티케이

퍼옴: https://slipp.net/wiki/pages/viewpage.action?pageId=12189700Gradle 빌드 라이프사이클 Gradle 빌드 툴은 기본적인 라이프사이클을 제공하지 않는다. 이 점이 메이븐 빌드 툴과의 가장 큰 차이점이다. 메이븐 빌드 툴은 빌드 설정 파일이 상속 개념이다. 따라서 부모(parent) 설정 파일에서 제공하는 기본 라이프사이클을 그대로 상속받는 구조이다. 객체 지향 프로그래밍에서의 상속과 똑같은 개념이다. 상속이 좋은 점도 많지만 부모의 속성과 행위를 규정함으로써 강제하는 부분이 많다. 따라서 객체 지향 프로그래밍에서도 상속보다는 구성(composition)을 사용하는 유연한 설계를 할 수 있다고 안내하고 있다.Gradle 빌드 툴은 메이븐이 가지는 빌드..

퍼옴: https://slipp.net/wiki/pages/viewpage.action?pageId=11632748 Gradle 설정 파일 및 기본 개념  Gradle 소개 Gradle은 지금까지 자바 진영에서 많이 사용해온 Ant 빌드 툴과 Maven 빌드 툴의 단점은 버리고, 장점을 취한 빌드 툴이다. 따라서 Ant와 Maven 빌드 툴의 기능을 모두 포함하고 있다. Ant의 가장 큰 장점을 들자면 개발자가 자유롭게 빌드 단위(Ant에서는 target이라고 한다.)를 지정하고 빌드 단위 간의 의존 관계를 자유롭게 설정할 수 있다는 것이다. 하지만 자유도가 높다는 것은 잘 활용할 경우 좋은 도구가 될 수 있지만 그렇지 않을 경우 애물단지로 전락할 가능성이 있다는 것이다. Maven의 가장 큰 장점은 ..

모두의 딥러닝Logistic (Regression) Classification 강의-1 이번 강의는 Logistic Regression Classification에 대해 설명을 한다. 무엇이냐 하면, 데이터를 통해 Binary로 1 또는 0으로 분류를 하는 학습이라고 생각하면 된다.강의 초반에는 계속적으로 Hypothesis와 Cost 그리고 Gradient decent에 대해 설명을 한다.그리고 이전에 배웠던 Linear regression으로 분류를 시도? 한다. 분포도가 작은 경우는 다음과 같이 분류가 가능하다. 그러나, 분포도가 큰 경우, 또 다음과 같이 분류 하기가 힘들어 보인다. Binary로 분류하기 위해서는 해당 데이터가 1인지 0인지에 대해서만 알면 된다. 그러나 Linear regres..

모두의 딥러닝여러개의 입력(feature)의 Linear Regression 강의 이번 동영상에서는 기존의 입력에서 추가적인 입력을 다룬다.예제로 학업 성적에 대해 다루는데, 이전 시험 성적 데이터로 나중에 시험 성적을 예측할 수는 있지만, 조금 더 신뢰성 있고, 정확도를 높이기 위해, 이전 시험 데이터 갯수를 늘이고, 시험 시간 등 기타 요소들을 추가로 넣으면 더욱 정확한 결과값이 나올 것이다. 위의 이미지를 토대로 hypothesis를 만들면 어떻게 될까? X에 대한 값에 따라 w의 값만 곱해주면 된다.그렇다면 cost 함수는 어떻게 될까? 해당 가설을 그대로 대입해주면 된다. 이렇게 몇개 x가 증가되지않은 상황에서의 계산은 기존과 같이 x를 추가해서 계산을 하면 될 것 같다.그러나 만약 x의 값이 ..

PC 주문접수 프로그램에서 개인정보 보호법을 적용하기 위해 취소된 주문의 개인정보를 숨겨야 할 필요가 생겼습니다. ‘앱의 주소검색 모양새를 보아하니 서버에서 두개의 필드를 받아서 처리해야겠군!’ 이라고 생각한 것이 저의 첫번째 착각. 하지만 그런거 없고 주소정보는 한 필드에 저장하고 있습니다! 그러면 주문접수 앱은 어떻게 처리하고 있을까?행정동정보를 별도로 저장하여 숨김처리할 때 대신 사용한다.문제는?행정동 정보가 자신이 적은 주소의 동과 다른 경우가 있어 혼선이 있을 수 있다.그러면 어떻게 해야 할까?기존 주소정보의 패턴을 분석하여 상세정보를 추출하자. (왜그랬어!! 과거의 나!!)한방에 깔끔하게 처리하도록 정규식을 사용하자.(왜 그랬어!! 과거의 나!!) 정규식은 가장 널리 사용되는 Perl정규식을 ..

모두의 딥러닝 Linear Regression cost함수 최소화 강의Cost Function이번 강의에서는 Cost 함수에 대해 설명을 한다. 우선 다음과 같이 Hypothesis값을 수정하는데, Cost함수에 대한 이해를 쉽게 하기 위해, 값(b)을 없애서 설명하는 걸로 나온다. 그러나 신기하게도, 해당 값이 있고 없고가 cost 함수를 최소화 시키는게 문제가 안된다. 왜냐하면 b에 값이 없어진 만큼 w에서 값을 변경하면 되니깐..?? 공식을 가볍게 만들기 위해서 이기도 하지만, 나중에 행렬로 계산을 할 때가 되면, 정말로 b값을 행렬에 넣어서 공식을 간단히 한다. 위의 이미지를 보면, 정말로 W 데이터를 넣고 계산을 한 cost의 값을 알 수 있다. W가 1일 경우가 cost 값이 제일 낮은 것을 ..

모두의 딥러닝 머신러닝 개념과 용어 강의Supervisor Learning(learning with labeled examples): 정답을 제시하고 모델을 훈련 시키는 방법 •사용하는 곳 •이미지 라벨링 •스팸 필터 •시험 성적 예상 •종류•시험 성적 예상 •regression•시험 성적 합격/불합격 •Classification•A,B,C,D 타입 •Multi classification Unsupervisor Learning: 정답없이 특정 규칙만을 규정하여 훈련 시키는 방법 LabWhat is data flow?•Node: 그래프에서 연산을 나타냄 •Edge: 매트릭스?(tensor) 즉, 데이터를 연결 위의 이미지 처럼, 텐서플로우는 sess.run을 시키지 전에는 기계가 동작을 하지 않는다. 모든..

모두의 딥러닝 Linear Regression의 개념 강의Regression강의 내용에서는 Regression에 대해 설명을 하고 있다. Linear RegressionLinear Regression이란, 방정식을 통해 표현되지 않는 데이터들을 예측하기 위한 모델이다. 값을 예측하기 위해 회귀하고 계산하고를 반복하는 모든 과정을 Linear Regression이라 하는 것 같다. :Linear=직선, Regression:회귀 HypothesisHypothesis에 대해 설명하기 전, 머신러닝은 아래에 설명하는 cost함수의 최저값을 찾아 최적의 모델링을 구하는걸 목표로 한다. 그럴려면 cost함수가 어떻게 구성되었는지 알아야되는데 cost함수는 Hypothesis를 구성으로 한 함수이다. Hypothes..

Test Double(대역, 스턴트맨) 용어 정리 참조: http://hyunalee.tistory.com/33 Dummy객체의 기능이 보장되지 않는 단순 껍데기. 객체 생성은 되나, 해당 객체에 대한 기능은 보장하지 못하는 경우 사용한다. StubDummy와 다르게 특정값을 출력하거나, 특정 메세지를 출력하는 기능을 한다. Dummy가 실제로 동작하도록 구현한 객체를 말한다. FakeStub은 하나의 Instance를 대표한다면, Fake는 여러개의 Instance를 대표하는 형태의 객체를 말한다. 그래서 조금 더 구현이 복잡한 것을 일컫는다. 복잡한 로직을 사용하는 객체(관계성으로 묶여있는)를 간단하게 구현하도록 만든 객체를 말한다. 해당 부분은 이미지를 보는게 더 이해하기가 쉬울 것 같다. 아래의 ..

참조: http://woowabros.github.io/tools/2017/07/12/git_hook.html들어가며…안녕하세요. 우아한형제들 CTO실 주문시스템개발팀의 라태웅입니다.요새 Git은 어느 조직이건 개인이건 많이 사용하고 계신데요, 굉장히 많은 기능이 있죠. 이중 몰라도 큰 상관은 없지만 좀 더 편리하게 Git을 사용할 수 있도록 도와주는 기능인 Git Hook에 대한 소개드리려고 합니다.여러분은 낚이고 계신겁니다(?)Git은 특정 상황에 특정 스크립트를 실행할 수 있도록 하는 Hook이라는 기능을 지원하고 있습니다. 따로 무언가를 설치할 필요는 없고, 모든 git repository에서 이미 지원이 되고 있는데요.터미널로 아무 repository나 접근해서 cd .git/hooks/를 해봅..