🌷나의 선인장🌵

control chart는 프로세스 동작 차트라고도 하며, 주로 제조쪽에서 제어 상태에 있는지 판별하는데에 사용되는 통계 프로세스 제어 도구이다. 제조회사에서 품질관리 부문에서 많이 사용되고 공정의 이상여부를 파악하거나 안정 유지를 위해 사용되는 차트이다. 따라서 이 차트를 해석하기 위해서는 관리도에 대한 개념과 기초적인 통계 지식을 가지고 있어야 한다. 관리도는 공정이 관리 이탈 상태에 있는 시점을 나타내고, 특수한 원인 변동이 있는지를 식별할 때에 도움이 된다. 관리도는 데이터를 시간 순으로 표시하며, 중심선, 관리 상한, 관리 하한이 함께 표시된다. 이때 관리 상한과 하한선은 관리한계선(공정과정에서 생길 수 있는 오차의 마지노선)을 나타내며, 이 한계선을 벗어나면 공정에 변동이 있음, 즉 이상치가 ..

pip install jupyter 로 쥬피터 노트북 설치하려하는데 계쏙 다음과 같은 에러가 떳다 ERROR: Could not install packages due to an OSError: HTTPSConnectionPool(host='files.pythonhosted.org', port=443): Max retries exceeded with url: 해결방법은 다음과 같다 pip install --trusted-host pypi.python.org --trusted-host pypi.org --trusted-host files.pythonhosted.orgjupyter 윈도우에서 jupyter notebook 설치 성공!!!

sudo gem install cocoapods 실행 시 에러 ERROR: Error installing cocoapods: ERROR: Failed to build gem native extensions sudo gem install cocoapods 시 ERROR log sudo gem install cocoapods Building native extensions. This could take a while... ERROR: Error installing cocoapods: ERROR: Failed to build gem native extension. current directory: /Library/Ruby/Gems/2.6.0/gems/ffi-1.15.5/ext/ffi_c /System/Libr..

Logistic Regression 범주형 변수 예측 모델 Logistic Regression을 알기전에 linear regression을 먼저 알아야. Multiple Linear Regression (다중선형회귀) 수치형 설명변수 X와 연속형 숫자로 이뤄진 종속변수 Y간의 관계를 선형으로 가정하고 이를 가장 잘 표현할 수 있는 회귀계수를 데이터로부터 추정하는 모델 이때 회귀계수는 모델의 예측값과 실제값의 차이(오차제곱합 error sum of squared)을 최소로 하는 값 설명변수가 p개인 다중선형회귀의 일반 식 예시 - 1 나이와 혈압 데이터가 주어졌을 때, 오차제곱합을 최소로 하는 회귀계수 구하기 설명변수 X : 나이 종속변수 Y : 혈압 앞서 종속변수 Y는 ‘혈압’으로 연속형 숫자였음. 그렇..

Ensemble 기법 Ensemble Learning이란 여러개의 분류기를 생성하고 그 예측을 결합하여 보다 정확한 예측을 내는 기법 강력한 하나의 모델을 사용하는 대신 보다 약한 모델을 여러개 조합하는 방식 Ensemble Learning 종류 앙상블 학습은 3가지 유형으로 분류됨 Voting Bagging Boosting Voting 여러개의 classifier가 투표를 통해 최종 예측결과 결정 서로 다른 알고리즘 여러개 결합하여 사용 Voting 방식 Hard Voting : 다수의 classifier가 예측한 결과값을 최종 결과로 선정 (다수결의 법칙) Soft Voting : 모든 classifier가 예측한 label값의 결정 확률 평균을 구한 뒤 가장 확률이 높은 label값을 최종결과로 선..

git push를 하는데 다음과 같은 오류 메세지를 맞이했다 fatal: the remote end hung hup unexpectedly send-pack: unexpected disconnect while reading sideband packet (참고로 나는 Window 윈도우환경에, Git Bash를 이용하고 있다.) 해결방법은 다음과 같다 git config --local http.postBuffer 1024M git config --local http.maxRequestBuffer 1024M git config --local pack.deltaCacheSize 1024M git config --local pack.packSizeLimit 1024M git config --local pack...

얼마전에 자격증 이수증을 출력하러 K data 홈페이지 들어갔다가 유효기간 만료기간이 지나버려서 내 자격증 날라간 줄 알고 깜짝 놀랐다 ㅠㅠㅠㅠㅠㅠ 유효기간이 2019.12.31 ~ 2021.12.30 (2년) 이었는데 이걸 확인한 날은 2022년..이었응ㅁ... 그래서 아 진짜 만료된건가 했는데 보수교육을 들으면 되더라 !!!!!!!!!! 홈페이지 들어가서 마이페이지 누르고 보수교육 누르면 강의가 하나 뜬다 그걸 다 들으면 유효기간이 아래와 같이 "영구"로 바뀐다! ㅎㅎ 정말이지 시험 한번 더 봐야되는 줄 알고 슬퍼했는데 십년감수했다 ㅎㅎ (강의는 3시간? 정도짜리 하나라 무난하게 이수가능하세요~)

목적 : CNN layer들 중간중간 추출되는 feature들을 시각화해보면서 layer를 거치면서 어떠한 변화가 일어나는지 알아본다. CNN architecture 들어가기전에, CNN을 이해하기 위해 꼭 필요한 정보들에 대해서 정리해본다. 1. input image에 우리는 filter(=mask=kernel)를 적용하여 feature map을 생성한다. 이때 filter는 이미지가 가지고 있는 edge, vertical line, horizontal line, bends와 같은 여러 feature들을 나타내주도록 도와준다. 2. 생성된 feature map에 pooling을 적용한다. min, avg, max pooling등을 쓸 수 있고, 그 중에서 max pooling을 사용했을 때 성능향상을 ..

항상 글을 작성하고나서 확인해보면 폭이 너무 작아서 가독성이 떨어진다는 생각을 많이 했다. 수정할 수 있는 방법을 찾아서 공유해보고자 한다 ㅎㅎ (참고로 나는 odyssey 스킨을 사용중이다) 우선 블로그관리 > 스킨 편집 > html/css 탭에서 css탭 선택 > html 편집 으로 가서 코드를 수정할거다 .area-main을 검색해보면 아래와 같이 width와 max-width속성들을 볼 수 있다. default값은 width:100%, max-width: 640px이었는데 나는 width 80%로 줄이고, max-width 픽셀값을 거의 두배로 늘려줬다 (아래 그림 참고) 참고로 나같은 경우는 .main도 같이 수정해줘야했다 쉽게 말해 main은 화면 전체 넓이, area-main은 본문의 넓이기..

티스토리에서 제공하는 마크다운 모드는 지원하지 않는 기능들이 몇 있다..ㅠ 그중의 하나가 Latex문법을 지원하지 않는다는 것..! 수식을 써야하는 나에겐 너무 불편했다ㅠ 그래서 해결방법을 찾아봤다 티스토리 설정에서 스킨편집 > html편집 으로 가서 사이에 아래 코드를 집어넣으면 된다!!! 위 코드를 추가하고 적용하기를 하면 이제 마크다운 모드에서 작성한 latex 문법들이 화면에 잘 렌더링돼서 나온당👏

📍MultiProcessing - 하나의 프로그램을 여러개의 process로 구성하여 각 process마다 하나의 작업(task)씩 처리하도록 하는 것 예시) 크롬 어플리케이션을 사용한다고 해보자. 크롬 창을 여러개 띄운다고 할 때, 첫 번째 크롬창을 실행시키는 process, 두번째 크롬창을 실행시키는 process, 세번째 크롬창을 실행시키는 process ... 이런식으로 크롬이라는 하나의 프로그램에서 일어나는 여러개의 작업을 process를 여러개 생성하여 하나씩 처리하도록 해주는 것..! 장점 - 독립된 메모리 영역을 각자 할당받기 때문에 process간 서로의 자원에 침투할 수 없음 → 안정성이 높음 단점 - 작업량이 많아지면 *context switching에서의 오버헤드 발생 가능 (pro..

📍Program - 코드로 만들어진 집합체 - 예시) 크롬 어플리케이션을 하나의 프로그램이라 할 수 있음 📍Process - 프로그램을 실행시키면 그게 process가 됨!! (실행중인 프로그램이기 때문에 job, task라고도 불림) - OS로부터 시스템 자원을 할당받는 작업의 단위 (process는 독립된 memory영역을 각자 할당받음) 시스템 자원을 할당받는다라... 시스템 자원이 뭘까? memory영역은? 우선 그림으로 process가 어떻게 생겼는지 보자. process안에 code, data, stack, heap이 들어있다. 얘네가 바로 memory 영역..! 📍Memory 구조 1. code 코드 자체를 구성하는 메모리 영역 2. data 데이터는 *전역변수, 정적변수(static), 배..

프로그래머스의 코딩연습 중 level3의 hash 카테고리의 "베스트앨범" 문제 풀이 (문제 : 아래 링크👇👇👇) 프로그래머스 코드 중심의 개발자 채용. 스택 기반의 포지션 매칭. 프로그래머스의 개발자 맞춤형 프로필을 등록하고, 나와 기술 궁합이 잘 맞는 기업들을 매칭 받으세요. programmers.co.kr 문제풀이 문제가 엄청 어렵지는 않은데.. 내 생각에는 설명이 친절하지 않았다고 생각한다. 일단 내가 헷갈렸던 지점은 전체 곡들 중에서 조회수가 가장 많은 곡이 해당하는 장르부터 앨범에 담는다 장르별로 조회수를 합하여 가장 조회수가 높은 장르부터 앨범에 담는다 (아무리 문제 설명을 읽어봐도 너무 모호하게 써있는 것 같았음) 처음에 1번으로 생각하고 문제를 풀었더니 1,2,3,4,15를 제외하곤 모두..

프로그래머스의 코딩연습 중 level2의 hash 카테고리의 "위장" 문제 풀이 (문제 : 아래 링크👇👇👇) 프로그래머스 코드 중심의 개발자 채용. 스택 기반의 포지션 매칭. 프로그래머스의 개발자 맞춤형 프로필을 등록하고, 나와 기술 궁합이 잘 맞는 기업들을 매칭 받으세요. programmers.co.kr 문제풀이 옷 종류별로 옷들이 있고 스파이는 여러 옷 카테고리에서 옷 하나씩을 꺼내 입는다. 이때 가능한 경우의 수를 구하면 된다. 주의사항이 있다하면 모든 옷 카테고리안에서 반드시 옷을 꺼내입어야하는 것은 아니다. 한 카테고리안에서는 반드시 한벌의 옷만 고를 수 있다. 같은 종류의 여러 옷을 입을 수 없다. 예를 들어, 모자: [캡,비니], 상의: [티셔츠,니트] 이렇게 있다고 할때, 상의는 입지 않고..

프로그래머스의 코딩연습 중 level2의 DFS/BFS 카테고리의 "타겟넘버" 문제 풀이 (문제 : 아래 링크👇👇👇) 프로그래머스 코드 중심의 개발자 채용. 스택 기반의 포지션 매칭. 프로그래머스의 개발자 맞춤형 프로필을 등록하고, 나와 기술 궁합이 잘 맞는 기업들을 매칭 받으세요. programmers.co.kr 문제풀이 처음 접근 방식 (정확성 75%, 테케 1,2번 시간초과로 통과 못함) 나의 경우는 처음 두 테케에서 시간초과가 떴다. 접근 방식은 주어진 numbers 길이만큼 '+','-'로 가질 수 있는 모든 경우에 대해서 생성해주고 이를 numbers에 붙여주는 것이었다. (itertools의 product함수를 사용) 예를 들어, [4,1,2,1] 가 numbers로 주어진다면, '+'와 '..