네이버클라우드캠프

프로젝트를 git으로 관리할 때 class파일같은 실행파일까지 올릴 필요는 없습니다. 소스만 관리하고 싶습니다. 또한 협업하는 과정에서 운영체제가 다를 때, 다른 환경에서 작업할 때 .gitignore파일에 git에 올리지 않을 파일을 설정합니다. 하지만 추가해야하는 파일을 일일히 작업하기란 쉬운일이 아니죠. .gitignore를 자동으로 완성해주는 서비스 페이지 입니다. https://www.toptal.com/developers/gitignore gitignore.io Create useful .gitignore files for your project www.toptal.com gitignore.io 접속 해당사이트에 접속하여 작업하는 환경을 적어줍니다. 생성 버튼을 클릭하면 이렇게 gitignor..

JAVA 프로젝트에서 필요한 라이브러리들을 관리해주는 빌드 도구에 대해 정리해봅니다. 빌드 도구를 통해 라이브러리 의존성을 관리하고 테스트를 자동으로 수행할 수 있습니다. JAVA 프로젝트에서 쓰이는 빌드 도구에는 Ant, Maven, Gradle등이 있습니다. 1. Ant 외부라이브러리(의존라이브러리)관리가 불편합니다. build.xml을 통해 스크립트 파일을 작성할 수 있지만 복잡하고 의존성 주입이 원격으로 하기 힘들다고 합니다. 2. Maven ant의 단점을 보완했습니다. 외부라이브러리 관리가 가능합니다. pom.xml을 통해 빌드 스크립트 파일을 작성합니다. (Project Object Model) 하지만 여전히 xml로 관리되고 xml자체가 프로그래밍 언어가 아니기때문에 정교한 통제가 불가하다..

Git은 소프트웨어 형상관리시스템 중 하나이다 SCM : Software Configuration Management Stystem 형상관리 시스템의 하위 개념은 버전관리시스템이라고도 하는데 버전관리 시스템을 이용하면 변경사항을 추적 및 통제할 수 있다. 이런 버전관리 시스템은 중 널리 쓰이는 시스템은 Git이다. Git은 분산형 저장소로 변경사항을 중앙이 아닌 원격에서 저장 가능하다. 사용자의 OS에 깃을 설치하고 해당 폴더에서 git을 초기화 하면 형상 추적관리가 가능해 진다. 저장소 초기화 git으로 형상관리 시작하게 해준다. .git폴더가 생성된다. git init 저장소 복제 - 깃허브 등 원격 저장소에서 가져오기 git clone 복제할 URL 현재 작업중인 위치에서 해당 명령어와 함께 입력하..

model.compile(loss='mse', optimizer='adam') 딥러닝을 최적화 하여 훈련 시킬때에 사용되는 optimizer 알고리즘을 알아봅니다. Optimizer 딥러닝 모델을 학습 시키면서 어떻게 최적값을 찾을까요. 최적화에 사용되는 알고리즘들을 알아 보고 왜 adam 을 자주 사용하는 지 알아봅니다. 1. Gradient Descent (GD) : 기울기의 최솟값을 찾는다 딥러닝 학습을 한다는거 쉽게 생각하면 미분을 계속해서 최적의 가중치와 편향값을 찾아내는것입니다. Gradient Descent는 이런 미분하는 과정에서 함수의 기울기(즉, gradient)를 이용하여 x의 값을 어디로 옮겼을 때 함수가 최소값을 찾는지 알아보는 방법입니다. 이 방법에는 문제점이 있습니다. 1. 극..

1. Train, Test, Validation Data Train Set 모델의 학습만을 위해서 사용 parameter나 feature 등을 수정하여 모델의 성능을 높이는 작업에 사용 Test Set 최종적으로 모델의 성능을 평가 실사용 되었을 때 모델이 얼마나 좋은 성능을 발휘 할 수 있을지 알아본다. Validation Set 모델의 학습에 직접적으로 관여하지 않음 학습이 끝난 모델에 적용 최종적으로 모델을 fine tuning하는 데에 사용 딥러닝이든 머신러닝이든 훈련으로 학습된 모델의 성능을 확인 하려면 test를 해야한다. 테스트 데이터가 주어졌을때 훈련 데이터로 전부 사용하면 안된다. 일반적으로 7:3 혹은 8:2의 비율로 Training data와 Test data를 나눈다. 그 후 완성된..

2023.05.08 - [TIL] - [AI] 딥러닝과 머신러닝, 퍼셉트론 개념 3주 10일차-1 [AI] 딥러닝과 머신러닝, 퍼셉트론 개념 3주 10일차-1 딥러닝 딥러닝 과 머신러닝 그리고 인공지능 중에 가장 넓은 개념은 인공지능이다. 인공지능이 계산, 학습 등 인간의 지적능력을 컴퓨터를 통해 구현하는 기술이라면 머신러닝은 특정 부분을 devmelonlee.tistory.com 이전 글에서는 딥러닝의 개념에 대해 알아보았다. 이번에는 코드로 구현해보자 1. 1차원 에서의 딥러닝 딥러닝은 크게 다음의 4단계를 거친다. 1. 데이터 불러오기 2. 모델 구성 3. 컴파일, 훈련 4. 예측, 평가 1.1 데이터 불러오기 입력 값 x와 결과 값 y 를 불러온다. 1차원 리스트의 형태로 접근 가능하며 1-> 1..

딥러닝과 머신러닝 알고리즘 모두 내가 처음부터 끝까지 생성하고 개발하는것은 아니다. 개발을 하면서 효율적이고 성능좋은 프레임워크와 라이브러리를 골라 쓰는 것처럼 딥러닝에도 다양한 알고리즘이 있고 이를 가져다 쓰기만 하면된다. 해결해야 하는 문제에 알맞은 알고리즘 모델을써야 좋은 성능을 보여줄 수 있다. 딥러닝 프레임워크 대표적인 딥러닝 프레임 워크에는 텐서플로우, 파이토치, 케라스가 있다. 먼저 텐서플로우는 구글에서 개발했으며 다양한 사용 예제를 접할 수 있다. 파이토치는 메타에서 개발했으며 사용예제가 텐서프로우에 비해 적은 편이다. 케라스는 구글에서 개발했으며 텐서플로우를 백엔드로 사용한다. 세 프레임워크에는 각자 다른 특징및 장단점이 있으나 먼저 텐서플로우를 통해 딥러닝을 익혀보자. 딥러닝과 파이썬 ..

딥러닝 딥러닝 과 머신러닝 그리고 인공지능 중에 가장 넓은 개념은 인공지능이다. 인공지능이 계산, 학습 등 인간의 지적능력을 컴퓨터를 통해 구현하는 기술이라면 머신러닝은 특정 부분을 스스로 학습하여 성능을 향상할 수 있다고 볼 수 있다. 그렇다면 머신러닝과 딥러닝의 큰 차이점은 어떤 것일까 딥러닝과 머신러닝의 차이 딥러닝은 머신러닝과 다르게 알고리즘 처리 과정을 인공신경망을 통해 구현한다는점이 큰 차이점 이다. 위 그림의 딥러닝에서 볼 수 있는 그물망 구조는 인간의 신경망을 모방한 인공신경망이다. 딥러닝이 모방한 인공신경망은 어떤 특징을 가지고 있을까? 인공신경망과 퍼셉트론 인간의 뇌 신경전달물질인 뉴런의 구조를 모방하여 만든것이 바로 퍼셉트론이다. 퍼셉트론의 구성요소는 다음과 같다 : 입력값, 가중치,..

1. domain과 hostname domain : 세상 사람들에게 알려진 나의 이름이다 (ex. naver.com) hostname : 네트워크 내부의 컴퓨터 이름이다 (ex. www.naver.com) name server : 작은 서비스, 관리자가 마음대로 설정할 수 있다. 밑줄 친 부분이다(ex. mail.naver.com , cafe.naver.com) DNS : Domain Name Server, 호스트의 도메인주소를 ip(네트워크) 주소로 변경해 주거나, 반대로 호스트 주소를 ip주소로 변경 해줄 수 있다. 여러 서비스들을 같은 도메인으로 실행하기 위해서 같은 서버에서 실행된다면 비효율적일 것이다. 따라서 같은 도메인을 여러 서버에서 사용하기 위해 혹은 같은 서버에서 여러개를 사용하기 위해 ..

1. 네트워크 개념 및 용어 정리 리눅스 뿐만 아니라 네트워크에서 사용되는 주요한 용어들을 정리해 보았습니다. network 망으로 연결된 LAN Local Area Network, 비교적 소규모의(지역) 네트워크 internet LAN과 LAN 과의 통신 protocol 이기종(다른 기종들) 간의 통신을 위한 약속, 규약 tcp/ip protocol 의 한 종류, telnet, ftp, mail등 가장 많이 사용 ip 통신을 하기 위해 각각 컴퓨터에 부여된 주소 gateway 특정 장비는 아님, 데이터를 어디로 전송할지 나타 hub OSI 7계층에서 1계층 물리계층을 지원 switch OSI 7계층에서 2,4 계층을 지원, 같은 네트워크에서 패킷 전송 router OSI 7계층에서 3계층 네트워크 계층..