이자다의 기록

체스트프레스 60kg 20회 1세트 80kg 15회 1세트 120kg 8회 5세트 인클라인 체스트 40kg 8회 1세트 40kg 12회 5세트 딥스 5초 버티기 1세트 10초 버티기 1세트 15초 버티기 1세트 20초 버티기 2세트

사이클 30분 레그컬 60kg 15회 1세트 75kg 12회 5세트 레그 익스텐션 90kg 20회 5세트 숄더 프레스 머신 60kg 15회 1세트 100kg 12회 2세트 100kg 7회 1

챗gpt한테 물어봤다 네이티브 언어(소설, 논문만의 고유어)를 구별하고 딥 러닝을 사용하여 맞춤법 및 띄어쓰기 오류를 수정할 수 있는 맞춤법 검사기를 만들려면 다음과 같은 일반적인 단계를 따르세요. 데이터 수집 및 전처리: 웹소설, 학술 논문 등 원어와 원어가 아닌 단어(웹소설, 논문만의 고유어)가 모두 포함된 대규모 텍스트 데이터셋을 수집합니다. 텍스트를 정리하고 토큰화하여 데이터를 전처리합니다. 언어 모델 교육: 순환 신경망(RNN) 또는 트렌스포머와 같은 딥 러닝 기술을 사용하여 언어 모델을 교육합니다. 모델은 이전 단어를 기반으로 문장의 다음 단어를 예측하는 방법을 학습해야 합니다. 언어 모델 미세 조정: 맞춤법 검사 및 모국어 식별이라는 특정 작업에 대한 언어 모델을 미세 조정합니다. 올바른 맞..

작가들이 매일 연재하는 웹소설은 검수가 제대로 이루어지지 않아서 맞춤법이 틀리는 경우도 많아. 그런데 맞춤법 검사기를 돌리면 맞춤법만 교정하고, 잘못 붙은 단어를 띄어쓰는것 뿐만 아니라 그 소설의 고유어, 예를 들면 해리포터의 '익스펠리아르무스', '아바다케다브라' 같은 것들도 띄어써버려서 문제야. 기존의 맞춤법 검사기의 문제를 딥러닝을 이용해 해결하고 싶어. 딥러닝을 이용해 고유어를 구별하면서 맞춤법, 띄어쓰기를 교정해주는 맞춤법 검사기를 만드는 방법이 뭘까?

어시스트 풀업 70kg 12회 3세트 70kg 8회 2세트 티바로우 20kg 10회 1세트 40kg 10회 5세트 와이드 풀다운 80kg 9회 2세트 80kg 6회 1세트 워킹 20분

웹크롤링을 할 때는 반드시 법적인 제한과 사용 규약을 준수해야 합니다. 다음은 웹크롤링 시 주의해야 하는 법적인 사항입니다. 로봇 배제 표준(Robots Exclusion Standard) 준수 로봇 배제 표준은 웹사이트 운영자가 로봇이 웹페이지를 수집하는 것을 허용할지 여부를 나타내는 규약입니다. 만약 로봇 배제 표준에 따라 로봇의 수집을 제한하도록 되어 있다면, 해당 사이트를 크롤링하는 것은 불법적일 수 있습니다. 저작권 문제 저작권이 있는 내용은 웹크롤링을 통해 수집하면 저작권 침해로 간주될 수 있습니다. 따라서 저작권이 있는 사이트에서 데이터를 수집할 경우, 사전에 해당 사이트 운영자의 동의를 받아야 합니다. 개인정보 보호 문제 개인정보 보호 관련 법률에 따라 개인정보를 수집하거나 처리할 때는 개..

데이터베이스 튜닝(Database Tuning)은 데이터베이스 시스템의 성능을 최적화하는 프로세스입니다. 데이터베이스 시스템은 많은 사용자가 데이터를 읽고 쓰기 때문에, 데이터베이스의 성능은 중요한 이슈입니다. 데이터베이스 튜닝은 이러한 성능 이슈를 해결하기 위해, 데이터베이스의 구성, 인덱싱, 쿼리 최적화, 하드웨어 및 네트워크 등 여러 가지 요소들을 조정하는 작업입니다. 데이터베이스 튜닝은 다음과 같은 이유로 중요합니다. 성능 향상: 데이터베이스 튜닝은 시스템 성능을 최적화하여 쿼리 응답 시간을 단축하고, 데이터베이스 전반적인 처리 속도를 높여 사용자들이 빠르게 데이터에 접근할 수 있도록 합니다. 비용 절감: 데이터베이스 성능이 떨어지면, 시스템 대기 시간이 길어지고 데이터 처리 속도가 느려지기 때문..

웹 크롤링을 배우기 위해서는 다음과 같은 단계를 거쳐야 합니다. HTML과 CSS 기초 학습 HTML과 CSS는 웹 페이지의 구조와 스타일을 정의하는데 사용되는 기본 언어입니다. 따라서 웹 크롤링을 하기 위해서는 이 두 가지 언어에 대한 이해가 필요합니다. Python 기초 학습 Python은 웹 크롤링에 널리 사용되는 프로그래밍 언어입니다. Python을 학습하여 웹 크롤링에 필요한 기본 문법과 함수를 익힐 수 있습니다. 웹 페이지 요청과 응답 처리 웹 페이지를 크롤링하기 위해서는 먼저 해당 웹 페이지에 요청을 보내고, 그에 대한 응답을 처리해야 합니다. Python에서는 requests 모듈을 사용하여 웹 페이지 요청과 응답 처리를 할 수 있습니다. 웹 페이지 파싱 웹 페이지에서 데이터를 추출하기 위..

Q. 데이터마이닝에서 상관행렬이 뭐야? A. 상관행렬(correlation matrix)은 데이터마이닝에서 변수 간의 상관관계를 나타내는 행렬입니다. 상관관계는 두 변수 사이의 관련성을 나타내는 지표로, 변수 간의 선형적인 관계를 측정합니다. 상관행렬은 변수 간의 상관관계를 나타내는데, 상관계수(correlation coefficient)를 사용합니다. 상관계수는 -1에서 1 사이의 값을 가지며, 1에 가까울수록 양의 상관관계(두 변수가 함께 증가), -1에 가까울수록 음의 상관관계(두 변수가 서로 반대로 증감)를 나타냅니다. 0에 가까울수록 두 변수 사이에는 상관관계가 없습니다. 상관행렬은 주로 변수 간의 다중공선성(multicollinearity)을 확인하는 데 사용됩니다. 다중공선성은 변수 간의 강..

Q. 영-분산 예측변수가 뭐야? A. 영-분산 예측변수(zero-variance predictor)란, 분산(variance)이 0에 가까운 예측변수를 말합니다. 다른 말로는 상수(constant) 예측변수라고도 합니다. 영-분산 예측변수는 예측 모델에서 유용한 정보를 제공하지 않으므로, 모델에 포함시키지 않아도 됩니다. 이는 모델이 불필요한 변수를 학습하는 것을 방지하고, 모델의 성능을 향상시키는 데 도움을 줍니다. 예를 들어, 모든 샘플에서 동일한 값(예: 상수)을 가지는 예측변수는 분산이 0에 가깝기 때문에 영-분산 예측변수가 됩니다. 이러한 예측변수는 모델에 포함시키지 않아도 됩니다. 또한, 특정 샘플에서만 값을 가지는 예측변수도 분산이 0에 가깝기 때문에 영-분산 예측변수가 됩니다. 이러한 경우..