정적 웹페이지 vs 동적 웹페이지 1️⃣ 정적 웹페이지 웹 서버에 이미 저장된 파일(html, 이미지 등..)을 전송 웹 서버의 데이터 자체의 변화가 없으면 항상 고정된 데이터를 전달한다. 요청하는 주체의 변화에 상관없이 같은 데이터를 얻는다. ■ BeautifulS

공부한지 한달이 넘어가는... SQL... 프로그래머스 문제를 풀다보니 예전에 공부했던 개념들을 복습해야겠다는 생각이 들었다....😶 Insert SQL의 기본이라고 할 수 있는 SELECT 명령은 데이터 검색을 위한 것으로, 질문을 던지면 데이터베이스 서버가 클라

![](https://ve

드디어 미루고 미루던 SQL 공부를 시작했다!(이제 예전에 구매했던 책이 아닌 다른 책으로....ㅎ) 데이터베이스의 기본적인 개념은 예전에 정리를 했으니 바로 문법공부로 넘어갈까 한다! > +) Mac에서 터미널로 MySQL 실행하기 (MySQL이 설치되어 있다는

데이터 프레임 만들기 앨범 정보 가져오기 먼저 2020에 발매된 음악트랙의 정보를 받아온다. 코드 결과 이 때 2020 발매된 앨범에 대한 실질적인 정보는 ‘track → items’의 경로를 통해 얻을 수 있다. album → uri : 앨범에 대한 uri

BERT 이후에 나온 연구에서는 MASK token의 분포를 바꾸어 훈련하는 방법을 다루었는데 이런 방법론은 span prediction, generation 등에서 잘동작하기 위한 방법으로 모든 태스크에 적용할 수는 없다. encoder만 존재하는 BERT는 일반적인

주요 sequence transduction 모델은 인코더와 디코더를 포함하고 있는 복잡한 RNN 또는 CNN을 기반으로 한다. 본 논문에서는 오직 attention mechanism에만 기반한 transfomer를 제안한다. 이는 병력적으로 시퀀스 데이터를 처리하기

0. Abstract Collaborative Filltering(사용자와 상품 feature 사이의 상호작용)의 key factor를 모델링 할 때, Matrix Factorization을 사용하며 사용자와 상품의 잠재 feature의 내적을 적용한다. 본 논

스포티파이는 세계 1위의 음악 스트리밍 앱으로 2020년 2분기 말 기준 1억 3,800만명의 유료 구독자를 가지고 있다. 스포티파이는 사용자의 알고리즘 데이터를 분석하여 플레이리스트를 자동으로 생성해주는 기능을 가지고 있다. 뿐만 아니라 소니뮤직, EMI, 워너 뮤직

시계열 분석이란 시간에 따라 변하는 데이터를 사용하여 추이를 분석하는 것이다.시계열 형태는 데이터 변동 유형에 따라 불규칙 변동, 추세 변동, 순환 변동, 계절변동으로 구분할 수 있다.불규칙 변동 : 어떤 규칙성이 없어 예측 불가능하고 우연적으로 발생하는 변동추세 변동

0. Abstract 본 논문은 Collaborative filtering(CF)을 위한 AutoRec 을 소개한다. AutoRec은 compact하며 효율적으로 기존의 state-of-the-art CF기술들(biased matrix factorization, RB

ResNet은 마이크로소프트에서 개발한 알고리즘으로 "Deep Residual Learning for Image Recognition"이라는 논문에서 발표되었다. ResNet 핵심은 깊어진 신경망을 효과적으로 학습하기 위한 방법으로 레지듀얼(residual) 개념을 고

합성곱 신경망은 이미지 전체를 한 번에 계산하는 것이 아닌 이미지의 국소적 부분을 계산함으로써 시간과 자원을 절약하여 이미지의 세밀한 부분까지 분석할 수 있는 신경망이다.이미지 분석은 아래의 그림 왼쪽과 같은 3x3 배열을 오른쪽과 같이 펼쳐서 각 픽셀에 가중치를 곱해

0. Abstract 본 논문에서는 SVM(Support Vector Machines)과 Factorization model들의 장점을 합친 Factorization Machine(FM)에 대해서 소개한다. SVM처럼 FM은 어느 실수 값 feature vecto

💡 교보문고의 도서를 추천하는 시스템을 만들 던 중 책소개를 이용하여 유의미한 키워드를 추출하고 싶다는 생각이 들었고 알게 된 것이 바로 WordRank였다. 지금부터 한글로 구성된 텍스트에서 유의미한 키워드를 추출하기 위해 찾아봤던 방법들을 요약 해볼까 한다!

PyTorch 개요 1️⃣ 특징 및 장점 특징 GPU에서 텐서 조작 및 동적 신경망 구축이 가능한 프레임워크 ▶︎ GPU : 연산 속도를 빠르게 하는 역할 딥러닝에서는 기울기를 계산할 때 미분을 쓴는데, GPU를 사용하면 빠른 계산이 가능하다. CUDA,cuDNN이라

'콘텐츠 기반 필터링(CBF)'을 이용한 추천시스템 구현을 위해 교보문고의 장르를 5개를 지정해 각 장르의 베스트셀러 정보를 받아오고자 한다. 총 1000개*5 = 5000개 도서의 키워드Pick과 책 소개에 대해 크롤링하고자한다. > 🔗 참고사이트 : https:/

딥러닝이란 여러 층을 가진 인공 신경망을 사용하여 학습을 수행하는 것이다. 딥러닝은 입력층, 출력층과 두 개 이상의 은닉층으로 구성되어 있다. > ▶︎ 입력층(input layer) : 데이터를 받아들이는 층 ▶︎ 은닉층(hidden layer) : 모든 입력 노드

💡 토크나이징 의미를 지닌 작은/기본이 되는 단어를 토큰(token), 문장을 토큰으로 나누는 작업을 토크나이징(tokenizing)이라고한다. > 한글은 언어 특성상 영어를 위한 자연어 처리 기법을 적용할 수 없다. (ex. 혀앹소 분석, 음소 분리 등..)

👋🏻 HiJob