4.1 요청과 응답 이해하기 🌕 서버와 클라이언트 소통 순서 1. 클라이언트가 서버로 요청(request) 전송 2. 서버가 요청을 처리 3. 서버가 클라이언트로 응답(response) 전송 🌕 노드로 http 서버 만들기 createServer로 요청 이벤트에 대기 req 객체 : 요청(request)에 관한 정보 res 객체: 응답(response)에 관한 정보 const http = require("http"); http.createServer((req, res) => { // 여기에 어떻게 응답할지 적기 }); 🌕 8080 포트 연결하기 res 메서드로 응답 보냄 write로 응답 내용을 적고, end로 응답 마무리(내용을 넣어도 됨) listen(포트) 메서드로 특정 포트에 연결 const ht..
Mac에서 Iterm2로 터미널을 커스텀해보자! ✅ iTerm2란 ? iTerm2는 macOS에서 내가 원하는 대로, 다양한 색상을 가지도록 터미널을 커스텀하여 사용할 수 있게 해주는 터미널 에뮬레이터이다. macOS 10.14 이상의 버전에서 작동하며 개발을 편하게 해주는 다양한 기능도 포함하고 있다. ✅ 설정 순서 터미널을 커스텀하는 설정 순서는 다음과 같이 진행해 보자. 1. iTerm2 설치하기 2. Oh-My-ZSH 설치하기 3. 커스텀하기 4. 플러그인 설치하기 ✅ iTerm2 설치하기 iTerm2는 공식 홈페이지 또는 아래 명령어를 실행하여 Homebrew를 통해 설치한다. $ brew install iterm2 ✅ Oh-My-ZSH 설치하기 더 다양하고 편리한 기능을 사용하기 위해 'Oh-..
1.1 핵심 개념 이해하기 🌕 노드의 정의 공식 홈페이지의 설명 "Node.jsⓇ는 크롬 V8 자바스크립트 엔진으로 빌드된 자바스크립트 런타임입니다." 서버라는 말이 없는 이유 서버의 역할뿐만 아니라 다양한 역할을 수행할 수 있는 자바스크립트 런타임 노드로 자바스크립트로 작성된 서버를 실행할 수 있음 서버 실행을 위해 필요한 http/https/http2 모듈을 제공 🌕 서버 서버: 네트워크를 통해 클라이언트에 정보나 서비스를 제공하는 컴퓨터 또는 프로그램 클라이언트: 요청을 보내는 주체로 브라우저, 데스크톱 프로그램, 모바일 앱, 다른 서버에 요청을 보내는 서버 서버는 클라이언트의 요청에 대해 응답을 보냄 🌕 자바 스크립트 런타임 런타임: 특정 언어로 만든 프로그램들을 실행할 수 있는 환경 노드: 자바..
목차 1. Multi-variable Linear Regression 2. Hypothesis Using Matrix 1. Multi-variable Linear Regression(다중 선형 회귀) 우리가 지금까지 배웠던 Linear Regression은 변수 X가 한 개, 변수 Y가 한 개 있는 Regression이었다. 하지만 실제로 사용할 데이터에서는 위 사진의 데이터와 같이 변수 X가 여러 개인 경우가 많다. 이럴 때 사용하는 Regression을 Multi-variable Linear Regression(다중 선형 회귀)이라고 한다. 명칭 그대로 독립 변수가 여러 개 일 때 Y를 예측하는 것을 말한다. 2. Hypothesis Using Matrix Multi-variable Linear Re..
목차 1. Gradient Descent Algorithm 2. Convex Function 1. Gradient Descent Algorithm(경사 하강 알고리즘) Linear Regression의 목표는 Cost를 최소화하는 Weight, bias를 찾는 것이다. cost를 최소화하는 방법으로는 보통 Gradient Descent Algorithm(경사 하강 알고리즘)을 사용한다. 이는 (0, 0) 원점 또는 어떤 값에서 시작하여 Weight나 bias를 조금씩 바꿔가면서 Cost를 줄이고 경사도를 계산하는 과정을 계속 반복하여 Cost의 최솟값을 가지는 Weight와 bias의 값을 찾는 방법이다. 경사도는 미분을 이용하여 계산할 수 있다. 미분을 쉽게 하기 위해서 Cost Function의 분모..
목차 1. Regression 2. Hypothesis 3. Cost Function 4. Minimize Cost 1. Regression 그림을 살펴보며 이해해 보자. 간단한 데이터를 왼쪽에 준비했다. 여기서 x는 feature라고도 하는 예측하기 위한 기본적인 자료, y는 예측해야 할 대상이다. 이 데이터를 간단하게 그래프에 그려보면 오른쪽 그림과 같다. 2. Hypothesis Regression 모델을 학습할 때는 하나의 가설을 세울 필요가 있다. 이때 'Linear 한 모델이 우리가 가지고 있는 데이터에 적합할 것이다.'라고 가설을 세우는 것이 Linear Regression이다. 다르게 말해서 데이터가 주어졌을 때 그 데이터에 맞는 Linear 한 선을 찾는 것이라고 설명할 수 있다. 위의 ..
목차 1. 머신러닝 2. 비지도 학습 vs 지도학습 3. 지도 학습의 유형 4. Tensorflow 5. Data Flow Graph 6. Tensor Rank, Shape, Type 1. Machine Learing(머신러닝) 쉽게 말해서 개발자가 일일이 프로그래밍하지 않고 자체적으로 데이터를 학습한 후 적용하는 프로그램을 기계학습이라고 한다. 1959년, 아서 사무엘은 기계가 일일이 코드로 명시하지 않은 동작을 데이터로부터 학습하여 실행할 수 있도록 하는 알고리즘을 개발하는 연구 분야라고 정의했다. 2. Unsupervised Learning(비지도 학습) vs Supervised Learning(지도 학습) 머신러닝을 학습 방식에 따라 Unsupervised Learning(비지도 학습), Supe..
목차 1. 모집단과 표본, 전수조사와 표본조사 2. 표본추출에서 나타나는 편향의 종류 3. 인지적 편향의 종류(확증 편향, 기준점 편향, 선택 지원 편향, 분모 편향, 생존자 편향) 4. 머신러닝 모델 측면의 편향과 분산 5. 표본 편향을 최소화하기 위한 표본 추출 방법 1. 모집단과 표본, 전수조사와 표본조사 통계 분석에서 분석하고자 하는 대상의 전체 집합을 모집단이라고 한다. 그리고 모집단의 부분집합, 즉 모집단의 일부를 추출한 것을 표본이라고 한다. 모집단의 자료 전체를 조사 및 분석하여 정보를 추출하는 것을 전수조사라고 하며, 모집단에서 추출한 표본을 통해 모집단의 정보(평균, 표준편차 등)를 추정하고 검정하는 것을 표본조사라고 한다. 1장에서 다룬 기술 통계, 추론 통계와 연관이 깊은 개념이다...
목차 1. 머신러닝과 전통 통계학의 차이 2. 기술 통계와 추론 통계 1. 머신러닝과 전통 통계학의 차이 머신러닝의 기본은 통계학으로 이루어졌지만 머신러닝과 전통 통계학은 분명한 차이가 있다. 머신러닝은 예측력이 얼마나 높은가에 집중한다. 그렇기 때문에 분석 모형의 복잡성이 높으며, 고질적인 문제인 과적합 해결에 집중한다. 데이터 과학의 분야는 통계학, 머신러닝, AI 등의 영역이 미묘하게 뒤섞여 있다. 전통적 통계학과 머신러닝 교집합의 관계를 가지고 있다. 머신러닝은 통계학의 일부 특성을 활용한 응용과학 분야이다. 그림 1.1 은 SAS institute에서 정의한 데이터 과학 분야의 영역 다이어그램이다. 통계학은 각 변수의 영향력에 대한 해석과 모집단에서 추출한 샘플의 가정과 통계적 적합성에 집중한다..
✅ 시간 복잡도 입력을 나타내는 문자열 길이의 함수로서 작동하는 알고리즘을 취해 시간을 정량화하는 것이다. 알고리즘의 시간복잡도는 주로 Big-O notation을 사용하여 나타내며, 이 Big-O notation은 계수와 낮은 차수의 항을 제외시키는 방법이다. 이런 방식으로 표현할 때, 시간복잡도를 점근적으로 묘사한다고 말한다. ✅ Big-O notation ➰ O(1) O(1)는 constant complexity라고 하며, 입력값이 증가하더라도 시간이 늘어나지 않는다. 입력값의 크기와 관계없이, 즉시 출력값을 얻어낼 수 있다는 의미이다. 코드 예시는 다음과 같다. def print_first(arr): print(arr[0]) ➰ O(n) O(n)은 linear complexity라고 부르며, 입력..
