전체 글

전체 글

    [회고] 2022-2023 동계 인턴을 마무리하며

    [회고] 2022-2023 동계 인턴을 마무리하며

    [회고] 2022-2023 동계 인턴을 마무리하며 # 정보 인스피언 서비스 사업부 기간 : 2022.12.22 - 2023.02.20 업무 : 기업과제 수행 # 인턴을 지원하게 된 계기 3학년까지 마치면서 여러가지 생각이 들었다. 나의 개발 연대기(거창해보이지만 볼품없는)를 잠깐 정리해보면, 아래와 같다. 리액트 -> 프로트앤드 장고 -> 백엔드 안드로이드 네이티브 -> 프론트(클라이언트) 이렇게 웹 프론트앤드와 백앤드, 앱 클라이언트를 엄청난 수준은 아니지만 프로젝트를 하나씩은 만들어보면서 경험을 해보았었다. 개발을 해보면서 내가 백엔드에 흥미가 있다는 사실을 알게 됐고, 객체지향언어에 대한 흥미를 가지고 있음을 깨닫게 되었다. 안드로이드를 개발하기 위해서는 자바 또는 코틀린으로 개발을 해야했다. 안드..

    [객체지향의 사실과 오해#1] 소프트웨어의 세계에서 객체를 바라보는 새로운 시각

    [객체지향의 사실과 오해#1] 소프트웨어의 세계에서 객체를 바라보는 새로운 시각

    # 읽은 목차 01 협력하는 객체들의 공동체 02 이상한 나라의 객체 # 시작하며 객체지향에 흥미를 가지게 되면서, 객체지향을 꽤 공부해봤지만 정작 내가 배웠던 원리 원칙들이 실제 개발에서는 전혀 보이지 않았다. 내가 객체지향을 잘 못 이해하고 있는 것일까? 아니면 개발단계에서 적용되는 객체지향적인 사고는 어떤 것일까 궁금해서 읽기 시작했다. 실제세계의 객체와 소프트웨어 세계에서의 객체의 개념은 사뭇 달라보인다. "02 이상한 나라의 객체"챕터까지 읽은 지금 내용들을 잊지 않기 위해서 조금 정리해보려고 한다. # 01 협력하는 객체들의 공동체 객체지향의 목표는 실세계를 모방하는 것이 아니다. 오히려 새로운 세계를 창조하는 것이다. 시작하며에서 적었던거와 같이, 책에서는 실제 애플리케이션 개발단계에서 객체..

    [알고리즘] BFS를 이용하여 최단거리를 출력해야할때 with predecesso(프로시져)

    [알고리즘] BFS를 이용하여 최단거리를 출력해야할때 with predecesso(프로시져)

    # 발단 9019번: DSLR 네 개의 명령어 D, S, L, R 을 이용하는 간단한 계산기가 있다. 이 계산기에는 레지스터가 하나 있는데, 이 레지스터에는 0 이상 10,000 미만의 십진수를 저장할 수 있다. 각 명령어는 이 레지스터에 www.acmicpc.net BFS문제는 간선에 가중치가 없는 경우 그래프적으로 해석하면 최단거리를 구할 수 있다. 왜냐하면 노드의 방문을 큐로 관리하기 때문에 넓이우선탐색을 하고 이 넓이는 하나의 turn이 될 수 있다. 그 turn에서 목표지점을 발견했다면 그것이 최단거리이다. 몇몇 BFS문제를 풀었을때, 이러한 최단거리까지 총 몇번의 거쳐서 가는가를 구하는 응용 문제들( ex. 며칠이 걸리나? like 토마토 )은 프로시져를 활용하여 풀었다. 즉 큐에 방문할 당시..

    [알고리즘] queue 보다는 deque를 사용하자

    [알고리즘] queue 보다는 deque를 사용하자

    # 발단 7569번: 토마토 첫 줄에는 상자의 크기를 나타내는 두 정수 M,N과 쌓아올려지는 상자의 수를 나타내는 H가 주어진다. M은 상자의 가로 칸의 수, N은 상자의 세로 칸의 수를 나타낸다. 단, 2 ≤ M ≤ 100, 2 ≤ N ≤ 100, www.acmicpc.net [백준7569] 토마토라는 문제를 풀었다. BFS를 이용하여 탐색과 동시에 가장 빠르게 탐색을 완료하는 시점(단계)를 구하는 문제였다. 3차원이 주어진다는 것 외에는 그렇게 특별한 문제가 아니였기에, 매번 풀던방법과 같이 queue(큐)를 사용하여 문제를 풀었다. DFS는 스택, BFS는 큐를 사용하는 것이 나에게 있어서는 정석과도 같은 방법이었기 때문이다. 그런데 시간초과가 발생했다. 파이썬은 그럴 수 있기에 PyPy로 제출해봤..

    [인공지능#14/11-23] 경사하강법, 규제

    [인공지능#14/11-23] 경사하강법, 규제

    [인공지능#13/11-21] 성능향상 기법 - 정규화, 배치 정규화, 가중치 초기화, 활성함수, one-hot-encoding [인공지능#12/11-16] 목적함수의 알맞은 쓰임, 데이터 전처리 [인공지능#11/11-14] CNN - LeNet, AlexNet, VGCNet, GoogLeNet, ResNet, 심층학습 [인공지능#10/11-07] CNN의 구조 및 특징, 패딩, 보폭(Stride), Pooling [인공지 devforyou.tistory.com 본 포스팅은 2022-11-23(수), 국민대학교 이재구 교수님의 인공지능 수업을 통해 배운내용을 정리하기 위해 작성하는 게시글입니다. # 확률적 경사 하강법 변형 경사 하강법으로 학습을 진행하면 두가지의 문제점이 생긴다. Local Minima(..