매일의 최선

20210106 TIL # python bool 타입의 특징 # bool # True(T), False(F) # not, and, or --> 논리연산 # &, |, ~ --> 비교연산 # False로 간주 # "", [], (), {}, 숫자(0 이외의 숫자는 True), None xValue = 5 # 0101 yValue = 0 # 0000 print( xValue & yValue ) # 0101, 0000의 논리곱이 되므로 0000이 출력된다. 따라서 0이 출력 print( bool(xValue & yValue) ) # 0이라는 값에 casting연산이 되어서 False가 출력 print( xValue | yValue ) # 0101, 0000의 논리합이 되므로 0101의 10진수 값인 5가 출력..

dict 자료형 dictionary 는 key 와 value 의 대응관계 type Hash 또는 Associative Array 와 유사한 구조 {} 이용해서 변수를 선언 할 수 있다. 순서 X , 키 중복 X , 수정 O , 삭제 O temp = {} print(type(temp)) dict01 = { 'name' : 'youngseok', 'age' : 30, 'address' : 'gimpo-si', 'birth' : '930125', 'gender' : 'male' } print('dict - ', type(dict01), dict01) # dict에 요소를 추가하는 방법 dict01['marriage'] = False print('dict - ', type(dict01), dict01) # 키 ..

tuple 자료형 순서 O, 중복 O, 수정 X, 삭제 X immutable (읽기 전용) ()로 선언 가능하다 myTuple = ('반도', '강철비', '아이언맨') oneTuple = (1,) # 사용자의 편의를 위해서 괄호없이 만들 수 있다. myTuple = 1, 2, 3, 4, 5 multiTuple = (100, 10000, 'Ace', 'Base', 'Captain') print('tuple print - ', multiTuple) # sequence형 자료이기 때문에 인덱싱과 슬라이싱이 가능하다. # indexing print('index - 1 ', multiTuple[1]) print('slicing - ', multiTuple[2:], type(multiTuple[2:])) # 튜플..

20210105 TIL list 자료형 순서 0 (index 부여 0 ~ ), 중복 0, 수정, 삭제 가능 [] 이용해서 변수를 선언 할 수 있다. a = list() a = [] a = [1, 2, 3] print(a, type(a)) print(a[0]) a[0] = 5 print(a[0]) # 요소 추가하는 함수 : append(), insert() a.append(4) # 맨 뒤 인덱스에 값을 삽입 print(a) a.insert(0,6) # 특정 인덱스에 값을 삽입 print(a) a.sort() # 오름차순 정렬 print(a) a.reverse() # 내림차순 & 오름차순 왔다갔다. print(a) # pop() : 기존 리스트에서 요소를 가져오고 삭제시킨다. * last index에서 삭제..

20210105 TIL dir () 객체가 갖고 있는 구성요소를 전부 보여준다. dir() replace() 특정 문자를 치환한다. replace(oldchar, newchar) split() 문자열을 쪼개는 함수 url = "http://www.naver.com" urlSplit = url.split('.') print(urlSplit, type(urlSplit)) strip(), rstrip(), lstrip() 문자열의 공백을 제거하는 함수 companyName = ' samsung ' print(companyName.strip(), len(companyName.strip()), type(companyName.strip())) print(companyName.rstrip(), len(companyN..

20210104 TIL Source code – compile(기계어) – interpreter (runtime) Source code – interpreter(runtime) -> python (인터프리터 기반 언어, 라인 단위당 실행이 된다) 모듈은 세가지 구성 요소를 포함한다 (변수, 함수, 클래스-변수, 함수, 생성자) 변수 - 데이터를 담을 수 있는 공간 또는 그릇(숫자로 시작할 수 없다, _ $ 두 가지의 특수문자만 허용, 예약어 변수명으로 사용 불가(False, def, if ...기타 등등)) 함수 - 행위 (업무 로직 및 알고리즘) 클래스 - 변수, 함수, 생성자 크롤링과 스크래핑 차이 크롤링 : 자동화된 방식으로 데이터를 가져오는 방식 스크래핑 : 해당 페이지에 들어가서 원하는 영역의 ..

1. 지도학습 & 비지도학습 & 강화학습 ._지도학습(supervised) : 기계를 가르친다는 의미. 컴퓨터를 학습시켜서 모델을 만드는 방식 ._비지도학습(unsupervised) : 기계에게 데이터에 대한 통찰력을 부여하는 것 ._강화학습(reinforcement) : 학습을 통해서 능력을 향상 시키는 것, 어떻게 하는 것이 더 좋은 결과를 내는지 노력하는 수련과 비슷 2. 지도학습 (회귀 & 분류) ._회귀(Regression) : 예측하고 싶은 종속변수가 숫자(양적 데이터)일 때 회귀를 사용 ._분류(Classification) : 예측하고 싶은 종속변수가 이름이나 문자(범주형 데이터)일 때 분류를 사용 3. 비지도학습 (군집화 & 연관규칙학습 & 변환) ._군집화(Clustering) : 비슷한..

1. 애플리케이션과 프로그램 ._애플리케이션 : Application 말 그대로 '응용'이라는 뜻, 어떤 기능을 부품으로 사용해서 만든 완제품 ._프로그램 : 시간의 순서에 따라 동작하고 있는 것, 기계가 해야 할 일을 기계가 알아들을 수 있는 방식으로 순서대로 적은 것 ._프로그래머 : 프로그램을 만드는 사람 2. IoT 와 Machine Learning ._IoT : 인터넷을 통해 사물을 제어하는 것 ._IoT + Machine Learning : 장치에 연결된 여러 가지 센스들을 통해 데이터를 수집하고, 그 데이터의 의미를 머신러닝이 판단하여 스스로 의사결정 3. 데이터 산업 ._데이터 산업 : 데이터 과학 + 데이터 공학 ._데이터 과학 : 데이터 생성, 만들어진 데이터를 이용 ._데이터 공학 :..

1. 머신러닝(Machine Learning)이란? ._기계를 학습시켜 인간의 판단을 위임하기 위한 도구 ._COVID-19의 감염 여부 판정, 자동 번역, 자율주행 등이 ML(Machine Learning)을 통해 구현되고 있다. 2. 의사결정을 잘하는 방법? ._결정의 의미 : 결정(Decision) = 비교(Comparison) + 선택(Selection) ._비교해야 할 특징이 많아질수록 결정은 어려워진다. ._따라서 인류는 비교를 위해 숫자를 창조했고, 이를 표현하기 위한 방법들을 모아서 통계라고 명명했다. ._인류는 결정에 집중할 수 있었고, 이러한 결정 능력을 기계에 부여했다. 그것이 Machine Learning이다. 3. 습관, 의지, 환경의 관계 ._습관은 의지를 이긴다. ._의지는 환..