computer_study

스터디 서적 정보 이것이 MySQL이다. 스터디 기간 2022.03.23 ~ 2022.05.11 스터디 계획 1주차 : chapter 01 ~ chapter 04 2주차 : chapter 05 ~ chapter 06 3주차 : chapter 07 4주차 : chapter 08 5주차 : chapter 09 6주차 : chapter 10 7주차 : chapter 11 스터디 정리 목표 모든 내용을 정리하진 않고, 기억해야 할 부분이나 중요한 부분만 정리하는 것을 목표로 한다.

이글은 아래 링크를 참고하여 작성하였습니다. https://signing.tistory.com/93 [리뷰 크롤링] PlayStore 댓글 크롤링하기 in python 5(feat. selenium) [리뷰 크롤링] PlayStore 댓글 크롤링하기 in python 1(feat. selenium) [리뷰 크롤링] PlayStore 댓글 크롤링하기 in python 2(feat. selenium) [리뷰 크롤링] PlayStore 댓글 크롤링하기 in python 3(feat. sele.. signing.tistory.com 1. Selenium이란? 셀레늄은 웹 브라우저의 자동화를 가능하게 하는 프레임워크이다. 브라우저와의 사용자 간의 상호 작용을 테스트하는 확장 기능, 브라우저 할당 확장을 위한 배포..

개요 SSI (Self-sovereign Identity)는 사용자가 자신의 개인 데이터를 완전히 제어 할 수 있도록하는 새로운 ID 관리 접근 방식이다. 본 논문에선 이런 SSI가 데이터 유출 및 사용자 개인 정보 문제를 완화할 수 있음을 보인다. SSI를 구현하기 위해 분산 형 식별자(decentralized identifiers), 자격증명(verifiable credentials), 블록체인(blockchains) 개념을 사용하는데, 이러한 모델로 SSIBAC를 소개한다. SSIBAC는 기존 액세스 제어 모델과 블록 체인 기술을 활용하여 분산 인증을 제공 한 다음 중앙 인증을 제공한다. (글에 구현되어있는 프로토타입에선 3 초의 지연 시간으로 초당 55,000 개의 액세스 제어 요청을 처리하였다...

Graphical models이란? 확률분포를 좀 더 쉽게 해석하기 위한 그래프 도식 방법이다. 장점 확률 모델의 구조를 쉽게 시각화 하여 새로운 모델을 디자인하는데 도움을 준다 그래프화된 구조를 분석함으로써 모델 숙성에 대한 직관을 얻을 수 있다. 복잡한 학습과 추론 과정을 가지는 모델의 계산 과정을 그래픽적인 요소로 표현이 가능하다. 그래프는 node와 edge로 표현되는데, 확률 그래프 모델에서 node는 random variable을 의미하고, link(edge)는 random variable사이의 확률적인 관계를 나타낸다. 이런 Graphical model은 Directed graphical model 혹은 Undirected graphical model 중 하나이다. motivation p(x..

Gaussian probability density function 일반적인 가우시안 분포 d차원 space 상에서 정의된 가우시안 (multivariate gaussian) 위 식에서 p(x) = p(x1, x2...xD ) 즉, marginal pdf이기 때문에, x = (...x1 ... x2 ...xD...) 를 뜻한다. 시그마는 DxD covariance matrix로, symmetric positive definite matrix이다. (∑ = ∑T , 6ij = 6ji) 그림으로 vocariance matrix를 보자면 다음과 같다. d차원 space 상에서 정의된 가우시안을 임의의 direction(w) 에 projection conditional probability density fun..

용어정리 Linear classifier Linear classifier은 앞성 작성 한 내용들 처럼 Logistic regression, Fisher discriminant analysis, Large margin classifier이 있다. 이들은 선을 통해서 데이터를 분류하는 방법을 말한다. 이러한 Linear classifier은 dimension에 영향을 받는다. dimension이 D, data 수가 N이라고 할 때, D >= N-1 이면 label이 어떤 식으로 존재하던 linear classifier하다고 할 수 있다.(아래 covers theorem에서 증명) 예를 들어, 데이터가 1개 ~ 4개라면, 3차원 공간에서 이들을 완벽하게 classifier하는 hyper plane을 만들 수 ..

제약조건이 있을 때 optimiztion 일반적으로 object function L(x)를 잡고, 그 값이 min이 되는 경우나 max가 되는 경우가 optimal한 경우로 봤었다. 하지만 만약, L(x) 이외에 g(x)라는 제약조건이 있다면, 언제가 optimal한 값이 될까? 예를들어 prediction 함수로 L(x), 제약조건으로 g(x)가 주어졌다고 하자. prediction함수를 maximize하여 optimization 하는 경우를 생각해보면 다음과 같이 쓸 수 있다. L(x)와 g(x)가 아래 그림과 같은 등고선을 갖는다고 가정하자. feasible region(그림상 노란색 영역) 안에서. 가장 큰 L(x)를 찾는 것이 목표가 되는 것이다. L(x)가 가장 큰 점은 위 그림의 빨간 지점이..

Nearest neighbor mothod란? 학습과 분류 과정 중 하나로써, 현재까지의 training data가 존재하고 새로운 data x가 주어졌을 때, x에 대한 결과값을 x에 가장 가까운 data들을 이용하여 구하는 방법이다. 새로운 데이터와 가장 가까운 i번째 data를 찾아서, i번째x의 label(yi)에 따라 새로운 데이터의 label을 정한다. 이는 분류가 Classification으로 이루어지고 있는 경우와 Regression으로 나누어지고 있는 경우로 나누어볼 수 있다. Classification xnew의 위치가 노란색 부분에 위치한다면, y(xnew)는 class3으로 정할 수 있다. Regression x_new의 위치가 다음과 같다면 xnew의 y값은 y2로 결정된다. k-..