- 어느날 PC카톡을 접속하려 하니 갑자기 10060 오류를 띄우면서 로그인이 아예 막혀버렸다.
- 구글링으로 찾아본 가장 첫번째 해결법은 윈도우 방화벽에 카카오톡을 허용으로 바꾸는 것.
- 헌데 구글링 대부분의 해결책이 이런 방법이었는데, 아무리 해봐도 로그인이 안되더라, 재설치를 해봐도 안돼서 골머리를 썩다가 카카오톡에 직접 문의를 해본 답변이 이거였다.
- 다행히 운영자쪽 답변이라 그랬는지 이 방법으로 문제가 한번에 해결됐다(괜히 재설치했네...). 다음에도 문제 생기면 이 방법으로 해결보면 될듯.
- 링크 : Marp for VS Code - Visual Studio Marketplace
Marp for VS Code - Visual Studio Marketplace
Extension for Visual Studio Code - Create slide deck written in Marp Markdown on VS Code
marketplace.visualstudio.com
마크다운을 ppt 양식으로 바꾸게 해주는 플러그인이다.
간단히 말해 일반 마크다운의 가로줄(---) 기능을 페이지 나누는 기능으로 쓰는 느낌.
마크다운을 이용한 타이핑 필기는 편하긴 하지만 개행 등을 잘 못하면 가독성이 극악이 된다는 단점이 있었는데,
이런식으로 PPT 양식으로 만들면 한 칸 내에 정보가 제한되는(?) 효과를 발휘하면서 굉장히 읽기 편한 자료를 만들 수 있었다.
다만 아직 개발중인 건지, 불완전한 모습이 간간히 보이고 있다. 어느 정도는 자동 맞춤을 해주지만, 글이 너무 많아지면 내용이 아예 잘려버린다던가(축소에 한계치가 있는걸까?) PPT 변환을 해봤더니 첫페이지 내용으로만 변환되는 문제도 있었고, 아쉽게도 이미지 파일 역시 첫 페이지만 변환이 가능하다. 어서 기능개선을 통해 불편한 점이 해결되었으면 좋을 듯.
빅데이터 / 4차 산업혁명 시대에 가장 중요한 것 ? : Data
Data가 중요한 이유
Data Driven Approach : '패턴' 이 중요
머신러닝 : 데이터 속의 pattern recognition
데이터의 분석 과정
머신러닝을 공부하려면 : 데이터와 사람(=자료) 이 많은 곳으로!
데이터 사이언스로 돈을 버는 법 : 흥미, 관심사 > 조회수를 높일 만한 결과 도출하기
문제점 : 생각만큼 데이터 품질이 좋지 않다
데이터 분석의 약 70% 가량이 전처리
왜?
Data Science
데이터 : 정형 vs 비정형 / 수치형 vs 범주형
정형 데이터 : Table 형태로 존재 (주로 SQL로 처리)
비정형 데이터 : 이미지, text 등등
수치형 데이터 : 양적 정보
범주형 데이터 : Categorical data
데이터 사이언티스트의 업무
데이터 처리 시의 문제
데이터 전처리
missing vlaue : 존재하지 않는 값 / 시스템 오류로 인한 비정상 값
Outlier : 동 feature 샘플들과 비교할 때 비정상적으로 떨어진 관측치
Scaling
Feature : 모델 예측에 사용될 수 있는, 데이터를 표현하는 모든 변수, 개체, 특성
Feature Engineering : 더 나은 모델 알고리즘을 위한 Raw data에서 Feature를 만들어내는 과정
인코딩
차원의 저주
PCA(주성분 분석)
Kaggle조사에서
이렇게 배운 걸 모두 활용해야 하는가?
캐글에서 어떻게 공부하는지
select (column name) from table
[INNER/LEFT/RIGHT/FULL OUTER] JOIN table1 on table1.col == table2.col
//컬렉션 연산
fun main()
{
val list1 = listOf(1, 2, 3)
val list2 = listOf("one", "two", "three")
println(list1+ 4 ) //[1, 2, 3, 4], 산술 연산자로 새 원소가 합쳐진 새로운 리스트를 반환
}
//컬렉션 fold
val list = listOf(1, 2, 3, 4, 5)
println(list.fold(4){total, next -> total+next}) //4+1+2+...+5
println(list.foldRight(3){total, next -> total+next}) //3+5+4+...+1
println(list.reduce{total, next -> total+next})//1+2+3+4+5
fun main()
{
val list = listOf(1,2,3,4,5)
println(list.map({it*2})) //[2, 4, 6, 8, 10], it은 리스트 원소를 가리킴
val mapIndex = list.mapIndexed{index, it -> index*it}
//mapIndexed : 인덱스와 컬렉션 멤버로 연산
//[0, 2, 6, 12, 20]
}
println(list.flatMap{listOf(it, 'A')}) //[1, A, 2, A, ...]
class Box(a : Int) //원래의 클래스 선언
///////////
class Box<T>(a:T) //제네릭 클래스 선언 - 모든 자료형을 받을 수 있음
fun main()
{
val box1 = Box(1) //Box<Int>로 초기화
val box2 = Box("kim") //Box<String>으로 초기화
}
fun <T> genericFun(arg : T) : T? { ... } //T는 순서대로 형식 매개변수, 매개변수 자료형, 반환 자료형
fun <K, V> genericFun(key : K, value : V) : Unit {...} //형식 매개변수가 여러개인 경우
//배열의 인덱스 찾기
fun <T> find(a:Array<T>, Target : T) : Int
{
for (i in a.indices) //a.indice : a의 인덱스 반환 (0..n)
{
if(a[i] == Target) return i
}
return -1
}
fun main()
{
val arr1: Array<Int> = arrayOf(1,2,3,4)
println(find(arr1, 2)) //1 반환됨
}
//람다식을 이용한 반환형 연산식 결정
fun <T> add(a:T, b:T, op : (T,T)->T):T
{
return op(a,b)
}
fun main()
{
val result = add(2, 3, {a, b -> a+b}) //람다식으로 2+3 반환됨
println(result) //5 출력
}
class Box<T>(var : item : T)
{
fun <T> printObj(box : Box<out Animal>) // Box를 사용할 때 가변성을 결정
{
val obj : Animal = box.item //out이므로 getter가 동작
box.item = Animal() //out이므로 setter는 동작하지 않음
//자료형 프로텍션(out으로 선언)에 의해 안전성 보장
}
}
val numbers = arrayOf(1, 2, 3, 4)
for (element in numbers) println(element)
val array1 = arrayOf(1, 2, 3)
val array2 = arrayOf(4, 5, 6)
val array3 = arrayOf(7, 8, 9)
val arr2d = arrayOf(array1, array2, array3)
/*
1 2 3
4 5 6
7 8 9
*/
//변수 선언 없이 2차원 배열
val arr2d = arrayOf(arrayOf(1, 2, 3), arrayOf(1, 2, 3), arrayOf(1, 2, 3))
/*
1 2 3
1 2 3
1 2 3
*/