본문 바로가기

Programming

Programming/Java 2023. 10. 17.
Interface (인터페이스)
Interface (인터페이스) 인터페이스: 개발 코드와 객체가 서로 통신하는 접점. 객체 사용법을 정의한 타입 -> 다형성 구현 可. 다양한 객체 동일 사용법으로 이용 可 ex) 한 집에 여러 개의 같은 회사 제품 에어컨(객체)을 작동 가능한 리모콘(인터페이스) 인터페이스는 객체 생성 불가 -> 생성자 불가 -> 객체에서 실행되므로 인터페이스는 추상 메소드 자동 선언. 상수필드(constant field) 자동 선언 -> 인터페이스에 선언된 필드는 모두 public static final이 생략된 개념 package sec01.exam04; public interface RemoteControl { // 인터페이스 선언 //상수 필드(constant field = public static final) 자동 선언 int MAX_VOLU..
Programming/Java 2023. 10. 16.
Inheritance(상속)
Inheritance(상속) Inheritance(상속): 이미 잘 개발된 클래스를 재사용해서 중복 코드 줄이기. 부모클래스 = 상위클래스 자식클래스 = 하위클래스 Car 클래스를 상속해서 SportsCar 클래스를 설계하려면? class SportsCar extends Car { } [규칙] 단 상속은 딱 1개만 받을 수 있다. (여러 개 불가.) private로 선언된 것은 상속 불가 서로 다른 패키지에 존재할 경우, default로 선언 된 메소드와 필드도 제한된다. -> protected의 경우 패키지가 달라도 상속을 허용한다. 객체 생성은 부모 먼저, 이후에 자식 객체 메소드 재정의 (overriding): 부모클래스 메소드가 자식 클래스에서 사용하기 부적합할 때, 자식클래스에 재정의해서 사용. Super: 재정의한 메소드..
Programming/Java 2023. 10. 16.
instance, static, package, access modifier
instance, static, package, access modifier 인스턴스 멤버: 객체마다 가진 멤버. new로 생성하는 것들. 정적 멤버: 객체와 무관한 것. 클래스 코드(메소드 영역). 이 내에서는 인스턴스, this 사용 불가 객체를 생성하지 않고 사용할 수 있는 필드와 메소드 ex) main 메소드 this: 객체 내에서 인스턴스 멤버에 접근하기위해 사용. static: 정적 멤버 호출법 [선택 기준] 객체마다 다를 수 있는 필드 값 -> 인스턴스 멤버 객체마다 고정될 필드 값 -> 정적 멤버 result1 : 314.159 result2 : 15 result3 : 5 static double pi
Programming/Java 2023. 10. 13.
OOP(Object Oriented Programming) 객체지향 프로그래밍
OOP(Object Oriented Programming) 객체지향 프로그래밍 모든 프로그래밍 언어의 기본이자 중요한 내용이다! 객체(object): 물리적 존재 or 추상적 생각하는 것 중에서 식별가능한 자신의 속성을 가진 것 ex) 식별가능하고 특징있는 세상의 모든 사물들; 볼펜, 볼펜잉크, 볼펜 심 등 속성(field 필드) + 동작(method 메소드)로 구성 형태적인 것들(정의) ex) 걷는 속도 사용할 객체(인스턴스) 생성 -> 생성된 객체 이용 지금까지 정리한 자바 기본 문법은 main() 메소드만 작성해서 실행할 목적으로 클래스 이용함 main()이 없다면 객체 생성 과정을 거쳐 사용해야 함 클래스 선언: 객체 구상 후 이름 결정. 첫 단어 대문자 중요 보통은 java 소스파일 하나 당 하나의 클래스만 선언하지만 2개 이상도 가능은 하다. package sec01.e..
Programming/Java 2023. 10. 12.
참조타입, 배열, 열거타입
참조타입, 배열, 열거타입 참조타입: 기본타입(int, boolean 등) 제외한 나머지 형태. 객체 번지(주소) 참조 (클래스, 등) 기본타입은 실제 값을 변수 안에 저장하지만 참조타입은 메모리 번지(주소= 객체)에 저장. 변수안에 저장된 것이 아니고 객체를 참조하기때문에 참조타입인 것이다. 이걸 이해해야 객체지향프로그래밍, 상속 등을 이해할 수 있음! 참조변수(객체)가 없는 경우 null로 정의해야 함 String str = null; NullPointException : null값인 객체에 무언갈 확인하려고하면 생기는 오류 (객체가 없다는 이야기) 참조변수의 예제는 다음과 같다. String name1 = "신용권"; String name2 = "신용권"; 이렇게 되면 1과 2는 둘 다 같은 '신용권' 값(객체, object..
Programming/Java 2023. 10. 11.
java basic (기본 문법)
java basic (기본 문법) java 17기준, python 기본 문법 공부가 충분하다는 전제로 작성된 게시물 프린트 방법 System.out,println();
Programming/Python 2023. 9. 20.
[DL] over(under)fitting 최적, Dropout, Callback
[DL] over(under)fitting 최적, Dropout, Callback 기본 데이터 정리 및 model 함수 정의 후 호출 from tensorflow import keras from sklearn.model_selection import train_test_split (train_input, train_target), (test_input, test_target) = keras.datasets.fashion_mnist.load_data() train_scaled = train_input / 255.0 train_scaled, val_scaled, train_target, val_target = train_test_split( train_scaled, train_target, test_size=0.2, random_state=42) def model_fn(a_layer=No..
Programming/Python 2023. 9. 17.
[ML] SGDClassifier (확률적 경사하강법 분류모형)
[ML] SGDClassifier (확률적 경사하강법 분류모형) ML기존 훈련데이터에 이어 계속해서 생겨나는 새로운 데이터에 대해 지속적으로 훈련하여 업데이트하는 것에 대한 고민 (점진적 학습, 온라인 학습) 경사하강법 시리즈는 최적화를 위한 도구이다. DL(신경망 알고리즘)에서 필수이다. Stochastic Gradient Descent (SGD; 확률적 경사하강법): train set에서 sample 하나씩 손실함수 경사를 따라 최적 model 찾기 Minibatch Gradient Descent (MGD; 미니배치 경사하강법): 무작위 몇 개 샘플을 선택해서 최적점 찾기. (빈번하게 사용됨) Batch Gradient Descent(BGD; 배치 경사하강법): 전체 데이터로 바로 최적점 찾기(컴퓨터 자원 무리 우려 有) Epoch(에포크): train set 한..
Programming/Python 2023. 9. 15.
[ML] Logistic regression
[ML] Logistic regression import pandas as pd fish = pd.read_csv('https://bit.ly/fish_csv') fish.Species.unique() # species 중복없이 나열 pd.unique(fish['Species'] # 또는 이런 코드 사용 array(['Bream', 'Roach', 'Whitefish', 'Parkki', 'Perch', 'Pike', 'Smelt'], dtype=object) 생선 종류는 target. 나머지는 features(weight, length, diagonal, height, width) 머신러닝을 위해 feature data -> numpy 변환 fish_input = fish[['Weight','Length','Diagonal','Height','W..
Programming/Python 2023. 9. 15.
[DL] tensorflow, Deep Neural Network(DNN)
[DL] tensorflow, Deep Neural Network(DNN) [deep learning 개괄 설명] Deep Learning(딥러닝): 생물학적 신경망을 추상화한 인공신경망. 신호(미지수) -> 전달 통로 -> 활성화 함수(임계값 도달) -> 0 or 1 출력 input layer -> hidden layer(생략 可) -> output layer 인공신경망은 가중치 찾는 것이 중요! why?) 인공신경망 학습 = 가충치 찾는 과정:: 환경변수 지정 -> 신경망 실행 -> 예측값, 실제값 비교 -> 가중치 값 수정 ↘반복 구간 1) 환경변수 지정 Hyper parameter 조정 (사람이 지정해줘야 하는 값.) epoch: 학습 데이터 소모 단위 batch size: 하나 batch마다 주는 data sample size (성능과 상관관계X but 메모리 한계와 ..
728x90
반응형

티스토리툴바