파이썬 파일 입출력 마스터하기: 파이썬 모드, Pickle, Json
파이썬으로 파일 사용하기 위한 방법실행 결과실행 결과with as를 사용하면 read로 읽은 뒤, close를 사용하지 않아도 파일 객체가 자동으로 닫힌다.read를 통해 파일을 읽을 수 있지만, 만약 파일이 없는 경우 예외 처리를 추가 할 수 있다.try-except
Convex Hull 알고리즘
사진 출처: Convex Hull AlgorithmConvex Hull은 2차원 좌표 평면에 존재하는 점들의 집합을 감싸는 최소 크기의 볼록 다각형(Convex Polygon)을 말한다.Convex Hull은 점들을 포함하는 영역(내부)과 포함하지 않는 영역(외부)을
Georeferencing 개념 및 Helmert 좌표변환
Georeferencing (지리 참조)란? Georeferencing는 데이터를 지리적 좌표계(Geographic Coordinate System)와 연결하여 실제 지구 상의 특정 위치에 배치하는 과정이다. 이는 주로 지도, 위성 이미지, CAD 도면, BIM 데이
좌표계(Coordinate System) 개념과 종류
좌표계(Coordinate System)는 공간상의 위치를 정의하기 위해 설계된 체계로 특정 상황과 목적에 따라 다양한 종류가 존재한다. 이는 다양한 좌표계가 서로 다른 요구 사항과 환경에서 사용되기 때문이다.특정 응용 프로그램의 요구를 충족하기 위해 설계되기도 하며,
IFC(Industry Foundation Classes) 파일 형식 및 Polygon 좌표
건설 및 건축 분야에서 널리 사용되는 개방형 데이터 형식으로, 주로 BIM(Building Information Modeling) 데이터의 저장과 교환을 위해 사용된다.IFC는 건물과 인프라 프로젝트에 대한 구조, 공간 시스템 및 구성 요소의 정보를 디지털 방식으로 표
파운드리(Foundary)와 온톨로지(Ontology)란? - 개념
Foundary is a software platform across industries.파운드리는 백엔드 엔지니어부터 실제 현장의 작업자, 데이터 분석가, 경영자 등에 이르기까지 모든 유형의 사용자가 데이터와 모델을 통핸 임팩트를 창출할 수 있도록 지원한다.A dig
Statistic / Probability 면접 예상 질문과 답변
중심극한정리는 표본 크기가 충분히 클 경우, 모집단 분포가 어떠하든지 간에 표본 평균의 분포가 정규분포에 가까워진다는 정리입니다. 표본 크기가 클수록 더 정확히 정규분포를 따릅니다. 이는 데이터 분석과 통계에서 핵심적인 이론입니다.가설 검정에서 표본 평균의 분포를 정규
PyTorch(파이토치) 면접 예상 질문과 답변
PyTorch는 Facebook AI Research가 개발한 오픈소스 머신러닝 라이브러리로, 동적 계산 그래프의 장점을 활용합니다. PyTorch는 직관적인 워크플로우와 강력한 기능 덕분에 연구자들과 개발자들에게 인기가 많습니다.주요 특징동적 계산 그래프: Tenso
Machine Learning(머신러닝) 면접 예상 질문과 답변
Frequentist: 확률을 반복 시행에서 사건이 발생하는 상대적 빈도로 정의. 데이터만을 이용해 추정을 수행하며, 사전 정보(Prior)를 고려하지 않습니다.Bayesian: 확률을 주관적 믿음으로 정의. 데이터와 사전 정보(Prior)를 결합하여 추정을 수행합니다
파이썬 프로그래밍 면접 질문과 답변
출처: Top 50 Python Programming Interview Questions With Answers파이썬 프로그래밍 관련 인터뷰 질문 모음을 정리하였습니다.답변: 리스트는 순서를 유지하고 중복을 허용하지만, 세트는 순서가 없고 중복을 허용하지 않습니다.답변
파이썬 면접 예상 질문과 대답
출처: Python Interview Questions for Experienced with PDF면접을 준비하며, 파이썬에 대한 질문이 많은데 기초적인 거라도 대답하기에 어려움을 느껴서 위 링크를 바탕으로 기출 질문을 정리하였습니다. 번역하고 제가 잘 모르는 것은 추
[Paper] Why Is Prompt Tuning for Vision-Language Models Robust to Noisy Labels?
Paper link: arxiv.org/abs/2307.11978Code link: github.com/CEWu/PTNL이 논문은 실험으로 결과를 입증하고 설득하는 형식이라서 table을 통해 설명을 이어갈 것 같습니다.이걸 일주일 동안 붙잡으며 읽은 결과, 복잡한 a
[Paper] CLIP-Adapter: Better Vision-Language Models with Feature Adapters
Paper: LINKLarge-scale contrastive vision-language pre-training은 vision representation learning의 많이 발전되어 왔습니다. 전통적인 visual system은 고정된 discrete labels
[Paper] CLIPstyler: Image Style Transfer with a Single Text Condition 논문 리뷰
Abstract Keyword: only single text condition, patch-wise text-image matching loss, CLIP(pre-trained text-image embedding model) 원래 존재하는 스타일 트랜스퍼 방법
[CS224W] 7. Graph Neural Networks 2: Design Space
강의 자료 출처: \[CS224W Lecture 7]GNN Layer = Message + Aggregation이 관점에서 다른 인스턴스화GCN, GraphSAGE, GAT, …Connect GNN layers into a GNNStack layers sequentia
[Python] 리스트 반환 보단 제너레이터 사용
이미지 출처: 파이썬 코딩 도장시퀀스를 결과로 만들어내는 함수를 만들 때 가장 간단한 방법은 원소들이 모인 리스트를 반환하는 것입니다.예로 문자열에서 찾은 단어의 인덱스를 반환하고 싶을 떄, append 메서드를 사용해 리스트에 결과를 추가하고 함수 마지막에 리스트를
[Python] ':=' 왈러스 연산자로 대입식을 사용한 컴프리헨션
컴프리헨션에서 같은 계산을 위해 여러 위치에서 공유하는 경우가 흔합니다.아래의 예씨는 회사에서 주문을 관리하기 위한 프로그램이고 재고를 확인하는 과정입니다.{'나사못': 4, '나비너트': 1}{'나사못': 4, '나비너트': 1}앞의 코드 보다는 짧으나 get_bat
[CS224W] 6. Graph Neural Networks 1: GNN Model
강의 자료 출처: CS224W Lecture6노드 임베딩은 Lecture 3에서 다뤘던 내용입니다. 노드를 d-차원 임베딩으로 매핑합니다. 이는 그래프에서 비슷한 노드들이 서로 가깝게 임베딩 된다는 걸 의미합니다.목표는 노드 $u,v$의 유사도를 계산하는 것이었고, 이
[CS224W] 5. Label Propagation for Node Classification
강의 자료 출처: CS224W Lecture 5정리는 위 출처의 자료를 바탕으로 모든 페이지를 옮겨 정리한 것입니다. 그래프를 처음 공부해서 잘못 이해한 내용이 있을 수 있습니다. 오류를 댓글로 알려주시면 수정하겠습니다. 감사합니다.Message Passing and
[CS224W] 3. Node Embeddings
강의 자료 출처: CS224W Lecture 3정리는 위 출처의 자료를 바탕으로 모든 페이지를 옮겨 정리한 것입니다. 그래프를 처음 공부해서 잘못 이해한 내용이 있을 수 있습니다. 오류를 댓글로 알려주시면 수정하겠습니다. 감사합니다.Node EmbeddingsEncod