영원토록 빛나고 싶어

인기글

• 

  리뷰 대학생 코딩 과외 구하기 꿀팁! 김과외 vs 숨고 vs 네이버 카페 후기 및 비교 오늘은 최근 내 생활비가 되어주고 있는 코딩 과외에 대해 글을 써보려고 한다 먼저 과외비는 기본적인 수업은 시간당 3만원으로 진행하고 대학 전공 과목은 그 이상으로 진행하고 있다 지인을 통해 하게된 과외를 빼고는 김과외와 숨고, 네이버 과외구하기 카페를 이용해서 과외를 구했다 김과외는 처음에는 수수료가 없고 과외가 성사되면 첫달 과외비의 25퍼센트를 수수료로 내는 방식이다 이 때 1달 이내의 단기 과외는 15퍼센트만 수수료를 내면 되는데 단기 과외가 많은 코딩 과외 특성상 부담이 줄어들어 좋았다 학생들 목록을 보고 선생님이 먼저 연락을 드리는 게 일반적인데 가입한지 얼마 되지 않았다면 하루에 연락을 보낼 수 있는 횟수가 정해져있다 하지만 자기소개를 상세히 써 놓는다면 학생들에게 연락이 먼저 온다! 현재는..

• 

  컴퓨터 그래픽스 [파이썬을 이용한 Ray Tracing 구현] 1. Ray Tracing이란? 파이썬을 이용한 ray tracing 알고리즘과 구현에 대한 포스팅을 작성해보고자 합니다. 알고리즘에 대한 기본설명부터 파이참 설치, 코드 구현까지 단계적으로 작성할 계획입니다. 먼저 제가 구현한 ray tracing 코드로 만들어 본 sphere와 box로 이루어진 도형입니다. 구현에 사용된 코드는 추후에 github에 올리겠습니다. ray tracing algorithm, 광선 추적법은 광선이 물체의 표면에 반사되어, 다시 돌아오는 경로를 계산하여 나타나는 색깔을 픽셀별로 image plane에 나타내어 주는 알고리즘입니다. 위와 같은 그림을 통해 쉽게 이해할 수 있습니다. camera에서 image plane으로 픽셀별로 view ray를 만들어주고, object와 light source를 이용해 ..

• 

  Paper [논문정리] Cnvlutin: Ineffectual-Neuron-Free Deep Neural Network Computing Cnvlutin: Ineffectual-Neuron-Free Deep Neural Network Computing Abstract 현재의 DNNs(Deep Neural Networks)는 0 곱셈도 진행해서 비효율적임. → Cnvlutin(CNV) : 정확성 손실 없이 이런 비효율적인 과정 모두 제거 - hierarchical data-parallel unit(계층적 데이터 병렬 유닛) 사용 - group들이 독립적으로 진행되는 걸 가능하게 함 → 비효율적인 계산 건너뜀 - co-designed data storage format이 병렬 유닛에서 조절을 할 수는 있지만 경로에서 계산을 하지 않도록 함 units + data storage → 데이터 병렬 구조를 만들어 메모리 계층 구조에서 정렬된 접근을 ..

• 

  리뷰 카이스트 몰입캠프 MADCAMP 참가 후기 대외활동 정리 2탄! 이번에는 18년도 겨울에 참가했던 카이스트의 몰입캠프에 대한 후기를 써보려고 한다 18년도 여름, 그러니까 2학년 여름방학에 처음으로 신청을 했었다 제목만 봐도 떨어진것을 알 수 있었던 결과ㅋㅋㅋㅋ 1,2학년들은 더 발전된 모습으로 다시 만날 수 있기를 기원한다는 문구에 힘을 입어 겨울방학에 또 신청했다 자소서에 내용을 아주 조금 추가했을 뿐인데 붙었다ㅎㅎ 후에 들어보니 여러번 신청한 사람은 더 좋게 본다는 것 같았다 면접 없이 자소서 질문만 있어서 모든 질문에 최대한 성실한 답변을 썼던 점이 도움이 되었던 것 같다 주변 친구들의 결과를 보면 무조건 컴퓨터 관련된 내용으로 꽉꽉 채운다고 붙는 것은 아니었다 나도 열정적으로 보냈던 방학에는 장기 유럽여행에 관련된 내용과 카페 알바 경험..

• 

  AI [Kaggle] Melbourne 집값 예측하기 - 1 캐글 사이트에 있는 course를 바탕으로 집값 예측을 해 보았다 데이터를 처리해서 모델을 생성하는 게 익숙하지 않아 코스 내용과 공부 내용을 기록해보고자 한다 1 2 3 4 5 6 # save filepath to variable for easier access melbourne_file_path = '../input/melbourne-housing-snapshot/melb_data.csv' # read the data and store data in DataFrame titled melbourne_data melbourne_data = pd.read_csv(melbourne_file_path) # print a summary of the data in Melbourne data melbourne_da..