SYDev

간단한 구조의 정렬 알고리즘인 버블 정렬, 선택 정렬, 삽입 정렬에 대해 이해하고 코드로 구현해보자. 버블 정렬 이해와 구현 버블 정렬(Bubble Sort): 인접한 두 개의 데이터를 비교해가며 정렬을 진행하는 알고리즘이다. #include void BubbleSort(int arr[], int n) { int i, j; int temp; for(i=0; i

2023.08.30~2023.09.06 사이의 짧은 기간에 준비한 토이 프로젝트 summary >> 홈플러스 테마로 ppt 만들면 어떠냐는 말 한 마디 했는데 조원이 완벽하게 만들어줘서 굉장히 감동적이었다.. 프로젝트 진행하면서 개인적으로 아쉬웠던 점은, 모델링 파트를 맡아서 전처리 과정에 심화적으로 참여하지 못한 것이 아쉬웠다. 또한, 첫 프로젝트라서 주도적으로 내가 뭘 하기에 힘들었고 따라가는 것으로 만족해야 했다는 점이 아쉽게 느껴졌다! 물론, 세라프에 연결해서 직접 모델 학습을 진행하고 팀원들과 아이디어를 공유하면서 발표 준비하는 과정은 재밌었고, 앞으로 더 자주, 많이 프로젝트 경험을 쌓아보고 싶다 생각하게 됐다 :)

4th UMC DEMODAY -> https://www.makeus.in/umc + 앱개발은 처음 접해봤는데, 신선한 아이디어도 몇몇 있었 나름 재밌었다. 나중에 앱개발 공부도 따로 해보게 될지도..??!

자료구조 큐에 우선순위를 적용한 우선순위 큐를 이해하고, 힙을 이용해 우선순위 큐를 구현해보자. 우선순위 큐 우선순위 큐(Priority Queue): 들어간 순서에 상관없이 우선순위가 높은 데이터가 먼저 나오는 규칙이 적용된 큐를 의미한다. 우선순위 큐의 구현 방법 배열 기반으로 구현하는 방법 연결 리스트를 기반으로 구현하는 방법 힙(heap)을 이용하는 방법 >> 배열과 연결리스트를 기반으로 하는 방법은 우선순위를 비교할 때, 모든 노드를 대상으로 비교를 진행하기 때문에, 노드의 수가 많아질수록 성능이 저하된다. 따라서, 일반적으로 우선순위 큐는 힙을 이용하여 구현한다. 힙 힙(heap): 완전 이진 트리의 일종으로, 우선순위 큐의 구현을 위해 만들어진 자료구조이다. 자식 노드와 부모 노드의 관계가 ..

5주차 세션 발제 내용중에 이해가 안 됐거나, 따로 정리하고 싶었던 내용들을 정리해봤다. PCA가 진행된 이미지를 출력하는 것에 무슨 의미가 있는가? ->> 분산이 클수록 이전 이미지의 형태를 더 잘 표현한다!! 설명된 분산 그냥 PCA가 진행된 샘플들의 분산을 의미!

차원 축소에 대해 이해하고 대표적인 차원 축소 알고리즘 중 하나인 PCA 모델을 만들어보자. 차원 축소 차원 축소(Dimensionality Reduction): 저차원 표현이 고차원 원본 데이터의 의미 있는 특성을 이상적으로 원래의 차원에 가깝게 유지할 수 있도록 고차원 공간에서 저차원 공간으로 데이터를 변환하는 것을 의미한다. 다시 말해서, 차원 축소를 하면 고차원에서 저차원으로 변환되는 과정에서 정보 손실(information loss)이 발생하는데, 이런 정보 손실을 최소화하면서 저차원으로 변환해야 한다. 차원 축소의 필요성 1. 차원의 저주 머신러닝에서 차원이 증가할수록 데이터 공간의 부피가 기하급수적으로 증가하기 때문 데이터의 밀도가 낮아지고, 데이터 간의 거리가 증가한다. 이러한 데이터를 이..

비지도 학습과 군집 알고리즘을 이해하고, 이를 이용하여 과일 사진 분류 알고리즘을 구현해보자. 비지도 학습 비지도 학습(unsupervised learning): 데이터가 어떻게 구성되어있는지 파악할 때 사용하는 기계 학습 문제이다. 지도 학습과 달리 label이 주어지지 않는다. 비지도 학습을 이용한 사진 분류 알고리즘 구현 !wget https://bit.ly/fruits_300_data -O fruits_300.npy #리눅스 명령어로 데이터 저장 import numpy as np import matplotlib.pyplot as plt fruits = np.load('fruits_300.npy') print(fruits.shape) print(fruits[0, 0, :]) (300, 100, 10..

4주차 세션 발제 내용중에 이해가 안 됐거나, 따로 정리하고 싶었던 내용들을 정리해봤다. Histogram-based Gradient Boosting 사실 세션 전까지 히스토그램 기반 그래디언트 부스팅이 뭔지 잘 이해가 안 됐었다. 지금도 이해가 된 것은 아니지만 나름 이해한 내용을 바탕으로 대충 정리해봤다. 1. 입력 데이터(연속적인 수치 데이터)를 작은 구간(bin)으로 256개 분할하여 범주화한다. 2. 결정 트리를 구축하면서 노드 분할을 수행할 때, 히스토그램 정보를 사용한다. 3. 경사 하강법을 적용할 때, 히스토그램 정보를 활용해 오차를 최소화한다. + 256개의 bin 중 하나의 bin은누락된 값을 위해 사용한다. -> 이게 무슨 뜻? -> 255개와 개별적으로 결측치를 가지는 빈 구간을 만..