파이썬
-
2.3. Big-O Notation번역/Problem Solving with Algorithms and Data 2017. 10. 28. 14:38
이 문서는 영문으로된 내용을 구글 번역기를 활용하여 번역한 내용입니다. 개인적인 공부 및 추후 다시 볼 수 있도록 하기 위해 개인 블로그에 번역 내용을 옮겨 놓았습니다. 원문과 내용이 다를시 책임지지 않으며, 저작권 문제가 발생시 언제든 삭제 될 수 있습니다. Problem Solving with Algorithms and Data Structures using Python by Bradley N. Miller, David L. Ranum is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License. 특정 프로그램이나 컴퓨터와 독립적으로 실행 시간 측면에서 알고리즘의 효율성을 특성화하려고..
-
2.2. What Is Algorithm Analysis?번역/Problem Solving with Algorithms and Data 2017. 10. 27. 06:59
이 문서는 영문으로된 내용을 구글 번역기를 활용하여 번역한 내용입니다. 개인적인 공부 및 추후 다시 볼 수 있도록 하기 위해 개인 블로그에 번역 내용을 옮겨 놓았습니다. 원문과 내용이 다를시 책임지지 않으며, 저작권 문제가 발생시 언제든 삭제 될 수 있습니다. Problem Solving with Algorithms and Data Structures using Python by Bradley N. Miller, David L. Ranum is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License. 초보 컴퓨터 과학 학생들이 그들의 프로그램을 서로 비교하는 것은 매우 일반적입니다. 당신..
-
2.1. Objectives번역/Problem Solving with Algorithms and Data 2017. 10. 27. 06:59
이 문서는 영문으로된 내용을 구글 번역기를 활용하여 번역한 내용입니다. 개인적인 공부 및 추후 다시 볼 수 있도록 하기 위해 개인 블로그에 번역 내용을 옮겨 놓았습니다. 원문과 내용이 다를시 책임지지 않으며, 저작권 문제가 발생시 언제든 삭제 될 수 있습니다. Problem Solving with Algorithms and Data Structures using Python by Bradley N. Miller, David L. Ranum is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License. 알고리즘 분석이 중요한 이유를 이해합니다."Big-O"를 사용하여 실행 시간을 설명 할 ..
-
"누구나 할 수 있는 머신러닝" 6가지 AML 프로젝트NEWS SUMMARY 2017. 9. 23. 08:17
* “AML(Autimated Machine Learning, 자동화된 머신러닝)”로 통용되는 몇 가지 기술은 모델을 준비하고 정확성을 개선하기 위해 점진적으로 다듬는 데 필요한 작업을 줄여줄 수 있다 * 프로디지는 머신러닝 환경으로 파이썬을 폭넓게 사용한다 * 비전문가의 머신러닝 접근성을 높이기 위한 또 다른 툴은 H2o.ai의 드라이버리스 AI다원문보기: http://www.itworld.co.kr/news/106530#csidx8842c16eff2c75792cf7c195d4ff842
-
파이썬에서 스레드와 프로세스 소개PYTHON 2017. 9. 21. 22:39
원문: https://medium.com/@bfortuner/python-multithreading-vs-multiprocessing-73072ce5600b 병렬 프로그래밍 초보자 가이드 Kaggle의 Understanding the Amazon from Space경쟁에서 경쟁하면서 필자는 속도를 향상시킬 수 있는지 확인하기 위해 코드의 여러 부분을 타이밍 내기 시작했습니다. 속도는 Kaggle에서 매우 중요합니다. 자주 순위를 매기려면 수백 가지의 아키텍처 및 하이퍼 파라미터 조합을 시도해야합니다. 1 분간 지속되는 신기원에서 10 초 면도하는 것이 큰 승리입니다. 놀랍게도 데이터 증가가 가장 큰 병목이었습니다. 회전, 뒤집기, 줌 및 작물과 같은 방법은 Numpy에 의존하여 CPU에서 실행되었습니다...