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 |
- 헥사고날아키텍처 #육각형아키텍처 #유스케이스
- 코루틴 빌더
- 티스토리챌린지
- 자원부족
- pytest
- VARCHAR (1)
- vfr video
- 달인막창
- terminal
- python
- Spring Batch
- 코루틴 컨텍스트
- tolerated
- Value too long for column
- JanusWebRTC
- 깡돼후
- JanusGateway
- 오블완
- JanusWebRTCGateway
- mp4fpsmod
- 겨울 부산
- PytestPluginManager
- k8s #kubernetes #쿠버네티스
- 개성국밥
- preemption #
- taint
- JanusWebRTCServer
- PersistenceContext
- kotlin
- table not found
목록분류 전체보기 (583)
너와 나의 스토리
Time series 시계열(time series): 일정 시간 간격으로 배치된 데이터들의 수열을 말한다. 시계열 분석(time series analysis): 이런 시계열을 해석하고 이해하는데 쓰이는 여러 가지 방법을 연구하는 분야 시계열 예측(time series prediction): 주어진 시계열을 보고 수학적인 모델을 만들어서 미래에 일어날 것들을 예측하는 것을 뜻하는 말. ARIMA 시계열 데이터 기반 분석 기법 과거 지식이나 경험을 바탕으로 한 행동에 따라 경제가 움직이고 있음을 기초로 한다. 시계열 정보 -> 규칙성을 가지는 패턴과 불규칙한 패턴의 결합 규칙성을 만드는 패턴 자기 상관성(Autocorrelativeness): 이전의 결과와 이후의 결과 사이에서 발생 오차항끼리 서로 상관되지..
출처: https://eng.uber.com/forecasting-introduction/ Uber의 예측 솔루션을 위한 세 가지 기술 (표준 통계 알고리즘 외) - Marketplace forecasting: 사용자의 공급과 수요를 임시로세분화된 방식으로 예측하여 운전자들이 발생하기 전에 높은 수요 지역으로 유도함으로써 이들의 트립 수와 수익을 증가시킬 수 있음 - Hardware capacity planning: 하드웨어 공급이 작으면 운영 중단이 발생하여 사용자 신뢰가 저하될 수 있지만, 과도한 공급은 비용이 많이 들 수 있다. - Marketing: 트랜드, 계절성 등을 제어하면서 다양한 미디어 채널의 한계 효과에 대해 이해하는 것이 중요하다. (예: 경쟁 또는 가격) 고급 예측 방법론을 활용하여..
jupyter notebook에서 코드 작동 시키는 법 1. anaconda prompt켜서 다음 명령어 치기 activate tensorflow35
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/CorBR/btqwvrGS5Jq/oPY8Pl0YboNhN6Uwt4TSPk/img.jpg)
강의: www.coursera.org Lecture 4 Linear Regression With Multiple Variables Multiple feature 함수 n=feature개수 다중 변수인 경우 Xj의 각 값이 반영된다. GD: Feature Scaling idea: Make sure features are on a similar scale. x1과 x2의 값 차이가 많이 나면 왼쪽처럼 얇고 긴 타원 모양이되고, gradient descent의 최적값 찾는 경로가 복잡하고 많이 이동하게 된다. 오른쪽 같은 경우는 x1과 x2가 비슷하다. 이처럼 각 변수 값이 일정해지면 , gradient descent의 최적값을 짧은 경로로 쉽게 찾을 수 있다. Feature Scaling -> 모든 feat..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/ciE9Db/btqwxjHNS9R/tw1n5H26gXdh1bKRFBhXS1/img.png)
강의: www.coursera.org Lecture 2.1 Model Representation ●기호 표기 - x^i, y^i [x(i), y(i)] 이런 식으로 쓰이는데, 여기서 i는 제곱이 아니라 인덱스이다. x^3이면 x 자료에서 3번째 값을 의미하는 것이다. ●지도 알고리즘 Lecture 2.2 Cost Function ㄴ 선형회귀(Linear Regression)에 대한 전반적인 목적 함수(objective function)이다. * objective function = cost function = 오차함수의 제곱 최소 training set에서, x값이 주어진다면 우리는 y값을 예측할 수 있다. h(x)와 y간의 차이를 작게 만들고 싶을 때 Θ0, Θ1: 최소값 x(i): 예측된 집 가격 y..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/ddRahX/btqwuyzB6se/UHkSgKQwc9r6cE4KwzZCJk/img.png)
강의: www.coursera.org Lecture 1.1 Introduction: Machine Learning Machine Learning: 데이터를 이용해서 컴퓨터를 학습시키는 방법론 Tom이 정의한 머신 러닝: a well-posed learning problem is defined as follows he says “A computer program is said to learn from experience E with respect to some task T and some performance measure P, if its performance on T, as measured by P, improves with experience E.” Q: Suppose your email progra..
* map - Red-Black-Tree를 사용해 키 순서 유지 - 삽입&삭제&탐색: O(logN) * unordered_map - hash table 사용해 키 순서 유지할 필요 없음 - 탐색 속도: O(1) * set - 균형 이진 트리로 구현됨 - 삽입&삭제&탐색: O(logN)
1) 사용자에게 원의 반경을 묻고 원의 면적을 계산하고 화면에 표시하라 call readfloat ; 사용자 입력 받아서 ST(0)에 넣음 fmul st(0),st(0) ; st(0)=st(0)*st(0) fldpi ; st(0)=pi, st(1)=사용자 입력값^2 fmul ; st(1)=st(1)*st(0), st(0) pop call writefloat 2) ax^2+bx+c=0 에서 다항식 근 구하기 (사용자로부터 a,b,c 값 받아서 구하기) 할 일: 1. a,b,c 사용자 입력 받기 2. B^2-4AC 구하기 3. 첫 번째 근 (-B+root(B^2-4AC))/2A 구하기 4. 두 번째 근 (-B-oot(B^2-4AC))/2A 구하기 include irvine32.inc .data coeffA ..