찐빵월드

The White Door Day 1 공략 이불 밑으로 드래그 해서 일어난 후 문 옆의 스케줄 확인 -> 이름, 날짜, 상태가 적혀있고 하루 스케줄을 모두 하면 하루가 종료되는 방식이다 스케줄에 맞춰 해야하는 것 - braekfast : 방 중앙의 테이블 클릭해 위에 있는 음식 모두 먹기 - self-care : 왼쪽 하단의 세면대에서 양치, 얼굴 닦기 - checkup : 문 바로 옆의 스위치 눌러 간호사와 대화 - memory training : 왼쪽 컴퓨터 미니게임 - dinner : 문으로 들어오는 테이블 위의 음식 먹기 -recreation : 오른쪽 아래 박스에 든 기구 사용 위의 스케줄을 마치면 하루가 종료된다 Checkup에서는 간호사가 질문하는것에 답변을 해야 하기 때문에 주변을 조사해 ..

putty 사용시 불편했던 점 창 크기 조절이 원하는대로 잘 안됨 연결 할때마다 id, 패스워드 다시 입력해야되는데 패스워드는 복잡한데다가 타이핑시 화면에 보이지 않아서 잘못 입력될 가능성이 높음 위의 문제점 때문에 putty CM을 사용하게 됐다 Database를 생성해 접속 정보를 입력해두면 더블클릭만으로도 간단하게 연결이 된다 설치 받은 다음에 공식 홈페이지에서 설명을 좀 읽어보려고 했는데 Help에서 연결되는 홈페이지가 없어진 홈페이지라 간단한 사용법을 남긴다 설치 직후 위와 같은 화면이 뜨는데 File > New > Database 에서 신규 데이터베이스를 생성한다 Database를 생성하지 않고 바로 Connection을 생성해도 되는거같긴 한데 시스템별로 나눠서 관리하려고 시스템 명으로 데이..

KB금융 - KB 차이지 통합한도 조회 서비스 - KB금융그룹 중고차 거래 플랫폼 'KB차차차' 통해 국민은행, 국민카드, KB캐피탈 자동차 대출상품 한도와 금리 한 번에 조회하고 최적 상품 추천받아 대출신청에서 실행까지 - 공인인증서 없이도 본인인증 후 조회 가능 카카오뱅크 소액 저축 상품 '저금통' - 20~30대에 큰 인기 - 매일 자정 기준으로 입출금계좌의 1000원 미만, 1원 이상 잔돈이 자동이체 RPA 도입 속도 내는 카드사 - RPA(로봇 프로세스 자동화) 도입 효과 단순 반복적 없무 자동화 수작업에 비해 데이터 오류, 누락 없음 짧은 시간에 많은 양의 업무 처리 가능 - 고객정보 수집, 신분증 확인의 단순 업무 처리 → 정산, 회계 고도화 작업까지 할 수 있도록 진행 KB국민은행 실시간 ..

AI금융원 혁신금융서비스 선정 NH농협은행 신청 서비스 - 창구혼잡도 미리 확인, 방문 시간 예약 - 모바일 앱 알람에 예적금, 신용카드 외에 보험상품 정보 제공도 가능하도록 SK증권 - 증권사 판매채권 공유 -> 소액 투자자가 다양한 채권 비대면 거래 - 기존에는 채권 매매 중개하는 경우 단일 매도자-단일 매수자 매칭 서비스 제공만 가능했음(자본시장법 시행령 상) 신한금융투자 - 모바일 상품권 활용 한 해외주식 구매, 선물 KCB - 동형 암호 기반 데이터 분석서비스 - 서로 다른 기관의 개인신용정보 암호화 하여 암호화 한 상태로 연산하여 분석 -> 개인정보 노출 및 재식별 위험 줄이며 분석 가능 쿠팡, 삼성카드 - SMS 활용해 출금계좌 간편 등록,결제 오픈뱅킹 전면 시행 신한은행 쏠 입출금잔액예측 ..

ibk연금보험 '스마트앱' 한국인터넷전문가협회 주관 '2019 스마트앱어워드 코리아'에서 특별대상 수상 - 보험가입 모든 절차 모바일로 완결 - 생체 인증 활용한 보험계약대출, 보험금청구 서비스 제공 - 고객이 직접 미래 연금 수령액 조회할 수 있는 연금 설계 기능 제공 → 2020년에는 RPA 솔루션 도입 통해 자동화, 보이는 ARS 시스템 구축 예정 오픈뱅킹 전면시행 앞두고 IT리스크 합동훈련 : 금융위원회, 금융결제원 IT리스크 합동훈련 실시 → 12/18 전면 시행 예정 티몬 주도 블록체인 테라, 몽골에서 미미페이 출시 미미페이 : 메신저 플랫폼 미미챗을 통해 서비스되는 간편결제 서비스 테라 : 몽골 법정화폐와 1:1 연동되는 스테이블 코인 → 현금거래 위주인 몽골에서 간편결제 환경 조성 하나금융..

ML History : Linear Regression 선형 회귀의 역사 1800년대에 행성의 이동, 완두콩의 크기 예측 위해 발명 수기 계산을 할때 고안되었지만 거대한 데이터셋에서도 잘 동작 선형 회귀 알고리즘 → hypothesis equation 각 feature의 값(x)에 각 가중치(w)를 곱한 값의 합이 선형 회귀 모델이 예측하고자 하는 값이 된다. 가중치 적절히 설정해 예측값이 좋은지 나쁜지 검증 방법 → 손실측정함수(loss function) ex) regression problem의 MSE : 실제 값과 예측한 값의 차이의 평균이 최소화 되는 지점 찾아야 함 선형 회귀에서 손실 값 최소화 할 수 있는 가중치 찾는 공식 존재 단점 → 시간복잡도 O(N^3) → 현실에는 중복되거나 거의 중복..

Supervised Learning : Regression and Classification 회귀 모델 : 연속적인 값을 가진 레이블을 수학적 함수로 예측 → 선형으로 나타나게 됨 - 예측값의 오차를 줄이기 위해 Mean Squred Error 이용 ex) 위와 같은 자료에서 total bill amount를 통해 tip amount를 예측하려 한다. 팁은 연속적인 숫자이기 때문에 이는 회귀 모델 문제이다. 위 자료에서는 평균 팁 액수가 총 가격의 18%정도인데 이를 통해 일반화 된 값인 (총 액수 × 0.18)으로 팁을 예측 할 수 있다. 위에서는 1개의 독립변수만을 고려했지만, 여려개의 독립변수가 적용된 다차원 문제에서도 동일한 컨셉을 적용할 수 있다. 다차원 문제에서는 예제의 값에 초평면(hyper..

Supervised Learning : Supervised Learning ML model Supervised model(지도학습) : label 有 Unsupervised model(비지도학습) : label 無 → 원시데이터를 보고 자연스럽게 그룹으로 분류되는지 발견하는 것 지도 학습에서는 레이블, 이제껏 축적되어온 과거 데이터로 미래 데이터를 예측한다. ex) 총 식사비와 그에 대한 팁 값에 대한 데이터가 축적되어 있을 때, 어떤 손님에 대하여 총 식사비는 알지만 팁이 얼마일지 모르는 상황에서 팁=레이블 이라고 볼 수 있다. 이제 총 식사비를 통해 팁을 예측하는 모델을 생성하면 팁이 얼마인지 예측할 수 있다. Supervised model Regression(회귀 모델) : 레이블 값이 연속적 Cl..

Introduction to Practical ML : Introduction 학습목표 ML 문제의 주요 범주를 구별하는 방법과, 이를 실제로 적용하는 방법 ML이 어떻게 발전되어 왔는지와 발전에 도움을 준 기법 딥러닝의 인기 이유

Introduction to Launching into ML : Introduction 전체 학습목표 머신러닝 모델 종류와 딥러닝 모델의 인기 이유 손실함수(loss function) 이용한 모델 최적화, 성능지표(performance metrics) 이용한 모델 평가 머신러닝의 일반적 문제에 대한 완화 → 가장 흔한 일반적 문제 : 일반화(generalization) 부족 개요 딥러닝 기술이 어떻게 초기 머신러닝 방법인 Decision tree나 Random forests 등에 의한 발전을 포함할 수 있는지 최적화 모델(optimization model) → 지도 학습(supervised learning) : 경사 하강법(gradient descent) 이용 성능 측정 항목(performance met..