Breath everything

이것 저것

IT/외부강의

AI와 하드웨어 많은 연산이 필수적인 AI 프로램을 수행하기 위해서는 당연히 알맞은 하드웨어 선택이 필수적이다. 더 들어가기 앞서 기존의 하드웨어 종류와 간단한 콘셉트만 살펴보자. [CPU(Central Processing Unit)] AND, OR, XOR, NAND, NOR, XNOR과 같은 논리회로들을 잘 구성해서 만든 중앙처리장치(모든 처리장치에 비슷하게 해당됨) 다양한 연산을 수행하기 위한 복잡하고 큰 코어를 가짐(GPU와 비교했을 때 코어의 개수가 적음) 각각의 코어의 성능이 더 좋기 때문에 순차적인 작업에 강점을 가짐 [GPU(Graphic Processing Unit)] 단순한 연산을 수행에 특화된 작은 코어를 가짐(CPU와 비교했을 때 코어의 갯수가 많음) 각각의 코어의 성능이 낮지만 많..

2021. 8. 7.

IT/외부강의

1. 인공지능(AI) 분야 AI(Artificial Intelligence): 가장 큰 범주로, 기계에 지능을 주는 모든 범주 ML(Machine Learning): 기계가 자동으로 지능을 가지게 함 / 데이터의 feature를 사람이 먼저 입력해줘야 함 DL(Deep Learning): 기계가 스스로 능동적으로 학습 / 데이터 feature 선정을 인공신경망을 통해 학습 / ML보다 더 많은 양의 데이터 필요 Neural Network: 뇌를 모티브로 생물학적 신경망을 모사 2. 퍼셉트론(Perceptron) 딥러닝의 기원이 되는 알고리즘 위의 그림은 단층 퍼셉트론으로 입력층(input layer), 출력층(output layer)으로 구성 [weighted sum이 특정 threshold값을 넘어서면..

2021. 8. 6.

IT/자료구조 & 알고리즘

1. 기본 원리 기준점(pivot) 기준으로 기준점보다 작은 데이터는 왼쪽으로, 기준점보다 큰 데이터는 오른쪽으로 보내는 함수 작성 보통 기준점(pivot)은 범위에서 맨 앞에 있는 것으로 선택 기준점(pivot) 왼쪽과 오른쪽 범위를 재귀 함수로 다시 정렬해주는 프로세스 반복 모든 데이터가 [기준점(pivot), 왼쪽, 오른쪽] 쌍으로 분리가 될 때까지 반복 분리되어 각각의 범위가 정렬된 것들을 다시 병합 2. 코드 구현 전 생각정리 3 5 1 7 4 (3이 기준점) 1 3 5 7 4 (5가 기준점) 1 3 4 5 7 Python list를 활용해서 재귀함수를 통해 정렬된 list를 이어나가면 어떨까? 3. 코드 구현 def qsort(data): if len(data) 단계가 logn만큼 생성, 각 ..

2021. 8. 4.

IT/자료구조 & 알고리즘

1. 재귀 용법(Recursive Call) 함수 안에서 동일한 함수를 호출하 형태 Python에서는 재귀함수 깊이가 1000회 이하여야 함(Python 자체적으로 고정된 stack공간을 잡아놨기 때문) 2. 일반적인 형태 임의의 입력이 주어진다. 임의의 조건이 주어진다. 입력이 임의의 조건을 충족시킬 때까지 재귀호출이 된다. 3. 코드 구현 팩토리얼 연산은 조금 식상한 면이 있어서 좀 신박한 예제들을 재귀 용법을 통해 구현해봤다. 3.1 회문(palindrome) 판별기 def palindrome(input): if len(input)=4: return func(n-1) + func(n-2) + func(n-3)

2021. 8. 4.

IT/따로 공부

1. VM이란...? 컴퓨터 안에서 논리적으로 만들어낸 또 다른 컴퓨터를 동작시키는 것 하드웨어 수준에서의 가상화 VM에 있는 애플리케이션은 VM에 있는 리소스를 사용한다고 생각한다. BUT 실제로는 VM이 설치되어 있는 물리적 서버의 자원을 소모. SO CPU와 메모리를 분할해야 함 각 VM에 OS, 애플리케이션, Binary, Library의 복사본이 포함되어 있음 -> VM이 무거워지는 이유 독립된 공간과 자원을 할당받음 -> 보안 효율↑ ex) Windows에서 Linux사용이 가능해짐 2. Container란...? 가상의 '응용프로그램' (소프트웨어 코드, 어플리케이션 코드)가 돌아가기 위한 컴포넌트와 함께 표준화된 방식으로 패키징 -> 컨테이너 엔진만 있으면 돌아갈 수 있게 함 Docker ..

2021. 8. 2.

IT/자료구조 & 알고리즘

1. 시간 복잡도(Time Complexity) -> 알고리즘 실행 속도 -> 가장 영향을 많이 미치는 요소는 반복문 -> 상수는 큰 영향을 주지 못함 (Big O 표기법) 가장 일반적으로 사용 알고리즘의 최악의 실행 시간을 나타냄 입력 n에 따라 몇 번 실행되는지를 계산 O(1): 데이터가 증가함에 따라 성능에 변화가 없을 때 ex) 조건문 O(n): n에 따라 n번, n+50번 등 실행 ex) 반복문 1개 O(n^2): n에 따라 n^2번, n^2+3n+1번 등 실행 ex) 반복문 2개 O(logn): 한번 처리가 진행될 때마다 검색해야 하는 데이터 양이 절반씩 줄어듦 ex) binary search O(nlogn): 여러 작은 부분으로 쪼개서 각각 해결한 후 마지막에 각각의 부분들을 모으는 경우 e..

2021. 7. 30.

IT/자료구조 & 알고리즘

1. 기본 원리 데이터를 왼쪽부터 오른쪽에 있는 값을 하나씩 추가하면서 확장해나간다. 확장할 때마다 오른쪽에서 들어온 값들을 사이사이에 넣어보면서 정렬을 맞춰나간다. ex) a = [5,1,2,3]이면 1. [5,1] 범위에서 1을 5와 비교하여 [1,5]로 정렬 2. [1,5,2] 범위에서 2를 5,1과 비교하여 [1,2,5]로 정렬 3. [1,2,5,3] 범위에서 3을 5,2,1과 비교하여 [1,2,3,5]로 정렬 2. 코드 구현 전 생각정리 어느 범위까지 정렬 처리가 완료되었는지를 나타내는 좌표를 변수에 저장해야 하나? 왼쪽에서부터 점점 확장해나가는 범위? 는 이미 정렬이 되어있음을 명심 3. 코드 구현 def insertion(input): for i in range(len(input)-1): i..

2021. 7. 29.

IT/자료구조 & 알고리즘

1. 기본 원리 전부를 한번 훑을 때마다 최솟값을 구한 뒤, 맨 앞의 데이터와 swap 해주는 방식 2. 코드 구현 전 생각정리 n번 훑을 때마다 n개의 데이터들이 앞에서부터 fix되네? 반복문을 짤 때 이 부분을 생각하며 짜야겠네? 3. 코드 구현 def selection(input): for i in range(len(input)): min_idx = i for j in range(i,len(input)): if input[j]

2021. 7. 29.

IT/자료구조 & 알고리즘

1. 기본 원리 두 인접한 데이터를 비교해서 앞에 있는 데이터가 뒤에 있는 데이터보다 크면, swap 해주는 원리 결국 처음부터 끝까지 한번 훑으면 맨 마지막에 가장 큰 값이 위치하게 됨 2. 코드 구현 전 생각정리 그럼 한번 훑을 때 마다 정렬된 데이터가 끝부터 하나씩 쌓이게 되네? 반복문을 짜되, 이미 정렬이 된 부분은 이후에 훑지 않아도 되네? 3. 코드 구현 def bubble(input): for i in range(len(input)-1): for j in range(0,len(input)-1-i): if input[j]>=input[j+1]: input[j],input[j+1] = input[j+1],input[j] return input 4. 시간 복잡도 이중 for문이 있으므로 O(n^2)

2021. 7. 29.