본문 바로가기

전체 글257

[React-Native] android App Center SDK 등록하기 CodePush를 사용하기 위해 먼저 각 운영체제에 맞는 세팅을 해주어야 합니다. 이 글에선 안드로이드 앱에 관한 SDK 세팅에 관해 서술합니다. android CodePush 가이드 - 1. [React-Native] android App Center SDK 등록하기 (현재 글) - 2. [React-Native] android CodePush 시작하기 - 3. [React-Native] android CodePush 를 통해 업데이트 진행하기 SDK 추가 React-Native 프로젝트에 아래와 같이 SDK를 설치합니다. npm install appcenter appcenter-analytics appcenter-crashes --save-exact appcenter-config.json 파일 추가 .. 2023. 6. 18.
[GitHub] git Personal access token 갱신하기 21년 부터 github을 원격으로 통제하기 위해서는 github 계정의 비밀번호가 아닌 Personal access token이 필요합니다. remote: Support for password authentication was removed on August 13, 2021. remote: Please see https://docs.github.com/en/get-started/getting-started-with-git/about-remote-repositories#cloning-with-https-urls for information on currently recommended modes of authentication. 토큰 발급 내 프로필 -> Settings -> Developer Settin.. 2023. 6. 18.
[머신러닝] Unsupervised Learning input만 주어지고, 이에 대한 기조를 스스로 찾아가는 학습 방식 PCA (Principal Component Analysis) 앞서 차원 축소에도 활용했던 기법으로 비지도학습에도 응용됨 각 Z1, Z2, Z3... 는 서로 상호 연관성이 없음 적절한 갯수의 주성분 분석을 통해 적절한 군집을 진행해야 (ex. US Arrest 에서 Rape, Assault, Murder는 PC1 에 연관 UrbanPop은 PC2와 연관) 이때, Elbow method 사용 (가장 PVE 급감 시점을 사용) K-means Clustering homogeneous subgroup을 우리가 선택한 K 만큼 분류하는 것, 좋은 clustering은 군집 내 변동성이 최소인 것 모두가 적어도 하나의 군집에 포함 non-over.. 2023. 6. 12.
[머신러닝] Model Selection Model Selection Problem 데이터의 갯수 n이 predictor p의 갯수와 비슷한 경우 Least Square 는 무용 -> p의 갯수를 의도적으로 줄일 필요가 있음 (불필요한 복잡성 및 true relationship 잘 보이게) Subset Selection 모든 경우의 수 다 해보기(O(2^p) : exponential) -> 비효율적 greedy 정책 활용(O(p^2) : polynomial) forward stepwise : p 없 -> p 추가 backward stepwise : p 풀 -> p 제거 이때, RSS 및 R square는 p의 갯수가 많을 수록 계속 감소 -> 적절한 p의 갯수를 찾을 수 없음 이를 대처하기 위한 다양한 수치식 존재 Cp, AIC, BIC = 작.. 2023. 6. 12.
[머신러닝] Resampling Resampling Test 데이터가 현저히 부족, 접근에 제한 있음 -> train 데이터에서 다양한 방법으로 리샘플링하는 것이 현명함, CV와 Bootstraping 두가지 방법이 있음 Cross-Validation validation set = subset of TRAIN DATA ===> test error rate의 추정치를 뽑을 수 있음 다양한 split 방식이 존재 Randomly Split 무작위로 절반 validation set, 절반 training set 장점 : 간단 단점 : high variability MSE (무작위로 split 하므로 변동성 높음), sample 적음 (절반을 validation set 으로 사용하므로) LOOCV (Leave One Out Cross Vali.. 2023. 6. 12.
[컴퓨터그래픽스] OpenGL Reflectance Model, Illumination Caculation, Shading Model OpenGL Reflectance Model BRDF 방식(모든 경우를 다 계산한 이상적인 계산법)은 현실적으로 부적합하므로 아래 4가지 경우만 계산 Diffuse Reflection = Lambertian Model Specular Reflection Emission Ambient Illumination Caculation 다양한 빛의 효과를 계산하는 계산식 Single Light Multiple Light 3D Rendering Pipeline Modeling Transformation Lighting Viewing Transformation Projection Transformation Clipping Viewport Transformation Scan Conversion Viewport Tran.. 2023. 6. 12.

티스토리툴바