__init__ __init__

첫주차 주제 : 컴퓨터 구조 & 운영체제 대상 : 인프런 - 기술노트 - 컴퓨터 구조부터 클라우드, 빅데이터까지 / 진로 고민, 취업 상담 Q. 컴파일을 거쳐서 exe나 dll 이 생기고 코드 중 일부가 메모리로 올라간다 하였다. 그런데 그 일부는 누가 결정하는 것일까? A. Q. 운영체제는 어디에 올라가 있는 것일까? A. Q. 메인보드 기판에 cpu와 같은 장치들 말고 커패시터나 이런 다른 잡다한 부품들의 역할은 어떻게 되는 것일까? A. Q. 다음은 무엇인가? 커널, 쉘, 쓰레드, 시스템 콜 A. Q. 멀티 스레딩이 프로세스 단위를 쪼개서 교통정리를 하는 것임은 알겠다. 그런데 이는 프로세서가 처리하는 방식인 시분할과 거진 동일한 것이라 봐야 하는가? A. Q. 다음은 무엇인가? 문맥전환 A.

TRPO 목적함수 목적함수 : Local Point(L)값에 쎄타(Action)이 들어오고 이 update된 Local Point를 가장 최적의 값으로 만드는(Maximize)하는 Policy를 찾는 것 == (세타로 만든 정책과 KL 거리가 델타보다 작은 정책을 만들어주는 세타들 중에서 목적함수를 최대로 만들어주는 세타를 찾아라) 그러나 Action과 Update된 Action을 파라미터로 갖는 KL Distance값에 의해 제약을 받는다. 그리고 이 거리값은 ?보다 작다는 제약식을 갖는다. 의도 : TRPO는 Trusted Rigion을 갖는 알고리즘이다. 여기서 말하는 Trusted Rigion은 Local Point가 Global minima로 빠지지 않게 방지해주는 그런 영역이라 볼 수 있겠다...

※ 의식의 흐름으로 작성된 글이니 주의 기획업무 그 중에서도 DT관련 업무를 맡다보면, 다음과 같은 딜레마에 빠지게 되는 듯 하다. 무언가 새로운걸 해야한다는 압박과, 한편으로는 과연 이게 되는 것인가에 대한 의문 사이가 왔다갔다 한다. 두달짜리 째간이 신입이지만, 그래도 나 정도전 석사출신이 아니던가. 주 메인업무인 시뮬레이션 업무에 데이터분석을 담아보고자 했다. 그러던 중 FlexSim SW에 강화학습 기능이 탑재되어있단 것을 발견했다. https://docs.flexsim.com/en/22.1/ModelLogic/ReinforcementLearning/Training/Training.html Reinforcement Learning Training © 1993 - 2022 FlexSim Softwa..

프로젝트를 진행하던 중 수치형 변수에 의미를 더하고자 특정 칼럼에 agg를 입히고 mean, sum 등 새로운 특성인자를 추가하였다. 대강 이런 모양을 생각하면 좋은데, 이런경우를 multi index (멀티인덱스) 라고 하더라 본인은 아직 멀티인덱스가 뭔지는 잘 모르는 상황이다. 그런데 여기서 ABC의 sum을 드랍하고 싶은 상황이었다. 그런데 이렇게 직접 넣어주면 Series형은 unhashable하다는 에러가 발생한다. info()에서 봤듯, 칼럼네임이 ( , ) 처럼 튜플형식으로 변해서 발생하는 에러라고 생각을 했는데 튜플은 해싱이 가능하다는 얘기를 들은적도 있고 ... 아직 혼란스럽다. 우선 급하게 찾은 해결책은. 이렇게 칼럼의 위치를 직접 박아주거나 그렇게 권장할 방법은 아니지만, 애초에 멀티..

정리할 것. https://www.kaggle.com/competitions/competitive-data-science-predict-future-sales/data pandas - shift : 원하는 행을 옮기는? 삽입하는 녀석? 시계열을 쪼개서 -> 얘를 시각화하고 어느 시점에 어떤 판매량이 높은지 등등 "시간"을 다루는 능력 필요 Q. rolling을 하는 이유? A. 시계열 데이터를 분석하다보면 '지난달의 데이터가 이번 달의 데이터에 어떤 영향을 미쳤는지' 확인해야 하는 경우가 잦다. 이런걸 보여주는게, rolling과 shift라는데... rolling은 몇개의 데이터를 가지고 연산을 할 것인지를 정하는 과정. 데이터를 순차적으로 window 만큼 선택해서 mean처럼 이동평균을 보낼 수 있..

https://www.kaggle.com/competitions/bike-sharing-demand/overview Bike Sharing Demand | Kaggle www.kaggle.com 참조 : https://www.kaggle.com/code/kongnyooong/bike-sharing-demand-for-korean-beginners/notebook [Bike Sharing Demand] for Korean Beginners (한글커널) Explore and run machine learning code with Kaggle Notebooks | Using data from Bike Sharing Demand www.kaggle.com 평소 Tabular data를 바탕으로 예측태스크를 해보..

dx = (0, 0, 1, -1) dy = (1, -1, 0, 0) def bfs(shark_x, shark_y): q = collections.deque([(shark_x, shark_y, 0)]) # dist_list = [] # visited = [[False] * n for _ in range(n)] # visited[shark_x][shark_y] = True # min_dist = inf # while q: x, y, dist = q.popleft() for i in range(4): xx = dx[i] + x yy = dy[i] + y if 0

문제 해설 : N×N 크기의 공간에 물고기 M마리와 아기 상어 1마리가 있다. 공간은 1×1 크기의 정사각형 칸으로 나누어져 있다. 한 칸에는 물고기가 최대 1마리 존재한다. 아기 상어와 물고기는 모두 크기를 가지고 있고, 이 크기는 자연수이다. 가장 처음에 아기 상어의 크기는 2이고, 아기 상어는 1초에 상하좌우로 인접한 한 칸씩 이동한다. 아기 상어는 자신의 크기보다 큰 물고기가 있는 칸은 지나갈 수 없고, 나머지 칸은 모두 지나갈 수 있다. 아기 상어는 자신의 크기보다 작은 물고기만 먹을 수 있다. 따라서, 크기가 같은 물고기는 먹을 수 없지만, 그 물고기가 있는 칸은 지나갈 수 있다. 아기 상어가 어디로 이동할지 결정하는 방법은 아래와 같다. 더 이상 먹을 수 있는 물고기가 공간에 없다면 아기 상..