카테고리

이번에 매칭 웹을 만들면서 깃허브로 단순 백업이 아니라 진짜 프로젝트를 진행하는 방식대로 처음 도전해 봤다. 그래서 아직 익숙하진 않지만 몇 가지 주요 기능들을 정리해 볼 겸 쓰는 중... 인텔리제이를 이용하면, 웬만한 기능들은 상단바 탭에서 사용할 수 있다.먼저 현재 내 프로젝트와 깃허브를 연동시켜준다. 그럼 상단바에 Git 탭이 생기면서 여기서 commit, push 등을 할 수 있다.  깃허브로 해당 프로젝트 레포지토리에 들어가서 Project를 선택하면 할 일 목록을 정리할 수 있다. New project -> Board 형식으로 생성하는 것이 보기 편한 것 같아 그걸로 선택하였다.  지금은 다 끝난 상태인데, 작업할 때는 Todo에서 Add item을 통해 구현할 기능 이름으로 생성하였다.   ..

보호되어 있는 글입니다.

~완성화면 미리보기~   일기 생성 기능 개발01. 구상25.01.14지도기능으로 산책 경로까지 추가하니까... 뭔가 하루에 있었던 일을 요약할 겸 일기가 자동으로 생성됐으면 좋겠다는 생각이 들었다. 그래서 이번에는 gpt등 NLP 모델을 이용해서 체크리스트 완료 여부, 이동했던 위치를 받으면 NLP가 그에 맞게 일기를 생성해 주는 걸 도전해 보기로 했다!  02. Hugging Face 모델 키 발급간단한 토이 프로젝트니까 무료 모델을 쓰려고 했는데, 찾아보니 아래 사이트에서 모델들을 고를 수 있다길래 여기로 회원가입을 해서 키를 발급받았다. Hugging Face – The AI community building the future. huggingface.co setting -> Access Toke..

더보기사실 기능 추가할 때마다 깃허브에 readme로 쓰고 있었다가... 이제서야 한번에 정리 겸 글 써봄   산책(이동) 경로 저장 기능 개발01. 구상25.01.13 01.12에 서버 배포를 완료한 뒤, 다음날에 새로운 프로젝트로 현위치 기반 맛집 추천을 해주는 웹을 만들고 싶었다. api를 다루는 방법을 익히고 싶어서 카카오 지도 api를 쓰는 주제를 선택한 거였는데, 막상 해보니 맛집 추천 정도는 백엔드가 필요 없고 프론트만으로도 해볼 수 있길래 포기했다.(백엔드 공부하는게 목적이라,,,)그래도 지도 api는 써보고 싶어서, 그러면 기존에 챌린지 웹 만든 거에 산책 등 이동 경로를 저장하는 기능을 추가하기로 했다!  02. 카카오 지도 api 키 발급https://apis.map.kakao.com..

어제 글을 쓰다보니까 진짜로 서버 배포 해봐야겠다 싶어서 온갖 사이트를 찾아다닌 결과...cloudType에서 무료로 가능하다길래 몇번의 실패 끝에 성공함!!그런데 무료 버전은 하루에 1번 중지될 수 있는데다 임시 디스크라서 DB가 초기화 될 수 있는 것 같음... 그래서 영구적으로는 의미가 없긴 한데 일단 한번 배포해서 핸드폰에서도 들어가지니까 신기하다 시행착오가 많았어서 안 까먹게 정리함  엄청 도움이 된 참고 블로그 ↓더보기 [MariaDB] MariaDB 클라우드타입에 배포하고 sequelize와 연결하기Next.js + express + mariadb 를 이용한 블로그 프로젝트를 완성하여 mariadb를 클라우드타입에 배포해볼려고한다. 원래는 heroku에 배포할려고 했다가 단계적으로 프리티어 ..

백엔드로 진로를 정한 이후... 종강 후부터 계속 인프런 강의로 백엔드 강의 듣고있다가 생각나서 잠깐 해 본 프로젝트!!방학동안 매일 3개 목표 정해서 기록하고 있는데 매번 칠하기도 귀찮고 이걸 웹으로 만들면 편하겠다 싶어서 도전해봄(사실 한 3일 정도 시도해봤다가 뭔소린지 모르겠어서 개망함)그러다가 갑자기 성공해서 기록하는 일지... 사실 별 거 없긴 한데 백엔드 제일 기초부분 다루는 거라 나름 공부됐기도 하고 무엇보다 내가 만들고 싶었던거 만들어서 뿌듯함 ㅎ.ㅎ -완성 화면 (자세한 동작 영상은 09. 실행으로 ㄱ)   25.01.09(목) 시작~완성00. 프로젝트 구상 총 2개의 페이지 종류로 나눠진다. 1. 메인 페이지: 그리드 형식으로 100개의 칸이 띄워지며 각 칸에는 1월 1일부터 100일의..

강의자료 공부 01. Greedy(1) 1) Greedy Algorithm 개념현재 순간에서 최적의 선택을 하는 방식으로 문제 해결함 → 이를 반복하여 전체적으로도 최적의 해답에 도달하려고 함항상 optimal solution을 보장하진 않지만 많은 문제에서는 optimal solution 찾을 수 있음특성Optimal Substructure(DP도 가짐): 부분 문제의 최적 해가 전체 문제의 최적 해를 구성함Greedy Choice Property: 매 단계에서의 최적 선택이 전체적으로도 최적의 해로 이어질 수 있음   2) Activity Selection 문제 여러 활동이 하나의 자원을 공유해야 될 때, 서로 활동들이 겹치지 않으면서 최대한 많은 활동을 선택하는 문제 (ex: 강의실 하나인데 강의가..

강의자료 공부01. DP(1) 1) Divide and Conquer(분할정복) vs DP분할정복: 서로 겹치지 않는 분리된 서브 문제로 나누고, 각각을 재귀적으로 해결한 후 결합하여 원래 큰 문제 해결함DP: 중복된 서브 문제를 푸는 경우, 이미 해결된 서브 문제는 메모해두어서 재활용함(예: 피보나치 수열 → 일반적으로 나이브하게 코딩하면 큰 수 계산 오래 걸림)DP는 일반적으로 최적화 문제에 활용됨 💡 특성: Optimal substructure(최적 부분 구조 / DC, DP 둘 다 가짐) + overlapping(DP만 가짐)   2) DP 단계optimal solution의 구조를 특성화 시킴optimal soultion의 값을 재귀적으로 정의함optimal soultion의 값을 bottom..

01. Backtracking브루트포스를 개선한 방식으로, 가능한 모든 옵션에 대해 체계적으로 찾아 나감(경로 따라 가다가 필요 없어지면 더이상 안 가고 버린 다음 다른 경로 찾아감)  -Search Space Pruning (가지치기)탐색 공간에서 불필요한 경로를 제거함으로써 탐색을 효율적으로 줄이고, 더 빠르게 해를 찾을 수 있는 방법임탐색하다가 필요 없어 보이면 더 이상 진행하지 않고 해당 분기 종료 → 재귀 호출에서 백트래킹으로 돌아옴   02. problem of Backtracking1) Eight Queens Problem체스판 위에 8개의 퀸을 배치, 서로 공격하지 않게 하는 문제각 행에 퀸을 하나씩 배치하며서 유효하지 않은 경우 가지치기 수행함 2) Subset Sum(부분집합 합 문제)..

Median of Medians (MoM)퀵셀렉트 알고리즘 이용 → 최악의 경우를 방지하기 위해 랜덤 pivot말고 좀 똑똑하게 고르자 → approximate median으로 pivot 고름(대략적인 중앙값) → MoM이 pivot 이름 → 이를 통해 i번째 원소 찾기 가능보다 밸런스 파티션을 보장함 -Select Procedure5개원소로 그룹 만듦 → [n/5]개의 그룹 탄생각 그룹을 정렬한 후 해당 그룹 별로 median(중앙값) 찾기 → 중간값들이 새 배열 형성새 배열인 median들 중에서 median 찾아서 pivot으로 삼음 (MoM 재귀적 호출 통해) ⇒ T([n/5])기존 배열을 pivot 기준으로 작은 값, 큰 값 두 구간으로 나눔 → 이때 pivot이 k번째 작은 값임을 알 수 있음..