보다 작은 값 else: return 일정값, 입력값, 또는 특정값 # 재귀 호출 종료 """ 일반적인 형태 2 """ def function_2(입력)..

Bubble? Pipenv? Do not install Django globally! ⇒ Install in Bubble pip 전역 설치 이후 pipenv를 써서 버블 만들기! Step 0. Python 설치 Download Python The official home of the Python Programming Language www.python.org ⚠️ Mac 유저 : python 2 삭제 금지!!! 위 링크말고 brew를 이용해서 설치하는 것 권장 ⚠️ 설치 시 "Add Python 3.x to PATH" 꼭 선택하기 ( ⇒ pip 자동 설치 ) Step 1. pipenv 설치하기 pip install --user pipenv ⚠️ For macOS : brew install pipenv 또..

키(Key)에 데이터(Value)를 저장하는 데이터 구조 Key를 통해 바로 데이터를 받아올 수 있어 속도가 빠름 파이썬 딕셔너리(Dictionary) 타입 - 별도 구현 필요 없음 장점 데이터 저장/읽기 속도가 빠르다. (검색 속도가 빠르다.) 키에 대한 데이터가 있는지(중복) 확인이 쉬움 단점 일반적으로 저장공간이 조금 더 많이 필요 여러 키에 해당하는 주소가 동일할 경우 충돌을 해결하기 위한 별도 자료구조가 필요 주요 용도 검색이 많이 필요한 경우 저장, 삭제, 읽기가 빈번한 경우 캐쉬 구현시 (중복 확인이 쉽기 때문) (관련 용어) 해쉬(Hash) : 임의의 데이터를 고정 길이로 변환하는 것 해쉬 테이블(Hash Table) : 키 값의 연산에 의해 직접 접근이 가능한 데이터 구조 해싱 함수(Ha..

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!)

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..

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..

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