코알못

# Quartz 란? - Job Scheduling 라이브러리 - 스프링에서 지원하고 있어 쉽게 구축 가능 - 전체 예제 코드 :: github.com/works-code/dynamic-schedule works-code/dynamic-schedule dynamic-schedule. Contribute to works-code/dynamic-schedule development by creating an account on GitHub. github.com # 개발 환경 - mac os catalina - java 15 - spring boot 2.4.0 - gradle 6.6.1 # 프로젝트 구조 모듈명 설명 module-01 스케쥴을 동작하는 1번 모듈 - module-01 이라는 문구를 출력하는 스..

# oepnjdk 최신 버전 설치 $brew install --cask adoptopenjdk # 특정 버전 설치 1. 아래 페이지에서 버전 확인 - github.com/AdoptOpenJDK/homebrew-openjdk AdoptOpenJDK/homebrew-openjdk AdoptOpenJDK HomeBrew Tap. Contribute to AdoptOpenJDK/homebrew-openjdk development by creating an account on GitHub. github.com - 위 페이지 접속 대신 아래 표 봐도 됩니다 ㅎ (귀찮 귀찮) 2. 저장소 연결 $brew tap AdoptOpenJDK/openjdk 3. 특정 버전 설치 $brew install --cask adopt..

# Ehcache 란? - 캐시 시스템 - 많은 업데이트가 필요없는 데이터를 메모리에 캐싱하여 서버요청 없이 데이터를 로딩하여, 서버 부담을 줄어주고 빠른 응답을 제공 - spring 에서 제공 하고 있어 빠른 캐싱 시스템 구축 가능 # 어노테이션 - @EnableCaching // EnableCaching : 캐싱을 사용하겠다는 의미 @EnableCaching @SpringBootApplication public class EhcacheApplication { public static void main(String[] args) { SpringApplication.run(EhcacheApplication.class, args); } } - @Cacheable - 해당 키값이 존재할 경우, 메서드 수행하..

# Rabbitmq 란? - 메세징 큐 시스템 - 얼랭(Erlang)으로 AMQP 를 구현한 메시지 브로커 시스템. * 얼랭 : 범용 병렬 프로그래밍 언어 * AMQP(Advanced Message Queuing Protocol, 어드밴스트 메시지 큐잉 프로토콜) : 메시지 지향 미들웨어를 위한 개방형 표준 응용 계층 프로토콜. # 아키텍쳐 - producer : 메세지를 보내는 아이 - exchange : 메세지를 목적지(큐)에 맞게 전달하는 아이 - queue : 메세지를 쌓는 아이 - consumer : 메세지를 받는 아이 >> Producer(Sender)가 메세지를 보내면, exchange에서 해당하는 키에 맞게 큐에 분배를(바인딩 or 라우팅) 하고, 해당 큐에서 Consumer(Receive..

3장 - 평가 # 모델에 따른 평가 방법 - 회귀 : 예측 값의 오차의 정도 (정확도, 오차) - 분류 : 회귀와 동일하게 평가 할 수 있지만 연속적인 값이 아닌 한정된 값(0 or 1 / True or False) 이기에 정확도로 판단했다가는 잘못된 평가가 될 수 있음. # 평가 성능 지표 종류 - 정확도(Accuracy) - 오차 행렬(Confusion Matrix) - 정밀도(Precision) - 재현율(Recall) - F1 스코어 - ROC AUC # 평가 성능 지표 정의 평가 성능 지표 설명 비고 정확도(Accuracy) - 예측 결과가 동일한 데이터 건수 / 전체 예측 데이터 건수 - 특정 결과 값 True가 몰려있고 정답을 무조건 True 로 나오도록 한다면 정확도가 높을 것이다. (잘못..

2장 - 사이킷런으로 시작하는 머신러닝 # 사이킷런 소개와 특징 - 사이킷런은 파이썬 머신러닝 라이브러리 # 첫번째 머신러닝 만들어 보기 - 붓꽃 품종 예측하기 - 분류 (classification) 예제 - 지도학습(supervised learning) 예제 * 지도 학습이란? 데이터를 주고 학습을 시킴 비지도 학습 - 꽃잎의 길이 & 너비, 꽃받침의 길이 & 너비를 기반으로 꽃의 품종 예측 - sk-learn 명명 규칙 1) sklearn.datasets : 데이터 세트 생성모듈 2) sklearn.tree : 트리 기반 ML 알고리즘 클래스 3) sklearn.model_selection : 학습 , 검증, 예측 데이터로 분리, 학습 모델 - 예제 1) 붓꽃 품종 예측하기 :: github.com/..

1장 - 파이썬 기반의 머신러닝과 생태계 이해 # 실습 환경 구축 1) conda 실습 환경 구축 (study 라는 환경 생성) $ conda create -n study python=3.7 2) 실습 환경으로 설정 $ conda activate study 3) 라이브러리 설치 $ pip install numpy $ pip install pandas $ pip install matplotlib $ pip install scikit-learn $ pip install jupyter 4) 주피터 실행 $ jupyter notebook # 넘파이 (numpy) # 판다스(pandas)

- word2vec 에서 유사도 계산법 - 코사인 각도를 이용한 벡터의 유사도 (1일수록 유사도가 높음) - 계산식 - 예제 1) 코사인 유사도를 이용한 비슷한 단어 찾기 :: github.com/works-code/word2vec works-code/word2vec word2vec. Contribute to works-code/word2vec development by creating an account on GitHub. github.com # Reference - wikidocs.net/24603 위키독스 온라인 책을 제작 공유하는 플랫폼 서비스 wikidocs.net