티스토리

Cleo’s Coiary

검색하기

블로그 홈

Cleo’s Coiary

cleo-n.tistory.com/m

CSE20

구독자: 0

방명록 방문하기

주요 글 목록

[2024_동계_모각코] 6회차(02/14) 6회차 목표 Transactional Java에서의 Annotation Tomcat 6. Transactional Spring Framework에서 제공하는 어노테이션으로, 트랜잭션을 관리하는 데 사용된다. 데이터베이스 용어인 트랜잭션은 데이터베이스 작업을 여러 단계로 나누어 실행할 때, 모든 단계가 성공적으로 완료되면 데이터를 커밋하고, 하나라도 실패하면 이전 상태로 롤백하는 작업 단위를 말한다. @Transactional 어노테이션의 기능) 트랜잭션의 시작과 종료메서드가 실행되면 트랜잭션을 시작하고, 메서드의 모든 작업이 성공적으로 완료되면 트랜잭션을 커밋(commit)하고, 하나라도 실패하면 트랜잭션을 롤백(rollback)한다. 메서드 또는 클래스에 @Transactional 어노테이션을 적용하면.. 공감수 0 댓글수 1 2024. 2. 18.
[2024_동계_모각코] 5회차(01/31) 5회차 목표 Interceptor, Servlet Filter DispatcherServlet JPA(ORM) 3. Interceptor, Servlet Filter 둘 다 웹 애플리케이션에서 요청과 응답을 가로채고 처리하는 기능을 제공하는데 사용되지만,각각은 서로 다른 기술과 용도를 가지고 있다. Interceptor(인터셉터): 우선 Interceptor는 Spring MVC에서 사용되는 기능으로, Controller 에서 요청을 가로채고 처리하는 인터페이스이다. Spring의 `핸들러 인터셉터(HandlerInterceptor)` 인터페이스를 구현하여 생성하며, 일반적으로 전역적으로 또는 특정 URL 패턴에 대해 적용된다. 요청 전에 특정 조건을 검사하여 요청을 중단하거나 다른 컨트롤러로 리다이렉트.. 공감수 0 댓글수 0 2024. 2. 18.
[2024_동계_모각코] 4회차(01/24) 4회차 목표 equals(), hashcode() IoC와 DI AOP 1. equals(), hashcode() 자바에서 equals()와 hashCode()는 객체 동등성 비교와 해시 기반 컬렉션에 사용되는 두 가지 메서드. equals() 메서드 두 개의 객체가 동등하다고 판단하는 로직을 구현하는데 사용된다.자바에서 모든 클래스는 기본적으로 equals()를 오버라이딩하지 않으면 Object 클래스의 equals() 메서드를 상속받는데, 그 메서드는 객체의 레퍼런스 비교를 수행하기 때문에 두 객체가 메모리에서 같은 위치를 가리키는지를 비교함. 하지만 대부분의 경우에 우리는 객체의 내용을 기반으로 동등성을 판단하고 싶을 때가 많기 때문에 이럴 때는 반드시 오버라이딩 해줘야 한다. 즉, 두 객체의 내용.. 공감수 0 댓글수 0 2024. 2. 18.
[2024_동계_모각코] 3회차(01/17) 3회차 목표 Synchronized Java Stream Garbage Collection 1. Synchronized 키워드 멀티스레드 환경에서 공유 데이터에 대한 동기화를 제공하는 방법 중 하나. 멀티스레드 환경에서 여러 스레드가 공유 데이터에 접근할 때, 동시에 데이터를 수정하면 예기치 않은 결과가 발생할 수 있음. 이런 문제를 해결하기 위해 스레드 간의 동기화가 필요하며, 이를 위해 synchronized 키워드를 사용한다. synchronized 키워드를 사용하면 두 가지 주요 목적을 달성할 수 있음. 메소드 동기화: 메소드 선언부에 synchronized 키워드를 추가하여 해당 메소드의 모든 코드 블록에 대한 동기화를 제공. 이렇게 하면 여러 스레드가 해당 메소드를 호출할 때 동시에 접근하지 .. 공감수 0 댓글수 0 2024. 2. 18.
[2024_동계_모각코] 2회차(01/12) 2회차 목표 Reflection Static class와 Static method 비교 Java Exception 1. Reflection 리플렉션 프로그램 실행 중에 클래스의 구조를 분석하고, 클래스의 멤버 변수, 메서드, 생성자 등을 동적으로 조사, 검색하고 호출할 수 있는 기능 쉽게 말하면, 리플렉션은 프로그램이 자기 자신을 조사하고 수정하는 능력을 제공하는 기술이다. 이런 기능을 어디에 주로 사용하나? 동적 클래스 로딩: 실행 중에 동적으로 클래스를 로딩하여 객체를 생성할 수 있기 때문에, 런타임에 어떤 것을 사용할지 결정되는 클래스나 패키지를 사용할 수 있게 해준다. 객체의 메타데이터 접근: 클래스의 이름, 필드, 메서드, 상위 클래스, 인터페이스 등과 같은 메타데이터에 접근하여 클래스에 대한 .. 공감수 0 댓글수 0 2024. 2. 18.
[2024_동계_모각코] 1회차(01/03) 1회차 목표 JVM Final 키워드의 쓰임과 이점 Interface VS Abstract class 1. JVM JRE (Java Runtime Environment) 의 핵심 구성 요소 Java bytecode 가 다른 플랫폼에서 실행되는 것을 가능하게 해준다. Java application ↔ 사용 중인 현재 OS, 하드웨어 사이에서 abstraction layer 역할을 한다. 이러한 abstraction layer 로써의 역할이 자바 언어가 플랫폼 독립적(JVM과 함께라면 어떤 시스템에서도 실행될 수 있는) 인 성격을 가지게 하는 것임. JVM의 내부 동작 과정과 특징 Java 프로그램이 실행될 때, JVM 은 컴파일에 필요한 클래스 파일들(ex.bootstrap class loader, ex.. 공감수 0 댓글수 0 2024. 1. 3.
[2024_동계_모각코] 목표 및 활동계획 목표 - Java 개념 및 응용 - Spring 기초 학습 활동 계획 1회차 JVM Final 키워드의 쓰임과 이점 Interface VS Abstract class 2회차 Reflection Static class와 Static method 비교 Java Exception 3회차 Synchronized Java Stream Garbage Collection 4회차 equals(), hashcode() IoC와 DI AOP 5회차 Interceptor, Servlet Filter DispatcherServlet JPA(ORM) 6회차 Transactional Java에서의 Annotation Tomcat 공감수 0 댓글수 0 2023. 12. 26.
[2022_하계_모각코] 6회차(08/15) 6회 차 목표 차원축소 3. LDA(Linear Discriminant Analysis) LDA 개요 LDA는 선형 판별 분석법으로 불리며, PCA와 매우 유사하다. LDA는 PCA와 유사하게 입력 데이터 세트를 저차원 공간에 투영해 차원을 축소하는 기법이지만 중요한 차이는 LDA는 지도학습의 분류에서 사용하기 쉽도록 개별 클래스를 분별할 수 있는 기준을 최대한 유지하면서 차원을 축소한다. PCA는 입력 데이터의 변동성의 가장 큰 축을 찾았지만, LDA는 입력 데이터의 결정 값 클래스를 최대한으로 분리할 수 있는 축을 찾는다. LDA는 특정 공간상에서 클래스 분리를 최대화하는 축을 찾기 위해 클래스간 분산과 클래스 내부 분산의 비율을 최대화하는 방식으로 차원을 축소한다. 즉, 클래스 간 분산은 최대한 크.. 공감수 0 댓글수 0 2022. 8. 19.
[2022_하계_모각코] 5회차(08/09) 5회 차 목표 차원축소 학습하기 1. 차원 축소(Dimension Reduction) 개요 차원축소는 매우 많은 피처로 구성된 다차원 데이터 세트의 차원을 축소해 새로운 차원의 데이터 세트를 생성하는 것이다. 일반적으로 차원이 증가할수록 데이터 포인트 간의 거리가 기하급수적으로 멀어지게 되고, 희소한 구조를 가지게 된다. 수백 개 이상의 피처로 구성된 데이터 세트의 경우 상대적으로 적은 차원에서 학습된 모델보다 예측 신뢰도가 떨어진다. 또한 피처가 많을 경우 개별 피처간에 상관관계가 높을 가능성이 크다. 이렇게 매우 많은 다차원의 피처를 차원 축소해 피처 수를 줄이면 더 직관적으로 데이터를 해석할 수 있다. 수십 개 이상의 피처가 있는 데이터의 경우 이를 시각적으로 표현해 데이터의 특성을 파악하기는 불가.. 공감수 0 댓글수 0 2022. 8. 19.
[2022_하계_모각코] 4회차(08/01) 4회차 목표 데이콘 반도체 박막 두께 분석하기 1. 배경 반도체 박막을 수십~수백 층 쌓아 올리는 공정에서는 박막의 결함으로 인한 두께와 균일도가 저하되는 문제점이 발생한다. 이는 소자 구조의 변형을 야기하는 성능 하락의 주요 요인이 되기 때문에, 박막의 두께를 빠르면서도 정확히 측정하는 것이 중요하다. 반도체 박막은 얇은 반도체 막으로 박막의 종류와 두께는 반도체 소자의 특성을 결정짓는 중요한 요소 중 하나이다. 이 박막의 두께를 측정하는 방법은 반사율을 측정하는 것이다. 2. 구조 설명 질화규소 layer_1 이산화규소 layer_2 질화규소 layer_3 이산화규소 layer_4 규소 기판 제공되는 train.css 파일에는 각 층의 두께와 반사율 스펙트럼이 포함되어 있다고 한다. 3. 데이터 설명.. 공감수 0 댓글수 0 2022. 8. 2.
[2022_하계_모각코] 3회차(07/25) 3회차 목표 04. 분류 - 랜덤포레스트, GBM, XGBoost, LightGBM, 산탄데르 고객 만족 예측 캐글 심부전증 예측 4. 랜덤 포레스트 배깅(bagging)은 앞에서 소개한 보팅(Voting)과는 다르게, 같은 알고리즘으로 여러 개의 분류기를 만들어서 보팅으로 최종 결정하는 알고리즘이다. 배깅의 대표적인 알고리즘은 랜덤 포레스트이다. 랜덤 포레스트는 다재다능한 알고리즘이다. 앙상블 알고리즘 중 비교적 빠른 수행. 다양한 영역에서 높은 예측 성능을 보이고 있다. 기반 알고리즘은 결정트리, 결정트리의 쉽고 직관적인 장점을 그대로 가지고 있음. 랜덤 포레스트는 여러 개의 결정 트리 분류기가 전체 데이터에서 배깅 방식으로 각자의 데이터를 샘플링 해 개별적으로 학습을 수행한 뒤 최종적으로 모든 분류.. 공감수 0 댓글수 0 2022. 7. 25.
[2022_하계_모각코] 2회차(07/11) 2회 차 목표 03. 평가 04. 분류 - 결정 트리, 앙상블 학습 [LG Aimers] 품질 및 신뢰성 공학 강의 Part3~6 수강 03. 평가 머신러닝은 데이터 가공/변환 - 모델학습/예측 - 평가의 프로세스로 구성된다. 머신러닝 모델은 여러 가지 방법으로 예측 성능을 평가할 수 있으며, 성능 평가 지표는 일반적으로 모델이 분류냐, 회귀냐에 따라 여러 종류로 나뉜다. 회귀의 경우 대부분 실제값과 예측값의 오차 평균값에 기반한다. 기본적으로 예측 오차를 가지고 정규화 수준을 재가공하는 방법이 회귀의 성능 평가 지표 유형이다. 분류의 평가 방법도 일반적으로는 실제 결과 데이터와 예측 결과 데이터가 얼마나 정확하고 오류가 적게 발생하는가에 기반하지만, 단순히 이런 정확도만 가지고 판단할 수만은 없다. 1.. 공감수 0 댓글수 1 2022. 7. 11.
[2022_하계_모각코] 1회차 (07/04) 1회 차 목표 01. 파이썬 기반의 머신러닝과 생태계 이해 02. 사이킷런으로 시작하는 머신러닝 [LG Aimers] 품질 및 신뢰성 공학 강의 Part1~3 수강 01. 파이썬 기반의 머신러닝과 생태계 이해 ▶데이터 인코딩 머신러닝을 위한 대표적인 인코딩 방식으로는 레이블 인코딩과 원-핫 인코딩이 있다. 레이블 인코딩 카테고리 피처를 코드형 숫자 값으로 변환하는 것 ex) 데이터의 구분이 TV, 냉장고, 전자레인지, 컴퓨터로 되어있다면 TV : 1, 냉장고 : 2, 전자레인지 : 3, 컴퓨터 : 4와 같은 숫자형 값으로 변환하는 것 사이킷런의 레이블 인코딩 from sklearm.preprocessing import LabelEncoder items=['TV','냉장고','전자레인지','컴퓨터','선풍.. 공감수 0 댓글수 0 2022. 7. 4.
[2022_하계_모각코] 목표 및 활동계획 목표 -데이터 사이언스 및 머신러닝 학습하기 -풀스택 웹프로그래밍 경험 쌓기 활동계획 1회차 (2022.07.04) 01. 파이썬 기반의 머신러닝과 생태계 이해 02. 사이킷런으로 시작하는 머신러닝 2회차 (2022.07.11) 03. 평가 04. 분류 - 결정트리, 앙상블 학습 3회차 (2022.07.18) 04. 분류 - 랜덤포레스트, GBM, XGBoost, LightGBM, 산탄데르 고객 만족 예측 4회차 (2022.07.25) 04. 분류 - 캐글 신용카드 사기 검출 05. 회귀 5회차 (2022.08.01) 자전거 수요 예측 반도체 박막 두께 6회차 (2022.08.08) 차원축소 *매주 월요일마다 디스코드로 모일 예정 공감수 0 댓글수 0 2022. 6. 24.
[2022_동계_모각코] 대표 url은 이곳입니다🤦‍♀️ https://www.notion.so/8a015302ba614e9a92eb3ef4f9c6632e?v=ff4f69bee7a84adaa12e4871d1ff532e 공감수 0 댓글수 0 2022. 2. 17.
[2022_동계_모각코] 6회차(02/09) 오늘의 목표 알고리즘 복습 및 자료구조 강의 수강 #2562 num = [] for i in range(9): num.append(int(input())) print(max(num)) print(num.index(max(num))+1) #4153 while True: num = list(map(int, input().split())) m = max(num) if(m == 0): break num.remove(m) if(num[0]**2 + num[1]**2 == m**2): print("right") else: print("wrong") #10773 k = int(input()) num = [] for i in range(k): n = int(input()) if(n==0): num.pop() else:.. 공감수 0 댓글수 1 2022. 2. 17.
[2022_동계_모각코] 3회차(01/21) 회고록 지난 아이디어가 탈락했기 때문에, 새로운 아이디어를 5개 정도 생각해오자고 했었다. 겹치는 분야도 있고 아예 새롭게 다가오는 분야도 있었는데, 생각보다 아이디어를 확정하고 구체화하는 과정이 어려워 모각코 시간이 아닌 개인 시간을 맞춰서 이 프로젝트를 진행하기로 협의하였다. 패션과 관련된 아이디어를 바탕으로 앱을 기획하려고 하는데, 모각코 이후에도 원만하게 진행되어 공모전이나 각종 대회에 출품하고자 하는 계획이 있다. 공감수 0 댓글수 0 2022. 2. 17.
[2022_동계_모각코] 5회차(02/04) 오늘의 목표 백준 입출력 문제 풀기 알고리즌 쉽게 푸는 방법, 코딩테스트 공략을 위한 알고리즘 등과 같은 블로그 포스팅을 보며 알고리즘의 기초부터 심화까지 이번 방학동안 차근차근 풀어보자는 생각으로 새로운 백준 계정을 만들었다. 기존 계정은 코드를 다시 봐도 이해가 어려운 부분도 많고 질보다는 양에 치중해서 정말 코테에 1도 도움 안될 것 같은 문제들도 많이 풀었기 때문에 앞으로는 주로 새로운 계정을 사용하려고 한다. 어차피 당분간 탐색 문제에는 가지도 못할 것 같아서 자료구조 기초에 대한 문제 유형만 문제집으로 만들어서 묶어놓았다. 지난 2학기 알고리즘 수업을 통해 python3 입출력 지식이 상당히 부족하다는 것을 뼈저리게 느껴서 그런가 다른 자료구조 기본 문제보다도 입출력 연습에 심혈을 가해야겠다는.. 공감수 0 댓글수 0 2022. 2. 17.
[2022_동계_모각코] 2회차(01/18) 회고록 ‘버려지는 대학생 창작물의 재판매’라는 아이디어로 디자인 스프린트를 해보았다. 생각보다 난관이 많고 품질 보장이나 공간 마련의 어려움 등의 이유로 보류하기로 했지만, 아이디어의 사업성에 관해 의견을 나누고 조사해보는 시간이 값지다고 생각한다. 이러한 과정을 통해서 보다 더욱 더 참신하고 실용적인 아이디어가 나오지 않을까 기대감이 있다. 공감수 0 댓글수 1 2022. 2. 17.
[2022_동계_모각코] 1회차(01/17) 회고록 교내 창업 아이디어 경진대회 및 앱 개발 대회나 교외 공모전을 준비하기 위해 모각코 시간에 아이디어 회의를 하게 되었다. 정해진 회의 시간이 없었다면 어영부영 지나갔을 시간이지만, 모각코로 확실한 일정과 목표를 정하니 계획적으로 회의를 마칠 수 있었다. 생각보다 아이디어 정하는 것은 더 어렵고 참신하면서 사업성이 있는 이슈를 선택해야 한다는 점에서 쉽게 나오지 않았다. 아마 몇 주만에 끝나지는 않겠지만 아이디어를 고민하고 결정하는 과정에서 좋은 창작물이 나올 것이라 생각한다. 공감수 0 댓글수 0 2022. 2. 17.
[2022_동계_모각코] 4회차(01/28) 오늘의 목표 생활코딩 DATABASE2 - MySQL 강의 듣기 프로그래머스 LV 1 2문제 이상 해결하기 생활코딩 DATABASE2 1. 데이터베이스의 정의 1.1. 데이터베이스의 등장 배경 과거에는 파일 시스템을 이용하여 데이터를 관리하였다. 하지만 하나의 응용 프로그램에서 데이터를 관리하기 위해서는 독립적인 데이터 파일을 가져야했다. 또한, 데이터 수정 시, 모든 응용프로그램의 데이터 파일을 일일히 수정해줘야하는 번거로움이 발생했다. 이런 파일 시스템은 종속성, 중복성, 데이터 무결성의 문제점을 가져왔다. 이러한 문제를 해결하기 위해 데이터베이스 시스템이 등장하였다. 1.2. 데이터베이스의 정의 통합 데이터 (Integrated Data) : 효율성을 위해 중복이 최소화된 데이터 저장 데이터 (St.. 공감수 0 댓글수 0 2022. 2. 16.
[2021_동계_모각코] 06주차(02/03) 2021, 02. 03 (수) 자료구조와 함께 배우는 알고리즘 입문 C언어편_11장 해시 딥러닝 텐서플로 응용해보기 회고록 마지막까지 모각코를 통해 공부할 수 있어서 뜻깊었다. 특히, C언어는 고등학교 3학년 이후 학교에서는 따로 접할 일이 없었는데 학기 시작 전 복습하며 기억을 떠올릴 수 있어서 좋았다. 생활코딩 유튜브를 통해 딥러닝을 배우고 텐서플로를 어떤 식으로 활용하는지 알 수 있어서 앞으로 원하는 분야를 코드화 시키도록 도전해 보아야겠다는 생각을 할 수 있었다. 초반에는 자바를 복습하면서 1년 내내 강의에서 배운 것을 새롭게 익히고 미처 몰랐던 부분을 알 수 있어서 유익했고 앞으로도 꾸준히 코딩 공부를 하고자 하는 마음이 강하게 들었다. 공감수 0 댓글수 0 2021. 2. 9.
[2021_동계_모각코] 04주차(01/27) 04주차 목표 1. 아이리스 품종을 분류하는 딥러닝 모델 2. 히든레이어를 추가한 멀티레이어 인공신경망 모델 3. 생활코딩 HTML 강의 듣기 아이리스 품종을 분류하는 딥러닝 모델 ########################### # 라이브러리 사용 import tensorflow as tf import pandas as pd ########################### # 1.과거의 데이터를 준비합니다. 파일경로 = 'https://raw.githubusercontent.com/blackdew/tensorflow1/master/csv/iris.csv' 아이리스 = pd.read_csv(파일경로) 아이리스.head() # 원핫인코딩 아이리스 = pd.get_dummies(아이리스) # 종속변수, 독.. 공감수 0 댓글수 0 2021. 1. 27.
[2021_동계_모각코] 03주차 (01/13) 03주차 목표 (01/13) 자료구조와 함께 배우는 알고리즘 입문 C언어편_7장 집합, 8장 문자열 검색 머신러닝 야학 텐서플로 강의 듣기 회고록 Tensorflow의 존재와 역할에 대해서만 어렴풋이 알고 있었는데, 전문가의 강의를 들으며 딥러닝을 더욱 쉽게 이해할 수 있었다. 이러한 플랫폼의 제공으로 기계학습에 대한 접근성이 더욱 낮아진다는 점에서 기술의 확장과 공유가 얼마나 중요한지 느낄 수 있었다. C언어로 자료구조 학습을 조금씩 공부하고 있는데 곧 배울 자료구조 수업을 위해서도 꾸준히 해야 할 필요를 느낀다. 모각코가 아니었으면 방학 때 계획만 세우고 실행으로 옮기기까지 어려웠을텐데, 정기적으로 스터디에 참여할 수 있어서 뜻깊다. 또한 새로운 실습을 배우면서 관심 분야인 딥러닝에 대한 전문 지식을.. 공감수 0 댓글수 0 2021. 1. 20.
[2021_동계_모각코] 02주차(01/06) 02주차(01/06) 목표 자료구조와 함께 배우는 알고리즘 입문 C언어편_6장 정렬 생활코딩 머신러닝야학 텐서플로우 강좌 수강하기 #include #include #define swap(type, x, y) do { type t = x; x = y; y = t; } while(0) void bubblesort(int a[], int n) { for (int i = 0; i i; j--) if (a[i - j] > a[j]) swap(int, a[j - 1], a[j]); } } int main(void) { int i, nx; int* x; puts("버블 정렬"); printf("요소 개수 : "); scanf("%d", &nx);.. 공감수 0 댓글수 0 2021. 1. 6.
[2021_동계_모각코] 01주차(12/30) 01주차(12/30) 목표 자료구조와 함께 배우는 알고리즘 입문 C언어편_5장 재귀 알고리즘 Power JAVA_CH07 클래스와 객체 > 자료구조와 함께 배우는 알고리즘 입문 C언어편_5장 재귀 알고리즘 재귀란 어떤 사건이 자기 자신을 포함하고 나서 다시 자기 자신을 사용하여 정의될 때 재귀적(recursive)이라고 한다. 순차곱셈 구하기 1. 0! = 1 2. n > 0 이면 n! = n x (n -1)! #include int factorial(int n) { if (n > 0) { return n * factorial(n - 1); } else return 1; } int main(void) { int x; printf("정수를 입력하세요 : "); scanf_s("%d", &x); printf.. 공감수 0 댓글수 0 2020. 12. 30.
[2021_ 동계_모각코] 목표 및 활동계획 목표 -JAVA 활용 능력 향상 -C언어 활용 능력 향상 활동계획 2020. 12. 30 (수) | 공대5호관 1:20~4:20 자료구조와 함께 배우는 알고리즘 입문 C언어편_5장 재귀 알고리즘 Power JAVA_CH07 클래스와 객체 2021. 01. 06 (수) | 공대5호관 1:20~4:20 자료구조와 함께 배우는 알고리즘 입문 C언어편_6장 정렬 Power JAVA_CH08 필드와 메소드 2021. 01. 13 (수) | 공대5호관 1:20~4:20 자료구조와 함께 배우는 알고리즘 입문 C언어편_7장 집합, 8장 문자열 검색 Power JAVA_CH09 생성자와 접근 제어 2021. 01. 20 (수) | 공대5호관 1:20~4:20 자료구조와 함께 배우는 알고리즘 입문 C언어편_9장 리스트 P.. 공감수 0 댓글수 0 2020. 12. 19.
[2020_하계_모각코] 08주차(08/04) 오늘의 목표 : 03장 학습 + BOJ 파이썬으로 1문제 해결하기 03장 학습 검색 알고리즘 1. 선형 검색 : 무작위로 늘어놓은 데이터 모임에서 검색을 수행한다. #include #include int search(const int a[], int n, int key) { int i = 0 ; while(1) { if (i == n) return -1; if (a[i] == key) return i; i++; } } int main(void) { int i, nx, ky, idx ; int *x; puts("선형 검색"); printf("요소 개수 : "); scanf("%d", &nx); x = calloc(nx, sizeof(int)); for(i=0; i 공감수 0 댓글수 2 2020. 8. 6.
[2020_하계_모각코] 07주차(07/28) 오늘의 목표 : 01~02장 학습 + BOJ 파이썬으로 1문제 해결하기 01 기본 알고리즘 알고리즘 : 문제를 해결하기 위한 것을, 명확하게 정의되고 순서가 있는 유한 개의 규칙으로 이루어진 집합 연산자와 피연산자 순서도(flowchart) 관계 연산자와 등가 연산자 매개변수 : 함수를 정의할 때 함수에 전달되는 값을 저장하기 위해 변수를 선언하는데, 이를 매개변수 또는 형식매개변수라 한다. 함수는 return문에서 처리한 결과값을 원래 호출한 곳으로 반환한다. max3 함수의 반환값은 int형이고, 함수의 끝부분에서 변수 max값을 반환한다. 예를 들어, max(3, 2, 1)을 호출하면 함수호출식 max(3, 2, 1)을 평가한 값은 int형 3이 된다. 다만 반환값의 자료형이 void인 함수는 값을.. 공감수 0 댓글수 0 2020. 7. 29.
[2020_하계_모각코] 06주차(07/16) 오늘의 목표 : 1~4 수강 및 실습+ BOJ 파이썬으로 1문제 이상 풀기 1~4 수강 및 실습 Multi-dimension Scaling : MDS -분석하고자 하는 대상을 복잡한 다차원적인 관계를 통해 단순 구조로 나타내는 다차원 척도 분석 -대상들 간의 유사성이 큰 대상들은 가깝게, 유사성이 작은 대상들은 상대적으로 거리가 멀다. -응답자들의 지각 속에서 평가대상이 어떤 위치에 자리하고 있는지 평가 군집 분석(Cluster) -군집분석은 종속변수가 존재하지 않으며, 변수(개체)들의 특징을 대표하는 몇 개의 변수들을 기준으로 몇 개의 그룹으로 세분화하는 방법 -각 군집에 대한 사전지식 없이 분류하는 것으로서, 무 감독 학습 -마케팅에서는 제품에 대한 태도, 의견 등의 설문자료 혹은 브랜드를 그룹핑하는.. 공감수 0 댓글수 0 2020. 7. 16.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.