Recent Updates

읽기 1.5 :  Data-intensive Text Processing with map reduce 1장 1.6 : http://www.stat.columbia.edu/~cook/movabletype/archives/2011/01/wacky_interview.html 1.7 : http://googleresearch.blogspot.com/2010/12/find-out-whats-in-word-or-five-with.html 1.13 : http://www.stat.columbia.edu/~cook/movabletype/a

 평양 초계탕 031-772-8229 http://blog.naver.com/fluorescence?Redirect=Log&logNo=100023444143   고바우 설렁탕 http://blog.naver.com/fluorescence?Redirect=Log&logNo=100017460975   마당 031-775-0311 http://blog.naver.com/fluorescence?Redirect=Log&logNo=100017956108   신내서울해장국집 양평군 개군면

Java Collection Framework의 대부분의 Collection 구현체들은 Thread-Safe하지 않으므로 멀티 스레드 환경이라면 반드시 synchronized block을 적절하게 잡아 주어야 합니다. 그런데, java.util.Collections 클래스의 static 팩토리 메소드인 Collections.synchronizedCollection 메소드를 이용하면 간편하게 Thread-Safe한 Collection 객체를 생성할 수 있습니다.   아래의 코드는 10000개의 스레드에서 1개의 Tre

 6.1 Decision Trees Numeric Attributes Missing Values Pruning Converting Decision Trees to Classification Rules 위의 내용들을 C4.5(또는 C5.0) 알고리즘에 의거해서 설명 마지막으로 C4.5와 C5.0의 Option에 대해서 설명   Numeric Attributes example - temperature 64      65&n

 In this chapter we look at the basic ideas of th e learning algorithms.   4.1 Inferring rudimentary rules 1R(1-rule) : 1개의 Attribute를 테스트하는 1-Level 짜리 Decision Tree를 생성한다. Algorithm For each attribute For each value of that attribute, make a rule as follows: count how often

5.1 Traning and Testing   5.2 Predicting Performance   5.3 Cross-Validation   5.4 Other Estimates Leave-one-out Test Data 1개 나머지는 모두 Training Data 로 사용 --> 이 방법을 모든 instance에 대해서 실행 n-Fold Cross Validation에서 n = Instance 개수 인 방법  장점 Training Data를 최대로 사용하는 방법 

Lecture Notes

 마이크로소프트웨어 - 임백준    버그 많은 프로그래머를 보니... 유닛 테스트를 단 한 줄도 작성하지 않고 있었다! 핑계1 : 코드 구조상 유닛테스트를 작성하기 어렵다.  핑계2 : 유닛 테스트를 작성할 시간이 없다.    유닛 테스트의 정의 : 위키백과 컴퓨터 프로그래밍에서 유닛 테스트란 소스 코드의 특정 모듈이 의도된 대로 정확히 작동하는지 검증하는 절차다. 즉, 모든 함수와 메소드에 대한 테스트 케이스를 작성하는 절차를 말한다. 이를 통해서 언제라도

마이크로소프트웨어 2007년 11월호 - 서광열 -   팩토리 패턴의 사용 The Factory Pattern in API Design : A Usability Evaluation(ICSE, 2007) 이라는 논문에 의하면 팩토리 패턴을 사용한 API는 사용성이 떨어졌다.  좋은 API 디자인은 단순히 좋은 소프트웨어 설계원칙만으로 불충분하다는 점을 시사한다.    사용성을 고려한  API 디자인 참고문헌 : 프레임워크 디자인 가이드라인(Framework Design

 Knowledge Representation : The ways for representing the patterns that can be discovered by machine learning   3.1 Decision tables It just the same as the inpupt   3.2 Decision trees  Nodes : Testing a particular attribute Compare with a constant Compare two attributes with ea

  What we are trying to find - the result of the learning  process - is a description of the concept that is intelligible in that it can be understood, discussed, and disputed, and operational in that it can be applied to actual examples.     2.1 What's a concept? Concept : The

 1.1 Data mining and machine learning Data mining is defined as the process of discovering patterns in data. The process must be automatic or semiautomatic.  Machine learning - learning(intentional) vs training    1.2 Simple examples : The weather problem and others The weather

 마이크로소프트웨어 11월호 기사 - 안영회 - 하나. 일신우일신 하기 위해서 구체적으로 꾸준히 하는 것을 만들어라 블로깅, 기술 문서 구독 둘. 살아남기 위해 새로운 일에 도전하라  애자일 진영에서는 일년에 한 가지씩 새로운 프로그래밍 언어를 배우라고 권고하고 있다 셋. 분명한 가치관을 가지기 위해 글을 쓰라  타인의 의견, 사회의 의견을 그대로 수용하는 것이 아니라, 나의 주관을 갖기 위해 블로깅  넷. 주변에서 스승을 찾자 역할 모델  다섯. 애정을 가