Bangta's quantum

회사에서 android 어플을 유지보수 담당을 하고 있습니다. 저희 어플은 예전어플을 사용하고 있어서 android API가 28로 높지 않습니다. 사내 기기 내에서 내부적으로만 사용하고 있기 때문에 소프트웨어 업데이트를 하지 못하게 하고 있습니다. 다만 사용하시는 직원 분들이 자꾸 업데이트를 해서(...) 발생하는 문제를 해결하는 과정을 작성해 볼까 합니다. 이번에는 업데이트로 인해 통신 프로토콜 TLSv1이 막히면서 발생한 사항에 대해 작성해 볼까 합니다. 안드로이드에는 android 버전과 API level이 따로 있습니다. 안드로이드 버전과 API level https://developer.android.com/tools/releases/platforms?hl=ko 지금 회사에 처음 왔을 당시 사..

인공지능 석사를 한지 어느덧 1학기가 끝나갑니다. 석사를 하는 동안 여러가지 일들이 있었고 이 기간동안 느낀 점들을 작성하고자 합니다. 수강 강의 저는 수강 페이지에 들어가면 항상 영어로 나오더군요. 기본 설정이 영어로 되어있어서 그런가 봅니다. 쨋든 한 학기동안 수강 과목은 아래와 같습니다. 인공지능개론 딥러닝기초 데이터 분석 인공지능 수학 강의 인공지능개론 인공지능의 역사, 개념, 기본적인 모델 등을 배울 수 있었습니다. 강의를 진행하면서 다양한 분들과 교류할 수 있어서 좋았습니다. 인공지능에 대한 지식이라곤 유튜브에서 끄적거리던 저에게는 단비와 같은 수업이었습니다. AI를 배워서 무엇에, 어떻게, 어디에 쓰일 수 있는지 감이 잡히지 않았었는데, 다양한 스타트업들과 기업들을 소개해 주면서 AI가 어떻..

모비율의 추정 모비율: 모집단에서 어떤 특성을 갖는 집단의 비율 종류 1. 점추정 확률변수 X: n개의 표본에서 특정 속성을 갖는 표본의 개수 모비율 𝑝의 점추정량 $\hat𝑝 = \frac{X}{n}$ 예제 대학교 1 학년생의 흡연율을 조사하기 위해 150 명을 랜덤하게 선택하여 흡연여부를 조사하였다 . 이 중 48 명이 흡연을 하고 있었다 . 이 대학교 1 학년생의 흡연율의 평균을 점추정하시오 . 𝑛 = 150 , 𝑋 = 48 $\hat𝑝 = \frac{𝑋}{𝑛} = \frac{48}{150} = 0.32$ 평균흡연율을 32% 로 추정됨 2. 구간추정 𝑛이 충분히 클 때, $n \hat p > 5, n(1 - \hat p) > 5$ 일 때를 의미 X~N(np, np(1 - p)) 확률변수 X의 표준화..

모평균 μ 모평균의 추정에 대해 정리해 보려고 합니다. 수업이 가면 갈수록 어려워지네요. 요즘들어 학창시절 수학 공부를 하지 않았던 저 자신이 후회되는 시간을 자주 갖는 듯 합니다. 뒤처진 만큼 꾸준히 해나가야할 듯 합니다. 국민대 인공지능수학 13주차 수업 자료를 바탕으로 작성되었습니다. 모평균의 추정 모평균이 정규분포인 경우 표본평균을 사용 $$ \overline{X} = \frac{X_1+X_2+\dots+X_n}{n}= \frac{\sum_{i=1}^{10}X_1}{n} $$ 종류 1. 점추정 표본평균이 점 추전값 (추정량)이 됨 import numpy as np ## 표본추출 samples = [9,4,0,8,1,3,7,8,4,2] ## 표본의 평균 = 모집단의 점추정 값 print(np.mea..

확률 확률1 반드시 그 사건이 일어남 확률 0 그 사건이 절대로 일어나지 않음 확률은 0 ~ 1 사이의 값을 가짐. 조합(combination) 어떤 집합에서 순서에 상관없이 뽑은 원소의 집합. 확률의 계산 예제 1 검은공: 1 ~ 3(3개) 흰공: 4 ~ 7(4개)일 때 2개의 공을 무작위로 뽑을 때, 둘 다 흰공이 나올 확률 표본공간: {(1,2),(1,3),...,(6,7)} $$ \begin{pmatrix}7\2\ \end{pmatrix} = 21 $$ 흰공이 2개인 사건: {(4,5),(4,6),(4,7),(5,6),(5,7),(6,7)} $$ \begin{pmatrix}4\2\ \end{pmatrix} = 6 $$ 확률 $$ 6/21 = 2/7 $$ 예제 2 검은공: 1 ~ 3(3개) 흰공: ..

국민대 인공지능 수업 중 5주차 과정에서 배우는 선형 함수에 대해 알아보겠습니다. 선형변환이란 행렬을 선형변환의 구현체로 하나의 함수로 보는 관점(?) 이라고 합니다만 제가 제대로 받아들인지 모르겠군요. 정리 겸 해서 배운 내용들을 작성해 보도록 하겠습니다. 선형변환은 행렬을 함수로 보기 때문에 우선 이 함수가 무엇인지 알아야 합니다. 중등, 고등 교과 과정에서의 함수에 대해 알아보겠습니다. 함수(function) 중등 교과과정 정의역(domain): 입력이 정의되는 집합 D 공역(codomain): 출력이 정의되는 집합 C 치역(range): 실제 함수의 출력이 나오는 부분집합 R 함수는 두 집합 간의 매핑룰(mapping rule)입니다. 함수의 정의 고등 교과과정 $$ f(x) = x^2 + 2x ..

행렬분해(matrix decomposition) 중 한가지인 LU 분해에 대해 알아보겠습니다. LU분해 주어진 행렬을 L: lower triangular matrix(하삼각행렬)과 U: upper triangular matrix(상삼각행렬) 두 행렬의 곱으로 나누는 행렬분해입니다. 가우스 소거법의 forward elimination(전방소거법)을 행렬로 코드화 한 것입니다. A L U [*, *, *] [*, 0, 0] [*, *, *] [*, *, *] = [*, *, 0] [0, *, *] [*, *, *] [*, *, *] [0, 0, *] U: forward elimination의 결과물입니다. L: forward elimination의 과정 및 절차입니다. 장점 LU 분해를 이용하면 Ax = b..

4주차 강의 중 알려준 pandas의 기능들을 작성해 보았습니다. (좀 더 빨리 익숙해지기 위해 글로 정리해 보았습니다.) 익숙하지 않아서 그런지 따로 공부를 하지 않으면 많이 헷갈리더군요. haed df.head(5) account name street city state postal-code Jan Feb Mar 0 211829 Kerluke, Koepp and Hilpert 34456 Sean Highway New Jaycob Texas 28752 10000 62000 35000 1 320563 Walter-Trantow 1311 Alvis Tunnel Port Khadijah NorthCarolina 38365 95000 45000 35000 ... Tranverse // 행과 열을 바꿔서 출력 ..

가우스 소거법에서 알아봅시다. 종류 forward elimination(전방소거법) 아래로 내려가면서 값을 0으로 변경해 줍니다. back substitution(후방대입법) 아래에서 위로 올라가면서 미지수(x) 값들을 대입하면서 계산합니다. Forward elimination의 역할 주어진 선형시스템을 풀기쉬운(보기쉬운) 형태로 바꿔줍니다.(Upper triangular form(상삼각형태)) [* * *] [x1] [*] [0 * *] [x2] [*] [0 0 *] [x3] [*] 주어진 선형시스템의 rank(랭크)를 알려줍니다. 의미있는 식(선형독립)의 갯수를 구하는 알고리즘으로 작동할 수 있습니다. (선형독립, 선형종속) # 주어진 식 [1 3] [x1] [2] [-2 1] [x2] [3] ---..

문득 정신차리고 보니 디렉토리명을 잘못 짓고 있었더라구요. 그래서 변경을 해볼까 해서 한개 두개 바꾸다 보니 제가 뭐하고 있나 싶더군요. 그래서 자주 사용하는 bash로 변경할 수 있는 방법이 없을까 검색해 보았습니다. 파일명 변경은 많은데 디렉토리명 변경은 잘 없더군요ㅠ. 디렉토리 명 변경을 실행해보면서 한번 살펴보도록 하겠습니다. shell script command에서 한줄로 실행할 수 없을까 하여 검색해 보았지만 여러 디렉토리를 한번에 변경 시키는 커맨드는 찾기 힘들더군요. 그래서 shell script를 작성하여 실행해 보았습니다. '2023-01-01' 인 디렉토리명을 '20230101' 로 변경하고 싶은 경우입니다. 디렉토리가 하나일 경우 단순히 mv 2023-0..