Study58

• 

  [네트워크 기초] 개요 1 메캘프 법칙 네트워크의 규모가 커지면 비용은 직선적으로 늘지만, 그 가치는 기하급수적으로 증가한다는 법칙 ⇒ 개인이나 기업이 network를 얼마나 잘 활용하느냐에 따라 가질 수 있는 지식 정보와 이익 창출이 달라짐 메캘프 이더넷의 창시자 3Com 컴퓨터 네트워크 인프라 제품 판매 기업 hp에 인수됨 네트워크의 구성요소 노드 (=host) 네트워크에 (네트워크 주소를 가지고) 연결되어 있는 모든 장치 server host data를 제공하는 host client host data를 제공받는 host 전송 단말기 정보를 생성, 저장하면서 동시에 network에 접근할 수 있는 장치 ex) PC, 스마트폰, IPTV 등 전송 매체 or 미디어 전기 신호를 전달할 수 있는 매체 ex) 광케이블, 구리 케이블 .. Study/Network 2024. 1. 12.

• 

  [네트워크 계층구조]프로토콜과 OSI Layer7 프로토콜 네트워크를 위한 통신 규약 data, 나의 주소와 상대방의 주소를 필요로 함 초기의 프로토콜 특정 업체가 자신들의 기기간의 통신을 위한 프로토콜을 개발함 Apple : AppleTalk IBM : SNA MS : NetBios Novel : IPX/SPX 각 프로토콜 간의 호환이 불가능함 ISO (International Organization for Standardization) 에서 OSI 7 Layer를 만듦(1983년도 이후) OSI(Open Systems Interconnection) 7 Layer but, 사용하는 사람은 없음 (국제 표준이지만, 늦게 만들어짐) 1974년도 TCP (Transmission Control Protocol)가 제작됨 주소에 대한 정보가 없음 1981년에 .. Study/Network 2024. 1. 12.

• 

  [네트워크 계층구조] TCP/IP에 대하여 - 1 TCP 신뢰성있는 전송을 위해 필요 UDP 빠른 전송을 위해 필요 IP 논리적 주소를 위해 필요 Port Session Layer에서 컴퓨터에서 실행되고 있는 서버를 구분 짓기 위해 필요 효율적인 통신을 위해 IP 하나로 다양한 서비스를 제공할 수 있음 port번호를 다르게 부여하여 IP 하나에서도 웹, FTP 등 다양한 서비스 사용 가능 Well-known Port Service Name and Transport Protocol Port Number Registry 1 ~ 1023 까지의 포트번호 매번 port번호를 매번 물어봐야 하는 번거로움을 없애기 위해 port 번호를 미리 약속해둠 ⇒ 수신을 위한 포트는 1024번 부터 시작 Protocol ID IP 헤더 뒤에 붙어 해당 data가 TCP인지,.. Study/Network 2024. 1. 12.

• 04. 데이터 분석 절차 04. 데이터 분석 절차 part 01 ~ 03 에서 알아본 내용을 전체적으로 정리해보았다. 1) Package 설정 # 기본 import numpy as np import pandas as pd import matplotlib.pyplot as plt # Graph # 데이터 가져오기 import pandas as pd # 데이터 전처리 from sklearn.preprocessing import StandardScaler # 연속 변수 표준화 from sklearn.preprocessing import LabelEncoder # 범주형 변수 수치화 # 훈련/검증용 데이터 분리 from sklearn.model_selection import train_test_split # 훈련과 테스트를 위한 데이터.. Study/AI 2022. 2. 7.

• 03. 기계학습(머신러닝) 기초2 03. 기계학습(머신러닝) 기초2 1) 기본 Package 설정 앞으로 공부하면서 사용할 Package들을 절차에 맞춰 미리 소개하겠다. 필요에 따라 각각의 속도에 맞춰 pacakge를 새롭게 설치해도 되지만, 그냥 공부가 목적이라면 하나의 file로 만들어 가장 앞쪽에 미리 적어 놓는 것이 더욱 효율 적일 것이다. 참고로 나는 이미 사용할 모델과 data가 있어서 모든 package가 필요하지는 않기에 나에게 필요하지 않은 package들과 추 후에 사용할 모델에 대해서 주석처리해두었다. # 기본 import numpy as np import pandas as pd import matplotlib.pyplot as plt # 그래프 # # 데이터 가져오기 # from sklearn import data.. Study/AI 2022. 2. 7.

• 02. 기계학습(머신러닝) 기초1 해당 post는 계속해서 이상철교수님의 유튜브강의를 바탕으로 작성되고 있다. 02. 기계학습(머신러닝) 기초 - 이론 기계학습이란 인공지능의 한 분야 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야를 의미함 representation(표현) : 데이터의 평가(규칙) generalization(일반화) : 아직 알 수 없는 데이터에 대한 처리 (예측) 기존에는 데이터를 입력하여 정해진 규칙을 따라 해답을 찾을 수 있도록 프로그래밍했지만, 머신러닝은 데이터와 해답을 입력하여 기계가 스스로 학습한 결과에 따라 규칙을 찾을 수 있도록 프로그래밍 하는 것이다. 조금 더 쉽게 이야기하자면, 이미 routine이 정해져 있는 규칙에 따라 input이 들어오면 output을 내는 것이 기존의 방식이었다.. Study/AI 2022. 2. 5.

• 01. 데이터 처리 (Numpy, Pandas 기초) 실제로 모델링해보고자 하는 data를 바탕으로 이상철 교수님의 유튜브 강의를 들으며 정리한 내용을 앞으로 이어서 posting하고자 한다. 오늘은 가장 기초적인 내용들에 대해 다루어보았다. 해당 내용은 주피터 노트북 파일을 마크다운으로 변환한 것으로, 각각의 code 바로 밑에 적혀진 내용이 해당 코드를 실행시킨 결과 값이다. 01. 데이터 처리 Python에서 사용하는 데이터형에 대해 먼저 알아보자. 기계학습에서는 대부분, Data Frame을 활용하기때문에 Pandas를 주로 사용하게 되므로, 그렇게 큰 비중이 있는 내용은 아니지만,알아두는 것이 Python 공부에도 더욱 도움이 된다. Python에서 활용하는 collection literal은 총 4가지이다. 종류 형식 데이터수정,삭제 index .. Study/AI 2022. 2. 5.

• 

  M1 Mac(Apple Silicon)에서 머신러닝 개발환경 구축하기 M1 맥북을 새롭게 구매하게 되면서, 기존에 익숙해져있던 환경이 아닌 새로운 환경에 적응하기 위한 시간이 필요했다. 나는 이 새로운 M1을 정말 있는 것 없는 것 뽕 뽑고 싶은 1인으로써, M1 맥북에 가장 적합한 개발 환경을 Setting하기 위해 정말 많은 reference를 참고했다. 그냥 쉽게 Anaconda를 설치해서 사용할 수도 있지만, 2022년 1월 현재 Anaconda는 아직 M1을 완벽하게 지원하고 있지 않기때문에 다른 방법으로 머신러닝 개발에 필수적인 Conda, Tensorflow, numpy, scipy, pandas 등을 설치하기로 했다. 이런 저런 시도 끝에 결국 가장 깔끔하게 개발환경을 구축할 수 있는 방법을 찾았다. 1. Homebrew 설치 우선, Homebrew가 깔려있.. Study/AI 2022. 1. 29.

• 

  머신러닝 공부에 유용한 사이트 및 유튜브 추천 Python Grammar 유튜브/영상강의 Advanced Python - 영어 파이썬 코딩도장 파이썬을 파이썬 답게 ML WikiDocs 데이터싸이언스 스쿨 파이썬 시각화 NLP 파이썬 및 딥러닝 유튜브 조코딩 삥형의 개발도상국 최신 딥러닝 논문 리뷰 - 영어 동빈나 - 딥러닝 김성범 교수님 - 머신러닝 이상철 교수님 - 기계학습 팡요랩 - 강화학습 수학의 즐거움 논문 페이퍼윗코드 Study/AI 2022. 1. 27.

• 

  AI 그거, 어떻게 공부하는 건데. 나는 고작 컴퓨터 공학 학사과정을 다 마친 주니어 개발자이다. AI, 머신 러닝... 학부 때부터 줄기차게 들어는 봤지만, 사실 제대로 배우지는 못했던 것 같다. 공부를 시작하려고 Google선생님께 여쭤봐도... 정보의 홍수가 어떤 의미인지 바로 체감이 될 정도로 너무 많은 정보들이 쏟아져 나와서 결국 어떤 책, 어떤 강의, 어떤 방법으로 공부해야 할지는 엄두가 안 난다. 뿐만 아니라 그냥 프로젝트 몇 개 해보자는 식의 온라인 강의들이 판치기 때문에.. 정말로 머신러닝 공부를 하고자 하면 그중에 진짜를 가려내기는 쉽지 않다. 그래서 '공부해야지!' 하고 다짐만 하고 미루기를 n년.. 이제는 정말 업계에 종사하는 사람으로서, 몰라서는 안 되겠다는 생각이 들기 시작했다. 그렇게 돌고 돌아 결국 찾아낸 결론.. Study/AI 2022. 1. 27.