다 IT지~ 다 IT지~

오라클로 배우는 데이터베이스 개론과 실습 7장 연습문제 풀이입니다. 학교 과제로 혼자서 푼 내용을 공유합니다. 오류가 있다면, 댓글로 알려주세요 :) ① ② ③ ④ 1. 정규화의 필요성으로 거리가 먼 것은? ② 중복 데이터의 활성화 2. 관계 데이터베이스의 정규화에 대한 설명으로 옳지 않은 것은? ② 정규화의 목적은 각 릴레이션에 분산된 종속성을 하나의 릴레이션에 통합하는 것이다. [풀이] 정규화의 목적은 이상현상이 발생하는 릴레이션을 분해하여 이상현상을 없애는 것임 3. 정규화 과정에서 발생하는 이상현상에 관한 설명으로 옳지 않은 것은? ② 속성 간의 종속관계를 분석하여 여러 개의 릴레이션을 하나로 결합하여 이상현상을 해결한다. [풀이] 정규화는 속성 간의 종속 관계를 분석해 여러 개의 릴레이션을 분해..

액티비티(Activity)란? - 응용 프로그램을 구성하는 주요 단위 - 하나의 UI를 구성하는 기본 단위 -> 한 응용 프로그램은 다수의 액티비티를 가질 수 있다. - 여러 개의 뷰가 모여 하나의 액티비티를 구성 뷰(View)란? - UI를 구성하는 핵심 컴포넌트 - 사각영역에 자신의 모양을 나타냄 - 파생 뷰들을 이용해 다양한 기능을 제공 뷰(View)의 종류 - 위젯 (컨트롤) : 직접적으로 보이면서 UI를 구성 android.view.View의 서브 클래스 - 뷰 그룹 (레이아웃) : 직접적으로 보이진 않지만, 다른 뷰를 자식으로 갖는 컨테이너 역할 ViewGroup의 파생 클래스 최상위 뷰(View)의 속성 id : 뷰 참조시 사용 layout_width, layout_height : 뷰의 폭과..

https://www.youtube.com/playlist?list=PLVNY1HnUlO26qqZznHVWAqjS1fWw0zqnT 딥러닝 자연어처리 - YouTube www.youtube.com https://sy-programmingstudy.tistory.com/13 [6주차] Youtube 허민석 : 딥러닝 자연어처리 (1차) https://www.youtube.com/playlist?list=PLVNY1HnUlO26qqZznHVWAqjS1fWw0zqnT 딥러닝 자연어처리 - YouTube www.youtube.com 이 글은 Youtube 허민석님의 딥러닝 자연어처리 강의 목록 13개를 수강하고 정리한 1차.. sy-programmingstudy.tistory.com 이 글은 Youtube 허민석..

https://www.edwith.org/deeplearningai2/joinLectures/20015 딥러닝 2단계: 심층 신경망 성능 향상시키기 강좌소개 : edwith - 커넥트재단 www.edwith.org 이 글은 edwith 딥러닝 2단계 강의 목록 중 'Batch Normalization'을 수강하고 정리하였습니다. 수식, 그래프 이미지의 출처는 강의 필기 캡처본입니다. 배치 정규화 딥러닝이 떠오르면서 가장 중요한 아이디어 중 하나로 배치정규화라는 알고리즘이 꼽힌다. Sergey loffe와 Christian Szegedy가 만들었다. 배치 정규화는 하이퍼파라미터 탐색을 쉽게 만들어줄 뿐만 아니라 신경망과 하이퍼파라미터의 상관관계를 줄여준다. 즉, 더 많은 하이퍼파라미터가 잘 작동하는 것이다..

https://www.edwith.org/deeplearningai2/joinLectures/20015 딥러닝 2단계: 심층 신경망 성능 향상시키기 강좌소개 : edwith - 커넥트재단 www.edwith.org 이 글은 edwith 딥러닝 2단계 강의 목록 중 '하이퍼파라미터 튜닝'을 수강하고 정리하였습니다. 수식, 그래프 이미지의 출처는 강의 필기 캡처본입니다. 튜닝 프로세스 지금까지 신경망을 학습시킬 때 여러 하이퍼파라미터들이 관여한다는 걸 배웠다. 그렇다면 좋은 하이퍼파라미터는 어떻게 찾을 수 있을까? 체계적으로 하이퍼파라미터를 튜닝할 수 있는 팁을 알아보자. Hyperparameters 심층 신경망을 학습시킬 때 가장 어려운 일은 다뤄야 할 하이퍼파라미터가 많다는 것이다. (우선 조정하는 순으..

https://www.edwith.org/deeplearningai2/joinLectures/20015 딥러닝 2단계: 심층 신경망 성능 향상시키기 강좌소개 : edwith - 커넥트재단 www.edwith.org 이 글은 edwith 딥러닝 2단계 강의 목록 중 '최적화 알고리즘'을 수강하고 정리하였습니다. 수식, 그래프 이미지의 출처는 강의 필기 캡처본입니다. 미니 배치 경사하강법 머신러닝을 적용하는 것은 잘 작동되는 모델을 찾기 위해 많은 훈련을 거쳐야 하는 반복정인 과정으로 매우 실험적이다. 따라서 모델을 빠르게 훈련시키는 것이 매우 중요한다. 큰 데이터 세트에서 신경망을 훈련 시킬 수 있을 때 딥러닝이 빅데이터에서 가장 잘 작동된다는 것도 훈련을 어렵게 만든다. 큰 데이터 세트에서 훈련하는 것은..

https://www.edwith.org/deeplearningai2/joinLectures/20015 딥러닝 2단계: 심층 신경망 성능 향상시키기 강좌소개 : edwith - 커넥트재단 www.edwith.org 이 글은 edwith 딥러닝 2단계 강의 목록 중 '최적화 문제 설정'을 수강하고 정리하였습니다. 수식, 그래프 이미지의 출처는 강의 필기 캡처본입니다. 입력값의 정규화 Nomalizing traing sets 신경망의 훈련을 빠르게 할 수 있는 하나의 기법은 입력을 정규화하는 것이다. 두 개의 입력 특성이 있는 훈련세트가 있다. 입력특성 x가 2차원이다. 그리고 훈련세트의 산포도가 있다. 두 단계에 따라서 입력을 정규화하겠다. 첫번째는 평균을 빼는 것이다. 즉, 0으로 만든다. 0의 평균을 ..