JUINTINATION

지금까지 정처기 필기 1과목 공부를 직접 패드에 적어가면서 했다. 사실 중간부터 양이 너무 많기도 하고 차라리 타이핑을 하고 나중에 중요한 내용만 적는게 더 효율적이라는 생각이 들었지만.. 칼을 뽑았으면 무라도 베야지 라는 심정으로 1과목 필기를 모두 끝냈다. https://drive.google.com/drive/folders/1l7khPAKm8ePtXlDcDPKQRv5v9dru_f2u?usp=drive_link 정처기 1과목 정리 - Google Drive 이 폴더에 파일이 없습니다.이 폴더에 파일을 추가하려면 로그인하세요. drive.google.com 어떻게 올려야할까 고민하다가 그냥 구글 드라이브에 올려두고 나중에 필요할 때 보려고 한다. 절대 귀찮아서 그런게 아니라 어차피 아무도 안 볼 것 같..

짧은 시간동안 많은 내용을 처음부터 공부해야 하느라 힘들었지만 너무나도 재밌었던 3주동안의 스퍼트 프로젝트가 마무리되었다. 에트리에서 연수연구원으로 근무하면서 퇴근 이후에 시간을 내서 했던 프로젝트라 아쉬운 부분이 많았지만 그래도 지금까지 완성한 프로젝트의 내용을 적어보려고 한다.백엔드팀 자율 주제 스퍼트 프로젝트 (~02/04)우리에게 주어졌던 스퍼트 프로젝트의 조건은 아래와 같다. 1. MySQL + Prisma ORM + 3개 테이블 이상(1:N, M:N, 최소 하나) + ERD 2. 인증 (JWT Token + Passport.js) 3. 3 Layer Architecture (Controller + Service + Repository) 4. Joi Validation -> Middleware로..

5주차 후기 역대급으로 아무런 성과를 내지 못한 일주일이었던 것 같다. 그 어떤 시계열 모델을 학습시켜봐도 r2_score는 음수가 나오고 손실 값은 하늘 높은 줄 모르고 치솟았다. 진짜 열심히 뭔가 뚝딱뚝딱 한 것 같은데.. 그만큼 성과가 나오지 않으니까 현타도 많이 오고 스트레스도 이만저만이 아니었던 것 같다. Neural Prophet에 Event 적용 LSTM과 추가적인 데이터 전처리는 동기가 맡고 나는 Neural Prophet에 event를 적용할 수 있다는 사실을 알게 되어서 시도해보고 있었다. 아무래도 상품 판매같은 경우는 일반 시계열 데이터처럼 매일매일 하루도 빠짐없이 특정 정보를 얻을 수 있는 것이 아니라 최신 트렌드, 할인 등등 여러 상황에 따라 아무 상품도 판매하지 않는 날도 있을 ..

지난 도커(Docker) 가볍게 입문해보기 - 3에서 이어지는 내용이며 해당 글은 이 링크로 들어가면 확인할 수 있다. 지난 글에서 언급했듯이 이 스터디는 학교 선배가 작성한 강의 자료를 참고하였으며 ETRI에서 대여한 관련 책과 추가로 대여한 다른 책을 참고했다. GitHub - J-Hoplin/Docker-n-K8S-Lecture-Note: Docker,Kubernetes 강의자료(자체제작)Docker,Kubernetes 강의자료(자체제작). Contribute to J-Hoplin/Docker-n-K8S-Lecture-Note development by creating an account on GitHub.github.comDocker Container의 휘발성volume-test라는 디렉터리를 만..

지금까지의 스퍼트 프로젝트 진행상황을 얘기해보자면.. 약 2주가 넘는 시간동안 여러 피드백을 받아오며 블로그의 필수적인 기능은 다 구현했다고 할 수 있겠다. 회원가입, 로그인, 게시글 및 카테고리, 태그, 댓글 기능 등 Notion에 정리한 내용을 봐도 되고 Github의 commit message를 읽어도 대충 어떤 기능을 구현했는지 알 수 있을 것이다. 기능 뿐만 아니라 여러 요구사항들을 하나 둘씩 해결해가면서 내가 급속도로 성장중이구나를 느끼는 중인데 거의 막바지에 다다른 지금, 또다른 문제가 생겼다. 다름아닌 도커라이징이다. 도커(Docker) 가볍게 입문해보기 - 1부터 3까지 공부한 내용과 막막했던 나에게 길잡이가 되어준 어느 블로그의 내용을 참고하여 이제 Express 프로젝트를 도커라이징해..

4주차 후기 처음에는 과제가 너무 막막했지만.. 아직도 너무 막막하다! 지난 3주차 후기에 fastai의 회귀 모델인 Tabular_learner를 사용했다고 했는데 여러 이유로 지금은 다른 시계열 모델로 넘어가는 과정에 있다. 데이터를 계속 분석하다 보니 이 데이터는 협업 필터링 모델과는 맞지 않다는 생각이 계속해서 들고 있고, 동기와 얘기하면서 협업 필터링 모델을 통해 어떤 달에 대해 점수가 가장 높게 예측되는 상품을 추천하면 시계열 모델로 그 상품의 예상 판매량을 뽑는 방향으로 갈 것 같다. Tabular_learner의 문제점 일단 가장 큰 문제는 cuda를 사용하면 오류가 난다는 것이다. 정확한 원인은 모르겠지만.. 추측하기론 특정 데이터셋에만 오류 없이 모델이 돌아가는 것도 그렇고, 학습 데이..