import os import re import time import pickle def preProcessNote(file, path_dir): try: file_path = os.path.join(path_dir, file) with open(file_path, 'r', encoding='utf-8') as f: lines = f.readlines() # 지워야 할 지점 체크 start_idx = None end_idx = None for idx,
Programming
Blind Catch란 무엇인가? * Blind Catch는 try / except 구문에서 특정 예외 유형을 명시하지 않고, 모든 예외를 포괄적으로 처리하는 코딩 패턴을 말합니다. 예를 들어, 다음과 같은 코드가 이에 해당합니다 try: # 일부 코드 실행 result = some_function() except: # 모든 예외를 포괄적으로 처리 print("An error occurred.") 왜 문제인가? * 구체적인 예외 처리의
![[책]어찌 보면 가장 현실적인 자기계발서인지 모른다, 더 시스템](https://images.unsplash.com/photo-1525022404438-91321710652d?crop=entropy&cs=tinysrgb&fit=max&fm=jpg&ixid=M3wxMTc3M3wwfDF8c2VhcmNofDR8fFN5c3RlbXxlbnwwfHx8fDE3MjQxNDg5NTZ8MA&ixlib=rb-4.0.3&q=80&w=600)
Book
사실 이 책을 보게 된 것은 우연이었습니다. 어떤 다른 것보다 독특한 리뷰가 시선을 붙잡았습니다. 이 책에 남겨져 있는 리뷰는 다음과 같았습니다. 최근에 읽은 자기계발서중에서 가장 좋았습니다. (중략) 자기계발서 중에서 가장 좋았다는 표현에서 미루어 짐작해보면, 기타 다른 자기계발서와 비교를 하여 우위를 가렸을 때, 좋았다는 표현이라고 생각해볼 수 있습니다. 그런데 가장 좋았다니.
Python
Tuple Unpacking 이란 * 하나의 튜플(tuple)을 여러 개의 변수로 분해하여 사용하는 것 a, b, c = (1, 2, 3) 문제점 * 변수 갯수가 맞지 않을 때 # 예시 코드: 변수 갯수 불일치 result = (0.8, 0.1) accuracy, loss, precision = result # ValueError 발생 * 의미없는 변수 이름을 사용시 → 이후에 가독성 이슈 # 예시 코드:
Productivity
배경 및 목적 * NAS로 파일을 백업하는 과정에서 파일명이 길어서 수정해야 하는 경우가 너무 많아서, 자동화 코드를 작성 감안한 부분 * 대량의 파일을 처리할 것을 감안해서, 파일 복사 대신 경로만 저장해서 컨트롤한 이후에 최종적으로 필요한 파일만 일괄적으로 처리 * Python의 concurrent.futures 모듈을 사용하여 병렬로 파일을 처리 샘플 코드 import os import shutil
Team
최근에 취업준비를 하는 학생들을 코칭하고 있습니다. 처음에는 소일 거리로 이 일을 시작하였으나, 생각 외로 많은 도움을 받고 있습니다. 예를 든다면 개인적으로 가지고 있던 습관이나 행동패턴을 점검하는 시간으로 종종 활용하고 있습니다. 오늘 이야기하려는 것은 그러한 경험의 연속성으로 시각적 커뮤니케이션에 관한 것입니다. 일반적으로 문제를 정의하고 방법을 고민하다보면 문제 정의를 하던 초기 단계
Data
import numpy as np import matplotlib.pyplot as plt # 데이터 생성 파라미터 n_samples = 1000 np.random.seed(42) # 시간대에 따른 배달 시간 설정 def generate_delivery_time(hour, rider_acceptance_rate, num_riders): base_time = 25 # 전체 배달 시간 평균 25분 # 점심, 저녁 시간대 배달 시간 증가 if 11
Data
Dirichlet Process (디리클레 과정) * **Dirichlet Process (DP)**는 무한 차원의 확률분포로, 클러스터링 문제에서 군집의 개수가 미리 정해지지 않은 경우에 유용하게 사용됩니다. * DP는 기존의 Dirichlet Distribution를 확장한 것으로, 데이터 포인트들이 서로 다른 군집에 속할 확률을 정의합니다. * Dirichlet Distribution은 확률벡터(즉, 모든 원소가 0과 1 사이의 값을 가지며, 전체 합이 1이 되는
Team
살면서 우리는 평생 프로젝트를 합니다. 삶을 살아내는 것도 프로젝트라고 할 수 있기 때문입니다. 지금도 저는 다양하게 크고 작은 프로젝트를 하고 있습니다. 어느날과 다름없이 어떤 책을 읽어볼지 두리번 거리던 차에, "아이디어를 현실로 만드는 프로젝트 계획과 실행의 법칙"이라는 광고 문구를 보고 이 책을 구매하였습니다. 사실 절대적인 성공을 보장하는 것은
Team
리더는 외로운 자리이고 힘들 수 있습니다. 하지만 그렇다고 해서 팀원과의 대화를 멈춰서는 안됩니다. 리더는 아래는 팀원의 대화를, 위로는 상사의 대화를 들어야 하는 중간 위치에 서 있습니다. 그래서 당연히 외로울 수 있습니다. 하지만 멈춰서는 안됩니다. 리더가 외로운 것은 당연합니다. 위대함이 발현되는 상황일 수 있습니다. 포기하면 편합니다. 편하지 않고, 힘들다는 것은 무언가를
Data
zstd (Zstandard) * 페이스북에서 개발한 빠르고 효율적인 압축 알고리즘입니다. * 높은 압축률과 빠른 압축 및 해제 속도를 제공합니다. Motivation * zstd는 높은 압축률과 빠른 속도를 모두 제공하기 위해 개발되었습니다. 많은 데이터 처리와 전송이 필요한 환경에서 효율성을 높이기 위함입니다. * 스트리밍 지원: zstandard는 스트리밍 압축 및 해제를 지원합니다. 이는 실시간 데이터 처리나 네트워크 전송 시
Data
Motivation * 기존의 하이퍼파라미터 튜닝 방식은 주로 수동적이고 시간이 많이 소요되었습니다. * 그리드 서치(Grid Search)나 랜덤 서치(Random Search)는 단순하지만, 고차원의 하이퍼파라미터 공간에서는 비효율적입니다. * HyperOpt는 베이지안 최적화(Bayesian Optimization)와 같은 고급 기법을 통해 하이퍼파라미터 최적화를 보다 효율적으로 수행할 수 있게 합니다. Pros & Cons Pros * 효율적인 탐색: HyperOpt는
Book
단지 영어 원서가 읽고 싶었습니다, 그런데 그 원서가 나의 삶에 도움이 되는 책이면 좋겠다는 생각이 있었습니다, 그 때 이 책을 접하게 되었습니다. 번역이 되어 있지 않기 때문에 책의 제목은 "The Almanack of Naval Ravikant"입니다. 부제는 꽤나 강렬합니다. "A Guide to Wealth and Happiness"입니다. 부제도
Tean
이 글은 복기와 회고의 글입니다. 최근에 읽었던 책, "HBR 리더십 인사이트"을 읽고 나니, 인사관리, 성과관리, 조직관리, 마인드셋의 관점에서 경험을 훑어보는 것도 좋겠다 싶었습니다. 한 회사에 영원히 있더라도 조직은 여러번 바뀔 수 있기 때문에 이렇게 정리해보는 것은 꽤나 좋은 경험이 아닐까 생각했습니다. 회사에 조직을 처음 구성하고 나면, 조직장과
Data
Motivation * 복잡한 다차원 확률 분포에서 직접 샘플링하는 것은 어려운 경우가 많습니다. 이러한 문제를 해결하기 위해 MCMC 방법이 등장했습니다. * * 고차원의 문제: 고차원 공간에서는 모든 가능한 값들을 커버하기 위해 필요한 샘플 수가 기하급수적으로 증가합니다. 이로 인해 효율적인 샘플링이 매우 어렵습니다. * 비선형성: 다차원 확률 분포는 종종 비선형성을 띄며, 특정 변수들 간의 복잡한 상호작용이
Team
실무를 담당하다, 리더로 맞닥뜨릴 때 제일 먼저 당황스러웠던 것은 바로 "언어"였습니다. 운이 좋게 같은 직군에 속한 사람이 상위 관리자면 그래도 다행일 수 있습니다. 하지만 상위로 올라갈 수록 동일 직군인 경우는 점차 드물어집니다. 동일 직군 출신이어도 동일직군의 느낌이 많이 옅어진 경우를 만나게 됩니다. "언어"가 달라졌기