일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | |||||
3 | 4 | 5 | 6 | 7 | 8 | 9 |
10 | 11 | 12 | 13 | 14 | 15 | 16 |
17 | 18 | 19 | 20 | 21 | 22 | 23 |
24 | 25 | 26 | 27 | 28 | 29 | 30 |
- DP
- SQL
- GIS
- 시각화
- folium
- 그리디
- intern10
- DFS
- ux·ui디자인
- 멋재이사자처럼
- TiL
- BFS
- GNN
- 인턴10
- seaborn
- parklab
- Plotly
- 멋사
- 마이온
- 프로젝트
- likelion
- 파이썬
- likelionlikelion
- 알고리즘
- 멋쟁이사자처럼
- 마이온컴퍼니
- pyhton
- 멋쟁이사자처럼멋쟁이사자처럼
- Join
- Python
- Today
- Total
목록분류 전체보기 (105)
지금은마라톤중
이웃 중첩 검출그래프 통계량노드 및 그래프 분류 작업에 유용함노드 간 관계를 정량화하지는 않음 - 관계 예측 문제에 적용하기 어려움⇒ 이웃 중첩 검출노드 쌍(pair) 사이의 관계성을 정량화하기 위해 이웃 중첩을 통계적으로 측정노드-노드 유사도 행렬가장 단순한 방법은 공통 이웃의 수를 세는 것이웃 중첩 통계량은 관계 예측에 활용될 수 있음노드-노드 유사성과 문턱(threshold) 값을 통해 관계 예측 가능 지역적 중첩 통계량두 노드의 공통 이웃의 수를 활용한 함수를 적용하는 것이 일반적노드 연결수에 의한 편향(bias)를 줄이기 위한 정규화 방법을 고안각 공통 이웃의 중요도를 함께 고려하려는 방법도 활용됨두 방법 모두 연결수가 작은 경우 더 높은 가중치를 주는 측정 방식 전역적 중첩 통계량지역적 중..
전통적인 그래프 접근법 1. 노드 및 그래프 분류를 위한 그래프 통계량과 커널 방법그래프 통계량기존의 그래프 데이터에서의 분류 문제는 전통적인 기계학습 패러다임을 따름그래프로부터 통계량 및 특징을 추출하고 분류기의 입력으로 활용노드-레벨 통계량과 그래프-레벨 통계량이 쓰임 노드-레벨 통계량노드 연결수 (Degree)가장 유용하고 필수적으로 확인해야 할 노드-레벨 통계량노드에 대해 인접(incident)한 링크 수를 계산가중(weighted) 그래프: 위 식을 통한 일반화 가능, 0과 1 대신 가중치로 확장해서 씀,유향(directed) 그래프: 인접 행렬의 행/열의 합으로 진출/진입 링크 수를 계산하여 정의예제: Marriage Network노드 연결수- 메디치: 5, 스트로치: 3, 과다니: 2 노드..
그래프 모델링복잡한 시스템을 표현할 수 있는 범용적인 자료구조시스템을 분석하고 이해할 수 있는 수학적 기초 제공노드(node): 객체의 집합링크(link): 객체들 간의 상호 작용그래프 (Graph)𝐺 = (𝑉, 𝐸) 로 표현노드의 집합 𝑉링크의 집합 𝐸 = {(𝑢, 𝑣) |𝑢 ∈ 𝑉, 𝑣 ∈ 𝑉}단순 그래프 (Simple Graph)두 노드 사이의 링크는 최대 1개같은 노드를 연결하는 링크는 없음모든 링크는 방향성이 없음(undirected), 즉 (𝑢, 𝑣 )∈ 𝐸 ↔( 𝑣, 𝑢) ∈ 𝐸인접 행렬 (Adjacency Matrix)그래프를 표현하는 편리한 방법$𝑨 ∈ ℝ^{ |𝑉| × |𝑉|}$ 로 표현모든 노드를 행(row)과 열(row)에 대응하여 링크 표현𝑨[..
오랜만에 글을 씁니다..!! 회고 이후 자격증, 영어 등의 여러 가지를 준비하느라 나름 바빴지만, 지금이 더 바쁜 것 같습니다...ㅋㅋㅋㅋㅋ 지금 GNN 공부를 시작했습니다. RAG 프로젝트를 진행하고 여러 생각을 하면서 데이터 복잡성을 극복하면서 LLM의 활용성을 높일 수 있는 방법에 대해 공부하고 싶다는 생각을 하게 되었습니다. 그래서 찾은 것이 GNN입니다. 그래프 기계학습은 기존 소셜 네트워크나 추천시스템에서만 쓰이는 것이 아니라, 최근에는 신약개발의 후보물질 발굴이나 GraphRAG가 연구되고 있는 것처럼 점점 더 각광 받고 있는 것 같습니다. 오랜만에 Machine Learning을 공부하니 재밌네요 ㅎㅎ근데 제가 공부했던 ML과는 다른 부분이 많은 것 같습니다. 더 열심히 해야겠다는..
2024 상반기는 다사다난했습니다.결론적으로 개같이 멸망했습니다. 상반기의 여정우선 저의 상반기 목표는 새로운 목표 설정과 준비였습니다.저는 1. 취업, 2. 대학원, 3. 개발 이렇게 3가지 트랙 중에 고민을 했습니다.1가지를 선택할려고 했는데 결국 못 하고 3가지 다 준비했는데 모두 실패했습니다... 1. 공채공채는 일일이 나열할 수가 없습니다.13개를 지원했고, 그 중 9개의 서류탈락과 2개의 필기 탈락이 있었습니다.대기업은 다 서류탈락하였고, 유일하게 필기를 붙었던 것은 공기업 2군데였습니다. 자소서저는 이렇게 탈락하고 '내가 자소서를 못 쓰는 건가?', '내가 역량이 부족한 건가?' 등의 많은 생각이 들었습니다.그러다가 3주 전쯤 지인에게 첨삭을 받았고, 내용이 자기중심적이라는 피드백을 받았습..
4주간의 인턴10 프로그램이 끝났습니다.저는 이번 인턴 10 프로그램에 임하면서 몇 가지 목표가 있었습니다.- 사용자 경험(UX)에 대한 역량을 강화- 디자이너들과의 소통과 협업- Figma 스킬 - 기획과 발표 어제 최종 발표를 진행하여 프로젝트를 마무리했습니다.상반기 취준을 하면서 제 생각을 전달하는 언어적 표현이 부족하다는 것을 느꼈습니다. 그래서 내심 발표를 하기를 원했는데, 마침 발표를 맡게 되어 발표까지 할 수 있었습니다.팀원들의 도움을 통해 정보전달만 하던 발표에서 좀 더 청중과 소통하는 언어적 표현을 쓰도록 노력했습니다. 너무 떨어서 깔끔한 전달을 하지 못해 아쉬움은 남았지만, 딱딱하지 않게 제 생각을 전달할려고 노력한 값진 경험이었습니다. UX 역량 강화와 협업프로젝트 결과물에 대해..
프로젝트를 진행하면서 제가 생각한 UXUI 전략에 대한 의구심이 들었습니다.과연 이게 맞을까? 내가 혼자 착각하고 있는 부분은 없을까? 그러다가 어도비에서 'UX 디자이너들이 흔히 하는 착각 10가지'에 대해 정리한 아티클을 발견했습니다.본 글은 해당 아티클을 재정리한 글입니다. UX 디자인: 기본 개념과 주의사항1. UX 디자인과 UI 디자인의 차이UX(사용자 경험) 디자인은 종종 UI(사용자 인터페이스) 디자인과 혼동되곤 합니다. 하지만 UX와 UI는 엄연히 다른 개념입니다.UI 디자인은 인간과 제품 서비스가 상호작용하는 '공간'을 디자인하는 것이고, UX 디자인은 사용자가 제품을 사용한 후의 감정적 '결과'를 디자인하는 것입니다.UI는 UX의 일부에 속하는 요소입니다.2. UX 디자이너는 사용..
프로젝트를 진행하면서 많은 내용을 그룹화하고 구분할려다보니 요소들간의 깊이가 생기면서 답답해 보이며 좁게 느꼈습니다.그래서 이런 문제를 해소하는 방법에대해 찾아보다가 ‘글래스 모피즘’을 활용해보고자 했습니다.본 내용을 관련 아티클을 재정리한 것입니다. 글래스 모피즘은 애플을 너무나 사랑하는 저는 너무 많이 접한 디자인이지만, 제대로된 이름은 이번에 처음 알게되었습니다. 글래스 모피즘 조사에 앞서 모피즘 디자인의 종류에 대해 알아보았습니다.모피즘 디자인 종류글래스모피즘 (Glassmorphism):특징: 유리와 같은 투명도와 흐릿한 효과를 사용합니다. 배경이 흐릿하게 보이는 반투명한 카드나 패널이 주로 사용됩니다.예시: Apple의 macOS Big Sur에서 볼 수 있는 디자인 요소.뉴모피즘 (Ne..