빛나는 아이디어✨

[ 4. 안드로이드 앱 만들기 (Build your first Android app) (1) 블로그 정리 ] https://wlalsu.tistory.com/126 [GDSC Android] Chapter 4. 안드로이드 앱 만들기 (Build your first Android app) (1) 4.0 Build your first Android app 학습 목표 Google에서 빌드하고 배포하는 안드로이드 공식 IDE인 Android Studio를 이용하여 앱을 개발해보자. Android Studio를 이용하여 Dice Roller 앱 만들기 Android Studio 다운로드 wlalsu.tistory.com 4.4 DiceRoller 앱 구현하기 1) 프로젝트 생성하기 DiceRoller 를 만들 프..

4.0 Build your first Android app 학습 목표 Google에서 빌드하고 배포하는 안드로이드 공식 IDE인 Android Studio를 이용하여 앱을 개발해보자. Android Studio를 이용하여 Dice Roller 앱 만들기 Android Studio 다운로드 및 설치 방법은 아래의 codelab 링크를 참고하였다. [ 다운로드 방법 ] https://developer.android.com/codelabs/basic-android-kotlin-training-install-android-studio?hl=ko&continue=https%3A%2F%2Fdeveloper.android.com%2Fcourses%2Fpathways%2Fandroid-development-with-k..

5.0 5주차 워크북 학습 목표 5주차는 각각의 요구사항에 따라 어떻게 SQL 쿼리를 짜는 것이 좋은지 학습해보았다. 1) 4주차 예시를 기반으로 요구사항에 대한 SQL 쿼리 짜기 2) paging을 고려하여 쿼리 작성하기 MySQL을 기준으로 쿼리를 작성하였고, 4주차에서 실습한 ERD를 바탕으로 SQL 쿼리를 짜는 실습을 진행하였다. 아래는 5주차 워크북을 수행하기 위해 알아야 하는 사전 개념을 간단하게 정리해보았다. [ 참고 ] 테이블 join의 개념 - 서로 다른 각각의 테이블안에 있는 데이터를 동시에 보여주어야 할 때 사용 - 조인을 위해서 두 테이블은 기본키, 외래키 관계 (일대다 관계) 로 맺어져 있어야 함 1) Inner Join : 두 테이블에 해당 데이터가 모두 존재하는 경우 가능으로 ..

1.5.1 사이킷런 소개와 특징 사이킷런(Scikit-learn)은 파이썬 머신러닝 라이브러리 중 가장 많이 사용되는 라이브러리이다. 사이킷런은 머신러닝을 위한 쉽고 효율적인 개발 라이브러리를 제공하는데, 사이킷런의 특징을 정리하면 다음과 같다. [ 사이킷런의 특징 ] 1) 가장 파이썬스러운 API를 제공하며, 쉽고 편리함 2) 머신러닝을 위한 다양하고 편리한 프레임워크와 API 제공 3) 오랜 기간 실제 환경에서 사용되며 검증된 라이브러리 사이킷런은 아나콘다 설치 시 자동으로 설치되므로, 별도의 설치 과정이 필요하지 않다. 실습의 경우 사이킷런 1.0.2 버전을 사용하였다. 1.5.2 첫 번째 머신러닝 만들어보기 - 붓꽃 품종 예측하기 붓꽃 데이터 세트를 이용하여 붓꽃의 품종을 분류하는 머신러닝 모델을..

https://wlalsu.tistory.com/122 [머신러닝] 섹션 1.4 데이터 핸들링 - 판다스(3) https://wlalsu.tistory.com/121 [머신러닝] 섹션 1.4 데이터 핸들링 - 판다스(2) https://wlalsu.tistory.com/120 [머신러닝] 섹션 1.4 데이터 핸들링 - 판다스(1) 1.4.1 판다스(Pandas) 란? 판다스는 기존의 불편한 분석용 wlalsu.tistory.com 1.4.8 정렬, Aggregation 함수, GroupBy 적용 DataFrame, Series의 정렬 - sort_values() - 매우 편리한 데이터 필터링 방식 - RDBMS SQL의 order by 와 유사 [ 추가 ] sort_values() 의 주요 파라미터 기능..

https://wlalsu.tistory.com/121 [머신러닝] 섹션 1.4 데이터 핸들링 - 판다스(2) https://wlalsu.tistory.com/120 [머신러닝] 섹션 1.4 데이터 핸들링 - 판다스(1) 1.4.1 판다스(Pandas) 란? 판다스는 기존의 불편한 분석용 데이터 툴을 개선하기 위해, 분석 전문가인 '웨스 매키니'가 개발하였 wlalsu.tistory.com 1.4.6 Index 객체 판다스의 Index 객체는 DataFrame 과 Series의 레코드를 고유하게 식별하는 역할을 수행한다. (RDBMS의 PK 값과 유사) index - (DataFrame/Series).index를 이용하여 Index 추출 - 반환된 Index 객체의 실제 값은 넘파이 1차원 ndarray..

https://wlalsu.tistory.com/120 [머신러닝] 섹션 1.4 데이터 핸들링 - 판다스(1) 1.4.1 판다스(Pandas) 란? 판다스는 기존의 불편한 분석용 데이터 툴을 개선하기 위해, 분석 전문가인 '웨스 매키니'가 개발하였다. 대부분의 데이터 세트는 행(row)과 열(column)으로 구성된 2차원 데이 wlalsu.tistory.com 1.4.3 DataFrame과 리스트, 딕셔너리, 넘파이 ndarray 상호 변환 리스트, 딕셔너리, 넘파이 ndarray 등으로 DataFrame 을 생성할 수 있지만, 반대로 Dataframe 을 이러한 형식으로도 변환가능하다. 이때 많은 머신러닝 패키지가 기본 데이터형으로 넘파이 ndarray를 사용하므로, DataFrame을 ndarray..

1.4.1 판다스(Pandas) 란? 판다스는 기존의 불편한 분석용 데이터 툴을 개선하기 위해, 분석 전문가인 '웨스 매키니'가 개발하였다. 대부분의 데이터 세트는 행(row)과 열(column)으로 구성된 2차원 데이터인데, (RDBMS의 TABLE이나 엑셀과 같은 형태) 2차원 데이터는 이해하기 쉽고, 효과적으로 데이터를 담을 수 있어서 많이 사용된다. 판다스는 이러한 2차원 데이터를 가공하고 처리할 수 있는 훌륭한 기능을 제공한다. 즉, 판다스를 한마디로 정리하면 다음과 같다. 1) 파이썬에서 데이터 처리를 위한 가장 인기 있는 라이브러리 2) 2차원 데이터를 효율적으로 가공/처리 할 수 있는 다양한 기능 제공 판다스의 핵심 객체는 여러개의 행과 열로 이루어진 2차원 데이터인 DataFrame 인데..

https://wlalsu.tistory.com/110?category=670879 [머신러닝] 섹션 1.3 넘파이 (1) 1.3.1 넘파이(NumPy) 란? 1) Numercial Python 를 의미 2) 선형대수 기반의 프로그램을 쉽게 만들 수 있도록 지원하는 대표적인 패키지 - 많은 머신러닝 알고리즘이 넘파이를 기반으로 작성되어 있음 - 대 wlalsu.tistory.com 1.3.6 넘파이의 ndarray의 데이터 세트 선택하기 - 인덱싱(Indexing) 넘파이의 ndarray 에 있는 일부 데이터 세트나 특정 데이터를 선택하는 방식은 다음과 같다. 1. 단일 값 추출 - 한 개의 데이터만을 추출하는 방법 - 원하는 위치의 인덱스 값을 지정 시, 해당 위치 데이터 반환 - 추출하고자 하는 위치..

3.0 클래스와 객체 학습 목표 Kotlin은 하이브리드 언어로 함수와 객체지향을 모두 지원한다. 챕터 3 에서는 클래스와 객체를 중심으로 객체 지향에 대해 알아보자. 1) 클래스 (Classes) 2) 상속 (Inheritance) 3) 확장함수 (Extension functions) 4) 특별한 클래스 (Special Classes) 5) 코드 조직화 (Organizing your code) 3.1 클래스 (Classes) 먼저 객체지향의 클래스와 객체의 개념부터 알아보자. 클래스 (Class) - 클래스는 객체(Object)의 설계도(blueprints) - 클래스는 프로퍼티(properties)와 함수(function)로 구성 - 사용자 정의 타입(user-defined type) ( 미리 정의된..