일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
- 인디게임
- 배포
- 라피신
- 오블완
- 스프링
- 티스토리챌린지
- 백엔드개발자
- EC2
- 스프링부트
- 42서울
- 전국대학생게임개발동아리연합회
- 프리티어
- 도커
- UNICON
- 인프라
- 생활코딩
- 프로그래밍
- 체크인미팅
- 온라인테스트
- CICD
- RDS
- UNIDEV
- 백엔드
- AWS
- UNICON2023
- 개발공부
- 게임개발동아리
- 자바개발자
- Developer
- 위키북스
- Today
- Total
목록전체 글 (131)
Hyun's Wonderwall
GDSC Ewha 5기_ Spring Boot 스터디 스터디 커리큘럼: 백기선, "스프링 기반 REST API 개발" - 선수 학습사항: (필수) 스프링 프레임워크 핵심 기술, 스프링 부트 개념과 활용 / (선택) 스프링 데이터 JPA 의 지식 1주차 과제: 섹션 0. 소개, 섹션 1. REST API 및 프로젝트 소개 섹션 0. 소개 이 강좌에서는 다양한 스프링 기술을 사용하여 Self-Descriptive Message와 HATEOAS(Hypermedia as the engine of application state)를 만족하는 REST API를 개발한다. 이 두 가지를 만족해야만 진화가 가능한 REST API, -> 클라이언트와 서버 독립적으로 진화할 수 있는 성격 달성할 수 있음. - 이 강좌에서..
10. 캐글 신용카드 사기 검출 - Kaggle 신용카드 데이터 세트 https://www.kaggle.com/datasets/mlg-ulb/creditcardfraud - 해당 데이터 세트의 레이블인 Class 속성은 매우 불균형한 분포를 가짐. - Class는 0과 1로 분류되는데, 0: 신용카드 정상 트랜잭션 / 1: 신용카드 사기 트랜잭션 - 전체 데이터의 0.172%만이 사기(레이블 값 1) + 사기 검출(Fraud Detection), 이상 검출(Anomaly Detection)과 같은 데이터 세트는 이처럼 레이블 값 극도로 불균형한 분포 가지기 쉬움. 언더 샘플링과 오버 샘플링의 이해 - 레이블이 불균형 분포인 데이터 세트를 학습시킬 때 예측 성능의 문제가 발생할 수 있음. (이상 레이블을 ..
09. 산탄데르 고객 만족 예측 - XGBoost와 LightGBM을 활용해 예측해 보자. - train.csv 는 370개의 피처로 주어진 데이터 세트. (피처 이름은 모두 익명 처리) - 클래스 레이블 명은 TARGET. 이 값이 1이면 불만을 가진 고객, 0이면 만족한 고객 - ROC-AUC(ROC 곡선 영역)으로 모델의 성능을 평가함 (갑자기 아나콘다가 안 열려서 Jupyter Notebook (anaconda3) 을 실행시켰더니 잘 되었다(?)) - 캐글에서 train.csv 다운로드 https://www.kaggle.com/c/santander-customer-satisfaction 데이터 전처리 - 사이킷런 래퍼 XGBoost를 이용할 것임 # 필요한 모듈 로딩, 학습 데이터를 DataFra..
Burn out 탈진: 개인이 더이상 어떤 일을 하지 못하거나 포기할 때의 상태. 정서적 스트레스에 대한 반응이자 우울증을 동반하는 정서적 소진 상태. 스포츠 상황에서의 탈진 -과도한 스트레스 혹은 불만족으로 이전에 즐거웠던 신체활동이 심리적, 정서적, 신체적으로 고갈되는 것. -지나친 훈련과 경기에서 필요한 것으로 해결하지 못하여 극단적인 행동을 보이는 심리 생리적 반응이자 지나친 스트레스와 환멸에 대한 반응 (신체 활동으로부터 심리적, 정서적, 육체적 도피) -운동선수가 극단적으로 피로하여 더 이상 활동을 할 수 없는 상태 탈진의 특징 -장기적으로 지속되는 증상. 갑작스러운 부정적 행동에 의해 나타나는 것이 아닌, 지속적이고 복합적인 원인으로 나타남. -탈진은 개인이 지닌 자원을 고갈시키고 이 고갈된..
5단원 정리자신감 Self-Confidence● 자신감: 원하는 행동을 성공적으로 수행할 수 있다는 신념- 자신감의 영향: 긍정적 감정, 집중력, 목표, 노력, 경기 전략(적극적)- 실력에 날개를 달아주는 자신감: 성공적인 경험으로 얻은 자신감 마음속에 새기기. 실패하거나 부족했던 경험들은 털어버리거나 중요하게 여기지 않기. 실수하더라도 과정에 집중해서 스스로의 발전을 통해 자신감 얻기. 부정적 상황에서도 올바르게 대처하면 자신감 잃지 않을 수 있다. 자신감과 오만함 구분하기. 거만x. 패배한 경우에도 잘한 것 찾아내기. ● 과도한 자신감: 자신의 능력 대한 믿음이 현실과 차이가 있는 현상. 자신의 능력을 과대평가해 연습/훈련 소홀히 함. 결국 운동 수행에 부정적 결과. 충분한 준비x, 노력 약화 유발..
4단원 정리 Motivation ● 동기의 정의: 개인이 보여주는 노력의 방향과 강도. 한 개인이 어떠한 상황을 찾거나 그 상황에 접근하는 것, 매력을 느끼는 것. - 3 approaches to motivation: (1)Trait-centered view, (2)Situation-centered view, (3)Interactional view (1)Trait-centered view (2)Situation-centered view (3)Interactional view ● Motivational orientation: Approval oriented vs Rejected oriented 실전형 vs 혼자 조용히 기록 ● Effects of Motivation - Choice of activity (..
3단원 정리 Arousal, Anxiety *각성: 깊은 잠에서부터 강렬한 흥분상태에 이르기까지 연속선상에서 변화하는 유기체의 일반적인 생리적 및 심리적 활성화 *불안: 신체의 활성화나 각성과 관련된 초조, 걱정, 또는 공포감을 지닌 부정적 정서 상태(걱정, 공포) (1) 상태 불안 : 자율신경계의 활성화와 관련된 주관적이고 의식적으로 지각된 공포 및 긴장감을 지닌, 일시적이면서 지속적으로 변화하는 정서 상태 [인지적 상태 불안 / 신체적 상태 불안] (2) 특성 불안 : 객관적으로 위험x상황을 위협적으로 인식, 부적절한 상태불안으로 반응하게 하는 행동적 기질(성격의 일부) ● 각성 수준과 수행 1. 역 U 가설 : 최고 수행이 각성 연속선상의 중간지점에서 발생한다. 수행 수준 완만하게 증가/감소 2. ..
2단원 정리 ● Human Life Cycle : 영아기->유아기->아동기->청소년기->성인기->중년기->노년기 - 초기 성인기: 20~30대에 해당하는 시기로 인생의 방향을 결정하는 중요한 시기. 독립적인 인간으로서 정체성을 확립해야 하는 과도기적인 시기. 사회적 책임과 역할, 권한에 대한 요구가 급격하게 높아지는 시기. 새로운 삶의 구조를 모색해야 하는 부담을 갖는 시기. 신체적 성장과 성숙이 완성되어 신체 건강에 있어서는 최상의 상태에 있지만 건강관리는 가장 소홀히 하는 시기 (찔린다...) ● 심리사회적 발달단계 by Erikson : 자아 발달을 8단계로 구분, 각 단계마다 추구하는 발달 과업이 있다고 주장. 인간은 '생물학적 성숙'과 '사회에서 발달 단계별로 요구하는 과제' 간의 상호작용에 의..
1단원 정리 1. 스포츠와 멘탈 코칭 (Intro) - 스포츠 심리학의 역사적 이용 ● Sport Science based supporting for athletes - 국내 스포츠과학 지원사업: 경기력 향상 뿐 아니라 선수 개개인의 전인적 성장을 위한 교육과 혼합형 지원. 국가대표 한정되는 경우가 많았으나 최근 들어 지원 범위가 확대되는 추세 - 심리: 심리적 안정감 획득을 위한 심리 기술 훈련 지원_ (선수 개인 맞춤형 심리상담 지원, 종목 특성을 고려한 심리 검사지 측정 및 피드백 제공, 팀 종목 응집력 향상을 위한 심리 프로그램 적용 및 제공, 개인별 심리 기술 훈련(목표설정, 인지 재구성, 불안 조절, 루틴 설정 등) 제공, 스포츠 과학 장비를 활용한 심리 기술 훈련 제공) - 심리 지원: 1...
AIchemist 1기 이화여대 머신러닝 입문 스터디 스터디 교재: 권철민, "파이썬 머신러닝 완벽 가이드" 4주차 과제: 파머완 p.221-p.307 (4장 5단원~8단원, 11단원) [Chapter 04] 분류 5. GBM(Gradient Boosting Machine) 5.1. GBM의 개요 및 실습 * 부스팅 알고리즘: 여러 개의 약한 학습기(weak learner)를 순차적으로 학습-예측하면서 잘못 예측한 데이터에 가중치 부여를 통해 오류를 개선해 나가면서 학습하는 방식. - AdaBoost, 그래디언트 부스트(GBM)가 대표적 * AdaBoost(에이다부스트) : 개별 분류기가 일으킨 오류 데이터에 가중치를 부여하면서 부스팅을 하는 알고리즘. 개별 약한 학습기들에 각각 가중치를 부여한 후 예측..