분류 전체보기

선형 기계학습 지도학습 알고리즘> 지도학습 알고리즘>> k-최근접 이웃 알고리즘>> 의사결정 트리 >> 랜덤 포레스트>> 선형 판별 분석 >> 서포트 벡터 머신 k-최근접 이웃 = k-NN 알고리즘- 가장 단순한 머신러닝 알고리즘- 저장된 학습 데이터 셋에 대한 판별- 분류하고자 하는 데이터와 가장 이웃한 데이터 클래스들을 기반으로 클래스를 판별한다 - 간단한 계산, 조정 필요 없음 = 개념 증명 실험을 위해 채택- k=3 ~ k=5 그래프에 러닝 클래스 0과 러닝 클래스 1이 분포하고 있을 때테스트 데이터의 위치에서 가장 가까운 러닝 데이터 k개의 클래스를 기준으로다수결이 투표를 통해 테스트 데이터의 소속 클래스를 판단한다 결정 경계 decision boundary구분된 클래스를 기준으로 결정 경계를 ..

사용자의 설정에 따라 색은 다르겠지만 .json 파일이 아닌 나머지 파일들을 확인하고자 하는 경우 (현재 이미지에서는 녹색) 디렉토리라고 판단하고 cd 명령어로 이동하려고 하면 not a directory 라고 오류가 발생한다 그래서 편집기로 열어보면사람이 해석할 수 없는 내용이 들어있다 이런 경우 실행파일일 확률이 높다정확하게 확인해보기 위해 ls 명령어에 -l 옵션을 주어 확인해보았다첫 번째 rwx는 소유주의 파일 권한인데 x 권한이 포함되어 있으니 실행 가능한 파일이다 확장자가 파일명에 포함되어 있지 않더라도 이렇게 구분할 수 있다 실행하고자 할 때는 sudo ./{파일명} 형태로 작성해줘야 한다sudo를 대부분은 생략해도 되지만 간혹 제대로 동작하지 않는 경우가 있으니 sudo를 붙이는 것이 편하다

wsl 에서 ctrl r을 사용하면 방향키로 직전 명령어를 확인할 수 있던 것과 유사하게 역순방향으로 조회 가능 키워드를 입력하면 이전에 입력했던 것 중 키워드를 포함한 것이 자동완성된다

분석하고자 하는 파일들이 들어있는 디렉토리로 이동해서 아래 두 명령어를 입력해주고    find ./ -name '*.[cCsShH]' > file_list: 현재 디렉토리(./)와 하위 디렉토리에서 C 언어 소스 코드 및 관련 헤더 파일을 검색.[ ] 형태가 대상 확장자를 지정한 것file_list 라는 파일에 찾은 파일의 경로를 저장  cscope -i file_list: c언어 소스 코드 분석 도구인 cscope의 -i 옵션은 특정 파일(file_list)에 명시된 파일 목록을 읽어들여 cscope 데이터베이스를 생성  vim에서 :cscope find 또는 :cs find 를 이용해서 검색을 수행할 수 있다

편집기에서는 행 번호 없이 코드를 보여주는데  명령어 입력 모드에서 set number를 입력해주면이렇게 행 번호를 확인할 수 있다

기본 WSL 화면에서 창을 여러 개 띄우지 않더라도단축키를 활용한 화면 분할로 여러 터미널 화면을 사용할 수 있다 alt shift d 세로 분할   alt shift -  화면 가로 분할마이너스는 텐키가 아닌 일반 키보드의 마이너스를 클릭해야 한다 (내 컴퓨터 기준이라 아닐 수도 있음..ㅎ)

실습 과정 1. 파일 다운로드 2. payload.dll 은 c 드라이브 루트 하위에도 복사해둔다  3. cmd에서 파일을 다운로드 받은 디렉토리로 이동해서 getchar.exe를 실행한다 사용자가 인풋을 주면 종료되는데인풋을 주기 전까지는 계속 대기 상태로 멈춰있다 일단 대기로 두고 새로운 cmd를 열어 같은 디렉토리로 이동하고 4. getchar.exe를 실행하는 프로세스의 pid를 찾는다  ( pid 찾는 방법 ) tasklist 명령어는 전체를 보여주기 때문에이렇게 옵션을 주어 찾을 수도 있다8720번 pid의 프로세스를 사용해서 실행 중임을 알 수 있다 pid를 알아낸 cmd 창에서 5. CreateRemoteThread.exe 파일을 실행시킨다명령어로 실행시킬 때 getchar.exe가 실행 ..

E2E domain decomposition kernelend to end domain decomposition kernel- 대규모 계산 문제를 병렬 처리하기 위해 도메인 분해 기술을 활용하는 프레임 워크E2E end to end- 시스템 전체. 초기 인풋부터 최종 아웃풋까지 전반적인 프로세스를 통합적으로 관리- 모든 단계의 계산 최적화, 이동과 병목 감소 domain decomposition 도메인 분해- 복잡한 계산 문제를 공간적으로 작은 sub domain으로 나누는 방법- 서브 도메인은 각각 서로 독립적으로 계산 가능해서 병렬화로 효율 향상 가능rank- 도메인 분해와 병렬 계산에서 병렬 프로세스의 고유 id를 나타내는 것- 0부터. int

I/O sw stack of HPCHPC : high performance computing I/O SW stack데이터 입출력 흐름에서 효율성을 극대화 하기 위해 멀티 레이어로 설계application layer - 사용자 애플리케이션이 데이터 입출력을 요청- 데이터 집약적인 작업을 수행하는 애플리케이션이 속함high level I/O libraries- 애플리케이션 개발자가 데이터 입출력을 더 쉽게 처리하도록 추상화 제공- 계층적 포맷으로 저장하는 기능, 대규모 병렬 데이터 처리 기능- HDF5, NetCDF, ADIOSparallel I/O middleware- 데이터 병렬화 관리 > 대규모 애플리케이션이 동시에 입출력 수행 가능- 여러 노드에서 데이터 동시 처리 > 성능 극대화- MPI-IOlow..

인 컨텍스트 러닝 in context learning- 대규모 언어 모델 LLM이 프롬프트 안에 있는 예제 (=context) 기반으로 추론하는 능력- 학습된 매개변수를 모델이 변경, 재조정 하지 않고 프롬프트에서 제공된 맥락만을 통해 작업을 이해하고 수행하는 방법 - 모델이 새로운 데이터나 작업을 수행하기 위해 다시 훈련되는 일 없이 입력된 프롬프트 기반으로 작업을 한다- 프롬프트 안에 작업의 정의와 몇 가지 입출력 예시를 포함시켜서 가이드를 줄 수 있다 - zero shot 작업에 대한 맥락 즉 프롬프트 안에 예시 없이도 일반적인 명령과 질문을 수행- few shot 프롬프트에 몇 가지 예시를 제공해서 작업을 이해 - 모델은 프롬프트 내 정보를 우선적으로 사용하고 그에 더하여 사전 훈련 과정에서 학습..