이번 부트캠프에서 해커톤을 진행함.스트레스 수치 예측AI 모델링 이 주제였음.일정 : 3/13(월) ~ 3/20(금)발표 일정: 3/20(금) 데이터 분석부터 모델링, 그리고 이를 활용한 FastAPI + JS 웹 서비스까지 구축한 전 과정을 정리하려고한다.성과 : 리

Todo 데이터를 브라우저 LocalStorage에 저장하도록 수정했다.이제 새로고침을 해도 Todo 데이터가 사라지지 않는다.브라우저에 데이터를 저장할 수 있는 웹 스토리지 기능이다.특징:Todo 상태가 변경될 때마다LocalStorage에 데이터를 저장하도록 구현했

🔥오늘 목표🔥 단순한 Todo 리스트를 넘어, 실무에서 필수적인 상태 제어 기능을 구현해봄. 상태별 필터링: 전체,완료,미완료 버튼을 누르면 목록이 실시간으로 바뀐다. 실시간 통계: 현재 총 개수, 완료 개수, 남은 개수를 계산하여 보여준다. 전역 상태 관리: Z

통계 기능(Todo Stats) 추가전체 Todo 개수완료된 Todo 개수남은 Todo 개수예시이 기능을 만들면서 배열 데이터를 계산하는 방법과 파생 상태(Derived State) 개념을 함께 이해하게됨Todo 통계를 관리하는 컴포넌트를 따로 분리함.Zustand s

🔥오늘 목표🔥 Zustand로 Todo 전역 상태 관리하기 props drilling 문제 이해하기 컴포넌트 분리 연습하기 상태를 어디에 둬야 하는지 기준 세우기 Day03 복습 Day03에서는 useState를 사용해 App에서 todos를 관리함. 그리고

Todo 추가삭제 기능 구현완료 체크 기능 추가Enter로 제출 처리React에서 왜 "직접 수정하면 안되는지" 이해하기처음엔 todo의 개념 자체가 헷갈렸음.input에 입력하는 건 문자열여러 개의 할 일을 관리하려면 배열이 필요그래서 구조를 이렇게 잡음.그리고 단순

기존 Counter 기능 확장Reset 버튼 추가조건에 따른 버튼 비활성화 구현렌더링 흐름 복습✏️ Reset 버튼 추가state를 0으로 초기화setCount 호출 -> 재렌더링 발생✏️ count 10이상이면 증가 버튼 비활성화📌 핵심 개념 :disabled는 H

Day 1 목표 useState 이해하기 렌더링 개념 이해하기 조건부 렌더링 구현하기 Git 브랜치 -> PR -> Merge까지 해보기 오늘 구현한 기능 📌 증가 / 감소 버튼 구현 버튼 클릭시 count 증가 버튼 클릭시 count 감소 📌 조건부 렌더

컴퓨터들이 서로 소통하기 위해서는 주소와 규칙이 필요함.IP(Internet Protocol) : 인터넷에 연결된 기기의 고유 식별 주소.(비유:건물주소)Port(포트) : 한 컴퓨터 내에서 실행되는 특정 프로그램의 번호.(비유:건물 안의 방번호) \- HTTP는 기

정의 : 웹(Web) 표준 규약(URL, HTTP, HTTPS)을 통해 인터넷상에서 자원과 정보를 제공하는 시스템특징 : 플랫폼과 기기에 독립적이며, 브라우저나 설치형 클라이언트(앱)을 통해 여러 사용자가 동시에 접근할 수 있음.\- 주요 구성 요소:기본 흐름 : 클라

딥러닝은 결국 미분을 이용해 정답을 찾아가는 과정이다.순전파(Forward) : 입력 데이터를 넣고 현재 가중치($W$)로 계산해 답을 내는 단계 (문제풀기)손실 계산(Loss) : 내 답과 실제 정답의 차이를 확인. 오차역전파(Backward) : 뒤에서부터 거꾸로

머신러닝 / 딥러닝 할 때 성능지표를 보는게 중요함!그래서 이번 happy_face 하면서 성능지표 나온거에 대해왜 이게 중요하며 어떻게 나온지 한번더 정리하기로함!딥러닝 모델은 단순히 "공부를 했다"는 것만으로는 부족함.얼마나 정확하게(Precision), 하나도 놓

딥러닝 기초 5일차 정리전이학습과 AI 개발자의 길!모든 모델을 처음부터(From Scratch) 학습시키는 것은 비효율적임. 대규모 데이터로 이미 학습된 모델의 '지식'을 빌려오는 것이 핵심임.Pretrained Model(사전 학습 모델) : Google이나 Met

딥러닝 기초 4일차 정리!데이터 맞춤형 구조 (CNN & RNN),모든 데이터를 MLP로만 해결할수 있을까? 딥러닝의 진정한 강점은 데이터의 특성에 맞춰행렬곱의 구조를 커스터마이즈 할수 있다는 점!이미지는 인접한 픽셀 간의 관계가 중요함. 이를 위해 탄생한 것이 합성곱

딥러닝 기초 3일차 정리모델의 실전 근육키우기!! (일반화 & 정규화)과적합 : 모델이 학습 데이터의 패턴뿐만 아니라 노이즈(불필요한 정보)까지 통째로 외워버린 상태.현상 : 학습 데이터에 대한 Loss는 계속 떨어지는데, 검증(Validation) 데이터에 대한 L

딥러닝 기초 2일차 정리데이터가 정형(표)형태이고 양이 아주 많지 않을 때는 여전히 강력한 도구임.배깅(Bagging) : 병렬 구조. 여러 트리를 랜덤하게 만들어 투표함(예:Random Forest)부스팅(Boosting) : 직렬 구조. 이전 트리가 틀린 문제를 다

이번주 딥러닝 기초에 대해서 배웠다.내용들을 정리하면서 한번더 공부하기!모든 문제에 딥러닝이 정답은 아님. 데이터와 문제의 복잡도에 따라 선택해야 한다.머신러닝(ML) : 데이터가 숫자로 가볍게 표현되고 양이 적을 때 사용한다.(예 : 선형회귀, 결정트리, XGBoos

최근 코딩 공부를 하다보니 CV(Computer Vision)에 관심이 생겼다.그래서 오늘 해본건 !YOLOv8을 사용해 행복한 얼굴(happy_face)을 객체 감지(Object Detection)방식으로 학습했다.물론 기본개념 어떤 분류들이있는지 먼저 공부했다.:

오늘은 부트캠프에서 밤낮으로 머리 싸매고 고민했던 '건강검진 데이터 기반 흡연 여부 예측프로그램'을 포스팅하려고한다. 예전 미니프로젝트로 팀원들과 한번 해보기했지만, 사실 처음에는 "데이터로 담배 피우는지 안 피우는지 맞힐수 있다고?" 하며 반신반의했는데, 하면 할수

갓생살기 위한 10일차 일기!오늘도 어김없이 어제에 이어서 흡연데이터를 가지고,개인 프로젝트를 하는중이다. 사실 하루종일 여러개의 모델과값들고 파생변수도 여러번 바꿔봐도 아직은 원하는 값은 안나오는것같다.그래서 데이터파일들을 한번 더 뜯어봤는데테스트에 이상치가 있어서