전체 글 (177) 썸네일형 리스트형 [ 인생퍼즐 ] TypeORM Transaction 사용 Transaction 사용 이유프로젝트 중 일부 로직에서 DB에 정보 저장은 관련 파일이 서버에 정상적으로 전송되었을 때 이루어져야 했다. 하지만 서버에 저장되어야 하는 파일 경로에 DB 정보 저장할 때 생기는 고유키가 필요했다. DB 정보 임시 저장 후 고유키로 완성된 파일 경로로 전송해야 했다. 전송이 성공했을 때 DB 정보를 저장 완료를 해야 했다. 그래서 성공 시 DB Commit, 실패 시 DB Rollback 할 수 있는 Transaction을 사용했다. Transaction 구현1. EntityManager 사용 방식 async saveUser(){ await connection.getRepository(User).manager.transaction(async (manager) => { .. [ 인생퍼즐 ] RN Navigation 화면 남는 문제 이슈 주인공 정보 수정 후 주인공 리스트를 리로딩하기 위해 Event Parameter를 넘기는 방법으로 만들어졌다. 이때 Navigation의 Navigate로 Event Parameter와 함께 페이지 이동을 했을 때 기존 화면이 남아 있는 문제가 발생했다. GoBack 사용 기존 화면을 없애기 위해 뒤 페이지로 이동하면서 현재 페이지를 삭제하는 GoBack 메서드 사용하기로 했다. 하지만 GoBack 메서드는 Parameter를 넘길 수 없기 때문에 이를 해결할 수 있는 방법이 필요했다. Function을 Parameter로 넘기기 주인공 리스트 화면에 UseState 생성 후 State를 변경할 수 있는 Function 선언했다. 선언한 Function은 필요한 페이지로 Parameter로 넘겨 .. [Chapter 6] Hidden Markov Model Hidden Markov Model Markov Chain의 경우 실제 세계에서 관찰되는 연속된 사건의 확률을 계산할 때 사용된다. NLP에서 Part-Of-Speech-Tag처럼 현실 세계에서 관찰되지 않는 것이 있다. Hidden Markov Model은 관찰, 미관찰되는 연속된 사건의 확률을 사용하는 모델이다. Component Of Hidden Markov Model Markov Chain은 Set of State, Transition Probability Matrix, Start & End State 로 이루어져있다. Hidden Markov Model은 앞 3가지에 Sequence of Observation, Sequence of Observation Likelihood가 추가된 요소로 이루어.. [Chapter 6] Markov Chains Markov Chain Hidden Markov Model를 정의하기 위해 Markov chain( observed Markov Model )에 대해 알아야 한다. Markov Chain은 Sequence 값이 입력될 경우 유일한 하나의 State를 결정하는 Weighted Finite-State Automaton의 특수한 경우이다. 모호성 문제가 없기 때문이다.(?) Markov Chain As Graphical Model Markov Chain의 그래프 모델의 구성 요소는 Set of States, Transition Probability Matrix, Start State & End Satate로 구성된다. Transition Probability Matrix의 합 $a_{01} + a_{02} +.. [Side Project] 인생퍼즐하고 느낀점... 마지막 모임 진행 사이드 프로젝트 인생퍼즐 마무리를 위해 7월 24일(토) 대면 모임을 가졌다. 1년 동안 진행하면서 잘한 점과 아쉬운 점에 대해서 이야기했다. 그리고 간단하게 아이폰에 빌드된 인생퍼즐을 시연했다. 그리고 함께 저녁을 먹고 모임을 마무리했다. 좋았던 점 사이드 프로젝트를 하면서 처음 접해보는 언어에 대해 공부를 할 수 있어서 좋았다. 프로젝트 개발자들과 "Modern JavaScript" 책 스터디를 하면서 자바스크립트의 기본과 좀 더 심화된 내용을 배울 수 있었다. DreamCoding 엘리의 TypeScript 강의를 들으면서 타입스크립트의 기본을 습득할 수 있었다. 꾸준히 코드를 작성할 수 있는 시간을 가질 수 있어서 좋았다. "수토이브닝코드"를 통해 수요일, 토요일 정해진 시간.. [Chapter 5] Part Of Speech Tagging (2) 1. Rule Based Part Of Speech Tagging 규칙 기반 태깅은 사전을 통해 각 단어에 잠재적 품사 목록을 만든다. 단어에 할당된 품사가 2개 이상인 경우 규칙을 통해 가장 적합한 품사를 정하는 방식이다. 규칙을 통한 품사를 정하는 건 해당 단어의 앞뒤 단어와 함께 이루어진다. 2. Step 1 사전을 통해 단어의 잠재적 품사 목록을 가져온다. 단어에 할당되는 품사는 TagSet에 따라 달라질 수 있다. shownSHOW PCP2 SVOO SVO SV that ADV PRON DEM SG DET CENTERAL DEM SG CS 3. Step 2 규칙을 통해 가장 적합한 품사를 정하는 건 품사 목록에서 적합하지 않은 것을 제거하는 방식으로 진행된다. 조건에서 양수는 해당 단어의 뒤 단.. Bigram Model 구현해보기 책을 보고 Unsmooth Bigram Model 구현 코드를 Python으로 코드를 작성했다. Unknown Word와 특정 단어의 반복 문제 등이 있는 Model이다. 개념을 코드로 구현해보기 위한 것이니 고려해서 보면 좋을 것 같다.1. Train Corpus 로딩with open(Corpus 파일 경로, 'r') as fr: contents = fr.read()2. Bigram 단어 개수 Dictionary 생성Corpus을 줄과 White Space(' ')기준으로 분리해 Bigram Model에 사용할 단어 개수 Dictionary를 생성 lines = contents.split('\n')word_count_for_bigram_dic = {}for line in lines : seq.. [Chapter4] N-gram 평가 방법 평가 방식 1. Extrinsic Evaluation (in vivo) 방식 end-to-end 방식으로 적용하려는 어플리케이션에서 각 모델을 수행함으로 성능 비교를 한다. 높은 정확도를 얻을 수 있지만 시간 비용이 높을 수 있다. 2. Intrinsic Evaluation 방식 어플리케이션에 독립적으로 모델의 성능을 평가할 수 있는 방식이다. 일반적으로 Extrinsic Evaluation 평가보다 속도가 빠르다. 일반적으로 많이 쓰이는 방식은 Perplexity 값을 구해 모델의 성능을 비교하는 것이다. Perplexity ? Perplexity는 언어 모델과 Test-Set을 통해 확률을 구해 단어 개수로 정규화한 값이다. Perplexity는 두 확률 모델이 주어졌을 때, Test-Data에서 예.. 이전 1 ··· 18 19 20 21 22 23 다음
