본문 바로가기

전체 글

과학_원소 우주 초기의 원소물질을 이루는 기본 입자의 생성- 가모에 의해 제시된 빅뱅 우주론에 따르면 약 138억 년 전의 대폭발(Bing Bang)에 의해 시간과 공간이 만들어졌으며, 폭발의 순간 물질을 이루는 가장 기본이 되는 입자들이 만들어지면서 비로소 물질세계가 시작되었다. 빅뱅 우주론 - 빅뱅 이후 우주가 시간에 따라 팽창하며 물질과 에너지가 퍼지고, 이후 은하와 별이 만들어지는 모습을 나타낸 모형 - 빅뱅 직후 초고온, 초고밀도 상태의 우주는 급격한 팽창으로 식어 가면서 물질의 기본이 되는 *쿼크와 전자가 만들어졌다. - 당시 우주는 온도가 너무 높아서 양성자와 중성자는 매우 빠르게 운동하여 서로 결합할 수 없었다. ( = 수소 원자핵 이외의 원자핵이 만들어지지 못한 채 전자와 같은 입자들과 함께 있었다.. 더보기
과학_산과 염기 산과 염기산 - 푸른색 리트머스 종이를 붉게 변화시킨다. ex. 탄산음료, 식초, 요구르트, 과일(레몬, 자몽, 토마토), 과일 주스 등 염기 - 붉은색 리트머스 종이를 푸르게 변화시킨다. ex. 세제, 세탁 비누, 하수구 세척제, 유리 세정제, 제빵용 소다, 제산제 등  *산과 염기의 성질관찰 결과염산아세트산 수용액수산화 나트륨 수용액탄산수소 나트륨 수용액리트머스 종이의 색 변화는?푸른색 -> 붉은색푸른색 -> 붉은색붉은색 -> 푸른색붉은색 -> 푸른색전류가 흐르는가?전류가 흐른다.전류가 흐른다.전류가 흐른다.전류가 흐른다.마그네슘과 반응하는가?반응한다.반응한다.반응하지 않는다.반응하지 않는다.탄산 칼륨과 반응하는가?반응한다. 반응한다.반응하지 않는다.반응하지 않는다.페놀프탈레인 용액에 의한 색 변화는.. 더보기
Java_예외 처리, 스레드 예외처리예외가 발생하는 경우 - 정수를 0으로 나누는 경우 / 배열의 첨자가 범위를 벗어났을 경우 / 부적절한 형 변환이 발생한 경우 / 입출력 시 인터럽트가 발생한 경우 / 지정한 파일일 존재하지 않는 경우 등에러 발생 시 에러 메시지를 출력하기 위해 제공 되는 메서드 - getMessage() : 해당 객체에 포함된 에러 메시지 - toString() : 예외 클래스와 해당 객체에 포함된 에러 메시지 - printStackTrace() : 예외가 발생하기까지의 메소드 호출 순서를 화면에 출력다중 try - catch - finallytry{  예외를 발생시킬 가능성이 있는 문장들;}catch(예외 타입1){  예외 타입1 발생 시 처리할 문장들;}catch(예외 타입2){  예외 타입2 발생 시 처리.. 더보기
Java_컬렉션 제네릭 컬렉션(Collection)요소(element) 객체들의 저장소 - 객체들의 컨테이너 - 요소의 개수에 따라 크기 자동 조절 - 요소의 삽입, 삭제에 따른 요소의 위치 자동 이동고정 크기의 배열을 다루는 어려움 해소다양한 객체들의 삽입, 삭제, 검색 등의 관리 용이컬렉션은 제네릭(generics) 기법으로 구현됨// 제네릭 - 모든 종류의 데이터 타입을 다룰 수 있도록 일반화된 타입 매개 변수로 클래스나 메소드를 작성하는 기법 - 타입 매개 변수 : , ,      // ex. Vector -> Vector컬렉션의 요소는 객체만 가능 - 기본적인 int, char, double 등의 기본 타입 사용 불가 ( JDK1.5부터 박싱/언박싱으로 기본 타입을 객체로 자동 변환 )배열(array)컬렉션(colle.. 더보기
혼공머신 6차시 _ 딥러닝 시작 Ch.07-1 인공 신경망인공 신경망 - 생물학적 뉴런에서 영감을 받아 만든 머신러닝 알고리즘으로, 기존의 머신러닝 알고리즘으로 다루기 어려웠던 이미지, 음성, 텍스트 분야에서 뛰어난 성능을 발휘함 ( 인공 신경망 알고리즘 = 딥러닝 )텐서플로 - 구글이 만든 딥러닝 라이브러리로 매우 인기 높음 - CPU와 GPU를 사용해 인공 신경망 모델을 효율적으로 훈련하며 모델 구축과 서비스에 필요한 다양한 도구를 제공 - 텐서플로 2.0부터는 신경망 모델을 빠르게 구성할 수 있는 케라스를 핵심 API로 채택함 ( 케라스를 사용하면 간단한 모델에서 아주 복잡한 모델까지 손쉽게 만들 수 있다 )밀집층 - 가장 간단한 인공 신경망의 층이며( 인공 신경망에는 여러 종류의 층이 있다 ), 밀집층에서는 뉴런들이 모두 연결되.. 더보기
혼공머신 5차시 _ 비지도 학습 Ch.06-1 군집 알고리즘비지도 학습 - 머신러닝의 한 종류로 훈련 데이터에 타깃이 없음 ( 타깃이 없어서 외부의 도움 없이 스스로 유용한 무언가를 학습 ) - 대표적인 비지도 학습 작업 : 군집, 차원 축소 등히스토그램 - 구간별로 값이 발생한 빈도를 그래프로 표시한 것 ( x축 : 값의 구간(계급) / y축 : 발생 빈도(도수) )군집 - 비슷한 샘플끼리 하나의 그룹으로 모으는 대표적인 비지도 학습 작업 ( 클러스터 : 군집 알고리즘으로 모은 샘플 그룹 ) Ch.06-2 k-평균k-평균 알고리즘 - 처음에 랜덤하게 클러스터 중심을 선택하고 점차 가장 가까운 샘플링 중심으로 이동하는 알고리즘 - 방법무작위로 k개의 클러스터 중심을 정한다.각 샘플에서 가장 가까운 클러스터 중심을 찾아 해당 클러스터의 .. 더보기
혼공머신 4차시 _ 트리 알고리즘 Ch.05-1 결정 트리결정 트리 - 예 / 아니오에 대한 질문을 이어나가면서 정답을 찾아 학습하는 알고리즘 - 비교적 예측 과정을 이해하기 쉽고 성능 뛰어남불순도 - 결정 트리가 최적의 질문을 찾기 위한 기준 ( 사이킷런 : 지니 불순도와 엔트로피 불순도 제공 )정보 이득 - 부모 노드와 자식 노드의 불순도 차이 ( 결정 트리 알고리즘 : 정보이득 최대화되도록 학습 )가지치기 - 결정 트리( 제한 없이 성장하면 훈련 세트에 과대적합되기 쉬움 )의 성장을 제한하는 방법 ( 사이킷런의 결정 트리 알고리즘 : 여러 가지 가지치기 매개변수를 제공 )특성 중요도 - 결정 트리에 사용된 특성이 불순도를 감소하는데 기여한 정도를 나타내는 값 ( 결정트리 : 특성 중요도 계산 가능 ) Ch.05-2 교차 검증과 그리.. 더보기
혼공머신 3차시 _ 다양한 분류 알고리즘 Ch.04-1 로지스틱 회귀로지스틱 회귀 - 선형 방정식을 사용한 분류 알고리즘 - 선형 회귀와 달리 시그모이드나 소프트맥스 함수를 사용하여 클래스 확률 출력 가능다중 분류 - 타깃 클래스가 2개 이상인 분류 문제 ( 로지스틱 회귀 : 다중 분류 위해 소프트맥스 함수 사용해 클래스 예측 )시그모이드 함수 - 선형 방정식의 출력을 0과 1 사이의 값으로 압축해 이진 분류를 위해 사용소프트맥스 함수 - 다중 분류에서 여러 선형 방정식의 출력 결과를 정규화하여 합이 1이 되도록 함 Ch.04-2확률적 경사 하강법 - 훈련 세트에서 샘플 하나씩 꺼내 손실 함수의 경사를 따라 최적의 모델을 찾는 알고리즘 - 미니배치 경사 하강법 : 샘플을 하나씩 사용하지 않고 여러 개를 사용 - 배치 경사 하강법 : 한 번에 전.. 더보기