3. 테스트 테스트를 하는 가장 큰 이유는 자신의 코드에 확신을 갖기 위해서 용어 정리 커버리지(코드 커버리지 또는 테스트 커버리지) 테스트로 측정되며 테스트 코드에서 쓰는 유용한 측정 범위 고수준 및 저수준 보통 고수준: 종단 간 테스트/저수준: 단위 테스트 복잡성 코...

2. 도커 컨테이너 배포 2.1 컨테이너로 애플리케이션 실행하기 도커 이미지: 도커 컨테이너를 구성하는 파일 시스템과 실행할 애플리케이션 설정을 하나로 합친 것으로, 컨테이너를 생성하는 템플릿 역할을 한다. 도커 컨테이너: 도커 이미지를 기반으로 생성되며, 파일 시스템과 애플리케이션이 구체화돼 실행되는 상태 컨테이너가 생성될 때 이미지로부터 이...

1. 도커의 기초 도커 중심의 컨테이너 개발이 어떤 이유로 현재 시스템 개발 기법의 주류가 됐는지와 그 개념 및 역사와 함께 도커의 존재 의의를 알아봄 1.1 도커란 무엇인가 도커는 컨테이너형 가상화 기술을 구현하기 위한 상주 애플리케이션과 이 애플리케이션을 조작하기 위한 명령행 도구로 구성되는 프로덕트 애플리케이션 배포에 특화돼 있기 때문에 ...

2. 어떤 자바스크립트를 사용하고 있을까? 자바스크립트에서 도구와 작업 흐름에 큰 영향을 줄 수 있는 것들 버전 및 사양 플랫폼 및 구현 미리 컴파일된 언어 프레임워크 라이브러리 필요한 자바스크립트 사용할 자바스크립트 2.1 버전 및 사양 자바스크립트 기능은 라이브러리와 특정 구현에 따라 달라질 수 있지만, 기능을 유지...

1. 리팩토링이란? 리팩토링(refactoring)은 코드 동작을 바꾸지 않고 코드를 변경하는 것 1.1 코드 동작이 변하지 않는다는 것을 어떻게 보장할 수 있을까? 리팩토링을 할 때, 일반적으로 다음 내용을 다룬다. 구현 세부 사항 불특정하고 검증되지 않은 동작 성능 윌리엄 옵다이크 -> 코드 변경과 안정을 보장하는 자동화...

BERT Bidirectional Encoder Representational from Transformers 초록 pre-trained 된 BERT 모델에 output 레이어만 추가하면 쉽게 파인튜닝이 가능하다. BERT는 개념적으로 간단하고 성능이 강력하다. 개요 Language model pre-training은 자연어 처리에 효율적인 성능을...

Attention Is All You Need 개요 & 배경 RNN(또는 CNN)은 입력으로 문장을 단어 순서대로 받는다.(t번째에 대한 output을 만들기 위해, t번째 input과 t-1번째 hidden state 사용) 순서대로 계산해야 하기 때문에 병렬 처리를 할 수 없어 계산 속도가 느리다는 단점이 있다. (Parallelizat...

6. 텍스트와 시퀀스를 위한 딥러닝 6.1 텍스트 데이터 다루기 텍스트는 가장 흔한 시퀀스 형태의 데이터 자연어 처리를 위한 딥러닝은 단어, 문장, 문단에 적용한 패턴 인식 텍스트 벡터화: 텍스트를 수치형 텐서로 변환하는 과정 텍스트를 단어로 나누고 각 단어를 하나의 벡터로 변환 텍스트를 문자로 나누고 각...

5. 컴퓨터 비전을 위한 딥러닝 5.1 합성곱 신경망 소개 5.1.1 합성곱 연산 Dense 층은 입력 특성 공간에 있는 전역 패턴을 학습하지만 합성곱 층은 지역 패턴을 학습합니다. 컨브넷의 두가지 흥미로운 성질 학습된 패턴은 평행 이동 불변성을 가진다. ...

4. 머신 러닝의 기본 요소 4.1 머신러닝의 네 가지 분류 4.1.1 지도 학습 샘플 데이터가 주어지면 알고 있는 타깃에 입력 데이터를 매핑하는 방법을 학습 이미진 분류, 문자 판독, 음성 인식, 언어 번역 등 4.1.2 비지도 학습 어떤 타깃도 사용하지 않고 입력 데이터에...