원당컴퓨터학원

1. Next.js 란 Next.js는 Vercle 이 만든 React 라이브러리의 프레임워크입니다. 그렇다면 React를 잘 사용하고 있는데 왜 Next.js를 만들었을까요? React는 Client Side Rendring(CSR)을 합니다. 따라서 웹페이지의 용량이 많은 경우 첫 로딩 시간이 오래 걸리는 단점이 발생합니다. 이러한 단점을 극복한 것이 Next.js입니다. React와 Next.js의 차이는 바로 리액트는 자바스크립트 라이브러리이고 Next.js는 프레임워크라는 점입니다. Next.js는 클라이언트와 서버에서 실행할 수 있는 코드에 풍부하고 다양한 기능을 제공하여 웹 애플리케이션을 만들 수 있게 해 줍니다. 2. 대상독자 리액트 웹 개발자 중 Next.js 프레임워크를 사용하여 확장과..

1. 중심극한정리(central limit theorem)란? 확률론과 통계학에서 중심극한정리는 동일한 확률분포를 가진 독립확률변수 n개의 평균의 분포는 n이 적당히 크다면 정규분포에 가까워진다는 정리이다. 이 의미는 다음과 같다. 모집단이 있을 때 여기서 30개의 샘플을 뽑아 표본을 만든다. 그 다음 표본의 평균을 계산한다. 이런 과정을 여러 번 반복해서 1000개의 평균을 만들어 놓는다. 그리고 이 1000개의 평균을 히스토그램으로 그리면 놀랍게도 정규분포를 따른다. 현실에서는 표본을 수집하는 일에 비용이 많이 들지만 파이썬 프로그램을 사용해 이런 과정을 간단히 묘사할 수 있다. 예를 들어 남산도서관 대출데이터를 가지고 확인을 해 보자. 혼자공부하는데이터분석 에서 제공하는 자료 ( https://bi..

저울 문제란? 일명 천칭문제라고도 불리우는 양팔저울 혹은 전자저울을 이용하여 문제를 풀어나가는 문제를 의미한다. 전자 저울은 무게를 수치로 정확하게 잴 수 있지만 대개 1번 등의 매우 적은 횟수로만 무게를 판별하라고 한다. 또 무게를 비교하는 용도로는 양팔 저울에 비해 약간의 응용이 필요한 문제들이 출제되고 있다. 양팔 저울은 무게를 수치로 정확하게 잴 수 없는 대신 횟수는 3번 정도는 주어지는 편이다. 무게의 상대적 가벼움과 무거움을 재는 데에는 유리하지만 수치적으로 나열하기는 어렵다는 특징이 있다. 저울 관련한 유형은 최적화의 개념이나 부등식의 성질을 이해하여 해결하는 문제로 교과나 경시에서 관련 문제가 자주 출제 된다. 문제1) 크기와 모양이 같은 공 11개가 있다. 이 공들 중 무게가 다른 공은 ..

부분합 알고리즘이란? N명의 시험 성적을 내림차순으로 정렬해 둔 score[] 가 있다고 하면 여기서 우리는 a등에서 b등까지의 평균을 구하려고 한다. 가장 간단한 알고리즘으로는 a등부터 b등까지의 합을 구한 다음 b - a + 1 로 나누는 것이다. 하지만 이렇게 구하는 횟수가 빈번해진다고 하면 1회를 구할 때마다 최대 N번씩 반복하게 된다. 이럴 때 유용하게 사용하는 것이 부분합(Partial sum)이다. 위와 같이 psum 테이블을 미리 구해 놓는다고 하면 2번지 부터 4번지까지의 부분합을 구하려고 하면 psum[4] 는 0,1,2,3,4 의 모든 합이기 때문에 여기서 0,1 의 값을 빼면 2번지부터 4번지 까지의 부분합이 된다. 따라서 psum[4] - psum[1] 의 값이 2번지 부터 4번지..

학원 초기에 우리 원에서 같이 공부했던 학생인데 이번에 수능 시험을 잘 치루었다고 연락을 받았었는데~ 이번에 고려대 컴공이랑 서울대 산업공학과 모두 붙어서 서울대 산업공학과 등록한다는 연락을 받았습니다.^^ 이렇게 좋은 소식 전해준 한** 학생에게 너무도 고맙네요.^^ 한** 학생은 같이 공부할 때 센스 만점이었는데~ 디미고에 가서도 공부를 정말 열심히 한 모양이네요.^^ 중간 중간 학교생활 하는 것들도 연락을 자주 해 주었는데~ 동아리 활동에서도 두각을 나타내서 학생부 종합전형으로 대학을 들어갈 것이라고 생각 했었는데~ 정시 준비를 한다고 해서 의외이긴 했었거든요^^ 수능이 끝나고 나서 고려대는 가능할것 같다고 얘기 해 주길래 고려대 컴공과 생각하고 있었는데~ 우리나라 최고의 명문대 서울대에 합격했다는..

머신 러닝을 공부하다 보니 일반적으로 모델을 만드는 강의에 집중 되어 있는 것을 확인 할 수 있었습니다. 하지만 이렇게 모델을 만들어 보았는데~ 도대체 어떻게 활용하지? 라는 막막함이 들 때가 있었는데요~ 이번 특강은 이미 만들어진 머신러닝 모델들을 활용하여 애플리케이션에서 어떻게 동작하고 어떤 프로젝트들을 수행 해 볼 수 있는지를 살펴 보고~ 그 다음으로 머신러닝 모델을 만들어 본다면 먼저 숲을 보고 나무를 분석해 볼 수 있지 않을 까 하여 머신러닝 활용 부분에서 먼저 특강을 진행하게 되었습니다. 머신러닝에 관심이 있는 학원생 여러분의 많은 참여를 부탁 드립니다. [머신러닝 활용 특강] 대상 : 원당컴퓨터 학원생 중 머신러닝활용에 관심이 있는 학생 기간 : 2023년 2월 26일(일) ~ (매주 일요일..

1. 누적분포란 평균이 0이고 표준편차가 1인 정규분포를 표준정규분포라고 한다. 평균이 0이고 표준편차가 1인 z점수 공식에 대입하면 z = x 가 된다. 따라서 표준 정규분포는 z 점수를 사용해 전체 데이터가 어떻게 분포되어 있는지 나타낼 수 있다. 예를 들어 표준정규분포에서 z 점수가 1.0 이내에 위치한 샘플은 전체의 약 68%에 해당한다. z점수 2.0 이내에 위치한 샘플은 95%에 해당한다. 여기서 x축은 샘플값 또는 z점수, y축은 샘플의 등장 빈도 또는 밀도가 된다. 그럼 z 점수 1.5 이내에 있는 샘플의 비율은 얼마나 될까? 2. 누적분포 구하기 누적분포는 주어진 확률이 특정 값보다 작거나 같은 확률을 나타내는 값이다. 가령 표준정규분포에서 평균 0 까지 누적분포는 정확히 50%가 될것이..

방정식이란? 기본적인 연산을 할 때 구체적인 수들을 볼 수 있어요. 가령 23 + 5 = 28 과 같이 계산이 되는 것을 볼 수 있습니다. 대수의 세계로 들어가면서 변수라는 개념을 다루게 됩니다. 변수란 바뀔 수 있는 값이나 식을 의미합니다. 예를 들어 x + 5 라고 쓴다고 하면 x 의 값에 따라 결과값은 달라 집니다. 이러한 것은 하나의 식이라고 합니다. 여기서 식과 방정식의 차이를 확인해 보겠습니다. 식은 단지 어떤 값을 나타내는 표현입니다. 예를들어 x + 5 라는 식은 x의 값에 따라 결과값이 바뀔것입니다. 방정식의 경우는 식이 서로 같다고 가정하고 시작합니다. 예를 들어 x + 5 = 10 이라고 하면 한개의 값을 모르는 상황에서 x의 값을 알아낼 수 있습니다. 이렇게 미지수가 포함된 식에서 ..

조합탐색이란? - 완전 탐색 알고리즘은 대개 답을 만드는 과정을 여러개의 선택으로 나눈 뒤 재귀 호출을 이용해 각각의 선택지를 채워가는 형태로 구현됨 - 기존 완전 탐색은 모든 답을 다 만들어 보면서 문제를 해결하므로 완전 탐색의 수행시간은 탐색 공간의 크기에 직접적으로 비례 - 이는 문제의 규모에 따라 기하급수적으로 크기가 증가. - 조합탐색이란 완전 탐색을 포함해 유한한 크기의 탐색 공간을 뒤지면서 답을 찾아 내는 알고리즘 목표 - 기본적으로 모두 최적해가 될 가능성이 없는 답들을 탐색하는 것을 방지하여 만들어 봐야 하는 답의 수를 줄이는 것을 목표로 함 조합탐색 최적화 기법 - 가지치기 : 탐색 과정에서 최적해로 연결될 가능성이 없는 부분을 잘라낸다. 예) 외판원 문제에서 길이가 10인 경로를 이미..