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 |
- LIST
- learning
- mysql
- java
- ai
- 자바
- error
- Deep
- Linux
- mariaDB
- data
- javascript
- Github
- Pattern
- Spring
- DeepLearning
- interface
- Python
- Web
- 인공지능
- framework
- Analysis
- git
- db
- SSH
- Security
- 함수
- centos
- Numpy
- Server
- Today
- Total
목록Post IT (192)
PostIT
# [Java/DesignPattern] Java Design Pattern Overview## 1. 내용- 디자인 패턴이란?디자인 패턴은 숙련 된 객체 지향 소프트웨어 개발자가 사용하는 모범 사례를 나타낸다고 볼 수 있습니다. 즉, 디자인 패턴은 소프트웨어 개발 중에 소프트웨어 개발자가 직면 한 일반적인 문제에 대한 하나의 해결책이라고 볼 수 있습니다. 이러한 해결책은 상당 기간 동안 수많은 소프트웨어 개발자가 시행 착오를 통해 얻어진 결과입니다. 이렇게 오랜 기간동안 증명되어온 결과는 일종의 패턴으로 굳어진 것으로 이를 디자인 패턴이라고 명명합니다. - GoF란?1994년 Erich Gamma, Richard Helm, Ralph Johnson 및 John Vlissides라는 4 명의 저자가 Sof..
# [HTML/JavaScript] Html의 이벤트 종류들## 1. 목적Javascript의 Module Pattern을 사용하여 해당 스크립트를 재사용 할 수 있는 장점이 있으며, 다른 소스와 섞이지 않고, 해당 모듈을 통해서 완전한 기능을 제공 할 수 있다. 하지만, 모듈 패턴을 적용하여 구성하면, HTML의 이벤트 코드를 통해 스크립트를 작동시키는게 많아진다. 이를 위해서는 해당 HTML Tag에 제공되는 이벤트에 대한 지식이 필요하다. 이를 위해 정리하였다.## 2. 내용이벤트발생onabort이미지 로딩에서 이탈하였을 때(다른 연결로 이동)onactivate개체의 activeElement 속성을 설정하였을 때onafterprint관련된 문서를 인쇄하거나 인쇄 미리보기를 후 즉시onbeforeac..
[DevOps] 개발과 운영의 조화, DevOps란?# DevOps의 정의 이러한 개념들을 적극적으로 적용한 기업들이 Netflix, Flicker와 같은 인터넷 서비스 기업이다. 기존 개발 프로세스에 비해서 훨씬 빠르게 고객의 요구 사항을 반영해 내가고 있다. Flicker의 경우에는 하루에 10번 정도 [1]Deploy를 한다고 한다. 일반적인 인터넷 서비스가 한달에 한번 업데이트 빨라야 일주에 한번인데, 하루에 10번이라면, 경쟁 구조 자체가 틀려진다. PuppetLab (Configuration management 자동화 툴)의 블로그[2]에 따르면 DevOps를 적용 할 경우,경쟁사에 비해서 30배 정도 더 자주 Deployment를 할 수 있으며, Deployment 실패 비율도 50% 이상이..
# [Linux/Server] 리눅스 ps 명령어 사용하기 ## 1. 개요 ps 명령어는 현재 시스템에서 돌고있는 프로세스를 보여주는 가장 기본적인 명령어입니다. 이 명령은 top나 htop같이 실시간으로 시스템 자원을 출력하는 명령과는 달리 ps 명령어를 입력한 순간의 정보(user id, cpu 사용량, memory 사용량, 사용한 명령이들 등)를 보여줍니다. ps 명령은 옵션 입력 방법이 bsd 스타일과 unix 스타일, gnu 스타일로 나뉩니다. bsd 스타일은 'ps aux'와 같이 대쉬가 없는 스타일인 반면 unix 스타일은 'ps -ef' 처럼 옵션앞에 대쉬를 넣어 옵션임을 표시하는 스타일입니다. gnu 스타일은 대쉬를 두개 넣는 스타일로 'ps --help' 처럼 사용합니다. 동일하게 문자..
# [Do4cker] Docker 설치 및 기본 실행하기 - 1- OS : OSX Sierra (10.12.3) - Docker : Docker version 17.06.0-ce, build 02c1d87 ## 1. Docker에 대해서Docker는 애플리케이션을 신속하게 구축, 테스트 및 배포할 수 있는 소프트웨어 플랫폼입니다. Docker는 소프트웨어를 컨테이너라는 표준화된 유닛으로 패키징하며, 이 컨테이너에는 라이브러리, 시스템 도구, 코드, 런타임 등 소프트웨어를 실행하는 데 필요한 모든 것이 포함되어 있습니다. Docker를 사용하면 환경에 구애받지 않고 애플리케이션을 신속하게 배포 및 확장할 수 있으며 코드가 문제없이 실행될 것임을 확신할 수 있습니다. 가상 서버의 환경이 증가하면서, 서버의 ..
# [AI/Deep Learing] Deep Learning 준비하기 - MNIST Load Data - 5-1import sys, os sys.path.append(os.pardir) import numpy as np import pickle from dataset.mnist import load_mnist from common.functions import sigmoid, softmax def get_data(): (x_train, t_train), (x_test, t_test) = load_mnist(normalize=True, flatten=True, one_hot_label=False) return x_test, t_test def init_network(): with open("sample_w..
# [AI/Deep Learing] Deep Learning 준비하기 - MNIST DataSet - 5import sys, os sys.path.append(os.pardir) import numpy as np import pickle from dataset.mnist import load_mnist from common.functions import sigmoid, softmax from PIL import Image # MNIST 간단히 이미지 출력해보기. #파일 다운로드 # normalize : 0.0 ~ 1.0 사이로 정규화 할지 여부, Fasle = 0 ~ 255 # flatten : 1차원 배열로 만들지 여부 # one_hot_lable : 정답을 뜻하는 원소만 1, 나머지는 0으로 설정할지..
# [AI/Deep Learing] Deep Learning 준비하기 - 순방향 3층 신경망 구현 - 4 # 이번 절의 핵심은 신경망에서의 계산을 행렬계산으로 정리할 수 있다는 것입니다. import numpy as np # 입력층 ==> 1층 # x 입력 값, b1 편향(활성화 함수), w 가중치(12) x = np.array([1.0, 0.5]) w1 = np.array([[0.1, 0.3, 0.5], [0.2, 0.4, 0.6]]) b1 = np.array([0.1, 0.2, 0.3]) print(w1.shape) print(x.shape) print(b1.shape) (2, 3) (2,) (3,) a1 = np.dot(x, w1) + b1 # 시그모이드 함수 구현하기 def sigmoid(x): ..
# letsencrypt 인증서 유효기간이 만료되기전에 갱신하기 https://www.youtube.com/user/heogwangnam/search?query=letsencrypt 이 강의를 보고, Https를 적용한게 엊그제 같은데, 벌써 90일이 지났나봅니다. 갱신해야한다고 메일이 왔습니다. 그래서 갱신을 알아보니, 예전에 다시 갱신하고 nginx 설정을 바꿔줘야했는데, 더 편리하게 바뀐것 같습니다. letsencrypt를 적용한 사람이면 알다시피 letsencrypt 무료 인증서의 유효기간은 90일입니다. 그래서 인증서의 유효기간이 끝나버려 접속할 수 없는 상황이 오기 전에 인증서를 갱신해줘야 합니다. Cleaning up challenges Attempting to renew cert from ..
# [Python/Data Analysis] Numpay - Universal Array Function - Day 7import numpy as np arr =np.arange(11)arr array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10]) np.sqrt(arr) array([ 0. , 1. , 1.41421356, 1.73205081, 2. , 2.23606798, 2.44948974, 2.64575131, 2.82842712, 3. , 3.16227766]) A = np.random.randn(10)A array([-0.66405485, 0.28749254, 0.27305696, 0.22232217, 0.8804781 , 1.01018702, -0.15188718, -0.7..