🌱 𝐣𝐣𝐢𝐧𝐠𝐥𝐞 𝐝𝐞𝐕𝐥𝐨𝐠

알고리즘 복잡도 ? 하나의 문제를 푸는 알고리즘은 다양할 수 있음 => 어느 알고리즘이 더 좋은지를 분석하기 위해, 복잡도 계산 필요 시간 복잡도 : 알고리즘 실행 속도 (반복문이 수행시간 지배) 공간 복잡도 : 알고리즘이 사용하는 메모리 사이즈 알고리즘 성능 표기법 Big O (빅-오) 표기법 : O(N) 알고리즘 최악의 실행 시간을 표기 가장 많이/일반적으로 사용함 아무리 최악의 상황이라도, 이정도의 성능은 보장한다는 의미 O(입력) : 입력n에 따라 결정되는 시간 복잡도 함수 -> n의 크기에 따라 기하급수적으로 시간 복잡도 늘어날 수 있음 Ω (오메가) 표기법 : Ω(N) 알고리즘 최상의 실행 시간을 표기 Θ (세타) 표기법 : Θ(N) 알고리즘 평균 실행 시간을 표기

링크드 리스트 (Linked List) ? 연결 리스트 배열은 순차적으로 연결된 공간에 데이터를 나열하는 데이터 구조 떨어진 곳에 존재하는 데이터를 화살표로 연결해서 관리하는 데이터 구조 C에서는 주요한 데이터 구조지만, Python은 리스트 타입이 링크드 리스트의 기능을 모두 지원 기본 구조 노드(Node) : 데이터 저장 단위(데이터값, 포인터)로 구성 포인터(Pointer) : 각 노드 안에서, 다음이나 이전의 연결 정보를 가지고 있는 공간 장점 (C언어 입장에서) 미리 데이터 공간을 미리 할당하지 않아도 됨 (배열은 할당 필요) 단점 (C언어 입장에서) 연결을 위한 별도 데이터 공간이 필요하므로, 저장공간 효율이 높지 않음 연결 정보를 찾는 시간이 필요하므로 접근 속도가 느림 중간 데이터 삭제 시..

1. 배열 (Array) 같은 종류의 데이터를 효율적으로 관리하기 위해 사용 같은 종류의 데이터를 순차적으로 저장 장점 : 빠른 접근 가능 단점 : 데이터의 추가/ 삭제의 어려움 FIFO(First-In, First-Out) 활용 : 멀티 태스킹을 위한 프로세스 스케쥴링 방식 구현에 사용 Enqueue : 큐에 데이터를 넣는 기능 / Dequeue : 큐에서 데이터를 꺼내는 기능 Queue() : 가장 일반적인 큐 / FIFO import queue data = queue.Queue() data = put("apple") data = put(3) data.qsize() #2 data.get() #인덱스를 입력하지 않음(FIFO) => 'apple' data.qsize() #3 data.get() #1 L..

자료구조 ? 자료구조 , 데이터 구조, data structure 대량의 데이터를 효율적으로 관리할 수 있는 데이터의 구조를 의미 코드 상에서 효율적으로 데이터를 처리하기 위해, 데이터 특성에 따라, 체계적으로 데이터를 구조화 => 어떤 데이터 구조를 사용하느냐에 따라, 코드 효율이 달라짐 알고리즘 ? 알고리즘, algorithm 어떤 문제를 풀기 위한 절차/방법 어떤 문제에 대해 특정한 '입력'을 넣으면, 원하는 '출력'을 얻을 수 있도록 만드는 프로그래밍

DevOps ? - 소통, 협업, 통합 및 자동화를 강조하는 소프트웨어 개발 방법론 - 개발과 운영이 상호의존적으로 대응해야 한다는 의미 - 개발과 운영 사이의 역할 AWS 클라우드 서버 구축 서비스 전통적 IDC(International Data Corporation) 점차 클라우드 서비스 중요도 증대 장점 탄력적인 웹 규모 컴퓨팅 다양한 Command(API) 제공 유연한 클라우드 호스팅 서비스 통합 안정성 보안 단점 베어 메탈 성능을 원할 때 웹 페이지가 몇개 뿐일 때 솔루션 > 플랫폼 적합 가격 AWS 의 종류 Server Storage DataBase Management Analysis EC2(Elastic Compute Cloud) Lambda VPC(Virtual Private Cloud) ..

준지도학습 (Semi-supervised learning) 머신러닝의 한 종류로 지도학습과 비지도학습의 두 가지를 조합하는 방법 두 방법 중 하나를 이용하여 다른 하나의 성능을 향상시키는 것을 목적으로 함 ex) 분류 : unlabled 데이터를 활용하여 분류 성능 향상 ex) 클러스터링 : 클래스 정보로부터 얻은 정보를 바탕으로 클러스터링 성능 향상 Semi-supervised learning은 분류 문제에 적용되는 경우가 많음 Classifier를 생성하기 위한 labeled 데이터가 충분하지 않은 경우 Labeled 데이터를 얻기 위한 비용이 크거나 어려운 경우 준지도학습 가정사항 Smoothness 가정 두 값 x, x1 이 input space에서 가깝게 있으면 해당하는 y,y1는 같은 labe..

Autoencoder 의 구조 Input과 output의 값이 같아지도록 학습하는 뉴럴네트워크 Autoencoder 의 유용성과 학습방법 output을 input과 완전히 동일하게 복원하는 뉴럴네트워크는 유용하지 않음 => 오히려 완전히 동일하게 복원되지 않도록 학습시키는 것이 중요함 Autoencoder에 제한조건을 두어 input에 근사하게 복원되도록 학습시킴 이를통해, autoencoder가 데이터의 중요한 속성(property)만 학습하도록 함 전통적으로는 autoencoder를 dimension reduction을 위해 사용 압축된 code는 데이터를 저차원에서 표현한 벡터 PCA의 차원 축소와 유사하나 비선형성을 반영할 수 있어 더 유용할 수 있음 Multilayer Neural Network..

클러스터링 (Clustering) 서브그룹(subgroup)이나 클러스터(cluster)로 불리는 비슷한 특성을 가진 그룹을 찾는 일반적인 방법 서로 비슷한(가까운) 데이터들이 같은 그룹(클러스터)에 포함되도록 학습 데이터가 비슷하다 또는 다르다 라는 기준과 개념을 명확히 해야함 이 기준은 애플리케이션과 데이터에 따라 달라짐 Market segmetation 예제 데이터 : 많은 사람에 대한 가계소득, 직업, 최근거리 도시 등의 정보 목표 : 특정한 광고형태 또는 특정상품의 구매에 더 민감한 고객 그룹을 식별해내는 것 클러스터링 방법 K-means clustering : 클러스터의 중심(centroid)을 기준으로 계산하여, 데이터에서 미리 정해진 수만큼의 클러스터를 찾는 방법 Hierarchical c..

지도 학습 Y(output)가 존재 : dependent variable, response, target, label X(input)가 존재 : independent variable, predictor, feature Regression(회귀) 문제에서는 Y는 연속 값 : 제품 판매량, 야구선수의 연봉 등 Classification(분류) 문제에서는 Y는 단속적인 값 : spam/email, 붓꽃 종류 등 N개의 training data로 학습 기본사항 본적이 없는(학습에 사용하지 않았던) test data의 output을 정확히 예측(prediction) 어떤 input이 output에 어떻게 영향을 미쳤는지 이해하고 분석(inference) 모델을 평가해보고 반복과정을 거쳐 성능을 향상시킴 비지도 학..

비지도 학습(Unsupervised Learning) ? 정답 데이터셋이 없는 데이터를 기반으로 시스템이 스스로 학습할 수 있도록 하는 방법 주로 데이터들의 특징을 기반으로 군집화를 수행 데이터의 차원이 높을수록 데이터에 더 많은 노이즈가 발생하여 군집화에 어려움을 겪음(차원의 저주) k-평균 알고리즘 (k-means) 사전에 정한 k개의 군집으로 주어진 데이터를 분류하는 방법 비지도 학습의 일종으로 레이블이 달려 있지 않은 입력 데이터에 레이블을 달아주는 역할을 수행 각 데이터를 주어진 중심점(Centroid)을 기준으로 가장 가까운 군집에 할당 군집이 형성되면 새롭게 형성된 군집의 중심점(Centroid)을 기준으로 다시 데이터와 중심점 사이의 거리를 측정하여 새로운 군집을 형성 한계 : 구 모양의 ..