일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | |
7 | 8 | 9 | 10 | 11 | 12 | 13 |
14 | 15 | 16 | 17 | 18 | 19 | 20 |
21 | 22 | 23 | 24 | 25 | 26 | 27 |
28 | 29 | 30 | 31 |
- 유데미코리아
- 유데미부트캠프
- 추천시스템
- 알고리즘
- AWS builders
- 서비스기획부트캠프
- SQL
- BERT
- 특성중요도
- 사이드프로젝트
- MatchSum
- sql정리
- 취업부트캠프 5기
- 데이터도서
- 스타터스부트캠프
- pytorch
- NLU
- 취업부트캠프
- 딥러닝
- 그로스해킹
- 토스
- 임베딩
- 유데미큐레이션
- 부트캠프후기
- SLASH22
- AARRR
- 서비스기획
- 스타터스
- 그래프
- NLP
- Today
- Total
목록분류 전체보기 (154)
다시 이음
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/b6b1MH/btrDyEFXzr3/nEwAWT0ojlktizmHfHFz7K/img.png)
본 내용은 http://www.kocw.net/ 에서 확률 및 통계 / 한양대학교 / 이상화 교수 의 온라인 강의를 시청 후 간단한 정리입니다. 조건부 확률 조건부 확률이란? A조건의 사건이 일어났을 때, B조건의 사건이 일어날 확률 입니다. 총확률 임의의 A 집합들이 S라는 집합에 속해있다고 할때, 하나의 A의 총확률을 구하려면 각각 A와 A1,A2...집합의 교집합을 모두 더해서 확인 할 수 있다. 베이즈 정리 베이즈 정리는 두 확률변수의 사전확률과 사후확률 사이의 관계를 나타내는 정리입니다. 베이즈 정리는 조건부 확률식을 통해서 확인할 수 있습니다. 독립 사건 A사건과 B사건이 연관이 없음을 나타냅니다. B사건이 일어난 후에 A사건이 일어나더라도 각자 사건이 일어날 확률에 영향을 미치지 않습니다.
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/2CmJe/btrBTsG01Cs/2gHVmzqmDSZNjDc6K1ccJk/img.jpg)
안녕하세요. 5월 28일에 치뤄지는 SQLD 자격증 시험을 신청하고나서 급하게 어떤 기본서를 읽고 공부를 해야하나 하다가 해당 책을 추천받아 읽어보았습니다. 내용는 SQLD 준비 카테고리에 간략하게 정리했습니다.(관심이 있으시면 읽어보세요) 그리하여 네번째 도서는 이것이 MySQL이다(개정판) / 출판사 : 한빛미디어 / 우재남 지음 입니다. 난이도 : ★★☆☆☆ 주요 내용 : SQL 기초, 기본, 고급에 나누어 설명해주고 있지만 결국에는 MySQL에 집중하고 있습니다. MySQL 실습 내용을 다루고 있기 때문에 실습하기에 좋은 것 같습니다. 느낀점 SQLD 시험을 준비하면서 인터넷에 떠돌아 다니는 간략 요점정리들을 보기 전에 전체적으로 기본서를 통해서 얇고 넓게라도 한번 보고 가야 하는 개인적인 특징때..
안녕하세요. 오늘은 데이터베이스 성능을 위해 중요한 역할을 하는 인덱스와 프로그래밍 언어와 같은 기능을 하는 스토어드 프로그램에 대해서 알아보겠습니다. 인덱스 기존에 만들어본 테이블의 경우 무엇인가를 찾을때 효율적이진 않습니다. 그런 찾아보기를 효율적으로 하기 위해 인덱스를 만드는 것입니다. 장점 - 검색 속도가 빨라질 수 있다. - 쿼리의 부하가 줄어들어 성능향상 단점 - 인덱스가 데이터베이스 공간을 차지. (데이터베이스의 10%만큼 더 필요) - 인덱스 생성에 시간 소요 인덱스의 종류 클러스터형 인덱스 : 사전과 같이 내용 자체가 순서대로 정렬되어 있는 것 보조 인덱스(비클러스터형 인덱스) : 찾아보기 기능과 같이 기능이 따로 설정되어 있는 것 자동으로 설정되는 인덱스 - PRIMARY KEY를 설정..
안녕하세요. 코딩테스트에서 사용하는 알고리즘에 대해서 하나하나 알아보려고 합니다. 그리디 알고리즘 유형의 문제는 다양하기 때문에 암기보다는 많이 문제를 풀어보면서 훈련을 해야합니다. 그리디 알고리즘이란? 그리디 알고리즘은 단순하지만 강력한 문제 해결 방법입니다. '매 순간 가장 좋아보이는 것을 선택'하는 알고리즘 입니다. 예제1. 동전 거스름돈 문제 - 가장 큰 화폐의 단위부터 돈을 거슬러주는 것이 포인트 그리디 알고리즘의 정당성 그리디 알고리즘을 사용할 때에는 그 해법이 정당한지 확인해야합니다. 큰 수의 법칙 다양한 수로 이루어진 배열이 있을때, 주어진 수들을 M번 더하여 가장 큰 수를 만드는 법칙. 단, 배열의 특정한 인덱스에 해당하는 수가 연속해서 K번 초과하여 더해질 수 없다. 해설 포인트 🔥 -..
MySQL 고급 테이블과 뷰 1. 테이블 - 기본키 제약 조건 CREATE TABLE usertbl userID CHAR(8) NOT NULL, name VARCHAR NOT NULL, birthday INT NOT NULL; #기본키 제약조건 추가 ALTER TABLE usertbl ADD CONSTRAINT PK_usertbl_userID PRIMARY KEY (userID) - 외래키 제약 조건 CREATE TABLE usertbl userID CHAR(8) NOT NULL PRIMARY KEY, name VARCHAR NOT NULL, birthday INT NOT NULL; #외래키 설정 CREATE TABLE buytbl num INT AUTO_INCREMENT NOT NULL PRIMARY ..
SQL 데이터 형식 1. 데이터 형식 - 숫자 데이터 형식 SMALLINT, INT, BIGINT FLOAT : 소수점 7자리까지 DECIMAL : 전체자릿수(m) + 소수점 이하 자릿수(d) = decimal(m,d) - 문자 데이터 형식 CHAR(n) : 고정길이 문자형. 1부터 255까지 지정 CHAR(100)에 ABC 3글자만 저장하면 100자리를 모두 확보하고 97자리는 낭비. VARCHAR(n) : 가변길이 문자형. 1 ~ 65535까지 지정 ABC 3글자만 저장하면 3자리만 사용. LONGTEXT : 최대 4GB크기의 TEXT 데이터값 대용량의 글자를 저장하기 위한 형식. LONGBLOB : 최대 4GB크기의 BLOB 데이터값 BLOB(Binary Large OBject) 사진, 동영상, 문..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/dIC9qK/btrAYlBRdhK/RAEmpuamwcKDS216mPa8DK/img.jpg)
안녕하세요. 이번에는 취업시기와 맞물려서 간단하게나마 취업관련 지식을 얻고자 읽어본 도서에 대해서 리뷰하려고 합니다. 세번째 도서는 구글러가 전하는 IT 취업가이드 / 출판사 : 인사이트 / 게일 맥도웰 지음 입니다. 난이도 : 없음 주요 내용 : 이전에 참가하던 부트캠프에서 취준할 때 읽으면 좋다고 추천받은 책입니다. 출판된 지 꽤나 된 책이기 때문에 전체적으로 간단하게 읽기 좋은 편인 것 같습니다. 직무전환이나 처음 IT관련직으로 취준할 때 전체적인 정보를 얻기 위해 가볍게 읽기 좋은 것 같습니다. ( 빠르고 간단하게 읽기 ) 목차는 크게 이력서, 커버레터, 면접 준비와 같이 나누어져 서술되어 있습니다. 정리 - 자기객관화 나는 과연 대기업에 입사하고 싶은지 스타트업에서 일하고 싶은지 돈, 성취감 중..
안녕하세요. SQLD 자격증을 준비하면서 정리할 내용들을 정리하려고 합니다. MySQL 도서를 읽으면서 정리할 내용을 주로 기록할 것입니다. PART1 DBMS는 데이터 베이스를 관리하는 역할을 하는 소프트웨어를 지칭합니다. (1)데이터베이스의 특징 - 데이터의 무결성 : 데이터에 오류가 있으면 안됩니다. -데이터의 독립성 : 변화되는 내용이 있더라도 기존에 작성된 응용프로그램에는 영향을 끼치면 안됩니다. -보안 : 접근이 허가된 사용자만 접근이 가능해야합니다. -데이터 중복의 최소화 (2) 요구사항 분석과 시스템 설계 그리고 모델링 - 정보 시스템 구축 절차 분석,설계, 구현, 시험, 유지보수 5가지 단계를 거칩니다. - 데이터베이스 모델링과 필수 용어 데이터 : 하나하나의 단편적인 정보 테이블 : 데..
안녕하세요. 오늘은 NLP 모델에서 Transformer와 BERT 모델을 기반으로 하는 모델을 알아보려고 합니다. Auto regressive 오리지날 트랜스포머 모델의 decoder를 사용하며, 이전 모든 토큰들을에 대해 다음 토큰을 예측하는 방식으로 대해 사전 학습 됩니다. 간단히 설명하면 input값으로 이전 단어를 model에 넣어 나온 output값을 사용함으로 계속하여 다음 단어를 예측합니다. 1. GPT ( Generative Pre-trained Transformer ) - unsupervised pre-training + supervised Fine-tuning을 사용합니다. - Transformer Decoder로만 구성되었습니다. - BERT와 다르게 attention이 bidire..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/b9e5bL/btrvEKtH8jX/DyFIMdrd1kUKyBe7EvEEH1/img.png)
안녕하세요. 오늘은 Embedding 시리즈의 3번째 문맥 임베딩에 대해서 알아보도록 하겠습니다. Contextual embedding model Contextual Embedding은 단어를 저차원 (일반적으로 100~500 차원) 공간에서 표현하는 기법입니다. 단, 기존의 전통적 Word Embedding과는 달리, 같은 단어더라도 문맥에 따라 그 표현방법이 바뀔 수 있는 개념의 Embedding입니다. 전통적인 Pre-trained Word Representation(Word2vec)은 한 단어가 가지고 있는 여러가지의 의미를 표현할 수 없었습니다. Contextualized Word Embedding은 같은 단어라도 문맥에 따라 다른 vector를 만들어 냅니다. 대표적으로 ELMo, Bert, ..