<feed xmlns="http://www.w3.org/2005/Atom"> <id>https://subin21cc.github.io//</id><title>SUBIN.dev</title><subtitle>Subin's Blog</subtitle> <updated>2026-09-26T15:21:19+00:00</updated> <author> <name>Shin-SuBin</name> <uri>https://subin21cc.github.io//</uri> </author><link rel="self" type="application/atom+xml" href="https://subin21cc.github.io//feed.xml"/><link rel="alternate" type="text/html" hreflang="en" href="https://subin21cc.github.io//"/> <generator uri="https://jekyllrb.com/" version="4.4.1">Jekyll</generator> <rights> © 2026 Shin-SuBin </rights> <icon>/assets/img/favicons/favicon.ico</icon> <logo>/assets/img/favicons/favicon-96x96.png</logo> <entry><title>[혼자 공부하는 머신러닝+딥러닝] 3장. 회귀 알고리즘과 모델 규제</title><link href="https://subin21cc.github.io//posts/Self_Study_ML_DL_chap3/" rel="alternate" type="text/html" title="[혼자 공부하는 머신러닝+딥러닝] 3장. 회귀 알고리즘과 모델 규제" /><published>2026-09-23T12:00:00+00:00</published> <updated>2026-09-23T12:00:00+00:00</updated> <id>https://subin21cc.github.io//posts/Self_Study_ML_DL_chap3/</id> <content type="text/html" src="https://subin21cc.github.io//posts/Self_Study_ML_DL_chap3/" /> <author> <name>Shin-SuBin</name> </author> <category term="ECC" /> <category term="Team-Study-MLDL" /> <category term="Self_Study_ML_DL" /> <summary>“혼자 공부하는 머신러닝+딥러닝(개정판)” 도서 바로가기 예제 코드 (저자 제공): 03-1, 03-2, 03-3 3장. 회귀 알고리즘과 모델 규제 03-1. k-최근접 이웃 회귀 k-최근접 이웃 회귀 지도 학습의 두 종류 분류(classification): 샘플을 몇 개의 클래스 중 하나로 구분하는 문제 (1~2장의 도미/빙어) 회귀(regression): 임의의 숫자를 예측하는 문제 (농어의 무게, 내년 경제 성장률 등) k-최근접 이웃 회귀: 예측하려는 샘플에 가장 가까운 이웃 k개를 찾은 다음, 이웃 타깃값의 평균을 예측값으로 삼는다 분류에서는 이웃의 다수 클래스가 예측이었지만, 회귀에서는 이웃의 평균값이 예측이 ...</summary> </entry> <entry><title>[혼자 공부하는 머신러닝+딥러닝] 2장. 데이터 다루기</title><link href="https://subin21cc.github.io//posts/Self_Study_ML_DL_chap2/" rel="alternate" type="text/html" title="[혼자 공부하는 머신러닝+딥러닝] 2장. 데이터 다루기" /><published>2026-09-18T12:00:00+00:00</published> <updated>2026-09-25T12:54:20+00:00</updated> <id>https://subin21cc.github.io//posts/Self_Study_ML_DL_chap2/</id> <content type="text/html" src="https://subin21cc.github.io//posts/Self_Study_ML_DL_chap2/" /> <author> <name>Shin-SuBin</name> </author> <category term="ECC" /> <category term="Team-Study-MLDL" /> <category term="Self_Study_ML_DL" /> <summary>“혼자 공부하는 머신러닝+딥러닝(개정판)” 도서 바로가기 예제 코드 (저자 제공): 02-1, 02-2 2장. 데이터 다루기 02-1. 훈련 세트와 테스트 세트 지도 학습과 비지도 학습 지도 학습(supervised learning): 입력과 타깃을 함께 주고 훈련하는 방식 입력(input): 알고리즘에 넣는 데이터. 1장의 생선 길이·무게 타깃(target): 정답. 1장의 도미 1 / 빙어 0 입력 + 타깃 = 훈련 데이터(training data) 정답이 있으니 알고리즘이 정답을 맞히는 방향으로 학습할 수 있다 비지도 학습(unsupervised learning): 타깃 없이 입력 데이터만 사용하는 방식 ...</summary> </entry> <entry><title>[혼자 공부하는 머신러닝+딥러닝] 1장. 나의 첫 머신러닝</title><link href="https://subin21cc.github.io//posts/Self_Study_ML_DL_chap1/" rel="alternate" type="text/html" title="[혼자 공부하는 머신러닝+딥러닝] 1장. 나의 첫 머신러닝" /><published>2026-09-16T12:00:00+00:00</published> <updated>2026-09-26T12:00:00+00:00</updated> <id>https://subin21cc.github.io//posts/Self_Study_ML_DL_chap1/</id> <content type="text/html" src="https://subin21cc.github.io//posts/Self_Study_ML_DL_chap1/" /> <author> <name>Shin-SuBin</name> </author> <category term="ECC" /> <category term="Team-Study-MLDL" /> <category term="Self_Study_ML_DL" /> <summary>“혼자 공부하는 머신러닝+딥러닝(개정판)” 도서 바로가기 예제 코드 (저자 제공): 01-3 1장. 나의 첫 머신러닝 01-1. 인공지능과 머신러닝, 딥러닝 인공지능이란 : 사람처럼 학습하고 추론할 수 있는 지능을 가진 컴퓨터 시스템을 만드는 기술 인공지능의 역사 1943년, 매컬러-피츠 뉴런: 뇌의 뉴런을 수학 모델로 표현한 최초의 시도 1950년, 튜링 테스트: 기계가 지능을 가졌는지 판별하는 기준 제안 1956년, 다트머스 회의: “인공지능(Artificial Intelligence)”이라는 용어가 처음 쓰인 자리 → 인공지능 태동기 이후 기대에 못 미치는 성과로 두 번의 인공지능 겨울(AI winter) 을 겪음 ...</summary> </entry> <entry><title>[ECC 2026 Summer Project] SplitOpt - 프로젝트 회고록</title><link href="https://subin21cc.github.io//posts/SplitOpt_retrospective/" rel="alternate" type="text/html" title="[ECC 2026 Summer Project] SplitOpt - 프로젝트 회고록" /><published>2026-09-05T14:00:00+00:00</published> <updated>2026-09-05T14:00:00+00:00</updated> <id>https://subin21cc.github.io//posts/SplitOpt_retrospective/</id> <content type="text/html" src="https://subin21cc.github.io//posts/SplitOpt_retrospective/" /> <author> <name>Shin-SuBin</name> </author> <category term="ECC" /> <category term="2026-Summer-Project-SplitOpt" /> <summary>기간: 2026. 07. 13 – 08. 28 (7주) 파트: 백엔드 — 정산 최적화·상태 관리(23~29), 예산(38~40) 프로젝트 개요 SplitOpt는 모임 정산을 최적화하는 더치페이 서비스다. 이름은 Split과 Optimization을 합친 것이다. 여행이나 회식에서는 한 사람이 전부 결제하지 않고 여러 명이 번갈아 결제한다. 그러면 결제자와 부담자가 어긋나고, 인원이 N명일 때 주고받을 수 있는 관계는 최대 N(N−1)/2건까지 늘어난다. 6명이면 15건이다. 여기에 누가 아직 송금하지 않았는지 확인할 공용 기록이 없어 확인과 독촉이 반복된다. SplitOpt는 사용자가 지출만 기록하면 나머지를 서버가 처리한다. 지출 기록 — 누가 결제했고 누가 부담하는지 입력 잔...</summary> </entry> <entry><title>[ECC 2026 Summer Project] SplitOpt - Week 7</title><link href="https://subin21cc.github.io//posts/SplitOpt_week7/" rel="alternate" type="text/html" title="[ECC 2026 Summer Project] SplitOpt - Week 7" /><published>2026-08-30T14:00:00+00:00</published> <updated>2026-08-30T14:00:00+00:00</updated> <id>https://subin21cc.github.io//posts/SplitOpt_week7/</id> <content type="text/html" src="https://subin21cc.github.io//posts/SplitOpt_week7/" /> <author> <name>Shin-SuBin</name> </author> <category term="ECC" /> <category term="2026-Summer-Project-SplitOpt" /> <summary>기간: 2026. 08. 24 – 08. 30 (7주차) 내용: 최종 발표, 프로젝트 마무리 파트: 백엔드 8월 28일에 최종 발표를 했다. 새로 추가한 기능은 없고, 6주 동안 만든 것을 정리해 발표 자료로 옮기는 작업이 대부분이었다. 1. 발표 구성 초안에는 작업한 내용을 순서대로 넣었다. 동시성 처리, 락, 마이그레이션, 시간대, 테스트 개수 순이다. 이 구성에서는 서비스가 왜 필요한지가 드러나지 않아, 문제 → 해법 → 알고리즘 → 설계·구현 → 결과 순으로 다시 배치하고 앞의 두 장에서는 구현 얘기를 뺐다. 문제 정의는 세 가지로 정리했다. 번갈아 결제하면 결제자와 부담자가 어긋나 개인이 추적할 수 없다 인원이 N명이면 주고받을 수 있는 관계가 최대 N(N−1)/2건이...</summary> </entry> </feed>
