| 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 | 29 |
| 30 |
- 삭제연산
- kt_aivle
- 이미지
- 머신러닝
- 인공지능
- 컴공
- Github
- 깃허브
- 바틀넥
- 보상함수
- 논문리뷰
- 멋쟁이사자처럼
- git
- 테킷
- 개념
- 페이지전환
- llm-ma
- 티스토리챌린지
- kt_aivle_school
- 오블완
- kt_부트캠프
- 딥러닝
- 배치사이즈
- 딥러닝개념
- LLM
- 깃
- HTML
- CSS
- 후기
- 프론트엔드
- Today
- Total
목록전체 글 (33)
공부하는 안씨의 기록
올해 초부터 학기 팀 프로젝트를 진행하면서 어쩌다 프론트엔드 파트를 도맡아서 하게 되었다. 작년 여름에 테킷 프론트엔드 강의를 가볍게 수강했었기에, 태그 몇 개 정도만 알고 거의 기억나지 않는 상태였다. 그래서 프로젝트를 하는 김에 공부하고 찾아보며 사용해본 코드를 공유해보자 한다. 이번 게시물을 '요소'를 사라지고, 나타나게 만드는 방법에 대해서 다루고 있으며 기본적인 javascript 및 css를 활용한다. 크게 Display 방식과 Visibility 방식이 있다. 1. Display 와 Opacity 를 적용한 js 함수 모듈 showPopup, hidePopup // 팝업 보이기와 숨기기 로직export function showPopup(popupId) { const popup = ..
팀플 할 때 레드블랙트리 삭제연산 조사를 부탁받아서, 개인적으로 정리했던 건데 팀플할 때 안써서 시무룩하게 티스토리에라도 올려보는 레드블랙트리 삭제 연산. (그렇게 까지 시무룩하진 않았고 오랜만에 티스토리 올릴 생각에 기뻤음) 알고리즘 수업 시간에 레드블랙트리 개념과 삽입 정도는 배웠는데 삭제를 배우지 않았었다. 알고리즘 프로젝트에 사용하려고 공부해보니 레드블랙트리 삭제 연산이 진짜 복잡했다. 개인적으로 아래의 참고 자료들 중에서도 유튜브 영상이 가장 이해가 쉬웠던 것 같다. 몇몇 이미지는 설명을 위하여 참고한 velog 사이트 및 유튜브 영상에 있던 트리 이미지를 참고하였다. 또한 설명 과정도 아래의 링크 사이트들을 많이 참고하여 정리하였음을 밝힌다. 참고 velog참고 영상레드-블랙 트리 노드의 삭제..
이전 1챕터부터 3챕터까지, 텍스트 분석의 기본 개념을 배웠다. 이제 본격적으로 python 을 사용해 직접 텍스트를 분석해보기 전에, 파이썬에서 사용할 수 있는 텍스트 관련 기본 함수를 사용해 보자. 이러한 기본 함수를 사용하여 문자 출력 결과를 더 깔끔하게 만들거나, 원하는 방식대로 편집하는 등 다양하게 활용할 수 있으니 알아두면 편리하다! 이번 챕터 등장 함수 요약: count, find, join, strip, split, replace, lower, upper *모든 실습은 google colaboratory에서 진행하였으며, 한국경영정보학회 파이썬 텍스트 마이닝 강의를 수강하며 스스로 정리한 내용을 바탕으로 합니다. 1. 텍스트 관련 기본 함수 (1) count 함수 : 문자의 개수 출력 te..
저번 챕터 2에서는 텍스트 분석이 무엇인지에 대해 알아보았다. 텍스트 분석을 파이썬으로 진행하려면, 텍스트 분석을 위한 파이썬 라이브러리가 필요하다. 이번 챕터 3에서는 필요한 파이썬 라이브러리에 대해 간략하게 소개한다. 1. 자연어 처리 기법 (1) NLTK : 자연어 처리 및 분석 (2) KoNLPy: 한국어 정보처리 2. 통계학과 선형대수 (1) numpy: 행렬, 다차원 배열 처리 (2) pandas: 데이터 조작 및 분석 3. 시각화 기법 (1) matplotlib: 그래프 등 데이터 시각화 (2) seaborn: matplotlib 확장 시각화 4. 딥러닝과 머신러닝 (1) scikit-learn: 머신러닝 (2) TensorFlow: 딥러닝 (3) pytorch: 딥러닝 지금까지 3개의 챕터..
저번 챕터에서 데이터와 빅데이터의 개념에 대해 공부했으니, 이번엔 텍스트 데이터의 분석이 어떤 것인지 알아보자. 또한, 텍스트 분석이 어떻게 이루어지며, 분석 단계에서 필요한 도구는 무엇이 있는지 알아보자! 1. 텍스트 분석의 개념 텍스트 마이닝: 대량의 텍스트 데이터로부터 다양한 분석 기술을 통해 고품질의 유의미한 정보를 추출하는 과정 대상: 뉴스 기사, 여론조사, 보고서, 이메일, 댓글, sns 2. 텍스트 분석의 필요성 ex) sns의 등당으로 인해 텍스트 데이터의 양이 기하급수적으로 증가! 우리가 일상에서 사용하는 데이터의 대부분은 비정형 텍스트로 구성되어있음. 텍스트 분류: 텍스트가 어떤 범주에 속하는지 구분 텍스트 요약: 텍스트에 나타나는 중요 키워드나 주제 추출 요약 텍스트 군집화: 비슷한 ..
텍스트 분석을 하기 위해 텍스트 데이터의 개념을 알아보기 전에, 먼저 데이터와 빅데이터의 개념을 살펴보도록 하자! 1. 데이터와 빅데이터의 개념 데이터: 사실을 나타내는 수치 및 자료 이러한 데이터를 해석, 가공하여 정보를 획득, 활용 데이터의 종류: 정형(structured) 데이터: 정해진 규칙, 구조에 맞게 저장됨. 숫자나 텍스트 기반의 예측가능한 내용이 있는 행과 열로 구성됨 비정형 데이터: 정해진 규칙, 구조가 없음. 종류가 다양하고 데이터의 양이 방대함. 분석에 별도의 기술이 필요. (이미지, 음성, 영상, 텍스트 파일 등) 반정형 데이터: 정해진 규칙이나 구조는 아니지만 특정 패턴이 있는 데이터. 데이터의 구조 정보를 데이터와 함께 제공하는 파일 형식의 데이터. 웹페이지의 html 등 빅데이..
웹페이지를 아름답게 만드는 CSS(Cascading Style Sheets) CSS Beginner(3) 7. ~ 8. | 목차 1. CSS 적용 2. CSS 구성(구조, 선택자, 주석) 3. CSS 특성 4. BOX model 5. BOX sizing 6. CSS 단위 7. 이미지 다루기 8. Overflow 및 해결 9. 폰트 꾸미기 10. 테두리 꾸미기 11. 배경 이미지 설정 12. 요소 정렬하기 9. 폰트 꾸미기 Hello :) html { fonr-size: 10px; } p { color: #008000; font-size: 0.5rem; (10px의 0.5만큼-> 5px) font-style: italic; (기울어짐) font-weight: bold; (두껍게) text-decoratio..
웹페이지를 아름답게 만드는 CSS(Cascading Style Sheets) CSS Beginner(3) 7. ~ 8. | 목차 1. CSS 적용 2. CSS 구성(구조, 선택자, 주석) 3. CSS 특성 4. BOX model 5. BOX sizing 6. CSS 단위 7. 이미지 다루기 8. Overflow 및 해결 9. 폰트 꾸미기 10. 테두리 꾸미기 11. 배경 이미지 설정 12. 요소 정렬하기 7. 이미지 다루기 (1) img 이미지 태그 (2) 특정 블록 요소의 배경으로써 이미지를 세팅 (3) max-width: 100% 부모 영역에서 벗어나지 않도록 이미지의 상한선을 100%로 설정 (4) object-fit: cover; 이미지를 부모 요소의 영역의 크기 만큼 확대/축소하여 채움(부모 요..
