쵸코쿠키의 연습장

Codility는 코더의 스킬 셋을 테스트하기 위한 플랫폼입니다. 테스트를 통해 채용 프로세스 중에 코더에게 기술 화면을 제공 할 수 있습니다. 아마도 가장 큰 장점은 테스트가 자동으로 제공되고 점수가 매겨져 기술이 아닌 채용 담당자가 전 세계의 후보자를 관리 할 수 ​​있다는 것입니다. 알고리즘 테스트에 관한 것은 매우 좁은 기술 세트를 테스트한다는 것입니다. 대부분의 경우, 소프트웨어 개발자는 알고리즘을 작성하는 데 많은 시간을 소비하지 않습니다. 기존 라이브러리의 알고리즘을 활용하면서 더 높은 수준의 문제에 중점을 둡니다. 이로 인해 개발 프로세스는 더 빠르고 버그가 덜 발생합니다. 따라서 코딜리티 테스트는 응시자가 응용 프로그램의 기본 빌드 블록을 구축 할 수 있는지 확인하는 데 유용합니다. 문제..

코드 // you can use includes, for example: // #include #include using namespace std; // you can write to stdout for debugging purposes, e.g. // cout

풀이 // you can use includes, for example: // #include #include using namespace std; // you can write to stdout for debugging purposes, e.g. // cout

1 단계. 딥 러닝의 기초 딥 러닝은 머신 러닝의 표준 패러다임입니다. 대부분의 경우 인간 두뇌의 개념과 뉴런의 상호 작용을 기반으로합니다. 딥 러닝이 무엇인지 인터넷 검색을 시작하면 오늘날이 매우 뜨거운 단어가 새로운 것이 아니라는 것을 알 수 있습니다. 이 용어 자체는 1980년대에 나타 났지만 2012 년까지는이 기술을 수행 할 수 있는 충분한 힘이 없었으며 거의 ​​아무도 관심을 기울이지 않았습니다. 2012 년에 Dahl이 이끄는 팀은 멀티 태스킹 심층 신경망을 사용하여 한 약물의 생체 분자 표적을 예측하는 Merck Molecular Activity Challenge를 수상했습니다. 그리고 이로 인해, 매스 미디어 분야에서 상당한 호황이 생겨서 많은 다른 연구원들과 개발자들도 작업을 시작했습니..

헬스 케어 데이터 의료 서비스 제공 업체는 숙련된 의료진의 역량을 능가하고, 기존의 분석 방법이 다른 방법으로 처리 할 수 있는 한계를 넘어서는 속도로 막대한 양의 비정형 데이터를 생성하고 캡처합니다. DL 기술이 자율적으로 추출된 특징에 기초하여 패턴을 발견하고 구조를 인식하는 능력으로 인해, 가장 먼저 떠오르는 적용은 진단입니다. 예를 들어 방사선학에서 악성 암 구조의 검출을 위한 지능형 이미지 분석이 있습니다. AI가 MRI의 물리학에 매우 가까운 응용 프로그램에서 컨텐츠 기반 이미지 검색에 이르기까지 여러 수준에서 의료 이미징에 제공하는 가치에 대해 논의하겠습니다. DL 기술은 의료 이미징 워크 플로우의 모든 부분에 퍼질 수 있습니다. 그러나 DL은 의사의 역할을 대체하는 것이 아니라 지능형 지원..

사람들이 혈액 및 소변 검사를 받도록 안내할 수 있는 세상을 상상해 보았습니다. 이 모든 것이 건강 관리 기록, 게놈 데이터, 의료 이미지, 심박수를 모니터링하는 과거 데이터, 혈압을 분석하는 AI 시스템에 의해 결정될 수 있습니다. 그리고 이 시스템에 의해 권장된 사항은 수백만 명의 환자를 관찰한 수 천 개의 훈련 사례가 있는 수백만 개의 세포 생물학 데이터 세트를 기반으로 합니다. 혈액 검사에서 신체 변화 또는 신체 유전자에서 발현된 모든RNA 분자의 합계가 감지될 수 있습니다. 소변 검사는 또한 대사 산물의 변경 또는 모든 대사 산물의 총합 (대사 기능에 필요한 물질)을 감지하여 신경 근성 퇴행성 장애가 있음을 시사합니다. 태어날 때 자궁에서 관련 병원성 변형체를 조작할 수 있었기 때문에, AI 시..

Jetbrains Webstorm에서 프로젝트를 만들려고 할 때 .idea라는 폴더가 생성됩니다. 이것을 삭제해도 괜찮을까요? 내 프로젝트에 영향을 줄까요? 최근 git push를 했는 데, 함께 포함되어 푸시를 해서 찾아보게 되었습니다. Intellij IDE를 사용하면 프로젝트의 모든 프로젝트 특정 설정이 .idea 폴더에 저장됩니다. 프로젝트 설정은 각 특정 프로젝트와 함께 .idea 폴더 아래에 xml 파일 세트로 저장됩니다. 기본 프로젝트 설정을 지정하면 새로 만든 각 프로젝트에이 설정이 자동으로 사용됩니다. IDE 설정에 대해서는 제트 브레인 문서를 확인해보세요. 여기는 소스 제어에 대한 권장 사항과 .gitignore 파일 예제에 대한 내용들이 포함되어 있습니다. git 또는 일부 버전 제어..

이번 포스팅에서는 Ubuntu 18.04 LTS Tutorial에 Anaconda 설치하는 방법에 대해 알아보겠습니다. Anaconda는 데이터 과학 및 머신 러닝 관련 응용 프로그램을위한 Python 및 R 프로그래밍 언어의 오픈 소스 배포판입니다. 패키지는 패키지 관리 시스템 Conda에 의해 관리됩니다. 튜토리얼을 시작해 봅시다. 1 단계 – 시스템 업데이트 항상 그렇듯이 시스템을 최신 상태로 유지하겠습니다. 다음을 실행하여이 작업을 수행 할 수 있습니다. sudo apt-get update -y && sudo apt-get upgrade -y 2 단계 – 아나콘다 다운로드 다음으로 Anaconda를 다운로드해야합니다. 먼저 Temp 디렉토리로 변경합니다 : cd / tmp / 그리고 wget을 사..

import matplotlib.pyplot as plt import numpy as np from keras.layers import * from keras.utils import * from keras.models import * from collections import Counter %matplotlib inline 우선 필요한 라이브러리들을 선언합니다. 만약 설치되어 있지 않다면 설치를 진행해주세요. x = np.random.uniform(-np.pi, np.pi, 500) y = np.random.uniform(-1, 1, 500) X = np.asarray([[x[i], y[i]] for i in range(500)]) sine = np.sin(x) Y = sine < X[:, 1] plt...

이번 포스팅에서는 하이퍼 파라미터에 대해 알아보겠습니다. 하이퍼 파라미터는 모델을 학습할 떄, 외적인 요소로 학습에 영향을 미치는 파라미터들입니다. 대표적으로 어떤 것들이 있고, 어떠한 것인지 매우 간략하게 알아보았습니다. learning rate : 런닝 레이트 보통 런닝 레이트를 학습률이라고 이해하면 됩니다. 위 함수들은 대표적인 최적화 함수들입니다. 따라서, 최적화를 진행할 떄, 어느정도로 학습을 하여 진행을 할지 정하는 값들입니다. 너무 크면, 최적화할 곳을 지나가버리는 단점이 있습니다. 하지만, 너무 작아도, 최적화할 곳을 찾지 못하고, 머무르는 현상이 있을 수 있습니다. 따라서, 여러 대표값들을 적용해 학습을 진행해야 합니다. overfitting : 오버피팅 트레이닝을 할 떄, 조심해야 하는..

많은 devops팀의 일반적인 문제는 조각난 워크 플로우입니다. 대부분 비효율적인 업무에 화를 내게 되고는 합니다. 팀원은 독립적으로 일하는 경향이 있습니다. 솔로 코딩을 통해 엔지니어는 정기적으로 버전 제어 외부에서 많은 양의 코드를 생성합니다. 개발자가 "완료"되면 작업을 베이스 코드에 추가합니다. 그런 다음 다른 팀이 수동으로 테스트를 실행하여 빌드를 확인합니다. 수년 동안 많은 팀이 이러한 노동 분업이 성 가시고 문제가 있음을 발견했습니다. 여러 개발자가 개별적으로 버전 제어를 크게 변경하면 복잡한 버그가 발생하고 시간이 많이 걸리는 수정 사항이 증가하며 더 많은 수동 테스트를 수행하는 데 걸리는 시간이 늘어납니다. 모든 것이 느려집니다. 이렇게 하면 지루한 디버깅으로 빌드 주기가 단축되고 생산 ..

Stochastic Gradient Descent이란 무엇일까요?SGD(Stochastic Gradient Descent)에 대해 이야기하기 전에 먼저 Gradient Descent 란 무엇일까요? 그라디언트 디센트는 머신 러닝 및 딥 러닝에서 널리 사용되는 최적화 기술이며 대부분의 학습 알고리즘과 함께 사용할 수 있습니다. 그라디언트는 기본적으로 함수의 기울기입니다. 다른 파라미터의 변화량에 따른 파라미터의 변화 정도. 수학적으로 입력과 관련하여 매개 변수 집합의 부분 파생으로 설명 할 수 있습니다. 기울기가 많을수록 경사가 더 가파릅니다. 그라디언트 하강은 볼록한 기능입니다. 그라디언트 디센트는 비용 함수를 가능한한 최소화하는 함수의 매개 변수 값을 찾는 데 사용되는 반복적 방법으로 설명 할 수 있습..

Seaborn은 향상된 데이터 시각화를 위해 만들어진 Python 라이브러리입니다. 효과적인 데이터 시각화 및 일반적인 의사 소통이 특히 필수적인 기술이기 때문에 오늘날 작업하는 데이터 전문가에게는 매우 적절한 도구입니다. 데이터와 통찰력 사이의 격차를 해소 할 수 있다는 것은 매우 귀중하며, Seaborn에 관심이 있는 사람에게 툴체인에 편안하게 맞는 도구입니다. 물론 광범위한 데이터 시각화 라이브러리가 있지만 Seaborn을 사용해야하는 이유는 다른 도구와 비교할 수없는 강력한 성능을 제공합니다. Seaborn 튜토리얼을 따라 Seaborn을 훌륭한 데이터 시각화 라이브러리로 만드는 이유를 알아보도록 하겠습니다. Seaborn을 시작하는 방법 시작하려면 아직 Anaconda에 익숙해지는 것이 좋습니다..

MK부동산 입주 캘린더 크롤링1 import requests import bs4 url = 'http://estate.mk.co.kr/newapt/danji_list.php?enter_year=2018&enter_month=01&si_name=1100000000&start=0' data = requests.get(url) data_bs = bs4.BeautifulSoup(data.content, 'lxml') tr_list = data_bs.find_all('tr') a_list = [] b_list = [] n_list = [] for tr in tr_list[1:]: td_list = tr.find_all('td') a_list.append(td_list[1].text) b_list.append(td..

코드 # 네이버 상품 가져오기 from selenium import webdriver from selenium.webdriver.common.keys import Keys import time import bs4 import pandas as pd t_list = [] n_list = [] r_list = [] p_list = [] keyword = "감귤" driver = webdriver.Chrome(r'C:\Users\Yang\Desktop\chromedriver.exe') driver.get('https://search.shopping.naver.com/search/all.nhn?where=all&frm=NVSCTAB&query={}'.format(keyword)) item_source = bs4..

코드 # 기본 세팅 import matplotlib.pyplot as plt from matplotlib import font_manager, rc font_name = font_manager.FontProperties(fname="c:/Windows/Fonts/malgun.ttf").get_name() rc('font', family=font_name) plt.rcParams['axes.unicode_minus'] = False 종종 파이썬으로 matplot 작업을 하다보면, 한글이 필요한 경우가 있습니다. 그러한 경우, 바로 작업을 하면 한글이 깨지는 경우가 많습니다. 위와 같이 기본적인 세팅을 해주면, matplotlib 작업을 할 때, 한글이 깨지는 현상을 고칠 수 있습니다. 해당 코드는 윈도우에..

코드 from selenium import webdriver from selenium.webdriver.common.keys import Keys import time import bs4 driver = webdriver.Chrome(r'C:\Users\Yang\Desktop\chromedriver.exe') driver.get("https://www.istarbucks.co.kr/store/store_map.do") time.sleep(2) driver.find_element_by_class_name('loca_search').click() time.sleep(2) driver.find_element_by_xpath('//*[@id="container"]/div/form/fieldset/div/sect..

코드 # 네이버 실시간 검색어를 import xlsxwriter as xw import requests import bs4 naver = requests.get('https://www.naver.com/') naver_bs = bs4.BeautifulSoup(naver.content, 'lxml') span_list = naver_bs.find_all('span', class_='ah_k') span_list = set(span_list) realtime_list = [] for sp in span_list: realtime_list.append(sp.text) wb = xw.Workbook(r'C:\Users\Yang\Desktop\검색어 뉴스 데이터.xlsx') for que in realtime_l..

코드 # 네이버 실시간 검색어 엑셀로 저장하기 import xlsxwriter as xw import requests import bs4 naver = requests.get('https://www.naver.com/') naver_bs = bs4.BeautifulSoup(naver.content, 'lxml') span_list = naver_bs.find_all('span', class_='ah_k') span_list = set(span_list) realtime_list = [] for sp in span_list: realtime_list.append(sp.text) wb = xw.Workbook(r'C:\Users\Yang\Desktop\급상승 검색어.xlsx') ws = wb.add_work..

우분투에서 sftp / ssh 사용자 계정 비밀번호를 변경해야 합니다. Ubuntu Linux에서 사용자 비밀번호를 어떻게 변경할까요? Ubuntu Linux 계정 정보는 /etc/passwd라는 파일에 저장되고 /etc/shadow의 암호화된 비밀번호입니다. 이 페이지는 passwd 커맨드를 사용하여 Ubuntu Linux 루트 및 사용자 계정 비밀번호를 변경하는 방법을 알아보겠습니다. 우분투에서 사용자 비밀번호를 변경하는 방법 Ctrl + Alt + T를 눌러 터미널 애플리케이션을 엽니다. Ubuntu에서 이름이 tom 인 사용자의 비밀번호를 변경하려면 다음을 입력합니다. sudo passwd Ubuntu Linux에서 루트 사용자의 비밀번호를 변경하려면 다음을 실행합니다. sudo passwd ro..