๋ชฉ๋ก๐ฉ๐ป ์ปดํจํฐ ๊ตฌ์กฐ (110)
๐ ๊ณต๋ถํ๋ ์ง์ง์ํ์นด๋ ์ฒ์์ด์ง?
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/bk4PZ4/btrRRONHJj0/LLrR6HSfkiGhrDmzuH4dQk/img.png)
https://exmemory.tistory.com/78 [Python] ๋๊ธฐ, ๋น๋๊ธฐ, ๋ธ๋ญ, ๋๋ธ๋ญ ํ์ด์ฌ์ผ๋ก ์์๋ณด๊ธฐ ๊ฐ๋ฐ์๋ผ๋ฉด ํ ๋ฒ์ฉ ๋ฃ๊ฒ๋๋ ๋๊ธฐ(Synchronous), ๋น๋๊ธฐ(Asynchronous), ๋ธ๋ญ(Block), ๋๋ธ๋ญ(Non-block)์ Python์ฝ๋๋ฅผ ํตํด ์์๋ณด๊ฒ ์ต๋๋ค. ์ฐ์ ๋ฌด์์ ์๋ฏธํ๋์ง ์ ์ํ๊ฒ ์ต๋๋ค. Block : ํธ์ถ๋ ํจ์๊ฐ exmemory.tistory.com ๋ธ๋ก(Block) : ํธ์ถ๋ ํจ์๊ฐ ๊ฒฐ๊ณผ๋ฅผ ๋ฐํํ๊ธฐ ์ ๊น์ง ์ ์ด๊ถ์ ๋๋ ค์ฃผ์ง ์์ ๋ ผ-๋ธ๋ก(Non-Block) : ํธ์ถ๋ ํจ์๊ฐ ๊ฒฐ๊ณผ๋ฅผ ๋ฐํํ๊ธฐ ์ ์ ์ ์ด๊ถ์ ๋ฐํํ์ฌ ํธ์ถํ ํจ์๊ฐ ์ค๊ฐ์ ๋ค๋ฅธ ์ผ์ ํ ์ ์๋๋ก ํจ ๋๊ธฐ(Synchronous) : ํจ์๋ฅผ ๋จ์ผ์ ์ผ๋ก ์ํ (๊ฐ๊ฐ์ ํจ์๋ฅผ ์์ฐจ์ ์ผ๋ก ์..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/b6oQTf/btrRNBIRPiz/6NIH9iTlKZIJnpzAtxtGx0/img.png)
https://gobae.tistory.com/100 [์๋ฐ์คํฌ๋ฆฝํธ] ๋๊ธฐ์ ๋น๋๊ธฐ ์ดํดํ๊ธฐ. ๋๊ธฐ์ ๋น๋๊ธฐ ๋๊ธฐ Synchronous : ๋์์ ๋ฐ์ํ๋ ์์ฐจ์ /์ง๋ ฌ์ ์ผ๋ก ํ์คํฌ๋ฅผ ์ํํ๋ค. ์์ฒญ์ ๋ณด๋๋ค๋ฉด, ์๋ต์ ๋ฐ์์ผ ๋ค์ ๋์์ด ์ด๋ฃจ์ด์ง๋ค. ์์ฐจ์ ์ผ๋ก ์คํ๋๋ฏ๋ก, ์ด๋ค ์์ ์ด ์ํ์ค gobae.tistory.com ๐งธ ๋๊ธฐ Synchronous ์์ฐจ์ /์ง๋ ฌ์ ์ผ๋ก ํ์คํฌ๋ฅผ ์ํ ์์ฒญ์ ๋ณด๋๋ค๋ฉด, ์๋ต์ ๋ฐ์์ผ ๋ค์ ๋์์ด ์ด๋ฃจ์ด์ง ์์ฐจ์ ์ผ๋ก ์คํ๋๋ฏ๋ก, ์ด๋ค ์์ ์ด ์ํ์ค์ด๋ผ๋ฉด ๋ค์ ์์ ์ ๋๊ธฐํจ ๋ธ๋กํน(์์ ์ค๋จ)์ด ๋ฐ์ ๐งธ ๋น๋๊ธฐ Asynchronous ๋ณ๋ ฌ์ ์ผ๋ก ํ์คํฌ๋ฅผ ์ํ ํ์ฌ ์์ ์ ์ข ๋ฃ์ฌ๋ถ์ ๋ฌด๊ดํ๊ฒ ๋ค์ ์์ ์ ์คํ ๊ทธ๋ฌ๋ฏ๋ก ๋๊ธฐ ๋ฐฉ์๊ณผ๋ ๋ฌ๋ฆฌ ์๋ฃ ์์๊ฐ ๋ณด์ฅ๋์ง ์์ ๋ธ๋กํน์ด ๋ฐ..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/vy1QJ/btrRtzqvOhm/l4fBm9UfW3KOmNfFN9JCkK/img.png)
๐จ setTimeout setTimeout์ ์ด์ฉํด ์ผ์ ์๊ฐ์ด ์ง๋ ํ์ ํจ์๋ฅผ ์คํํ๋ ๋ฐฉ๋ฒ ๐จ setInterval setInterval์ ์ด์ฉํด ์ผ์ ์๊ฐ ๊ฐ๊ฒฉ์ ๋๊ณ ํจ์๋ฅผ ์คํํ๋ ๋ฐฉ๋ฒ ๐จ slice(์์๊ฐ, ๋๊ฐ) function createGraph(data) { console.log("create 1"); var years = []; var CNT_WAIT = ["cnt_wait"]; for (var i = 0; i < data.length; i++) { years.push(data[i][0]); CNT_WAIT.push(data[i][1]); } var index = 0; setInterval(function run() { //years.shift(); //CNT_WAIT.shift()..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/odWBH/btrQV0H1ubr/SMgZmYiwXnEhzH6lLEYFi0/img.png)
https://velog.io/@dhelee/TIL-Day22-%EB%8D%B0%EC%9D%B4%ED%84%B0-%EC%8B%9C%EA%B0%81%ED%99%94-%EC%9B%B9-%ED%8E%98%EC%9D%B4%EC%A7%80-%EB%A7%8C%EB%93%A4%EA%B8%B0#2-flask-%EC%9B%B9-%EB%A7%8C%EB%93%A4%EA%B8%B0 [TIL Day22] ๋ฐ์ดํฐ ์๊ฐํ ์น ํ์ด์ง ๋ง๋ค๊ธฐ 1. ํ์์ ๋ฐ์ดํฐ ๋ถ์ 2. Flask ์น ๋ง๋ค๊ธฐ 3. pythonanywhere๋ก ์น ํ์ด์ง ๋ฐฐํฌํ๊ธฐ velog.io https://www.kaggle.com/datasets/shashwatwork/best-book-ever-data-for-2021?select=books_1.Best_Boo..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/Soj1Z/btrP8Pvc7kG/rGtU5peY0UT9iJidGSKcHK/img.png)
221102 ์์ฑ https://www.kaggle.com/code/ysjang0926/kor-introduction-to-anomaly-detection-r01/notebook [kor]Introduction to Anomaly Detection_r01 Explore and run machine learning code with Kaggle Notebooks | Using data from Credit Card Fraud Detection www.kaggle.com ๐ ์ ์ฉ ์นด๋ ์ฌ๊ธฐ ๊ฐ์ง : ์ ์ฉ ์นด๋ ํ์ฌ๋ ์ฌ๊ธฐ์ฑ ์ ์ฉ ์นด๋ ๊ฑฐ๋๋ฅผ ์ธ์ํ์ฌ ๊ณ ๊ฐ์ด ๊ตฌ๋งคํ์ง ์์ ํญ๋ชฉ์ ๋ํด ์๊ธ์ ์ฒญ๊ตฌํ์ง ์๋๋ก ํ๋ ๊ฒ์ด ์ค์ Dataset : ์ ๋ฝ ์นด๋ ์์ง์๊ฐ 2013๋ 9์์ ์ ์ฉ ์นด๋๋ก ๊ฑฐ๋ํ ๋ด์ฉ์ด ํฌํจ..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/cmcLFU/btrNROY6tQQ/0NerVGJHInOWpRziY319XK/img.png)
220930 ์์ฑ 1๏ธโฃ์ ํ๊ฒ์ : ๋ฐ์ดํฐ๋ฅผ ๋ฆฌ์คํธ์ ์ ์ฅํ๊ณ ํด๋น ๋ฆฌ์คํธ์ ๋งจ ์๋ถํฐ ๋๊น์ง ์์๋๋ก ์กฐ์ฌํ์ฌ ์ํ๋ ๋ฐ์ดํฐ ์ฐพ๊ธฐ : ๊ฐ์ ์ฐพ์ ๋๊น์ง ๋ชจ๋ ๋ฐ์ดํฐ๋ฅผ ๊ฒ์ํด์ผ ํ๋ฏ๋ก, ๋ฐ์ดํฐ ์๊ฐ ์ฆ๊ฐํ๋ฉด ์ฒ๋ฆฌ์ ์๊ฐ์ด ๊ฑธ๋ฆฐ๋ค ๋ฐ์ดํฐ ์ n์ด๋ผ ํ๋ฉด ๋น๊ตํ์์ ํ๊ท ์ (n+1) / 2 O(n) # ์ ํ๊ฒ์ # ์ํ๋ ๊ฐ ์ฐพ๊ธฐ num_list = [23, 12, 55, 32, 45, 76, 88, 52] def linear (n) : for i in num_list : if i == n : return True return False print(linear(5)) # result # False 2๏ธโฃ ์ด์ง๊ฒ์ : ๋ฐ์ดํฐ ์๊ฐ ๋์ด๋๋ ๋น ๋ฅธ ์๋๋ก ๊ฒ์์ ์ฒ๋ฆฌํ๊ธฐ : ๊ฒ์ ๋ฒ์๋ฅผ ์์ด๋ ๋ค์ ์ ๋ฐ์ผ๋ก ๋๋ ..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/c9qbpI/btrNhCEp6ue/Nm0uQkrVatHK7GJdzNtkp0/img.png)
220928 ์์ฑ 1๏ธโฃ ๋ณต์ก๋ : ๋ง ๊ทธ๋๋ก ๊ณ์ฐ์ ๋ณต์ก๋ ์๊ฐ ๋ณต์ก๋ : ์ฒ๋ฆฌ์ ์ผ๋ง๋ ๋ง์ ์๊ฐ์ด ๊ฑธ๋ฆฌ๋์ง ๊ณต๊ฐ ๋ณต์ก๋ : ๋ฉ๋ชจ๋ฆฌ ๋ฑ์ ๊ธฐ์ต ์ฉ๋์ ์ผ๋ง๋ ํ์๋ก ํ๋์ง 2๏ธโฃ ๋ณต์ก๋ ์์ฑ๋ฒ : ์ ์ฒด ๋ณต์ก๋์ ํฐ ์ํฅ์ ๊ธฐ์น์ง ์๋ ๋ถ๋ถ์ ๋ฌด์ํ๊ณ ๋ณต์ก๋๋ฅผ ์์ฑ ๋น ์ค ํ๊ธฐ๋ฒ O ์ ๋ ฅ ํฌ๊ธฐ n์ ๋ณํ์ ๋ฐ๋ผ ์๊ฐ ๋ณต์ก๋๊ฐ ๋ฌ๋ผ์ง ์ฒ๋ฆฌ ์๊ฐ ์๊ฐ ๋ณต์ก๋ ์ ์งง๋ค ↑ . . . . . ↓ ๊ธธ๋ค O(1) ๋ฆฌ์คํธ ์ ๊ทผ O(logn) ์ด์ง ๊ฒ์ O(n) ์ ํ ๊ฒ์ O(nlogn) ๋ณํฉ ์ ๋ ฌ O(n^2) ์ ํ ์ ๋ ฌ, ์ฝ์ ์ ๋ ฌ O(n^3) ํ๋ ฌ ๋ฌธ์ O(2^n) ๋ฐฐ๋ญ ๋ฌธ์ O(n!) ์ธํ์ ๋ฌธ์ 3๏ธโฃ ์ต์ ์๊ฐ ๋ณต์ก๋ & ํ๊ท ์๊ฐ ๋ณต์ก๋ ๐ค ์ต์ ์๊ฐ ๋ณต์ก๋ : ๊ฐ์ฅ ์๊ฐ์ด ์ค๋ ๊ฑธ๋ฆฌ๋ ๋ฐ์ดํฐ์ ๋ณต์ก๋ ๐ค ..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/sYHtb/btrMNM8pi8d/Ku97qCXLfUbiOks5tJiup0/img.png)
220922 ์์ฑ https://tutorials.pytorch.kr/beginner/basics/optimization_tutorial.html ๋ชจ๋ธ ๋งค๊ฐ๋ณ์ ์ต์ ํํ๊ธฐ ํ์ดํ ์น(PyTorch) ๊ธฐ๋ณธ ์ตํ๊ธฐ|| ๋น ๋ฅธ ์์|| ํ ์(Tensor)|| Dataset๊ณผ Dataloader|| ๋ณํ(Transform)|| ์ ๊ฒฝ๋ง ๋ชจ๋ธ ๊ตฌ์ฑํ๊ธฐ|| Autograd|| ์ต์ ํ(Optimization)|| ๋ชจ๋ธ ์ ์ฅํ๊ณ ๋ถ๋ฌ์ค๊ธฐ ์ด์ ๋ชจ๋ธ๊ณผ ๋ฐ์ดํฐ๊ฐ ์ค๋น tutorials.pytorch.kr https://sswwd.tistory.com/35 ํ์ดํผํ๋ผ๋ฏธํฐ ํ๋์ด๋?(1) ๋คํธ์ํฌ๋ฅผ ๊ตฌ์ฑํ ๋ ์ฌ๋์ด ์กฐ์ ํด์ผ ํ๋ ํ๋ผ๋ฏธํฐ๊ฐ ์กด์ฌํ๋ค. ์ด๋ฅผ ํ์ดํผํ๋ผ๋ฏธํฐ๋ผ๊ณ ํ๋ค. ํ์ดํผํ๋ผ๋ฏธํฐ : - ์๋์ธต ์, ์๋์ธต์ ์ฑ๋ ..