ComDoc ComDoc

https://book.naver.com/bookdb/book_detail.naver?bid=18524381 생활코딩! React 리액트 프로그래밍 생활코딩은 일반인에게 프로그래밍을 알려주는 것을 목적으로 하는 비영리 교육 활동으로, 이 책은 생활코딩에서 제공하는 수업 가운데 WEB3 - React 수업을 정리한 책입니다.이 수업은 프로그래 book.naver.com 사실 난 생활코딩의 강의 영상을 이용하지 않는다. 쉽게 설명해주시지만 느리고, 지루하며 ㅠ,.ㅠ 살짝 잠이 오는 부드러운 목소리.. 덕분에 완강해본 적이 없다. 그런데 이 책은 좋았다. 지루하지도 않고, 친절한 느낌. 사실 전에 리액트를 공부하려고 책을 하나 본 적이 있다. 하지만 프론트엔드를 해보지 않은 사람이다 보니, 기본적인 개념 조차..

리스트 컴프리헨션이 가장 빠르다. import time def time_log(original_fn): def wrapper_fn(*args, **kwargs): start_time = time.time() result = original_fn(*args, **kwargs) end_time = time.time() print(f"Working Time [{original_fn.__name__}]: {end_time - start_time}") return result return wrapper_fn @time_log def list_append(): a = list(range(100000)) a2 = list() for i in a: a2.append(i * 2) print(a2[99999]) @time..

믹스인. 다중 상속. 코드 재사용의 목적. 일반적인 행동을 캡슐화 함. 믹스인 자체로는 유용하지 않음. 의존을 함. class BaseTokenizer: def __init__(self, token: str): self.token: str = token def __iter__(self): yield from self.token.split('-') test = BaseTokenizer('zxcv-zcv-zcvzxsfdsdf-sfdf') for each in test: print(each) print(list(test)) 일종의 데코레이터 같은 역할을 함. class BaseTokenizer: def __init__(self, token: str): self.token: str = token def __it..

__getitem__ 매직 메서드를 이용하면, 자체 시퀸스를 생성할 수 있다. class Items: def __init__(self, *values): self._values = list(values) def __len__(self): return len(self._values) def __getitem__(self, item): """자체 시퀸스 생성""" return self._values.__getitem__(item) items = Items(1, 2, 3, 4, 5) print(len(items)) print(items[1:3])

slice 내장 객체가 있다. numbers = (1, 2, 3, 4, 5) print(numbers[2::2]) # (3, 5) interval = slice(2, None, 2) print(numbers[interval]) # (3, 5) interval = slice(3) print(numbers[interval]) # (1, 2, 3) interval = slice(2, 4) print(numbers[interval]) # (3, 4) interval = slice(2, None) print(numbers[interval]) # (3, 4, 5)

단순(simple) 선형회귀(linear regression)는 y = ax + b (일차함수) 다항(polynomial) 선형회귀는 y = a * x ^ 3 + b * x ^ 2 + c * x + d (다항식) 다중(multi) 선형회귀는 y = a * x1 ^ 3 + b * x2 ^ 2 + c * x3 + d 단순선형회귀 넘파이로 단순선형회귀 import numpy as np import matplotlib.pyplot as plt budget = np.array([5, 10, 17, 27, 35, 40, 42, 49, 54, 60]) revenue = np.array([2.6, 19., 23.8, 26.9, 41.1, 58.3, 40.3, 58.7, 73.1, 69.7]) m = np.polyfit..

시험 공부 시간, 시험 합격 여부 hours = [ 0.5, 0.75, 1., 1.25, 1.5, 1.75, 1.75, 2., 2.25, 2.5, 2.75, 3., 3.25, 3.5, 4., 4.25, 4.5, 4.75, 5., 5.5 ] success = [0, 0, 0, 0, 0, 1, 1, 0, 1, 0, 1, 0, 1, 0, 0, 1, 1, 1, 1, 1] 이런 데이터로 선형 회귀 후 0.5 이상일 때 합격한다라고 했을 때와 로지스틱 회귀로 시그모이드 함수를 이용했을 때의 차이는 거의 없다. 만약 30시간을 학습한 친구가 합격했다면 어떻게 될까? 공부를 많이 한 친구가 합격한다는 건 충분히 합리적인 일이다. 이런 합리적인 데이터가 추가되었을 때 기존 분석이 흔들린다면 좋은 분석이라고 하기 어려울 ..

* 이 글은 저의 개인적인 기록이며, 투자 권유, 투자 참고의 목적이 아닙니다. 이런 시황에도 수익을 보여주고 있습니다. (키움의 누적손익은 배당금을 제외하는 것 같습니다. ) 투자 평잔이 914만원, 입금 합계는 883만원 약 31만원의 수익입니다. 리밸런싱 전 보유 비중입니다. 리밸런싱 후 보유 비중입니다. 지난 1년간 수익률 곡선입니다. 지수와 비교해 봅니다.