Hyun's Wonderwall

GDSC Ewha 5기_ Spring Boot 스터디 스터디 커리큘럼: 백기선, "스프링 기반 REST API 개발" 5주차 과제 - 섹션 5. REST API 보안 적용 5. (1) Account 도메인 추가 5. (2) 스프링 시큐리티 적용 5. (3) 예외 테스트 5. (4) 스프링 시큐리티 기본 설정 5. (5) 스프링 시큐리티 폼 인증 설정 5. (6) 스프링 시큐리티 OAuth2 인증 서버 설정 5. (7) 리소스 서버 설정 5. (8) 문자열을 외부 설정으로 빼내기 5. (9) 이벤트 API 점검 5. (10) 현재 사용..

AIchemist 과제 포스팅을 날려버리는 사태로 분량이 적습니다..😢 07. 문서 군집화 소개와 실습(Opinion Review 데이터 세트) 문서 군집화(Doucment Clustering) : 비슷한 텍스트 구성의 문서를 군집화 하는 것. 동일 군집에 속하는 문서를 같은 카테고리 소속으로 분류할 수 있음. *텍스트 분류 기반 문서 분류와의 차이 : 텍스트 기반 문서 분류는 사전에 결정 카테고리 값을 가진 학습 데이터 세트가 필요함. 문서 군집화는 학습 데이터 세트가 필요없는 비지도학습 기반으로 동작함. 텍스트 기반 문서 군집화를 적용하는 실습 진행! Opinion Review 데이터 세트를 이용한 문서 군집화 수행하기 내려받은 압축 파일의 topics 디렉터리 안에 리뷰 텍스트 파일들이 있음. 각 ..

GDSC Ewha 5기_ Spring Boot 스터디 스터디 커리큘럼: 백기선, "스프링 기반 REST API 개발" 4주차 과제 - 섹션 4. 이벤트 조회 및 수정 REST API 개발 4. (1) 이벤트 목록 조회 API 구현 4. (2) 이벤트 조회 API 구현 4. (3) 이벤트 수정 API 구현 4. (4) 테스트 코드 리팩토링 섹션 4. 이벤트 조회 및 수정 REST API 개발 4. (1) 이벤트 목록 조회 API 구현 강의 내용 정리에 앞서... createEvent_Bad_Request_Wrong_Input() 메소드의 결과 검증 부분 실수를 고쳤다. Status가 400이 나와야 하지만 ..

[Chapter 06] 차원 축소 1. 차원 축소 개요 차원 축소: 매우 많은 피처로 구성된 다차원 데이터 세트의 차원을 축소해 새로운 차원의 데이터 세트를 생성하는 것. 일반적으로 차원이 증가할수록 데이터 포인트 간의 거리가 기하급수적으로 멀어지게 되고 희소한(sparse) 구조를 가지게 된다. 수백 개 이상의 피처로 구성된 데이터 세트의 경우, 상대적으로 적은 차원에서 학습한 모델이 예측 신뢰도가 높다. (피처가 많을 경우 개별 피처간에 상관관계가 높을 가능성이 큰데, 선형 회귀와 같은 선형 모델에서는 입력 변수 간의 상관관계가 높으면 다중 공선성 문제로 모델의 예측 성능이 저하된다) 매우 많은 피처를 갖는 다차원 데이터 세트를 차원 축소해 피처 수를 줄이면 더 직관적으로 데이터를 해석할 수 있다. ..

GDSC Ewha 5기_ Spring Boot 스터디 스터디 커리큘럼: 백기선, "스프링 기반 REST API 개발" 3주차 과제 - 섹션 3. HATEOAS와 Self-Describtive Message 적용 3. (1) 스프링 HATEOAS 소개 3. (2) 스프링 HATEOAS 적용 3. (3) 스프링 REST Docs 소개 3. (4) 스프링 REST Docs 적용 3. (5) 스프링 REST Docs 각종 문서 조각 생성하기 3. (6) 스프링 REST Docs 문서 빌드 3. (7) 테스트용 DB와 설정 분리하기 3. (8) API 인덱스 만들기 ..

GDSC Ewha 5기_ Spring Boot 스터디 스터디 커리큘럼: 백기선, "스프링 기반 REST API 개발" 2주차 과제: 섹션 2. 이벤트 생성 API 개발 2.(1) 이벤트 API 테스트 클래스 생성 2.(2) 201 응답 받기 2.(3) 이벤트 Repository 2.(4) 입력값 제한하기 2.(5) 입력값 이외에 에러 발생 2.(6) Bad Request 처리 2.(7) Bad Request 응답 2.(8) 비즈니스 로직 적용 2.(9) 매개변수를 이용한 테스트 2. (1) 이벤트 API 테스트 클래스 생성 - E..

캐글 주택 가격: 고급 회귀 기법 데이터 세트로 회귀 분석을 더 심층적으로 학습해보자 https://www.kaggle.com/competitions/house-prices-advanced-regression-techniques/ House Prices - Advanced Regression Techniques | Kaggle www.kaggle.com 이 데이터는 79개의 변수로 구성되어있고, 미국 아이오와 주의 에임스(Ames) 지방의 주택 가격 정보를 가지고 있다. 각 피처에 대한 설명은 위 링크에 있음 성능 평가는 섹션9와 동일한 RMSLE(Root Mean Squared Log Error)를 기반으로 한다. 가격이 비싼 주택일수록 예측 결과 오류가 전체 오류에 미치는 비중이 높으므로 이것을 상쇄..

[Chapter 05] 회귀 9. 회귀 실습 - 자전거 대여 수요 예측 캐글 자전거 대여 수요 예측 경연 2011.1~2012.12 동안 날짜/시간, 기온, 습도, 풍속 등의 정보를 기반으로 1시간 간격 동안의 자전거 대여 횟수가 기재되어 있다. 데이터 세트의 주요 칼럼은 아래와 같고 이 중 결정 값은 맨 마지막 칼럼인 count(대여 횟수를 의미)이다. datetime: hourly date + timestamp season: 1=봄, 2=여름, 3=가을, 4=겨울 holiday: 1=토, 일요일의 주말을 제외한 국경일 등의 휴일, 0=휴일이 아닌 날 workingday: 1=토, 일요일의 주말 및 휴일이 아닌 주중, 0=주말 및 휴일 weather: 1=맑음 2=안개, 안개+흐림 3=가벼운 눈, 가벼..

[Chapter 05] 회귀 1. 회귀 회귀(Regression) 분석: 갈톤이 수행한 연구에서 유래 (사람의 키는 평균 키로 회귀하려는 경향을 가진다는 자연의 법칙) 회귀 분석: 데이터 값이 평균과 같은 일정한 값으로 돌아가려는 경향을 이용한 통계학 기법 회귀: 여러 개의 독립변수와 한 개의 종속변수 간의 상관관계를 모델링하는 기법을 통칭 (모델링하고 예측) Y=W1*X1+W2*X2+...+Wn*Xn이라는 선형 회귀식 Y: 종속변수 X1, ..., Xn은 독립변수 W1, ..., Wn은 독립변수의 값에 영향을 미치는 회귀 계쑤(Regression coefficients) 독립변수는 피처에 해당되며 종속변수는 결정 값이다. 머신러닝 회귀 예측의 핵심은 주어진 피처와 결정 값 데이터 기반에서 학습을 통해 ..

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..