💿 Data/부트캠프

[TIL] 94. python OOP

키워드 OOP(Object Oriented Programming) 객체, 클래스, 인스턴스 상속/포함 캡슐화, 추상화, 다형성 OOP(Object Oriented Programming) 현실에서 발생할 수 있는 특정 object를 컴퓨터를 통해 표현하는 것 함수, 변수와 같은 기능을 재사용 가능하도록 설계 및 프로그래밍 간단하게 세상에 있는 모든 실체가 있는 것들을 컴퓨터로 표현한다고 생각해보기 객체 지향도 결국 최소비용으로 최대의 효율을 얻어내기 위해 고안된 방법 이외에도 순서 지향, 함수형 프로그래밍 등이 있음 [OOP] 일상생활 예시 일상생활에서 신용카드를 사용하는 행위 class Card(): def __init__(self): self.money = 0 def charge(self, num): ..

[TIL] 93. python 문제해결

키워드 Comprehension - list/set/dictionary Pseudocode(의사코드) 지역변수(local)/전역변수(global) 예외처리 - else/except/raise/assert 문제해결 문제해결을 위해 문제를 더 작은 단위로 분할 최소한의 시간을 활용 문제 분석 전체 문제가 풀리지 않는다면 일부 풀리는 부분부터 찾아서 해결 Comprehension 한 줄로 파이썬 기능을 구현할 수 있는 기능 코드를 간소화하여 직관적이며 빠름 단점 : 너무 여러 조건 중첩 시 가독성이 떨어짐, 되려 메모리를 더 많이 차지할 수 있음 파이썬 콜렉션 자료형 중 list, set, dictionary 3가지가 컴프리헨션 표현 가능 # 리스트 컴프리헨션 예시 arr_a = [1, 2, 3, 4] arr..

[TIL] 92. python 기본

알고리즘 및 자료구조 도식화 키워드 파이썬의 다양한 메소드 컬렉션 자료형(list, tuple, set, dictionary) 차이 자료구조 알고리즘 문제해결 및 컴퓨팅 사고력 프로그래밍 문제해결 사고 복잡한 문제를 작은 문제로 분할하면서 생각 문제에 대한 패턴을 발견 문제를 최소한의 비용으로 최대한 빠르게 해결 정규표현식(regex) 문자열을 처리하는 방법 중 하나로 특정한 조건의 문자를 검색하거나 치환하는 과정을 매우 간편하게 처리 가능 Meta문자 : 정규표현식에서 사용되는 기호 import re wordlist = ["color", "colour", "acolor"] for word in wordlist: if re.search('col.r', word) : print(word) #..

[TIL] 85. GAN(Generative Adversarial Networks)

키워드 GAN(Generative Adversarial Networks) Generator Discriminator GAN(Generative Adversarial Networks ; 생성적 적대 신경망) 실제와 유사한 데이터를 만들어내는 생성모델 생성자(Generator) : 실제와 동일한(유사한) 데이터를 만들기 위해 학습 -> 비지도학습 판별자(Discriminator) : 생성자가 만든 데이터를 진짜인지 가짜인지 더 잘 분류하기위해 학습 -> 지도학습(이진분류) 즉, 마치 위조지폐를 만드는 범죄자(생성자)와 위조지폐를 분별하는 사람(판별자)가 서로 경쟁하며 점차 성능이 좋아지고 결국엔 진짜와 가짜를 구분하기 어려울 정도로 위조지폐가 만들어지는 것과 같은 원리 아래 이미지가 위의 내용을 도식화한 이..

[TIL] 84. AutoEncoder

키워드 오토인코더 잠재벡터 차원 축소, 데이터 압축 이상치 탐지, 노이즈 제거 오토인코더(AutoEncoder) 입력 데이터를 저차원의 벡터(잠재 벡터; Latent Vector)로 압축한 뒤 원래 크기의 데이터로 복원하는 신경망 궁극적으로 보다 나은 잠재 벡터를 얻는 것이 그 목적이기도 합니다. 잠재벡터(Latent Vector) 원본 데이터보다 차원은 작으면서, 그 특징은 잘 보존하고 있는 벡터 오토인코더 활용 차원 축소 및 데이터 압축 데이터 노이즈 제거 : 학습 시 train data는 노이즈가 있는 데이터이고 정답데이터는 훈련 데이터 원본(노이즈가 없는)임을 주의합니다. 이상치 탐지 : 정상 데이터를 복원하는 과정에서 특정 임계치를 구하고 정상 데이터로만 훈련된 오토인코더 모델에 비정상 데이터를..