[Programmers] 외톨이 문자
문자열, groupby, counter
Posts by Tag
- Python 38
- DL 32
- Tensorflow 27
- NLP 18
- CNN 10
- 알고리즘 10
- LSTM 8
- 정렬 7
- ML 7
- MNIST 6
- Keras 6
- Programmers 6
- Go 6
- Deep Learning 5
- 오토인코더 5
- AE 5
- Transformer 5
- 언어 모델 5
- DP 4
- IMDB 4
- JavaScript 4
- 자료구조 3
- 스택 3
- 문자열 3
- KNN 3
- GAN 3
- 추천시스템 3
- Java 3
- go 3
- Entropy 2
- 정보이론 2
- 그리디 2
- 핸즈온 머신러닝 2
- 머신러닝 2
- 버블정렬 2
- Crawling 2
- Scraping 2
- Embedding 2
- DMN 2
- Kaggle 2
- 자연어처리 2
- 자바스크립트 2
- 불변성 2
- immutability 2
- RecSys 2
- 탐색 2
- Git 2
- permission denied 2
- React 2
- 웹 어플리케이션 서버 2
- CGI 2
- 요청 처리 2
- Backend 2
- JPA 2
- Spring 2
- 회고 2
- file 2
- write 2
- systemcall 2
- Docker 2
- Docker Container 2
- Docker Compose 2
- Docker Network 2
- Bridge 2
- stack 1
- softmax 1
- 활성화 함수 1
- VCS 1
- 협업 1
- git 1
- github 1
- Machine Learning 1
- 재귀 1
- 하노이의 탑 1
- 프로세스 1
- 체크리스트 1
- 연결 리스트 1
- 동적계획법 1
- 선택정렬 1
- 삽입정렬 1
- 퀵정렬 1
- 카운팅정렬 1
- 병합정렬 1
- 우선순위 큐 1
- 힙 1
- Selenium 1
- 한국어 임베딩 1
- 자연어 처리 1
- Programming 1
- Classification 1
- K-Means 1
- Scikit-learn 1
- lambda 1
- Competitive Learning 1
- 경쟁학습 1
- FFN 1
- 정규표현식 1
- 이스케이프 문자 1
- TF-IDF 1
- Word2Vec 1
- Colab 1
- KoNLPy 1
- 사용자사전 1
- Seq2Seq 1
- Chatbot 1
- Transformers 1
- PyTorch 1
- GPU 1
- RL 1
- DRL 1
- 강화학습 1
- 자산배분 1
- 자산포트폴리오 1
- super 1
- 상속 1
- BOJ 1
- RNN 1
- Attention 1
- 시계열 1
- 지수예측 1
- heapq 1
- MPT 1
- Mean Variance 1
- 마르코비츠 1
- 투자 1
- 자산분배 1
- 예외 1
- except 1
- raise 1
- 3D 1
- VR 1
- AR 1
- 공간 1
- SVD 1
- 특잇값 1
- 고윳값 1
- 행렬 분해 1
- 행렬 근사 1
- 데이터 압축 1
- 행렬분해 1
- Matrix Factorization 1
- AutoEncoder 1
- 협업필터링 1
- NVIDIA 1
- BERT 1
- Sequential Recommendation 1
- 알리바바 1
- 엣지 1
- 클라우드 1
- 데이터 센터 1
- DPU 1
- 이진탐색 1
- 이분탐색 1
- 분할정복 1
- SSH 1
- HTTP 1
- clone 1
- 암호화 1
- UnicodeDecodeError 1
- stdnum 1
- undefined 1
- this 1
- primitive 1
- reference 1
- Material UI 1
- Children 1
- Javascript 1
- Date 1
- Leetcode 1
- 투포인터 1
- tbAdmin 1
- fileTableLock 1
- 허가권 1
- 사용자 1
- 그룹 1
- 리눅스 1
- 연산 1
- 후위표기 1
- 전위표기 1
- 중위표기 1
- 웹 서버 1
- Servlet 1
- JavaEE 1
- ELK 1
- 시각화 1
- 모니터링 1
- tcpdump 1
- connection 1
- wireshark 1
- network 1
- 네트워크 1
- config 1
- ignorecase 1
- FastCGI 1
- fcgiwrap 1
- Nginx 1
- 502 1
- shebang 1
- Lombok 1
- Entity 1
- url 1
- prefix 1
- controller 1
- 일대다 1
- 양방향 1
- infinite recursion 1
- stack overflow 1
- jackson 1
- Computer Structure 1
- Memory 1
- CPU 1
- Byte Order 1
- Bit Numbering 1
- slice 1
- nil 1
- 해시 1
- run 1
- AWS 1
- Elastic Beanstalk 1
- EC2 1
- PostgreSQL 1
- Query Parameter 1
- jsonb 1
- DB 1
- Database 1
- High Availability 1
- HA 1
- 데이터베이스 1
- 고가용성 1
- 후기 1
- 오픈 소스 1
- memory 1
- memory padding 1
- structure alignment 1
Python
[CGI] fcgiwrap으로 Python 스크립트를 실행하며 겪었던 문제 해결하기
FastCGI 방식으로 Python 스크립트를 실행할 때 마주했던 문제들
[LEETCODE] 빗물 트래핑
비슷한 문제 여러 개 있으므로 기억할 것
[Python] pip 이용 의존 라이브러리 설치 시 unicode 에러 해결
unicode 에러가 날 때의 해결 방법을 알아 보자.
[Algorithm] 이분탐색
이분탐색 혹은 이진탐색
[Python] raise vs. raise from e
파이썬에서 예외가 어디서부터 발생했는지 알고 싶다면, raise from을 사용하자.
[Programmers] 야근 지수
우선순위 큐, 완전 탐색
[BOJ] 그룹 단어 체커
문제 출처: www.acmicpc.net/problem/1316 풀이 group_checker 함수 각 단어에서 문자가 나타나는 첫 인덱스와 끝 인덱스를 구한다. 첫 인덱스와 끝 인덱스 사이에 문자가 2개 이상 존재하면 False를 반환...
[Python] super() vs. super(Class)
문득 궁금해진 파이썬 super 키워드
[AI] DL GPU 개발환경 구축
GPU를 사용하는 Tensorflow, PyTorch 개발환경을 구축해 보자.
[AI] KoNLPy 사용자 사전 추가
Google Colabaratory에서 사용자 사전을 추가해 보자.
[Python] 파이썬 문자열 r과 escape 문자
내 마음대로 이해해 보는 파이썬 문자열 패턴에서 r의 의미
[Python] 파이썬 람다 함수
파이썬 lambda 표현식 사용법
[Crawling] 파이썬 웹 크롤링
Python을 이용하여 크롤링할 때의 팁
[Tensorflow] 기억해야 할 Tensorflow 사용법
파이썬 Tensorflow 2.x 버전 사용법 이해하기
개미수열
문자열, 스택, 구현
[Crawling] Selenium
웹 크롤링을 위해 알아 본 파이썬에서의 Selenium 사용법
[Python] heapq 모듈
파이썬에서 우선순위 큐 알고리즘을 구현할 수 있도록 제공하는 내장 모듈(공식 문서)이다. 다만, 이 모듈은 최소 힙만을 지원한다. 따라서 최댓값을 찾아야 하는 경우는, 이 모듈을 응용하여 다른 방식으로 활용해야 한다. 개요 파이썬이 설치되어 있다면, 다음과 같이 간단하게 임...
[Algorithm] 병합정렬
여러 정렬된 자료의 집합을 병합해ㅔ 한 개의 정렬된 집합으로 만듦.
[Algorithm] 카운팅정렬
카운팅 정렬(a.k.a 계수 정렬) 원소를 직접 비교하지 않고, 원소들의 개수를 세어 정렬하는 방식이다. 즉, 항목의 순서를 결정하기 위해 집합에 각 항목이 몇 개씩 있는지 센다. 이미지 출처 : https://m.blog.naver.com/PostView.nhn?blogI...
[Algorithm] 퀵정렬
개요 분할 정복 방식을 적용해 정렬을 진행하는 알고리즘이다. 정렬 알고리즘 계의 최고 존엄격으로, 매우 효율적이다. 원리 리스트 중 하나를 피봇으로 선택하고, 피봇보다 작은 원소는 왼쪽에, 큰 원소는 오른쪽에 정렬한다. 이후 피봇값을 중심으로 리스트를 분할하고, 분할된 각각의...
[Algorithm] 삽입정렬
개요 자료 내 모든 원소들을 앞에서부터 차례대로 이미 정렬된 부분과 비교하여, 자신의 위치를 찾아냄으로써 정렬을 완성하는 알고리즘이다. 도서관 사서가 책을 정렬할 때 일반적으로 활용되는 정렬 방식이다. 사람의 머리로 이해하기는 간단하지만, 코드로 구현했을 때 효율성이 떨어진다....
[Algorithm] 선택정렬
선택 정렬 선택 정렬은 주어진 자료 중 가장 작은(혹은 가장 큰) 값의 원소부터 차례대로 선택하여 위치를 교환해 나간다. 학교 다닐 때 키순서대로 줄을 섰던 것을 떠올리면 된다. 가장 작은(혹은 가장 큰) 수부터 정렬하기 시작하여 위치를 교환하는 정렬 알고리즘이다. 이를 적용하...
[Algorithm] 버블정렬
개요 인접한 두 원소를 비교하며 자리를 계속해서 교환해 나가는 정렬 방식이다. 매우 직관적이나, 그만큼 비효율적이다. 원리 각 단계마다 다음과 같은 과정을 거친다. 단계별로 모든 원소에 대해 인접한 두 값을 비교한다. 앞의 값이 뒤의 값보다 크다면(혹은 작다면) 자...
[Algorithm] 정렬
정렬 알고리즘을 살펴보기 전에
[Algorithm] 동적 계획법
알고리즘 스터디 DP팀 발표 내용 및 SW Expert Academy 동적 계획법 강의 내용을 참고하였습니다. 정의 동적 계획법(Dynamic Programming)은 최적화 문제를 해결하는 알고리즘이다. 그리디 알고리즘과 비슷하게, 이 알고리즘 역시 문제를 해결하기 ...
[Data Structure] 연결 리스트(Linked List)
연결 리스트란, 각 노드가 데이터와 포인터를 가지고 연결되어 있는 방식으로 데이터를 저장하는 자료 구조이다. 데이터를 담고 있는 노드들이 포인터를 통해 서로 연결된다.
[DL] CNN_3.앙상블 구현
«Neural Network» CNN 모델에 앙상블을 적용해 보자. (feat.클래스…)
하노이의 탑
재귀, 피보나치 수열
[Algorithm] 그리디(탐욕) 알고리즘
개념 탐욕 알고리즘은 각 상황에서 최선의 결정을 하여, 최종적으로 최적의 해를 찾아내는 방식이다. 미래를 생각하지 않고, 각 단계 단계만 생각한다고 하여 탐욕적이라고 한다. 엄밀히 말하면, 버블 정렬, 퀵 정렬과 같이 구체적인 알고리즘이라기 보다는, 문제를 해결하는 논리 설...
[DL] CNN_2.모델 구현
«Neural Network» CNN을 활용해 MNIST 문제를 풀어보자.
[DL] CNN_1.모델 구조
«Neural Network» CNN 모델 구조를 이해해 보자.
[DL] MNIST_3.Deep Learning 정확도 향상
«Neural Network» 딥러닝에서 더 정확도를 높여 MNIST 문제를 풀어보자.
[DL] MNIST_2.Deep Learning 구현
«Neural Network» MNIST 분류 문제를 Tensorflow Deep Learning으로 구현해 보자.
[ML] MNIST_1.Tensorflow 구현
«Classification» Multinomial Classification을 Tensorflow로 구현해 보자.
[Data Structure] 스택
자료구조의 기본이 되는 스택을 알아보자.
DL
[AI] BERT4REC: Sequential Recommendation with Bidirectional Encoder Representations from Transformer 리뷰
«Sequential Recommendation» Sequential Recommendation에 BERT를 적용해 보자.
[AI] Training Deep AutoEncoders for Collaborative Filtering 리뷰
«Collabortaive Filtering» 협업 필터링을 위한 깊은 오토인코더 네트워크를 구성해 보자.
[DL] DARNN_1. 논문 리뷰
«Neural Network» 시계열 예측에 attention을 적용해 보자.
[DL] Deep Reinforcement Learning for Asset Allocation in US Equities 리뷰
«Asset Allocation» 자산배분에 딥러닝 강화학습을 적용해 보자.
[AI] DL GPU 개발환경 구축
GPU를 사용하는 Tensorflow, PyTorch 개발환경을 구축해 보자.
[NLP] Transformer_4. 네트워크 구조
«Language Model» Transformer 모델의 인코더 및 디코더 모듈의 구성을 알아 보자.
[NLP] Transformer_3.Multi-head Attention_2
«Language Model» Transformer 모델에 사용된 Multi-head Attention을 알아 보자.
[NLP] Transformer_3.Multi-head Attention_1
«Language Model» Transformer 모델에 사용된 Multi-head Attention을 알아 보자.
[NLP] Transformer_2.Positional Encoding
«Language Model» Transformer 모델에 사용된 Positional Encoding을 알아 보자.
[NLP] Transformer_1.모델 구조
«Language Model» Transformer 모델의 전체적인 구조를 알아 보자.
[NLP] DMN_2.구현
«Neural Network» 간단한 DMN 모델을 구현해 보자.
[NLP] DMN_1.개념
«Neural Network» DMN 모델의 개념에 대해 알아 보자.
[DL] GAN_2.구현_정규분포 2
«Neural Network» GAN 모델을 Keras로 구현해 보자.
[DL] GAN_2.구현_정규분포 1
«Neural Network» GAN 모델을 Tensorflow로 구현해 보자.
[DL] GAN_1.개념
«Neural Network» GAN 모델에 대해 알아 보자.
[DL] AutoEncoder_2.구현_이상치 탐지
«Neural Network» 이상치를 탐지하는 오토인코더를 구현해 보자.
[DL] AutoEncoder_2.구현_잡음 제거
«Neural Network» MNIST 데이터를 활용해 잡음 제거 오토인코더를 구현해 보자.
[DL] AutoEncoder_2.구현_차원 축소 2
«Neural Network» 시계열 주식 데이터를 활용해 오토인코더를 구현해 보자.
[DL] AutoEncoder_2.구현_차원 축소 1
«Neural Network» MNIST 데이터를 활용해 FFN, CNN 오토인코더를 구현해 보자.
[DL] AutoEncoder_1.개념
«Neural Network» 오토 인코더의 개념을 알아 보자.
[DL] Hybrid_COVID 예측
«Neural Network» LSTM과 CNN 네트워크를 결합하여 시계열 예측 모형을 만들어 보자.
[DL] CNN_2.구현
«Neural Network» 시계열 데이터에 CNN 모델을 적용해 보자.
[DL] CNN_1.개념 (확장)
«Neural Network» CNN 모델 주요 개념을 이해해 보자.
[DL] LSTM_4.양방향 모델 아키텍쳐 및 구현
«Neural Network» 양방향 LSTM 모델에 대해 알아보자.
[DL] LSTM_3.단방향 모델 구현
«Neural Network» 단방향 LSTM 모델을 구현하여 Sine 함수를 시계열로 예측해 보자.
[DL] LSTM_2.단방향 모델 아키텍쳐
«Neural Network» 단방향 LSTM 모델 아키텍쳐를 이해해 보자.
[DL] LSTM_1.모델 구조
«Neural Network» LSTM 모델 구조를 이해해 보자.
[DL] RNN
«Neural Network» 순환신경망의 구조를 이해해 보자.
[DL] Competitive Learning_2.구현
«Clustering» Tensorflow로 Competitive Learning 구현하기
[Pyhton] 손실함수, 규제함수 만들기
Keras 기능을 이용해 Loss Function, Regularizer Function 커스텀하기
[ML/DL] 분류 문제의 구분
«Classification» 분류 문제의 종류를 알아 보자.
[ML/DL] 정보이론 기초
«Information Theory» 머신러닝, 딥러닝에 필요한 정보이론 기초를 알아 보자.
Tensorflow
[AI] DL GPU 개발환경 구축
GPU를 사용하는 Tensorflow, PyTorch 개발환경을 구축해 보자.
[NLP] Seq2Seq_2.구현
«Chatbot» Seq2Seq 모델 기반의 챗봇을 만들어 보자.
[NLP] Kaggle IMDB_2.구현
«Sentiment Analysis» Kaggle IMDB 대회 우승자 아이디어를 코드로 구현해 보자.
[NLP] Kaggle IMDB_1.논문 분석
«Sentiment Analysis» Kaggle IMDB 대회 우승자 아이디어를 분석해 보자.
[NLP] DMN_2.구현
«Neural Network» 간단한 DMN 모델을 구현해 보자.
[NLP] Hybrid_IMDB 감성분석
«Embedding» LSTM과 CNN 네트워크를 결합해 IMDB 감성 분석을 수행해 보자.
[DL] GAN_2.구현_정규분포 1
«Neural Network» GAN 모델을 Tensorflow로 구현해 보자.
[DL] AutoEncoder_2.구현_이상치 탐지
«Neural Network» 이상치를 탐지하는 오토인코더를 구현해 보자.
[DL] AutoEncoder_2.구현_잡음 제거
«Neural Network» MNIST 데이터를 활용해 잡음 제거 오토인코더를 구현해 보자.
[DL] AutoEncoder_2.구현_차원 축소 2
«Neural Network» 시계열 주식 데이터를 활용해 오토인코더를 구현해 보자.
[DL] AutoEncoder_2.구현_차원 축소 1
«Neural Network» MNIST 데이터를 활용해 FFN, CNN 오토인코더를 구현해 보자.
[DL] AutoEncoder_1.개념
«Neural Network» 오토 인코더의 개념을 알아 보자.
[DL] Hybrid_COVID 예측
«Neural Network» LSTM과 CNN 네트워크를 결합하여 시계열 예측 모형을 만들어 보자.
[DL] LSTM_4.양방향 모델 아키텍쳐 및 구현
«Neural Network» 양방향 LSTM 모델에 대해 알아보자.
[DL] LSTM_3.단방향 모델 구현
«Neural Network» 단방향 LSTM 모델을 구현하여 Sine 함수를 시계열로 예측해 보자.
[DL] LSTM_2.단방향 모델 아키텍쳐
«Neural Network» 단방향 LSTM 모델 아키텍쳐를 이해해 보자.
[DL] Competitive Learning_2.구현
«Clustering» Tensorflow로 Competitive Learning 구현하기
[Pyhton] 손실함수, 규제함수 만들기
Keras 기능을 이용해 Loss Function, Regularizer Function 커스텀하기
[ML] KMeans_2.구현
«Clustering» Scikit-learn, Tensorflow로 K-Means 구현하기
[ML] KNN_2.구현
«Classification» Tensorflow로 KNN 알고리즘을 구현해보자.
[Tensorflow] 기억해야 할 Tensorflow 사용법
파이썬 Tensorflow 2.x 버전 사용법 이해하기
[DL] CNN_3.앙상블 구현
«Neural Network» CNN 모델에 앙상블을 적용해 보자. (feat.클래스…)
[DL] CNN_2.모델 구현
«Neural Network» CNN을 활용해 MNIST 문제를 풀어보자.
[DL] CNN_1.모델 구조
«Neural Network» CNN 모델 구조를 이해해 보자.
[DL] MNIST_3.Deep Learning 정확도 향상
«Neural Network» 딥러닝에서 더 정확도를 높여 MNIST 문제를 풀어보자.
[DL] MNIST_2.Deep Learning 구현
«Neural Network» MNIST 분류 문제를 Tensorflow Deep Learning으로 구현해 보자.
[ML] MNIST_1.Tensorflow 구현
«Classification» Multinomial Classification을 Tensorflow로 구현해 보자.
NLP
[AI] Transformers 라이브러리 사용하기
이제 HuggingFace Transformers 라이브러리를 Keras Functional API처럼 사용할 수 있다!
[NLP] Transformer_4. 네트워크 구조
«Language Model» Transformer 모델의 인코더 및 디코더 모듈의 구성을 알아 보자.
[NLP] Transformer_3.Multi-head Attention_2
«Language Model» Transformer 모델에 사용된 Multi-head Attention을 알아 보자.
[NLP] Transformer_3.Multi-head Attention_1
«Language Model» Transformer 모델에 사용된 Multi-head Attention을 알아 보자.
[NLP] Transformer_2.Positional Encoding
«Language Model» Transformer 모델에 사용된 Positional Encoding을 알아 보자.
[NLP] Transformer_1.모델 구조
«Language Model» Transformer 모델의 전체적인 구조를 알아 보자.
[NLP] Seq2Seq_2.구현
«Chatbot» Seq2Seq 모델 기반의 챗봇을 만들어 보자.
[AI] KoNLPy 사용자 사전 추가
Google Colabaratory에서 사용자 사전을 추가해 보자.
[NLP] Kaggle IMDB_2.구현
«Sentiment Analysis» Kaggle IMDB 대회 우승자 아이디어를 코드로 구현해 보자.
[NLP] Kaggle IMDB_1.논문 분석
«Sentiment Analysis» Kaggle IMDB 대회 우승자 아이디어를 분석해 보자.
[NLP] DMN_2.구현
«Neural Network» 간단한 DMN 모델을 구현해 보자.
[NLP] DMN_1.개념
«Neural Network» DMN 모델의 개념에 대해 알아 보자.
[NLP] Word2Vec
«Embedding» Word2Vec 임베딩 기법을 알아 보자.
[NLP] Hybrid_IMDB 감성분석
«Embedding» LSTM과 CNN 네트워크를 결합해 IMDB 감성 분석을 수행해 보자.
[NLP] Word Embedding
«Embedding» 지도학습 기반의 단어 임베딩 기법을 알아 보자.
[NLP] TF-IDF
«Vectorization» 빈도 기반의 단어 수치화 방법인 TF-IDF 모델을 알아 보자.
[NLP] 언어 이론 개념 정리-1
«Language Theory» NLP 기본 언어 이론 정리
[NLP] 한국어 임베딩 1장
자연어 처리에서의 임베딩이 무엇인지 알아 보자.
CNN
[NLP] Hybrid_IMDB 감성분석
«Embedding» LSTM과 CNN 네트워크를 결합해 IMDB 감성 분석을 수행해 보자.
[DL] AutoEncoder_2.구현_이상치 탐지
«Neural Network» 이상치를 탐지하는 오토인코더를 구현해 보자.
[DL] AutoEncoder_2.구현_잡음 제거
«Neural Network» MNIST 데이터를 활용해 잡음 제거 오토인코더를 구현해 보자.
[DL] AutoEncoder_2.구현_차원 축소 1
«Neural Network» MNIST 데이터를 활용해 FFN, CNN 오토인코더를 구현해 보자.
[DL] Hybrid_COVID 예측
«Neural Network» LSTM과 CNN 네트워크를 결합하여 시계열 예측 모형을 만들어 보자.
[DL] CNN_2.구현
«Neural Network» 시계열 데이터에 CNN 모델을 적용해 보자.
[DL] CNN_1.개념 (확장)
«Neural Network» CNN 모델 주요 개념을 이해해 보자.
[DL] CNN_3.앙상블 구현
«Neural Network» CNN 모델에 앙상블을 적용해 보자. (feat.클래스…)
[DL] CNN_2.모델 구현
«Neural Network» CNN을 활용해 MNIST 문제를 풀어보자.
[DL] CNN_1.모델 구조
«Neural Network» CNN 모델 구조를 이해해 보자.
알고리즘
[Algorithm] 이분탐색
이분탐색 혹은 이진탐색
[Algorithm] 병합정렬
여러 정렬된 자료의 집합을 병합해ㅔ 한 개의 정렬된 집합으로 만듦.
[Algorithm] 카운팅정렬
카운팅 정렬(a.k.a 계수 정렬) 원소를 직접 비교하지 않고, 원소들의 개수를 세어 정렬하는 방식이다. 즉, 항목의 순서를 결정하기 위해 집합에 각 항목이 몇 개씩 있는지 센다. 이미지 출처 : https://m.blog.naver.com/PostView.nhn?blogI...
[Algorithm] 퀵정렬
개요 분할 정복 방식을 적용해 정렬을 진행하는 알고리즘이다. 정렬 알고리즘 계의 최고 존엄격으로, 매우 효율적이다. 원리 리스트 중 하나를 피봇으로 선택하고, 피봇보다 작은 원소는 왼쪽에, 큰 원소는 오른쪽에 정렬한다. 이후 피봇값을 중심으로 리스트를 분할하고, 분할된 각각의...
[Algorithm] 삽입정렬
개요 자료 내 모든 원소들을 앞에서부터 차례대로 이미 정렬된 부분과 비교하여, 자신의 위치를 찾아냄으로써 정렬을 완성하는 알고리즘이다. 도서관 사서가 책을 정렬할 때 일반적으로 활용되는 정렬 방식이다. 사람의 머리로 이해하기는 간단하지만, 코드로 구현했을 때 효율성이 떨어진다....
[Algorithm] 선택정렬
선택 정렬 선택 정렬은 주어진 자료 중 가장 작은(혹은 가장 큰) 값의 원소부터 차례대로 선택하여 위치를 교환해 나간다. 학교 다닐 때 키순서대로 줄을 섰던 것을 떠올리면 된다. 가장 작은(혹은 가장 큰) 수부터 정렬하기 시작하여 위치를 교환하는 정렬 알고리즘이다. 이를 적용하...
[Algorithm] 버블정렬
개요 인접한 두 원소를 비교하며 자리를 계속해서 교환해 나가는 정렬 방식이다. 매우 직관적이나, 그만큼 비효율적이다. 원리 각 단계마다 다음과 같은 과정을 거친다. 단계별로 모든 원소에 대해 인접한 두 값을 비교한다. 앞의 값이 뒤의 값보다 크다면(혹은 작다면) 자...
[Algorithm] 정렬
정렬 알고리즘을 살펴보기 전에
[Algorithm] 동적 계획법
알고리즘 스터디 DP팀 발표 내용 및 SW Expert Academy 동적 계획법 강의 내용을 참고하였습니다. 정의 동적 계획법(Dynamic Programming)은 최적화 문제를 해결하는 알고리즘이다. 그리디 알고리즘과 비슷하게, 이 알고리즘 역시 문제를 해결하기 ...
[Algorithm] 그리디(탐욕) 알고리즘
개념 탐욕 알고리즘은 각 상황에서 최선의 결정을 하여, 최종적으로 최적의 해를 찾아내는 방식이다. 미래를 생각하지 않고, 각 단계 단계만 생각한다고 하여 탐욕적이라고 한다. 엄밀히 말하면, 버블 정렬, 퀵 정렬과 같이 구체적인 알고리즘이라기 보다는, 문제를 해결하는 논리 설...
LSTM
[NLP] Hybrid_IMDB 감성분석
«Embedding» LSTM과 CNN 네트워크를 결합해 IMDB 감성 분석을 수행해 보자.
[DL] AutoEncoder_2.구현_차원 축소 2
«Neural Network» 시계열 주식 데이터를 활용해 오토인코더를 구현해 보자.
[DL] Hybrid_COVID 예측
«Neural Network» LSTM과 CNN 네트워크를 결합하여 시계열 예측 모형을 만들어 보자.
[DL] LSTM_4.양방향 모델 아키텍쳐 및 구현
«Neural Network» 양방향 LSTM 모델에 대해 알아보자.
[DL] LSTM_3.단방향 모델 구현
«Neural Network» 단방향 LSTM 모델을 구현하여 Sine 함수를 시계열로 예측해 보자.
[DL] LSTM_2.단방향 모델 아키텍쳐
«Neural Network» 단방향 LSTM 모델 아키텍쳐를 이해해 보자.
[DL] LSTM_1.모델 구조
«Neural Network» LSTM 모델 구조를 이해해 보자.
[DL] RNN
«Neural Network» 순환신경망의 구조를 이해해 보자.
정렬
[Algorithm] 병합정렬
여러 정렬된 자료의 집합을 병합해ㅔ 한 개의 정렬된 집합으로 만듦.
[Algorithm] 카운팅정렬
카운팅 정렬(a.k.a 계수 정렬) 원소를 직접 비교하지 않고, 원소들의 개수를 세어 정렬하는 방식이다. 즉, 항목의 순서를 결정하기 위해 집합에 각 항목이 몇 개씩 있는지 센다. 이미지 출처 : https://m.blog.naver.com/PostView.nhn?blogI...
[Algorithm] 퀵정렬
개요 분할 정복 방식을 적용해 정렬을 진행하는 알고리즘이다. 정렬 알고리즘 계의 최고 존엄격으로, 매우 효율적이다. 원리 리스트 중 하나를 피봇으로 선택하고, 피봇보다 작은 원소는 왼쪽에, 큰 원소는 오른쪽에 정렬한다. 이후 피봇값을 중심으로 리스트를 분할하고, 분할된 각각의...
[Algorithm] 삽입정렬
개요 자료 내 모든 원소들을 앞에서부터 차례대로 이미 정렬된 부분과 비교하여, 자신의 위치를 찾아냄으로써 정렬을 완성하는 알고리즘이다. 도서관 사서가 책을 정렬할 때 일반적으로 활용되는 정렬 방식이다. 사람의 머리로 이해하기는 간단하지만, 코드로 구현했을 때 효율성이 떨어진다....
[Algorithm] 선택정렬
선택 정렬 선택 정렬은 주어진 자료 중 가장 작은(혹은 가장 큰) 값의 원소부터 차례대로 선택하여 위치를 교환해 나간다. 학교 다닐 때 키순서대로 줄을 섰던 것을 떠올리면 된다. 가장 작은(혹은 가장 큰) 수부터 정렬하기 시작하여 위치를 교환하는 정렬 알고리즘이다. 이를 적용하...
[Algorithm] 버블정렬
개요 인접한 두 원소를 비교하며 자리를 계속해서 교환해 나가는 정렬 방식이다. 매우 직관적이나, 그만큼 비효율적이다. 원리 각 단계마다 다음과 같은 과정을 거친다. 단계별로 모든 원소에 대해 인접한 두 값을 비교한다. 앞의 값이 뒤의 값보다 크다면(혹은 작다면) 자...
[Algorithm] 정렬
정렬 알고리즘을 살펴보기 전에
ML
[Pyhton] 손실함수, 규제함수 만들기
Keras 기능을 이용해 Loss Function, Regularizer Function 커스텀하기
[ML] KMeans_2.구현
«Clustering» Scikit-learn, Tensorflow로 K-Means 구현하기
[ML] KMeans_1.개념
«Clustering» KMeans 알고리즘의 개념
[ML] KNN_2.구현
«Classification» Tensorflow로 KNN 알고리즘을 구현해보자.
[ML] KNN_1.개념
«Classification» KNN 알고리즘의 개념
[ML/DL] 분류 문제의 구분
«Classification» 분류 문제의 종류를 알아 보자.
[ML/DL] 정보이론 기초
«Information Theory» 머신러닝, 딥러닝에 필요한 정보이론 기초를 알아 보자.
MNIST
[DL] AutoEncoder_2.구현_잡음 제거
«Neural Network» MNIST 데이터를 활용해 잡음 제거 오토인코더를 구현해 보자.
[DL] AutoEncoder_2.구현_차원 축소 2
«Neural Network» 시계열 주식 데이터를 활용해 오토인코더를 구현해 보자.
[DL] AutoEncoder_2.구현_차원 축소 1
«Neural Network» MNIST 데이터를 활용해 FFN, CNN 오토인코더를 구현해 보자.
[DL] MNIST_3.Deep Learning 정확도 향상
«Neural Network» 딥러닝에서 더 정확도를 높여 MNIST 문제를 풀어보자.
[DL] MNIST_2.Deep Learning 구현
«Neural Network» MNIST 분류 문제를 Tensorflow Deep Learning으로 구현해 보자.
[ML] MNIST_1.Tensorflow 구현
«Classification» Multinomial Classification을 Tensorflow로 구현해 보자.
Keras
[AI] Transformers 라이브러리 사용하기
이제 HuggingFace Transformers 라이브러리를 Keras Functional API처럼 사용할 수 있다!
[NLP] Word Embedding
«Embedding» 지도학습 기반의 단어 임베딩 기법을 알아 보자.
[DL] GAN_2.구현_정규분포 2
«Neural Network» GAN 모델을 Keras로 구현해 보자.
[DL] LSTM_4.양방향 모델 아키텍쳐 및 구현
«Neural Network» 양방향 LSTM 모델에 대해 알아보자.
[DL] LSTM_3.단방향 모델 구현
«Neural Network» 단방향 LSTM 모델을 구현하여 Sine 함수를 시계열로 예측해 보자.
[Pyhton] 손실함수, 규제함수 만들기
Keras 기능을 이용해 Loss Function, Regularizer Function 커스텀하기
Programmers
[Programmers] 롤케이크 자르기
문자열, groupby, counter
[Programmers] 마법의 엘리베이터
그리디, 완전 탐색, DFS, 백트래킹
[Programmers] 외톨이 문자
문자열, groupby, counter
[Programmers] 야근 지수
우선순위 큐, 완전 탐색
Go
[Go] Query Parameter를 이용해 PostgreSQL json 타입의 데이터 조회하기
Go를 이용해 PostgreSQL jsonb 타입의 데이터를 조회할 때, query parameter 설정에 주의해야 한다.
[AWS] EC2 배포 오류
Elastic Beanstalk을 이용해 EC2에 이미지를 배포하던 도중 발생한 OOM 에러
[Go] go run command와 working directory
패키지 실행 시 working directory에 주의하지 않으면 발생할 수 있는 문제
[Programmers] 롤케이크 자르기
문자열, groupby, counter
[Programmers] 마법의 엘리베이터
그리디, 완전 탐색, DFS, 백트래킹
[Go] Nil Slice
nil slice와 empty slice의 차이
Deep Learning
[DL] CNN_3.앙상블 구현
«Neural Network» CNN 모델에 앙상블을 적용해 보자. (feat.클래스…)
[DL] CNN_2.모델 구현
«Neural Network» CNN을 활용해 MNIST 문제를 풀어보자.
[DL] CNN_1.모델 구조
«Neural Network» CNN 모델 구조를 이해해 보자.
[DL] MNIST_3.Deep Learning 정확도 향상
«Neural Network» 딥러닝에서 더 정확도를 높여 MNIST 문제를 풀어보자.
[DL] MNIST_2.Deep Learning 구현
«Neural Network» MNIST 분류 문제를 Tensorflow Deep Learning으로 구현해 보자.
오토인코더
[DL] AutoEncoder_2.구현_이상치 탐지
«Neural Network» 이상치를 탐지하는 오토인코더를 구현해 보자.
[DL] AutoEncoder_2.구현_잡음 제거
«Neural Network» MNIST 데이터를 활용해 잡음 제거 오토인코더를 구현해 보자.
[DL] AutoEncoder_2.구현_차원 축소 2
«Neural Network» 시계열 주식 데이터를 활용해 오토인코더를 구현해 보자.
[DL] AutoEncoder_2.구현_차원 축소 1
«Neural Network» MNIST 데이터를 활용해 FFN, CNN 오토인코더를 구현해 보자.
[DL] AutoEncoder_1.개념
«Neural Network» 오토 인코더의 개념을 알아 보자.
AE
[DL] AutoEncoder_2.구현_이상치 탐지
«Neural Network» 이상치를 탐지하는 오토인코더를 구현해 보자.
[DL] AutoEncoder_2.구현_잡음 제거
«Neural Network» MNIST 데이터를 활용해 잡음 제거 오토인코더를 구현해 보자.
[DL] AutoEncoder_2.구현_차원 축소 2
«Neural Network» 시계열 주식 데이터를 활용해 오토인코더를 구현해 보자.
[DL] AutoEncoder_2.구현_차원 축소 1
«Neural Network» MNIST 데이터를 활용해 FFN, CNN 오토인코더를 구현해 보자.
[DL] AutoEncoder_1.개념
«Neural Network» 오토 인코더의 개념을 알아 보자.
Transformer
[NLP] Transformer_4. 네트워크 구조
«Language Model» Transformer 모델의 인코더 및 디코더 모듈의 구성을 알아 보자.
[NLP] Transformer_3.Multi-head Attention_2
«Language Model» Transformer 모델에 사용된 Multi-head Attention을 알아 보자.
[NLP] Transformer_3.Multi-head Attention_1
«Language Model» Transformer 모델에 사용된 Multi-head Attention을 알아 보자.
[NLP] Transformer_2.Positional Encoding
«Language Model» Transformer 모델에 사용된 Positional Encoding을 알아 보자.
[NLP] Transformer_1.모델 구조
«Language Model» Transformer 모델의 전체적인 구조를 알아 보자.
언어 모델
[NLP] Transformer_4. 네트워크 구조
«Language Model» Transformer 모델의 인코더 및 디코더 모듈의 구성을 알아 보자.
[NLP] Transformer_3.Multi-head Attention_2
«Language Model» Transformer 모델에 사용된 Multi-head Attention을 알아 보자.
[NLP] Transformer_3.Multi-head Attention_1
«Language Model» Transformer 모델에 사용된 Multi-head Attention을 알아 보자.
[NLP] Transformer_2.Positional Encoding
«Language Model» Transformer 모델에 사용된 Positional Encoding을 알아 보자.
[NLP] Transformer_1.모델 구조
«Language Model» Transformer 모델의 전체적인 구조를 알아 보자.
DP
[Programmers] 롤케이크 자르기
문자열, groupby, counter
[LEETCODE] 빗물 트래핑
비슷한 문제 여러 개 있으므로 기억할 것
[Algorithm] 동적 계획법
알고리즘 스터디 DP팀 발표 내용 및 SW Expert Academy 동적 계획법 강의 내용을 참고하였습니다. 정의 동적 계획법(Dynamic Programming)은 최적화 문제를 해결하는 알고리즘이다. 그리디 알고리즘과 비슷하게, 이 알고리즘 역시 문제를 해결하기 ...
IMDB
[NLP] Kaggle IMDB_2.구현
«Sentiment Analysis» Kaggle IMDB 대회 우승자 아이디어를 코드로 구현해 보자.
[NLP] Kaggle IMDB_1.논문 분석
«Sentiment Analysis» Kaggle IMDB 대회 우승자 아이디어를 분석해 보자.
[NLP] Hybrid_IMDB 감성분석
«Embedding» LSTM과 CNN 네트워크를 결합해 IMDB 감성 분석을 수행해 보자.
[NLP] Word Embedding
«Embedding» 지도학습 기반의 단어 임베딩 기법을 알아 보자.
JavaScript
[JavaScript] 원시값 vs. 레퍼런스
내가 선언한 변수가 원시값과 레퍼런스 중 무엇을 가리키는지가 중요하다
[JavaScript] this 이해하기
어쩌다 마주친 자바스크립트에서의 this
[JavaScript] 불변성-2
자바스크립트에서의 데이터 불변성(immutability)에 대해 알아보자.
[JavaScript] 불변성
자바스크립트에서의 데이터 불변성(immutability)에 대해 알아보자.
자료구조
[Python] heapq 모듈
파이썬에서 우선순위 큐 알고리즘을 구현할 수 있도록 제공하는 내장 모듈(공식 문서)이다. 다만, 이 모듈은 최소 힙만을 지원한다. 따라서 최댓값을 찾아야 하는 경우는, 이 모듈을 응용하여 다른 방식으로 활용해야 한다. 개요 파이썬이 설치되어 있다면, 다음과 같이 간단하게 임...
[Data Structure] 연결 리스트(Linked List)
연결 리스트란, 각 노드가 데이터와 포인터를 가지고 연결되어 있는 방식으로 데이터를 저장하는 자료 구조이다. 데이터를 담고 있는 노드들이 포인터를 통해 서로 연결된다.
[Data Structure] 스택
자료구조의 기본이 되는 스택을 알아보자.
스택
[LEETCODE] 빗물 트래핑
비슷한 문제 여러 개 있으므로 기억할 것
개미수열
문자열, 스택, 구현
[Data Structure] 스택
자료구조의 기본이 되는 스택을 알아보자.
문자열
[Programmers] 외톨이 문자
문자열, groupby, counter
[BOJ] 그룹 단어 체커
문제 출처: www.acmicpc.net/problem/1316 풀이 group_checker 함수 각 단어에서 문자가 나타나는 첫 인덱스와 끝 인덱스를 구한다. 첫 인덱스와 끝 인덱스 사이에 문자가 2개 이상 존재하면 False를 반환...
개미수열
문자열, 스택, 구현
KNN
[ML] KMeans_2.구현
«Clustering» Scikit-learn, Tensorflow로 K-Means 구현하기
[ML] KNN_2.구현
«Classification» Tensorflow로 KNN 알고리즘을 구현해보자.
[ML] KNN_1.개념
«Classification» KNN 알고리즘의 개념
GAN
[DL] GAN_2.구현_정규분포 2
«Neural Network» GAN 모델을 Keras로 구현해 보자.
[DL] GAN_2.구현_정규분포 1
«Neural Network» GAN 모델을 Tensorflow로 구현해 보자.
[DL] GAN_1.개념
«Neural Network» GAN 모델에 대해 알아 보자.
추천시스템
[AI] BERT4REC: Sequential Recommendation with Bidirectional Encoder Representations from Transformer 리뷰
«Sequential Recommendation» Sequential Recommendation에 BERT를 적용해 보자.
[AI] Training Deep AutoEncoders for Collaborative Filtering 리뷰
«Collabortaive Filtering» 협업 필터링을 위한 깊은 오토인코더 네트워크를 구성해 보자.
[AI] Matrix Factorization Techniques for Recommender Systems 리뷰
«Matrix Factorization» Netflix Prize 우승 팀에게 MF 기법을 배워 보자.
Java
[JPA] 양방향 연관관계 엔티티 순환 참조 문제
JPA를 이용해 양방향 연관관계를 설정한 엔티티를 JSON 응답에 반환하는 경우 발생할 수 있는 문제
[Spring] url prefix 설정
Spring에서 API 버전 관리를 위한 url prefix를 설정하는 방법
[JPA] 엔티티 생성자
JPA 엔티티 생성자에 디폴트 생성자 롬복 어노테이션이 필요한 이유
go
[Go] Go 언어 메모리 패딩
Memory Padding을 생각하지 않고 구조체를 설계할 때 마주칠 수 있는 문제
파일 저장 기능을 개발하며 고민했던 점들-2
시스템 콜 에러는 어떻게 처리하는 것이 좋을까
파일 저장 기능을 개발하며 고민했던 점들-1
go의 write 관련 함수를 살펴보게 된 건에 대하여
Entropy
[ML/DL] 정보이론 기초
«Information Theory» 머신러닝, 딥러닝에 필요한 정보이론 기초를 알아 보자.
[ML/DL] Sigmoid 함수
«Activation Function» 로지스틱 회귀 문제의 활성화 함수를 도출해 보자.
정보이론
[ML/DL] 정보이론 기초
«Information Theory» 머신러닝, 딥러닝에 필요한 정보이론 기초를 알아 보자.
[ML/DL] Sigmoid 함수
«Activation Function» 로지스틱 회귀 문제의 활성화 함수를 도출해 보자.
그리디
[Programmers] 마법의 엘리베이터
그리디, 완전 탐색, DFS, 백트래킹
[Algorithm] 그리디(탐욕) 알고리즘
개념 탐욕 알고리즘은 각 상황에서 최선의 결정을 하여, 최종적으로 최적의 해를 찾아내는 방식이다. 미래를 생각하지 않고, 각 단계 단계만 생각한다고 하여 탐욕적이라고 한다. 엄밀히 말하면, 버블 정렬, 퀵 정렬과 같이 구체적인 알고리즘이라기 보다는, 문제를 해결하는 논리 설...
핸즈온 머신러닝
[ML] 핸즈온 머신러닝 2장
머신러닝 프로젝트의 전 과정을 이해하자.
[ML] 핸즈온 머신러닝 1장
머신러닝의 개념을 이해하자.
머신러닝
[ML] 핸즈온 머신러닝 2장
머신러닝 프로젝트의 전 과정을 이해하자.
[ML] 핸즈온 머신러닝 1장
머신러닝의 개념을 이해하자.
버블정렬
[Algorithm] 버블정렬
개요 인접한 두 원소를 비교하며 자리를 계속해서 교환해 나가는 정렬 방식이다. 매우 직관적이나, 그만큼 비효율적이다. 원리 각 단계마다 다음과 같은 과정을 거친다. 단계별로 모든 원소에 대해 인접한 두 값을 비교한다. 앞의 값이 뒤의 값보다 크다면(혹은 작다면) 자...
[Algorithm] 정렬
정렬 알고리즘을 살펴보기 전에
Crawling
[Crawling] 파이썬 웹 크롤링
Python을 이용하여 크롤링할 때의 팁
[Crawling] Selenium
웹 크롤링을 위해 알아 본 파이썬에서의 Selenium 사용법
Scraping
[Crawling] 파이썬 웹 크롤링
Python을 이용하여 크롤링할 때의 팁
[Crawling] Selenium
웹 크롤링을 위해 알아 본 파이썬에서의 Selenium 사용법
Embedding
[NLP] Word2Vec
«Embedding» Word2Vec 임베딩 기법을 알아 보자.
[NLP] Word Embedding
«Embedding» 지도학습 기반의 단어 임베딩 기법을 알아 보자.
DMN
[NLP] DMN_2.구현
«Neural Network» 간단한 DMN 모델을 구현해 보자.
[NLP] DMN_1.개념
«Neural Network» DMN 모델의 개념에 대해 알아 보자.
Kaggle
[NLP] Kaggle IMDB_2.구현
«Sentiment Analysis» Kaggle IMDB 대회 우승자 아이디어를 코드로 구현해 보자.
[NLP] Kaggle IMDB_1.논문 분석
«Sentiment Analysis» Kaggle IMDB 대회 우승자 아이디어를 분석해 보자.
자연어처리
[AI] Transformers 라이브러리 사용하기
이제 HuggingFace Transformers 라이브러리를 Keras Functional API처럼 사용할 수 있다!
[AI] KoNLPy 사용자 사전 추가
Google Colabaratory에서 사용자 사전을 추가해 보자.
자바스크립트
[JavaScript] 불변성-2
자바스크립트에서의 데이터 불변성(immutability)에 대해 알아보자.
[JavaScript] 불변성
자바스크립트에서의 데이터 불변성(immutability)에 대해 알아보자.
불변성
[JavaScript] 불변성-2
자바스크립트에서의 데이터 불변성(immutability)에 대해 알아보자.
[JavaScript] 불변성
자바스크립트에서의 데이터 불변성(immutability)에 대해 알아보자.
immutability
[JavaScript] 불변성-2
자바스크립트에서의 데이터 불변성(immutability)에 대해 알아보자.
[JavaScript] 불변성
자바스크립트에서의 데이터 불변성(immutability)에 대해 알아보자.
RecSys
[AI] BERT4REC: Sequential Recommendation with Bidirectional Encoder Representations from Transformer 리뷰
«Sequential Recommendation» Sequential Recommendation에 BERT를 적용해 보자.
[AI] Training Deep AutoEncoders for Collaborative Filtering 리뷰
«Collabortaive Filtering» 협업 필터링을 위한 깊은 오토인코더 네트워크를 구성해 보자.
탐색
[Programmers] 롤케이크 자르기
문자열, groupby, counter
[Algorithm] 이분탐색
이분탐색 혹은 이진탐색
Git
[Git] Git configuration 변경 방법
git 사용 환경 설정 파일을 확인하고 변경해 보자
[Git] Permission Denied (public key) 에러 해결
git clone 과정에서 permission denied 에러 해결 방법
permission denied
[tbAdmin] .fileTableLock Permission Denied 에러 해결
권한을 가지지 않은 사용자가 프로그램을 실행할 때 마주치는 오류
[Git] Permission Denied (public key) 에러 해결
git clone 과정에서 permission denied 에러 해결 방법
React
[React.js] children props를 이용해 공통 컴포넌트 분리하기
여러 개의 컴포넌트가 동일한 구조를 갖는 경우에는 로직을 분리하는 것이 좋다.
[JavaScript] this 이해하기
어쩌다 마주친 자바스크립트에서의 this
웹 어플리케이션 서버
[Backend] 서블릿
동적 컨텐츠를 생성하기 위한 자바 서버 측 프로그램
[Backend] 웹 서버, CGI, 웹 어플리케이션 서버
웹 서비스에서 클라이언트의 요청을 처리하기 위한 기술의 변화
CGI
[CGI] fcgiwrap으로 Python 스크립트를 실행하며 겪었던 문제 해결하기
FastCGI 방식으로 Python 스크립트를 실행할 때 마주했던 문제들
[Backend] 웹 서버, CGI, 웹 어플리케이션 서버
웹 서비스에서 클라이언트의 요청을 처리하기 위한 기술의 변화
요청 처리
[Backend] 서블릿
동적 컨텐츠를 생성하기 위한 자바 서버 측 프로그램
[Backend] 웹 서버, CGI, 웹 어플리케이션 서버
웹 서비스에서 클라이언트의 요청을 처리하기 위한 기술의 변화
Backend
[Backend] 서블릿
동적 컨텐츠를 생성하기 위한 자바 서버 측 프로그램
[Backend] 웹 서버, CGI, 웹 어플리케이션 서버
웹 서비스에서 클라이언트의 요청을 처리하기 위한 기술의 변화
JPA
[JPA] 양방향 연관관계 엔티티 순환 참조 문제
JPA를 이용해 양방향 연관관계를 설정한 엔티티를 JSON 응답에 반환하는 경우 발생할 수 있는 문제
[JPA] 엔티티 생성자
JPA 엔티티 생성자에 디폴트 생성자 롬복 어노테이션이 필요한 이유
Spring
[JPA] 양방향 연관관계 엔티티 순환 참조 문제
JPA를 이용해 양방향 연관관계를 설정한 엔티티를 JSON 응답에 반환하는 경우 발생할 수 있는 문제
[Spring] url prefix 설정
Spring에서 API 버전 관리를 위한 url prefix를 설정하는 방법
회고
2022년 회고-2
주니어 개발자의 2년차 회고
2022년 회고-1
주니어 개발자의 2년차 회고
file
파일 저장 기능을 개발하며 고민했던 점들-2
시스템 콜 에러는 어떻게 처리하는 것이 좋을까
파일 저장 기능을 개발하며 고민했던 점들-1
go의 write 관련 함수를 살펴보게 된 건에 대하여
write
파일 저장 기능을 개발하며 고민했던 점들-2
시스템 콜 에러는 어떻게 처리하는 것이 좋을까
파일 저장 기능을 개발하며 고민했던 점들-1
go의 write 관련 함수를 살펴보게 된 건에 대하여
systemcall
파일 저장 기능을 개발하며 고민했던 점들-2
시스템 콜 에러는 어떻게 처리하는 것이 좋을까
파일 저장 기능을 개발하며 고민했던 점들-1
go의 write 관련 함수를 살펴보게 된 건에 대하여
Docker
[Docker] Docker Bridge Network 사용 시 IP 충돌 - 2. 해결
Docker Bridge Network를 사용해 컨테이너를 배포하며 생기는 IP 대역대 충돌 문제를 해결하는 방법
[Docker] Docker Bridge Network 사용 시 IP 충돌 - 1. 문제
Docker Bridge Network를 사용해 컨테이너를 배포할 때 발생할 수 있는 IP 대역대 충돌 문제
Docker Container
[Docker] Docker Bridge Network 사용 시 IP 충돌 - 2. 해결
Docker Bridge Network를 사용해 컨테이너를 배포하며 생기는 IP 대역대 충돌 문제를 해결하는 방법
[Docker] Docker Bridge Network 사용 시 IP 충돌 - 1. 문제
Docker Bridge Network를 사용해 컨테이너를 배포할 때 발생할 수 있는 IP 대역대 충돌 문제
Docker Compose
[Docker] Docker Bridge Network 사용 시 IP 충돌 - 2. 해결
Docker Bridge Network를 사용해 컨테이너를 배포하며 생기는 IP 대역대 충돌 문제를 해결하는 방법
[Docker] Docker Bridge Network 사용 시 IP 충돌 - 1. 문제
Docker Bridge Network를 사용해 컨테이너를 배포할 때 발생할 수 있는 IP 대역대 충돌 문제
Docker Network
[Docker] Docker Bridge Network 사용 시 IP 충돌 - 2. 해결
Docker Bridge Network를 사용해 컨테이너를 배포하며 생기는 IP 대역대 충돌 문제를 해결하는 방법
[Docker] Docker Bridge Network 사용 시 IP 충돌 - 1. 문제
Docker Bridge Network를 사용해 컨테이너를 배포할 때 발생할 수 있는 IP 대역대 충돌 문제
Bridge
[Docker] Docker Bridge Network 사용 시 IP 충돌 - 2. 해결
Docker Bridge Network를 사용해 컨테이너를 배포하며 생기는 IP 대역대 충돌 문제를 해결하는 방법
[Docker] Docker Bridge Network 사용 시 IP 충돌 - 1. 문제
Docker Bridge Network를 사용해 컨테이너를 배포할 때 발생할 수 있는 IP 대역대 충돌 문제
stack
[Data Structure] 스택
자료구조의 기본이 되는 스택을 알아보자.
softmax
[ML/DL] Sigmoid 함수
«Activation Function» 로지스틱 회귀 문제의 활성화 함수를 도출해 보자.
활성화 함수
[ML/DL] Sigmoid 함수
«Activation Function» 로지스틱 회귀 문제의 활성화 함수를 도출해 보자.
VCS
[Git] Git 활용하기
«VCS» 기억해야 할 git 활용 방법
협업
[Git] Git 활용하기
«VCS» 기억해야 할 git 활용 방법
git
[Git] Git 활용하기
«VCS» 기억해야 할 git 활용 방법
github
[Git] Git 활용하기
«VCS» 기억해야 할 git 활용 방법
Machine Learning
[ML] MNIST_1.Tensorflow 구현
«Classification» Multinomial Classification을 Tensorflow로 구현해 보자.
재귀
하노이의 탑
재귀, 피보나치 수열
하노이의 탑
하노이의 탑
재귀, 피보나치 수열
프로세스
[ML] 핸즈온 머신러닝 2장
머신러닝 프로젝트의 전 과정을 이해하자.
체크리스트
[ML] 핸즈온 머신러닝 2장
머신러닝 프로젝트의 전 과정을 이해하자.
연결 리스트
[Data Structure] 연결 리스트(Linked List)
연결 리스트란, 각 노드가 데이터와 포인터를 가지고 연결되어 있는 방식으로 데이터를 저장하는 자료 구조이다. 데이터를 담고 있는 노드들이 포인터를 통해 서로 연결된다.
동적계획법
[Algorithm] 동적 계획법
알고리즘 스터디 DP팀 발표 내용 및 SW Expert Academy 동적 계획법 강의 내용을 참고하였습니다. 정의 동적 계획법(Dynamic Programming)은 최적화 문제를 해결하는 알고리즘이다. 그리디 알고리즘과 비슷하게, 이 알고리즘 역시 문제를 해결하기 ...
선택정렬
[Algorithm] 선택정렬
선택 정렬 선택 정렬은 주어진 자료 중 가장 작은(혹은 가장 큰) 값의 원소부터 차례대로 선택하여 위치를 교환해 나간다. 학교 다닐 때 키순서대로 줄을 섰던 것을 떠올리면 된다. 가장 작은(혹은 가장 큰) 수부터 정렬하기 시작하여 위치를 교환하는 정렬 알고리즘이다. 이를 적용하...
삽입정렬
[Algorithm] 삽입정렬
개요 자료 내 모든 원소들을 앞에서부터 차례대로 이미 정렬된 부분과 비교하여, 자신의 위치를 찾아냄으로써 정렬을 완성하는 알고리즘이다. 도서관 사서가 책을 정렬할 때 일반적으로 활용되는 정렬 방식이다. 사람의 머리로 이해하기는 간단하지만, 코드로 구현했을 때 효율성이 떨어진다....
퀵정렬
[Algorithm] 퀵정렬
개요 분할 정복 방식을 적용해 정렬을 진행하는 알고리즘이다. 정렬 알고리즘 계의 최고 존엄격으로, 매우 효율적이다. 원리 리스트 중 하나를 피봇으로 선택하고, 피봇보다 작은 원소는 왼쪽에, 큰 원소는 오른쪽에 정렬한다. 이후 피봇값을 중심으로 리스트를 분할하고, 분할된 각각의...
카운팅정렬
[Algorithm] 카운팅정렬
카운팅 정렬(a.k.a 계수 정렬) 원소를 직접 비교하지 않고, 원소들의 개수를 세어 정렬하는 방식이다. 즉, 항목의 순서를 결정하기 위해 집합에 각 항목이 몇 개씩 있는지 센다. 이미지 출처 : https://m.blog.naver.com/PostView.nhn?blogI...
병합정렬
[Algorithm] 병합정렬
여러 정렬된 자료의 집합을 병합해ㅔ 한 개의 정렬된 집합으로 만듦.
우선순위 큐
[Python] heapq 모듈
파이썬에서 우선순위 큐 알고리즘을 구현할 수 있도록 제공하는 내장 모듈(공식 문서)이다. 다만, 이 모듈은 최소 힙만을 지원한다. 따라서 최댓값을 찾아야 하는 경우는, 이 모듈을 응용하여 다른 방식으로 활용해야 한다. 개요 파이썬이 설치되어 있다면, 다음과 같이 간단하게 임...
힙
[Python] heapq 모듈
파이썬에서 우선순위 큐 알고리즘을 구현할 수 있도록 제공하는 내장 모듈(공식 문서)이다. 다만, 이 모듈은 최소 힙만을 지원한다. 따라서 최댓값을 찾아야 하는 경우는, 이 모듈을 응용하여 다른 방식으로 활용해야 한다. 개요 파이썬이 설치되어 있다면, 다음과 같이 간단하게 임...
Selenium
[Crawling] Selenium
웹 크롤링을 위해 알아 본 파이썬에서의 Selenium 사용법
한국어 임베딩
[NLP] 한국어 임베딩 1장
자연어 처리에서의 임베딩이 무엇인지 알아 보자.
자연어 처리
[NLP] 한국어 임베딩 1장
자연어 처리에서의 임베딩이 무엇인지 알아 보자.
Programming
개미수열
문자열, 스택, 구현
Classification
[ML/DL] 분류 문제의 구분
«Classification» 분류 문제의 종류를 알아 보자.
K-Means
[ML] KMeans_1.개념
«Clustering» KMeans 알고리즘의 개념
Scikit-learn
[ML] KMeans_2.구현
«Clustering» Scikit-learn, Tensorflow로 K-Means 구현하기
lambda
[Python] 파이썬 람다 함수
파이썬 lambda 표현식 사용법
Competitive Learning
[DL] Competitive Learning_2.구현
«Clustering» Tensorflow로 Competitive Learning 구현하기
경쟁학습
[DL] Competitive Learning_2.구현
«Clustering» Tensorflow로 Competitive Learning 구현하기
FFN
[DL] AutoEncoder_2.구현_차원 축소 1
«Neural Network» MNIST 데이터를 활용해 FFN, CNN 오토인코더를 구현해 보자.
정규표현식
[Python] 파이썬 문자열 r과 escape 문자
내 마음대로 이해해 보는 파이썬 문자열 패턴에서 r의 의미
이스케이프 문자
[Python] 파이썬 문자열 r과 escape 문자
내 마음대로 이해해 보는 파이썬 문자열 패턴에서 r의 의미
TF-IDF
[NLP] TF-IDF
«Vectorization» 빈도 기반의 단어 수치화 방법인 TF-IDF 모델을 알아 보자.
Word2Vec
[NLP] Word2Vec
«Embedding» Word2Vec 임베딩 기법을 알아 보자.
Colab
[AI] KoNLPy 사용자 사전 추가
Google Colabaratory에서 사용자 사전을 추가해 보자.
KoNLPy
[AI] KoNLPy 사용자 사전 추가
Google Colabaratory에서 사용자 사전을 추가해 보자.
사용자사전
[AI] KoNLPy 사용자 사전 추가
Google Colabaratory에서 사용자 사전을 추가해 보자.
Seq2Seq
[NLP] Seq2Seq_2.구현
«Chatbot» Seq2Seq 모델 기반의 챗봇을 만들어 보자.
Chatbot
[NLP] Seq2Seq_2.구현
«Chatbot» Seq2Seq 모델 기반의 챗봇을 만들어 보자.
Transformers
[AI] Transformers 라이브러리 사용하기
이제 HuggingFace Transformers 라이브러리를 Keras Functional API처럼 사용할 수 있다!
PyTorch
[AI] DL GPU 개발환경 구축
GPU를 사용하는 Tensorflow, PyTorch 개발환경을 구축해 보자.
GPU
[AI] DL GPU 개발환경 구축
GPU를 사용하는 Tensorflow, PyTorch 개발환경을 구축해 보자.
RL
[DL] Deep Reinforcement Learning for Asset Allocation in US Equities 리뷰
«Asset Allocation» 자산배분에 딥러닝 강화학습을 적용해 보자.
DRL
[DL] Deep Reinforcement Learning for Asset Allocation in US Equities 리뷰
«Asset Allocation» 자산배분에 딥러닝 강화학습을 적용해 보자.
강화학습
[DL] Deep Reinforcement Learning for Asset Allocation in US Equities 리뷰
«Asset Allocation» 자산배분에 딥러닝 강화학습을 적용해 보자.
자산배분
[DL] Deep Reinforcement Learning for Asset Allocation in US Equities 리뷰
«Asset Allocation» 자산배분에 딥러닝 강화학습을 적용해 보자.
자산포트폴리오
[DL] Deep Reinforcement Learning for Asset Allocation in US Equities 리뷰
«Asset Allocation» 자산배분에 딥러닝 강화학습을 적용해 보자.
super
[Python] super() vs. super(Class)
문득 궁금해진 파이썬 super 키워드
상속
[Python] super() vs. super(Class)
문득 궁금해진 파이썬 super 키워드
BOJ
[BOJ] 그룹 단어 체커
문제 출처: www.acmicpc.net/problem/1316 풀이 group_checker 함수 각 단어에서 문자가 나타나는 첫 인덱스와 끝 인덱스를 구한다. 첫 인덱스와 끝 인덱스 사이에 문자가 2개 이상 존재하면 False를 반환...
RNN
[DL] DARNN_1. 논문 리뷰
«Neural Network» 시계열 예측에 attention을 적용해 보자.
Attention
[DL] DARNN_1. 논문 리뷰
«Neural Network» 시계열 예측에 attention을 적용해 보자.
시계열
[DL] DARNN_1. 논문 리뷰
«Neural Network» 시계열 예측에 attention을 적용해 보자.
지수예측
[DL] DARNN_1. 논문 리뷰
«Neural Network» 시계열 예측에 attention을 적용해 보자.
heapq
[Programmers] 야근 지수
우선순위 큐, 완전 탐색
MPT
Portfolio Selection
마르코비츠의 포트포리오 선택 이론은 Modern Portfolio Theory의 초석이 되었다.
Mean Variance
Portfolio Selection
마르코비츠의 포트포리오 선택 이론은 Modern Portfolio Theory의 초석이 되었다.
마르코비츠
Portfolio Selection
마르코비츠의 포트포리오 선택 이론은 Modern Portfolio Theory의 초석이 되었다.
투자
Portfolio Selection
마르코비츠의 포트포리오 선택 이론은 Modern Portfolio Theory의 초석이 되었다.
자산분배
Portfolio Selection
마르코비츠의 포트포리오 선택 이론은 Modern Portfolio Theory의 초석이 되었다.
예외
[Python] raise vs. raise from e
파이썬에서 예외가 어디서부터 발생했는지 알고 싶다면, raise from을 사용하자.
except
[Python] raise vs. raise from e
파이썬에서 예외가 어디서부터 발생했는지 알고 싶다면, raise from을 사용하자.
raise
[Python] raise vs. raise from e
파이썬에서 예외가 어디서부터 발생했는지 알고 싶다면, raise from을 사용하자.
3D
3D, VR, AR
공간의 개념에서 3D, VR, AR를 정의해 보자.
VR
3D, VR, AR
공간의 개념에서 3D, VR, AR를 정의해 보자.
AR
3D, VR, AR
공간의 개념에서 3D, VR, AR를 정의해 보자.
공간
3D, VR, AR
공간의 개념에서 3D, VR, AR를 정의해 보자.
SVD
SVD
특잇값 분해가 무엇인지 알아 보자.
특잇값
SVD
특잇값 분해가 무엇인지 알아 보자.
고윳값
SVD
특잇값 분해가 무엇인지 알아 보자.
행렬 분해
SVD
특잇값 분해가 무엇인지 알아 보자.
행렬 근사
SVD
특잇값 분해가 무엇인지 알아 보자.
데이터 압축
SVD
특잇값 분해가 무엇인지 알아 보자.
행렬분해
[AI] Matrix Factorization Techniques for Recommender Systems 리뷰
«Matrix Factorization» Netflix Prize 우승 팀에게 MF 기법을 배워 보자.
Matrix Factorization
[AI] Matrix Factorization Techniques for Recommender Systems 리뷰
«Matrix Factorization» Netflix Prize 우승 팀에게 MF 기법을 배워 보자.
AutoEncoder
[AI] Training Deep AutoEncoders for Collaborative Filtering 리뷰
«Collabortaive Filtering» 협업 필터링을 위한 깊은 오토인코더 네트워크를 구성해 보자.
협업필터링
[AI] Training Deep AutoEncoders for Collaborative Filtering 리뷰
«Collabortaive Filtering» 협업 필터링을 위한 깊은 오토인코더 네트워크를 구성해 보자.
NVIDIA
[AI] Training Deep AutoEncoders for Collaborative Filtering 리뷰
«Collabortaive Filtering» 협업 필터링을 위한 깊은 오토인코더 네트워크를 구성해 보자.
BERT
[AI] BERT4REC: Sequential Recommendation with Bidirectional Encoder Representations from Transformer 리뷰
«Sequential Recommendation» Sequential Recommendation에 BERT를 적용해 보자.
Sequential Recommendation
[AI] BERT4REC: Sequential Recommendation with Bidirectional Encoder Representations from Transformer 리뷰
«Sequential Recommendation» Sequential Recommendation에 BERT를 적용해 보자.
알리바바
[AI] BERT4REC: Sequential Recommendation with Bidirectional Encoder Representations from Transformer 리뷰
«Sequential Recommendation» Sequential Recommendation에 BERT를 적용해 보자.
엣지
엣지 컴퓨팅
엣지 컴퓨팅에 대해 알아 보자.
클라우드
엣지 컴퓨팅
엣지 컴퓨팅에 대해 알아 보자.
데이터 센터
엣지 컴퓨팅
엣지 컴퓨팅에 대해 알아 보자.
DPU
엣지 컴퓨팅
엣지 컴퓨팅에 대해 알아 보자.
이진탐색
[Algorithm] 이분탐색
이분탐색 혹은 이진탐색
이분탐색
[Algorithm] 이분탐색
이분탐색 혹은 이진탐색
분할정복
[Algorithm] 이분탐색
이분탐색 혹은 이진탐색
SSH
[Git] Permission Denied (public key) 에러 해결
git clone 과정에서 permission denied 에러 해결 방법
HTTP
[Git] Permission Denied (public key) 에러 해결
git clone 과정에서 permission denied 에러 해결 방법
clone
[Git] Permission Denied (public key) 에러 해결
git clone 과정에서 permission denied 에러 해결 방법
암호화
[Git] Permission Denied (public key) 에러 해결
git clone 과정에서 permission denied 에러 해결 방법
UnicodeDecodeError
[Python] pip 이용 의존 라이브러리 설치 시 unicode 에러 해결
unicode 에러가 날 때의 해결 방법을 알아 보자.
stdnum
[Python] pip 이용 의존 라이브러리 설치 시 unicode 에러 해결
unicode 에러가 날 때의 해결 방법을 알아 보자.
undefined
[JavaScript] this 이해하기
어쩌다 마주친 자바스크립트에서의 this
this
[JavaScript] this 이해하기
어쩌다 마주친 자바스크립트에서의 this
primitive
[JavaScript] 원시값 vs. 레퍼런스
내가 선언한 변수가 원시값과 레퍼런스 중 무엇을 가리키는지가 중요하다
reference
[JavaScript] 원시값 vs. 레퍼런스
내가 선언한 변수가 원시값과 레퍼런스 중 무엇을 가리키는지가 중요하다
Material UI
[React.js] children props를 이용해 공통 컴포넌트 분리하기
여러 개의 컴포넌트가 동일한 구조를 갖는 경우에는 로직을 분리하는 것이 좋다.
Children
[React.js] children props를 이용해 공통 컴포넌트 분리하기
여러 개의 컴포넌트가 동일한 구조를 갖는 경우에는 로직을 분리하는 것이 좋다.
Javascript
[FrontEnd] 자바스크립트로 날짜 다루기
브라우저 환경에서 날짜를 렌더링하다 겪었던 문제
Date
[FrontEnd] 자바스크립트로 날짜 다루기
브라우저 환경에서 날짜를 렌더링하다 겪었던 문제
Leetcode
[LEETCODE] 빗물 트래핑
비슷한 문제 여러 개 있으므로 기억할 것
투포인터
[LEETCODE] 빗물 트래핑
비슷한 문제 여러 개 있으므로 기억할 것
tbAdmin
[tbAdmin] .fileTableLock Permission Denied 에러 해결
권한을 가지지 않은 사용자가 프로그램을 실행할 때 마주치는 오류
fileTableLock
[tbAdmin] .fileTableLock Permission Denied 에러 해결
권한을 가지지 않은 사용자가 프로그램을 실행할 때 마주치는 오류
허가권
[tbAdmin] .fileTableLock Permission Denied 에러 해결
권한을 가지지 않은 사용자가 프로그램을 실행할 때 마주치는 오류
사용자
[tbAdmin] .fileTableLock Permission Denied 에러 해결
권한을 가지지 않은 사용자가 프로그램을 실행할 때 마주치는 오류
그룹
[tbAdmin] .fileTableLock Permission Denied 에러 해결
권한을 가지지 않은 사용자가 프로그램을 실행할 때 마주치는 오류
리눅스
[tbAdmin] .fileTableLock Permission Denied 에러 해결
권한을 가지지 않은 사용자가 프로그램을 실행할 때 마주치는 오류
연산
맨 위로 이동 ↑후위표기
맨 위로 이동 ↑전위표기
맨 위로 이동 ↑중위표기
맨 위로 이동 ↑웹 서버
[Backend] 웹 서버, CGI, 웹 어플리케이션 서버
웹 서비스에서 클라이언트의 요청을 처리하기 위한 기술의 변화
Servlet
[Backend] 서블릿
동적 컨텐츠를 생성하기 위한 자바 서버 측 프로그램
JavaEE
[Backend] 서블릿
동적 컨텐츠를 생성하기 위한 자바 서버 측 프로그램
ELK
[ELK] ELK stack
로그 모니터링, 빅데이터 분석 등에 자주 활용되는 스택
시각화
[ELK] ELK stack
로그 모니터링, 빅데이터 분석 등에 자주 활용되는 스택
모니터링
[ELK] ELK stack
로그 모니터링, 빅데이터 분석 등에 자주 활용되는 스택
tcpdump
[tcpdump] tcpdump를 사용하며 겪었던 문제 해결하기
tcpdump로 패킷을 분석할 때 마주하는 문제들
connection
[tcpdump] tcpdump를 사용하며 겪었던 문제 해결하기
tcpdump로 패킷을 분석할 때 마주하는 문제들
wireshark
[tcpdump] tcpdump를 사용하며 겪었던 문제 해결하기
tcpdump로 패킷을 분석할 때 마주하는 문제들
network
[tcpdump] tcpdump를 사용하며 겪었던 문제 해결하기
tcpdump로 패킷을 분석할 때 마주하는 문제들
네트워크
[tcpdump] tcpdump를 사용하며 겪었던 문제 해결하기
tcpdump로 패킷을 분석할 때 마주하는 문제들
config
[Git] Git configuration 변경 방법
git 사용 환경 설정 파일을 확인하고 변경해 보자
ignorecase
[Git] Git configuration 변경 방법
git 사용 환경 설정 파일을 확인하고 변경해 보자
FastCGI
[CGI] fcgiwrap으로 Python 스크립트를 실행하며 겪었던 문제 해결하기
FastCGI 방식으로 Python 스크립트를 실행할 때 마주했던 문제들
fcgiwrap
[CGI] fcgiwrap으로 Python 스크립트를 실행하며 겪었던 문제 해결하기
FastCGI 방식으로 Python 스크립트를 실행할 때 마주했던 문제들
Nginx
[CGI] fcgiwrap으로 Python 스크립트를 실행하며 겪었던 문제 해결하기
FastCGI 방식으로 Python 스크립트를 실행할 때 마주했던 문제들
502
[CGI] fcgiwrap으로 Python 스크립트를 실행하며 겪었던 문제 해결하기
FastCGI 방식으로 Python 스크립트를 실행할 때 마주했던 문제들
shebang
[CGI] fcgiwrap으로 Python 스크립트를 실행하며 겪었던 문제 해결하기
FastCGI 방식으로 Python 스크립트를 실행할 때 마주했던 문제들
Lombok
[JPA] 엔티티 생성자
JPA 엔티티 생성자에 디폴트 생성자 롬복 어노테이션이 필요한 이유
Entity
[JPA] 엔티티 생성자
JPA 엔티티 생성자에 디폴트 생성자 롬복 어노테이션이 필요한 이유
url
[Spring] url prefix 설정
Spring에서 API 버전 관리를 위한 url prefix를 설정하는 방법
prefix
[Spring] url prefix 설정
Spring에서 API 버전 관리를 위한 url prefix를 설정하는 방법
controller
[Spring] url prefix 설정
Spring에서 API 버전 관리를 위한 url prefix를 설정하는 방법
일대다
[JPA] 양방향 연관관계 엔티티 순환 참조 문제
JPA를 이용해 양방향 연관관계를 설정한 엔티티를 JSON 응답에 반환하는 경우 발생할 수 있는 문제
양방향
[JPA] 양방향 연관관계 엔티티 순환 참조 문제
JPA를 이용해 양방향 연관관계를 설정한 엔티티를 JSON 응답에 반환하는 경우 발생할 수 있는 문제
infinite recursion
[JPA] 양방향 연관관계 엔티티 순환 참조 문제
JPA를 이용해 양방향 연관관계를 설정한 엔티티를 JSON 응답에 반환하는 경우 발생할 수 있는 문제
stack overflow
[JPA] 양방향 연관관계 엔티티 순환 참조 문제
JPA를 이용해 양방향 연관관계를 설정한 엔티티를 JSON 응답에 반환하는 경우 발생할 수 있는 문제
jackson
[JPA] 양방향 연관관계 엔티티 순환 참조 문제
JPA를 이용해 양방향 연관관계를 설정한 엔티티를 JSON 응답에 반환하는 경우 발생할 수 있는 문제
Computer Structure
[Memory] Little Endian, Big Endian
어쩌다 마추친 인디언 말고 엔디언
Memory
[Memory] Little Endian, Big Endian
어쩌다 마추친 인디언 말고 엔디언
CPU
[Memory] Little Endian, Big Endian
어쩌다 마추친 인디언 말고 엔디언
Byte Order
[Memory] Little Endian, Big Endian
어쩌다 마추친 인디언 말고 엔디언
Bit Numbering
[Memory] Little Endian, Big Endian
어쩌다 마추친 인디언 말고 엔디언
slice
[Go] Nil Slice
nil slice와 empty slice의 차이
nil
[Go] Nil Slice
nil slice와 empty slice의 차이
해시
[Programmers] 롤케이크 자르기
문자열, groupby, counter
run
[Go] go run command와 working directory
패키지 실행 시 working directory에 주의하지 않으면 발생할 수 있는 문제
AWS
[AWS] EC2 배포 오류
Elastic Beanstalk을 이용해 EC2에 이미지를 배포하던 도중 발생한 OOM 에러
Elastic Beanstalk
[AWS] EC2 배포 오류
Elastic Beanstalk을 이용해 EC2에 이미지를 배포하던 도중 발생한 OOM 에러
EC2
[AWS] EC2 배포 오류
Elastic Beanstalk을 이용해 EC2에 이미지를 배포하던 도중 발생한 OOM 에러
PostgreSQL
[Go] Query Parameter를 이용해 PostgreSQL json 타입의 데이터 조회하기
Go를 이용해 PostgreSQL jsonb 타입의 데이터를 조회할 때, query parameter 설정에 주의해야 한다.
Query Parameter
[Go] Query Parameter를 이용해 PostgreSQL json 타입의 데이터 조회하기
Go를 이용해 PostgreSQL jsonb 타입의 데이터를 조회할 때, query parameter 설정에 주의해야 한다.
jsonb
[Go] Query Parameter를 이용해 PostgreSQL json 타입의 데이터 조회하기
Go를 이용해 PostgreSQL jsonb 타입의 데이터를 조회할 때, query parameter 설정에 주의해야 한다.
DB
[Database] Database 고가용성
Database 고가용성 확보를 위해 알아 두면 좋은 개념들
Database
[Database] Database 고가용성
Database 고가용성 확보를 위해 알아 두면 좋은 개념들
High Availability
[Database] Database 고가용성
Database 고가용성 확보를 위해 알아 두면 좋은 개념들
HA
[Database] Database 고가용성
Database 고가용성 확보를 위해 알아 두면 좋은 개념들
데이터베이스
[Database] Database 고가용성
Database 고가용성 확보를 위해 알아 두면 좋은 개념들
고가용성
[Database] Database 고가용성
Database 고가용성 확보를 위해 알아 두면 좋은 개념들
후기
나의 작고 소중한 오픈 소스 기여 후기
How to contribute to open source
오픈 소스
나의 작고 소중한 오픈 소스 기여 후기
How to contribute to open source
memory
[Go] Go 언어 메모리 패딩
Memory Padding을 생각하지 않고 구조체를 설계할 때 마주칠 수 있는 문제
memory padding
[Go] Go 언어 메모리 패딩
Memory Padding을 생각하지 않고 구조체를 설계할 때 마주칠 수 있는 문제
structure alignment
[Go] Go 언어 메모리 패딩
Memory Padding을 생각하지 않고 구조체를 설계할 때 마주칠 수 있는 문제