분류 전체보기 (36) 썸네일형 리스트형 스위치 lan-play(랜플레이) 사설서버 열기 & 접속하기 lan-play를 이용한 사설서버 접속 가이드는 꽤 있어도 사설 서버 구축 가이드는 없어서 몇자 끄적여본다. 나는 라즈베리파이4에서 진행했다. 윈도우에서도 진행은 가능할 것 같은데, npm 설치만 가능하다면 크게 문제 없을 것 같다. 사설 서버 열기 ~ 접속까지 끝내고 싶다면, 사설 서버 열기 -> 컴퓨터에서 클라이언트 설치 -> 스위치에서 와이파이 설정 후 접속 순서로 진행하면 된다. 이 글에서는 서버 구축 / 클라이언트 설치 / 랜모드 커맨드 설명 / 커펌이 된 스위치에 ldn_mitm 설치 순으로 설명한다. 사설 서버 구축, 컴퓨터 클라이언트 설치는 굉장히 간단하지만, 스위치에서의 연결이 생각보다 좀 까다롭다. 오류가 난다면, 글을 차근차근 읽으면 된다. 정 읽기 싫으면 오류 대처법이라도 꼼꼼히 읽.. V50S 부트로더 언락 삽질 / magisk 24.1 CTS 패치 (SafetyNet 패치) 아래 있는 오류 해결책들은 아래에 있는 네이버 블로그의 강좌를 다 읽고 숙지했다는 것을 가정하고 쓴 방법들이다. 기본적인 Magisk 모듈 설치 방법을 알아두어야 한다. 참고한 강좌 https://blog.naver.com/PostView.naver?blogId=mkk2828&logNo=222498400767&from=search&redirect=Log&widgetTypeCall=true&directAccess=false 국내판 LG V50S 부트로더언락,루팅,커스텀롬 설치 강좌(22/02/20) 안녕하세요. 아카살리자입니다. 최근 V50s를 들여오게 되어 가이드를 작성해봅니다. 해당글은 XDA 원문... blog.naver.com https://forum.xda-developers.com/t/steps.. 도쿄공업대학 기계학습 강좌 자료 https://chokkan.github.io/mlnote/ はじめに — 機械学習帳 機械学習帳は、単回帰、重回帰、ロジスティック回帰、ニューラルネットワーク、サポートベクトルマシン、クラスタリング、主成分分析、確率的勾配降下法、正則化など、機械学習の重要 chokkan.github.io 회귀 1. 단일 회귀 2. 다중 회귀 3. 모델 선택과 정규화 4. 경사하강법에 의한 파라미터 추정 분류 5. 선형 이항 분류 6. 선형 다항 분류 7. 뉴럴 네트워크 (1) 8. 뉴럴 네트워크 (2) 9. 서포트 벡터 머신 비지도 학습 10. 비심층적 클래스팅 11. 심층적 클래스팅 12. 주성분 분석 (1) 13. 주성분 분석 (2) 일본의 카이스트라 불리는, 도쿄공업대학의 기계학습 강좌 자료입니다. 일본어 아시는 분들이 한번 참고용으.. 선린 소수전공 리버싱 과제 rev-basic-1 들어가면 이런 화면을 볼 수 있는데, 문제에서는 'correct'를 출력하는 입력값을 알아내라는 것이였다. if문에서 sub_140001000에 v4를 넣고 그값이 맞다면 correct를 출력한다는 것을 볼 수 있는데, 함수는 아래와 같다. strcmp는 비교할 문자열과 같다면 0을 반환하는데, a1 즉 sub_1400011F0에서 입력받은 v4의 값이 Compar3_the_str1ng과 같다면 1을 반환한다는 소리고, if는 1이면 무조건 참이기 때문에 Correct가 출력된다. 따라서, Flag는 Compar3_the_str1ng이다. rev-basic-1 rev-basic-0과 언뜻보기에는 거의 같다는 것을 알 수 있다. if문 안에 있는 함수로 들어가면 이런 조건문이 나온다... Python으로 기초부터 기계학습 [로지스틱 회귀분석] Pythonで基礎から機械学習 「ロジスティック回帰分析」 의 번역본. https://qiita.com/karaage0703/items/417934d82ac3c3c5f70e Pythonで基礎から機械学習 「ロジスティック回帰分析」 - Qiita はじめに この「Pythonで基礎から機械学習」シリーズの目的や、環境構築方法、シリーズの他の記事などは以下まとめページを最初にご覧下さい。 Pythonで基礎から機械学習まとめ 今回は qiita.com 여러 수식을 표기하고 있기 때문에, 모바일 버전에서 보는 것보다, PC버전에서 보는 것이 적합합니다. 21(일) / PM 7:58 첫 작성 *오타, 오역, 의역 좀 있음* *이산적 (離散的) - 서로 단절되는. 또는 그런 것. 연속되는 것과 반대되는 것으로 0, 1, 2, 3 따위와 같이 .. Scikit-learn으로 로지스틱 회귀 (클래스 분류편) Scikit-learn でロジスティック回帰（クラス分類編）의 번역본.링크https://qiita.com/0NE_shoT_/items/b702ab482466df6e5569 Scikit-learn でロジスティック回帰（クラス分類編） - Qiitaはじめに ロジスティック回帰は、説明変数の情報にもとづいて データがどのクラスに属するかを予測・分類する（例：ある顧客が商品を買うか買わないかを識別する） 注目している出来事qiita.com여러 수식을 표기하고 있기 때문에, 모바일 버전에서 보는 것보다, PC버전에서 보는 것이 적합합니다.편의상 목적변수는 종속변수로, 설명변수는 독립변수로 쓰겠습니다. 정사상(正事象) : 유의미한 사건 / 긍정적인 사건*2021 / 10 / 27 : オッズ(odds)를 승산, 오즈로 수정했습니다. 시작하며.. 앙상블 여러개의 알고리즘을 사용, 그 예측을 결합해 보다 정확한 예측을 도출하는 기법. 단일의 강한 알고리즘보다 복수의 약한 알고리즘이 더 뛰어날 수 있다는 생각에 기반 보팅 / 배깅 / 부스팅 세 가지의 유형으로 나눌 수 있음 보팅 여러 모델에서 구해진 예측값들을 투표를 통해 결정 서로 다른 알고리즘을 여러 개 결합해 사용 하드보팅 다수의 분류기가 예측한 결과값을 최종 결과로 선정 (다수결 원칙과 유사) 소프트 보팅 각 알고리즘이 예측한 레이블 값 결정 확률을 예측해서. 이것의 평균을 구한 뒤 가장 확률이 높은 레이블 값을 최종 결과로 선정. 1일 확률 = (0.7 + 0.2 + 0.8 + 0.9) / 4 = 0.65 2일 확률 = (0.3 + 0.8 + 0.2 + 0.1) / 4 = 0.35 1일 확률 > .. 자바 3차시 객체 지향 프로그래밍 (Object Oriented Programming; OOP) 좀 더 나은 프로그램을 만들기 위한 프로그래밍 패러다임, 로직을 상태(state) , 행위 (behave)로 이루어진 객체를 만드는 것 -> 객체 지향 프로그래밍은 객체를 만드는 것. 부품화 프로그램은 실체가 없고, 무한, 유연함이 장점. 이러한 특성은 오해나 모순 등의 문제점을 유발 -> 소프트웨어도 문제점을 그대로 상속, 따라서 부품화로 해결 현재는 부품화를 제거하는 추세 -> 기술의 경량화, 컴퓨터가 더 작아짐, 그 결과 부품화 하는 것이 반감됨. 객체 지향과 부품하는 동일하지는 않음, 소프트웨어의 큰 흐름은 객체 지향이 만들어지는데 공헌. 예) 자바의 메소드 목적 - 연관되어 있는 로직들을 결합해 메소드라는 완제품.. 이전 1 2 3 4 5 다음
