코딩 | 개념 정리

Next.js 란 무엇인가? 프론트엔드 직군에 취업 준비를 위해 여러 JD를 보다보면 Next.js 보인다. 나는 이런 생각이 들었다. React를 처음 배울 때만해도 어려웠는데, 이제는 Next.js까지 배워야 하는 것일까? 그래서 Next.js에 대해 더 알아보고 그 필요성에 대해 제고해보기로 했다. 물론, 이 글을 작성하기 전 여러 번 시도해보았다. Next.js를 공부하기 위해… 하지만, 그 필요성이 느껴지지 않아 매번 그 시도는 무마되었다. 그래서 글을 통해 필요성을 정리해보고자 한다. 정의 Nextjs.org 공식 홈페이지에 가면 아래와 같이 나와 있다. React를 위해 탄생한 프레임워크이다. React는 JS의 라이브러리에 지나지 않는다. 쉽게 말해 Next.js 는 React의 발전형, ..

01장. 딥러닝 한눈에 살펴보기 인공지능 강 인공지능: 사람처럼 모든 문제에 대해 해결 능력을 갖춘 지능 약 인공지능: 특정한 문제에 대해서만 해결 능력을 갖는 인공지능 머신러닝: 입력 데이터를 이용해 알지 못하는 변수를 반복적으로 학습해나가면서 예측하는 알고리즘 시행착오를 겪으며 성장하는 기술, 기계학습 = 머신러닝 딥러닝: 인공 신경망을 사용한 머신러닝 알고리즘 지도 학습: 데이터에 정답 데이터를 제공하는 학습 방법 비지도 학습: 데이터에 정답 데이터를 제공하지 않는 학습 방법 강화 학습: 데이터를 사용하지 않고, 인공지능이 스스로 시행착오를 겪으며 성장하는 학습 방법 딥러닝 문제 해결 프로세스 문제 정의 데이터 수집 데이터 가공 딥러닝 모델 설계 딥러닝 모델 학습 성능 평가 순서 딥러닝 문제 해결 ..

알아가기 | Information husky: git hook를 편리하게 해주는 도구 사용 목적: eslint와 prettier를 git commit 전에 실행 시켜서, 전체 코드 스타일을 맞추기 위함. 에러 발생 | Problem 패스트캠퍼스의 Next.js 강의 5. Final Project: 커머스 서비스 만들기 / Ch01. 개요 / 02. 프로젝트 생성 및 환경 설정 실습 진행 중 이러한 에러가 발생했다. 어떠한 에러일까... 며칠을 고민해보아도 명령문을 실행하지 못하는 것은 같았다. 끝내 새벽을 맞이한 끝에 아래와 같이 2가지 해결방법 중 2번째 안을 통해 해결할 수 있었다. 문제 해결 | Solution 해결 방안 1. 필자는 이 방법으로 해결이 되지 않았다. Step - 1: Delete ..

Chapter 09 텍스트를 위한 인공 신경망 ▶ 한빛 마켓의 댓글을 분석하라! 09-1 순차 데이터와 순환 신경망 ▶ 순차 데이터의 특징과 개념 이해하기 학습 목표 순차 데이터의 특징을 알고 순환 신경망의 개념을 학습합니다. 순차 데이터 순차 데이터(sequential data) 단어의 순서 중요 시계열 데이터(time series data) 일정한 간격으로 기록된 데이터 피드 포워드 신경망(feedforward neural network, FFNN) 입력 데이터의 흐름이 앞으로만 전달되는 신경망 ex. 완전 연결 신경망 & 합성곱 신경망 순환 신경망 데이터 재사용 必 순환 신경망 순환 신경망(recurrent neural network, RNN) 은닉층에 층 단계 추가 타임 스텝(timestep) 이..

(6주차 업데이트_24.02.24) 6주차는 아직 올라오기 전 학습회고로 혼공학습단의 종지부를 찍어보고자 합니다. 물론, 아직 남은 Chapter 9은 차주에 추가로 공부하고 포스팅 예정입니다. 매주 우수혼공족으로 뽑히진 못했어도, 2회 정도는 수상했네요. 나름 이렇게 모아보니 뿌듯합니다. 사람마다 공부하는 방식이 다르기에 둘러보면, 확실히 정리를 잘하시는 분들도 많더군요. 다른 분들의 공부 내용을 둘러보면서 복습의 시간도 가질 수 있었습니다. 전공자이긴 하나, 막상 직장 생활을 병행하며 주말마다 인공지능을 공부한다는 것이 마냥 쉽지만은 않았습니다 .오히려 처음에는 겁부터 많이 났죠. 인공지능, 분명 알아야하는 것은 알고 있지만, 그 문턱을 넘기가 참 어려웠습니다. 주차별로 혼공족장님의 격려의 말과 함께..

Chapter 08 이미지를 위한 인공 신경망 ▶ 패션 럭키백의 정확도를 높입니다! 08-1 합성곱 신경망의 구성 요소 ▶ 합성곱 신경망의 개념과 동작 원리를 배우고 간단한 실습하기 학습 목표 합섭공 신경망을 구성하는 기본 개념과 동작 원리를 배우고 간단한 합성곱, 풀링 계산 방법을 익힙니다. 합성곱 마치 입력 데이터에 마법의 도장을 찍어서 유용한 특성만 드러나게 하는 것 밀집층: 뉴런마다 입력 개수 만큼의 가중치 有 인공 신경망 모델 훈련: 처음에 가중치와 절편을 랜덤하게 초기화 (에포크를 반복하면서 경사 하강법 알고리즘을 사용하여) 손실이 낮아지도록 최적의 가중치와 절편을 찾아감 합성곱: 입력 데이터 전체에 가중치 적용(밀집층) 밀집층의 뉴런은 입력 개수 만큼 10개의 가중치를 가지고 1개의 출력 입..

Chapter 07 딥러닝을 시작합니다 ▶ 패션 럭키백을 판매합니다! 07-1 인공 신경망 ▶ 텐서플로로 간단한 인공 신경망 모델 만들기 학습 목표 딥러닝과 인공 신경망 알고리즘을 이해하고 텐서플로를 사용해 간단한 인공 신경망 모델을 만들어봅시다. 패션 MNIST MNIST 머신러닝: 붓꽃 데이터셋 딥러닝: MNIST 데이터셋 손으로쓴 0~9까지의 숫자로 이루어짐 패션 MNIST MNIST와 크기, 개수가 동일하지만 숫자 대신 패션 아이템으로 이루어진 데이터 각 픽셀은 0~255 사이의 정숫값을 가짐 이런 이미지의 경우 보통 255로 나누어 0~1 사이의 값으로 정규화 이는 표준화는 아니지만 양수 값으로 이루어진 이미지를 전처리할 때 널리 사용하는 방법 로지스틱 회귀로 패션 아이템 분류하기 인공 신경망 ..

Chapter 06 비지도 학습 ▶ 비슷한 과일끼리 모으자! 06-1 군집 알고리즘 ▶ 흑백 이미지 분류 방법과 비지도 학습, 군집 알고리즘 이해하기 학습 목표 흑백 사진을 분류하기 위해 여러 가지 아이디어를 내면서 비지도 학습과 군집 알고리즘에 대해 이해합니다. 타깃을 모르는 비지도 학습 지도 학습: 타깃 有 비지도 학습: 타깃 無 과일 사진 데이터 준비하기 픽셀값 분석하기 평균값과 가까운 사진 고르기 군집(clustering): 비슷한 샘플끼리 그룹으로 모으는 작업 클러스터(cluster): 군집 알고리즘에서 만든 그룹 히스토그램: hist() 구간별로 값이 발생한 빈도를 그래프로 표시한 것 x 축: 값의 구간(계급) y 축: 발생 빈도(도수) 확인 문제 히스토그램을 그릴 수 있는 맷플롯립 함수는 무..