Im between cherry

1. SaaS란? 서비스형 소프트웨어(SaaS)는 인터넷 브라우저를 통해 최종 사용자에게 애플리케이션을 제공하는 클라우드 기반 소프트웨어 모델. SaaS 공급업체는 고객이 필요에 따라 액세스할 수 있는 서비스 및 애플리케이션을 호스팅함. SaaS 제품 및 서비스를 사용하면 서비스의 유지 관리 방식이나 기본 인프라의 고나리 방식에 대해 고민할 필요가 없으며 소프트웨어를 어떻게 사용할지만 생각하면 됨. SaaS모델의 다른 일반적인 측면으로는 요금제가 있음. 모든 기능을 한 번에 크게 구매하는 대신 사용량에 따른 요금제 모델 또는 구독 기반으로 요금을 지불함. SaaS 애플리케이션의 일반적인 예로는 웹 기반 이메일이 있음. 이메일 제품의 추가 기능을 관리하거나 이메일 프로그램이 실행되는 서버 및 운영 체계를 ..

1. 데이터 준비 데이터 준비는 추가 처리 및 분석에 적합하도록 언시 데이터를 준비하는 과정. 핵심 단계에는 원시 데이터를 수집하고 정리하여 기계 학습(ML) 알고리즘에 적합한 양식으로 레이블 지정한 다음 데이터를 탐색하고 시각화하는 단계가 포함됨. 데이터 준비는 ML 프로젝트에서 소비되는 시간 중 최대 80%를 차지할 수 있음. 이 과정을 최적화하기 위해 특화된 데이터 준비 도구를 사용하는 것이 중요함. 2. JRE Java 런타임 환경(JRE)은 Java 프로그램이 올바르게 실행되기 위해 필요한 소프트웨어. Java는 여러 최신 웹 및 모바일 애플리케이션의 기반이 되는 컴퓨터 언어임. JRE는 Java 프로그램과 운영 체제 간의 통신을 위한 기본 기술임. JRE는 Java 소프트웨어 작성 시 추가 수..

IT리소스를 인터넷을 통해 온디맨드로 제공하고 사용한 만큼만 비용을 지불하는 것을 말함. 물리적 데이터센터와 서버를 구입, 소유 및 유지 관리하는 대신, Amazon Web Services(AWS)와 같은 클라우드 공급자로부터 필요에 따라 컴퓨팅 파워, 스토리지, 데이터베이스와 같은 기술 서비스에 액세스할 수 있습니다. 누가 사용할까? 모든 유형, 규모 및 산업의 조직이 데이터 백업, 재해 복구, 이메일, 가상 데스크톱, 소프트웨어 개발 및 테스트, 빅 데이터 분석, 고객 대상 웹 애플리케이션 등 다양한 사용 사례에 클라우드를 사용하고 있음. 예를 들어, 의료 회사들은 클라우드를 사용하여 환자를 위한 좀 더 개인화된 치료법을 개발하고 있음. 금융 서비스 회사들은클라우드를 사용하여 실시간 부정 행위 탐지 ..

SSD (Solid State Drive) - 보조기억장치 - 하드디스크 드라이브(HDD, hard distk drive): 모든 파일들이 저장되는 공간 - 솔리드스테이트 드라이브(SSD, solid state drive): 최근에 SSD라고 전자식 디스크로 발전. HDD보다 읽어오는 속도가 빠름 - 그래서 주로 SSD를 C드라이브로 쓰고 HDD를 D드라이브로 써서, 빨리 불러오고 싶은 프로그램을 C드라이브에(부팅 프로그램)설치하고, 안 빨라도 되는 그냥 파일들이나 프로그램은 D드라이브에 나눠서 저장하곤 함 - 근데 최근엔 반도체 기술이 늘어서 HDD를 아예 빼고 통채로 디스크를 SSD로 넣어도 됨 - 하지만 SSD는 쓸수록 닳는 성질이 있음 (단점) - 문서작업을 엄청 많이하고 저장을 많이 해야하면 디..

https://jinwoo1990.github.io/jira/jira-example/

정규화 - 일반화 오차를 줄이기 위한 기계학습의 모형이나 알고리즘의 수정 -- 모형의 파라미터에 제약을 가한다 -- 여러 개의 모형을 학습시킨다 -- 여러가지 과제에 학습시킨다 노름(Norm) - 길이 또는 크기를 일반화한 개념 - Lp 노름 L1 정규화 - 손실함수에 파라미터의 L1 노름을 추가: 가중치(w)를 최대한 작게, 손실 함수도 작게. - LASSO(통계 회귀분석에서 불리는 용어) - 가중치를 0으로 만드는 경향이 강함: 변수선택(fearue selection) - 중요하지 않은 변수는 날려버린다. 손실함수가 0이 됨. L2정규화 - 손실함수에 파라미터의 L2 노름을 추가: L1 정규화랑 큰 차이는 없지만, 이건 제곱을 하니까 계수를 작게하려는 경향이 있다. - Ridge 회귀분석(통계 회귀분..

일반화 - 학습된 결과를 새로운 데이터에 적용하는 것 - 일반화 오차: 일반화에서 발생하는 오차 - 보통 테스트를 통해 측정하므로 테스트 오차라고 함 용량 - 기계학습 모형이 표현할 수 있는 패턴의 범위 - 예시: y=wx, y=b, y=wx+b 과적합 - underfitting(과소적합): 데이터의 패턴이 모형이 표현할 수 있는 것보다 복잡 - overfitting(과대적합): 모형이 표현하는 패턴이 실제 데이터보다 복잡 - 과적합이 발생하면 일반화 오차가 커짐 No Free Lunch Theorem (공짜 점심은 없다) - 모든 가능한 문제들에 대한 기계학습 방법의 평균적 성능은 같다 - 항상 더 좋은 방법은 없음 - 단, 어떤 문제들에 대해서는 항상 더 좋은 방법이 있을 수 있다. 하이퍼파라미터 -..

1. 감성 분석 - 문장의 감성을 예측 감성: 긍/부정 찬성/반대, 좋다/싫다 등 - 기쁨, 슬픔, 분노 등은 정서라고 함 감성 분석의 방법 - 사전 기반 - 기계 학습 기반 사전 기반 감성 분석 - 단어 별로 긍/부정을 분류하여 감성 사전 만듦 - 긍정 단어의 예) 좋다, 만족한다, 뛰어나다 - 부정 단어의 예) 나쁘다, 불만이다, 뒤떨어진다 - 문장에서 긍정단어의 수와 부정단어의 수를 세서 많은 쪽으로 결정 감성 사전의 장단점 - 장점: 배경지식이 있다면 감정사전 만들 수 있음. 복잡한 프로그래밍 필요 없음. 우리가 가진 지식 활용 가능 - 단점: 해박한 배경지식이 필요. 사전으로 만드는데 많은 노력이 필요. 문장의 어순을 고려 못함 기계 학습의 장단점 - 장점: 감정 사전보다 성능이 높음. 배경지식..