주뇽's 저장소

본 정리는 인프런 John Ahn 따라하며 배우는 노드, 리액트 시리즈 - 기본 강의를 참고하였습니다. Model 스키마를 감싸주는 역할 Schema 하나하나의 정보들을 지정 Models 폴더 생성 User.js 파일 생성 후 코드 입력 const mongoose = require('mongoose') const userSchema = mongoose.Schema({ name:{ type : String, maxlength : 50, }, email:{ type : String, trim : true, // space를 없애주는 역할 unique :1 // 똑같은 이메일 사용금지 }, password:{ type : String, minlength :5, }, lastname:{ type : String..

본 정리는 인프런 John Ahn 따라하며 배우는 노드, 리액트 시리즈 - 기본 강의를 참고하였습니다. MongoDB 로그인 회원가입 후 로그인 Cloud: MongoDB Cloud 클러스터 생성 Shared 클러스터를 사용 (무료) 3개의 클라우드 중 원하는 클라우드 선택 지역 선택 Tier와 Name 설정 User 생성자신의 IP를 등록 후 생성 이름과 비밀번호를 입력 후 생성 **Mongoose 설치** 몽고DB를 간단하게 쓸 수 있는 Object Modeling Tool ```bash npm install mongoose --save ``` 1. 몽고디비 커넥트 주소 복사 2. 몽구스를 이용하여 몽고DB 연결 1. index.js파일 수정 ```jsx const mongoose = require(..

NodeJS NodeJS가 나오기 전까지는 Javascript를 브라우저에서만 사용가능했는데 서버사이드에서 쓸 수 있게 해주는 언어 ExpressJS NodeJS를 이용하여 자동차를 만드는 것 NodeJS를 이용하여 웹 개발을 도와주는 프레임워크 NodeJS 설치 및 폴더 생성 터미널에서 다음 명령어를 통해 노드설치 여부 확인 node -v 버전이 없다고 가정하고 진행최신버전보다 검증이 된 LTS버전을 다운로드 후 설치 Node.js 원하는 워크스페이스에서 boiler-plater 폴더 생성 해당 워크스페이스로 이동 후 npm 패키지 생성 터미널에서 다음 명령어 사용 엔터를 쳐서 기본값으로 진행 npm init author은 자신의 이름을 입력 (안해도 됨) Express 설치 워크스페이스 디렉토리에서 ..

목차 정규모집단의 표본분포 중심극한정리 정규모집단이 아닌 경우의 표본분포 t분포 F분포 표본의 분포와 통계량 모집단에서 추출된 확률표본들 X1,X2...Xn 각 표본치는 확률변수, 서로 독립이라 가정한다. 모두가 동일한 확률분포를 따르고, 이는 모집단의 확률분포 확률표본의 분포는 모집단의 모수를 추정하는데 사용가능 ex) 모집단의 평균을 추정하기 위해 n개의 샘플을 추출시 → 모평균은 표본평균으로 추정하는 것이 가장 일반적 확률변수 X바는 각각의 확률변수 Xi들에 대한 함수이며 , 통계량 중 하나이다. 통계량이란 ? 우리가 모르는 모집단의 모수들에 대해 추측하기 위해 사용 확률표본의 측정값들인 확률변수들의 함수 형태로 표현되므로 확률변수라고 할 수 있음 통계량들의 확률분포를 표본분포라고 함 표본분포는 모..

목차 연속균일분포 정규분포 표준정규분포 이항분포의 정규근사 지수분포 6.1연속균일분포 정의 : 확룰변수 X가 일정한 유한한 구간 안에서 정의되며, 그 구간 내에서 확률밀도가 같은 확률분포 ex) 0~10 사이에서 임의의 한 점을 선택할 때, 0~10까지 구간에서 임의의 한 점이 선택될 가능성은 동일 연속균일분포의 확률밀도함수 연속균일분포의 평균과 분산은 다음의 식과 같이 유도할 수 있다 ###예시 6.2 정규분포 정의 : 통계분석에서 가장 많이 사용되는 분포, 가우스 분포 -자연에서 발생하는 수치의 평균의 분포는 중심극한정리에 의해 정규분포로 수렴 좌우 대칭인 종 모양의 곡선 2개의 모수인 평균 μ와 표준편차 σ에 의해 그 모양이 결정됨 N(μ,σ²)로 표기 평균(μ)은 분포의 중심위치를 결정 표준편차(..

5.1 이산균일분포 Discrete Uniform distribution 정의 : n개의 결과값이 균일한 확률로 발생하는 확률분포 ex)주사위 던지기에서 1,2,3,4,5,6 각 눈이 나올 확률은 1/6로 동일하다 PDF = f(x) = 1/n, x= 1,2,3,....n ###이산균일분포의 평균, 분산### 5.2 이항분포 베르누이 분포 (Bernouli Distribution) 정의 : 성공 확률이 p인 1회의 시행에서 나오는 성공 횟수 X가 따르는 분포 확률질량함수 두 개의 식은 같은 식 1회의 시행에서 나올 수 있는 성공 횟수는 1 아니면 0인데, X=1일 확률은 성공 확률과 같으므로 p이고 , X=0일 확률은 실패 확률과 같으므로 1-p가 된다. ###베르누이 확률변수의 평균, 분산### 평균값..

동적계획법 분할정복기법 (Divide - and - Conquer)과 유사하다. 문제를 여러 개의 subproblem으로 나누고, 각 subproblem을 해결한 후, 각 subproblem의 해답을 이용하여 원래 문제의 해답을 계산 각, subproblem이 독립적이지 않고, 서로 연관되어 있는 경우에는 매우 많은 반복연산이 이루어지고, 이로 하여금 많은 수행시간이 필요 ex) Fibonacci Numbers 피보나치 수열은 초반에 재귀함수로 구현해본적이 있다. 분명 재귀적으로도 피보나치를 구할 수 있지만. 왜 동적프로그래밍에서 피보나치를 예시로 가져왔을까 ? 그 이유는 피보나치 수열은 계산도중 죽복되는 계산이 많이 발생한다는 점이 있다.! 초반에 언급한 subproblem이 독립적이지 않고, 서로 연..

4-1 심층학습의 등장 배경 1980년대에 이미 깊은 신경망 아이디어 등장(다층 퍼셉트론) 하지만 당시 기술로는 실현 불가능 경사 소멸 (gradient vanishing)문제 작은 훈련집합 과다한 연산과 시간 소요(낮은 연산의 범용 컴퓨터, 값비싼 슈퍼컴퓨터) 일부 연구자(캐나다)들은 실망스러운 상황에서도 지속적인 연구 학습률에 따른 성능 변화 양상 모멘텀과 같은 최적 탐색 방법 모색 은닉 노드 수에 따른 성능 변화 데이터 전처리의 영향 활성함수의 영향 규제 기법의 영향 등 # 보통 다층 퍼셉트론이 4개 이상일 때 심층학습이라 부른다. 경사 소멸 문제(gradient vanishing problem) # Back_prob 단계에서 경사 소멸 문제 발생 #위 그림 처럼 오류 역전파를 통해 계산하는 도중 ..