1 min read
반갑습니다 🙋🏻
배운 것을 기록하고, 기록한 것을 연결하는 공간입니다.
| Interests | Topics |
|---|---|
| 💻 Computer Science | 알고리즘, 자료구조 |
| 🛢 Data Engineering | Airflow, Docker, PostgreSQL |
| 📊 Data Science | ML, 통계, 시각화 |
| 🗺 GIS | 공간 데이터 분석 |
| 🐍 Programming | Python, SQL |
| 🏠 Finance & Property | 부동산, 금융 |
| 🔧 Tools | Obsidian, 워크플로우 |
이 글의 핵심 필지고유번호(PNU)는 지번주소 기반 토지 식별 19자리 KEY 도로명주소관리번호는 도로명주소 기반 건축물 식별 26자리 KEY 덕수궁 사례로 실제 고유번호 생성 과정 이해 법정동과 행정동의 차이, 건물관리번호 vs 도로명주소관리번호 비교 1.
이 글의 핵심 신경망 학습은 사람이 직접 데이터의 특징을 설계해야 하는 기존 머신러닝의 한계를 극복하고, 원본 데이터로부터 스스로 최적의 가중치 매개변수를 찾아내는 과정이다 최적의 가중치를 찾기 위한 지표로 불연속적인 ‘정확도’ 대신 미분(기울기) 계산이 가능한 연속적인 ‘손실 함수(SSE, CEE 등)‘의 값을 최소화하는 방향을 목표로 한다 전체 데이터를 한 번에 계산하는 대신 일부만 무작위로 추려내는 ‘미니배치’ 방식을 사용하여 물리적 메모리 한계를 극복하고 가중치 업데이트 속도와 정확도를 향상시킨다 각 매개변수에 대한 편미분...
이 글의 핵심 신경망은 여러 층으로 이루어져 신호를 전달하며 가중치를 자동으로 학습하는 구조다 활성화 함수는 입력 신호의 총합을 출력으로 변환하는 함수로, 계단 함수, 시그모이드 함수, ReLU 등이 사용된다 신경망의 깊이를 유의미하게 만들기 위해 반드시 비선형 활성화 함수를 사용해야 한다 3층 신경망과 같이 층이 깊어질수록 이전 층의 출력값이 다음 층의 입력값이 되는 과정을 반복하며, 이는 행렬의 곱을 통해 효율적으로 계산된다 회귀 문제에는 항등 함수를, 분류 문제에는 확률로 해석 가능한 소프트맥스 함수를 주로 사용한다 소프트맥...
이 글의 핵심 퍼셉트론은 다수의 입력 신호를 받아 하나의 신호를 출력하는 알고리즘으로, 신경망의 기본 단위이자 딥러닝의 기원이다 입력 신호에 가중치를 곱하고 편향을 더한 값이 임계값을 넘으면 활성화(1), 넘지 않으면 비활성화(0)되는 구조를 가진다 가중치는 신호의 중요도(기울기)를, 편향은 뉴런의 활성화 난이도(절편)를 결정한다 단층 퍼셉트론은 AND, NAND, OR 게이트는 구현 가능하나 선형 분리가 불가능한 XOR 게이트는 구현할 수 없다 XOR 문제 해결을 위해 퍼셉트론을 여러 층으로 쌓은 다층 퍼셉트론이 도입되었으며, ...
Summary Git은 **로컬(내 컴퓨터)**과 원격(GitHub 등) 저장소를 분리해서 관리하며, 두 저장소를 동기화하는 것이 핵심 흐름이다. git fetch는 원격의 최신 정보를 다운로드만 하고, git pull은 다운로드 + 병합까지 한 번에 처리한다.
핵심 기존 Dict/YAML 기반 설정 관리의 타입 불안정성과 들여쓰기 민감성 문제 해결 TOML(직관적 계층 구분) + Pydantic(강력한 데이터 검증) 조합 Pydantic은 규격에 맞지 않는 데이터의 유입을 실행 전에 차단하는 문지기 역할 1.