티스토리

ai-creator
검색하기

블로그 홈

ai-creator

ai-creator.tistory.com/m

ai-creator 님의 블로그입니다.

구독자
87
방명록 방문하기
공지 [책 출간] 파이썬 생활 밀착형 프로⋯ 모두보기

주요 글 목록

  • [책][리뷰] Developer Relations 이 책은 Developer Relations 이라는 직무에 대한 설명입니다. 우아한형제, 라인등 국내외 기업에서 채용을 하고 있는 직무이며, 이들이 어떤 업무를 하고, 어떤 기여를 하는지 궁금해서 읽게 되었습니다. ㅁ Devloper Relations 란? 디벨로퍼 릴레이션(Devloper Relations, 줄여서 데브렐)의 목적은 '개발자 커뮤니티와 관계를 만드는 것' 입니다. 데브렐 전문가들은 회사와 엔드유저인 개발자 사이의 연결고리입니다. 다른 분야의 전문가들은 일상적인 업무에서 의사결정을 내릴 때 비즈니스 측면의 최대 이익에 초점을 맞추는 반면, 데브렐 전문가들은 커뮤니티의 최대 이익에 중점을 둡니다. ㅁ 책의 구성 이 책은 1부와 2부로 나눠져 있으며, 각각 서로 다른 오디언스(audience.. 공감수 0 댓글수 2 2022. 6. 26.
  • [책][리뷰] 구글 엔지니어는 이렇게 일한다 [한줄평] 이 책은 소프트웨어 엔지니어링과 관련된 책입니다. 이책을 통해 공유하고자 하는 핵심은 소프트웨어 엔지니어링이란 '흐르는 시간 위에서 순간순간의 프로그래밍을 모두 합산한것이다." 개념잡기부터 도입, 유지보수, 폐기에 이르는 생애주기 동안 코드를 지속가능하게 하려면 코드에 어떤 관례를 도입해야 할까? 에 대한 질문에 답을 하는 책입니다. [키워드] - 소프트웨어 엔지니어링 구글 소프트웨어 엔지니어링을 바라보는 3가지 관점을 이야기 한다. 1. 문화 2. 프로세스 3. 도구 이 3가지 관점에서 "문화"라는 측면이 제일 관심이 생겼다. 문화 관련 목차는 아래와 같다. 더보기 [Part II 문화] CHAPTER 2 팀워크 이끌어내기 2.1 내 코드를 숨기고 싶어요 2.2 천재 신화 2.3 숨기는 건 .. 공감수 1 댓글수 2 2022. 5. 29.
  • [책][파이썬] 파이썬 증권 데이터 분석 [한줄평] 이 책은 주식데이터를 크롤링하고, 분석기법을 적용하여 자동매매까지 학습하는 책이다. [키워드] - 주식 + 파이썬 - 자동매매 ㅁ 깃허브_소스코드 https://github.com/Investar/StockAnalysisInPython GitHub - INVESTAR/StockAnalysisInPython Contribute to INVESTAR/StockAnalysisInPython development by creating an account on GitHub. github.com ㅁ 목차 더보기 1부. 파이썬 데이터 분석 기본 _1장. 증권 데이터 분석에 앞서 증권 투자에 앞서 증권 관련 배경지식을 알아본다. 주식회사가 우리나라에 들어오기까지의 과정부터 가치 투자, 서브프라임 금융 위기,.. 공감수 0 댓글수 0 2022. 4. 24.
  • [책] [AI/MLOps] 머신러닝 파워드 애플리케이션(Building Machine Learning Powered Application) [한줄평] 이 책은 머신러닝 모델의 동작 방식과 관련된 자료는 많지만, 머신러닝 서비스에 대한 내용을 다룬 자료는 별로 없는데, 아이디어를 머신러닝 서비스(어플리케이션)으로 구축하는 전반적인 과정을 다루고 있는 책이다. [키워드] - 머신러닝 파이프라인 - MVP방법으로 파이프라인의 모든 구성요소를 초기에 구축하여, 차츰 완성 - 성능 병목을 찾아 제거 ㅁ 목차 크게 4개의 파트로 나눠서 내용을 다루고 있다. Part1 아이디어를 머신러닝문제로 전환 Part2 초기 프로토타입 만들기 Part3 지속적인 모델 학습 Part4 배포, 모니터링 각 파트의 구성은 아래와 같다. [PART I 올바른 머신러닝 접근 방법 모색] CHAPTER 1 제품의 목표를 머신러닝 문제로 표현하기 CHAPTER 2 계획 수립하.. 공감수 1 댓글수 0 2022. 3. 20.
  • [파이썬 독학] 파이썬 생활 밀착형 프로젝트 X 클래스101 온라인 강의 오픈 (w/쿠폰 3만원) 안녕하세요. 오랫만에 인사드립니다~!! 다들 즐겁게 코딩공부하고 계신가요? 21년 6월에 "파이썬 생활 밀착형 프로젝트"라는 책을 출판하게되어 너무 기뻤는데요, 22년에는 Class101(클래스101)에 온라인 강의를 오픈하게 되었습니다. 여러분들께서 지속적으로 관심가져주신 덕분이라고 생각합니다~!! 항상 감사드려요^^ 온라인 강좌 ↓↓↓↓ 요기 클릭!! (할인쿠폰은? 블로그 아래 참고) https://class101.net/products/xs8I9vsLpLPC1q9MAhSV 파이썬 배워서 뭐하지? 8개 프로젝트로 배우는 생활 밀착형 파이썬! 파이썬, 배우면 뭘 할 수 있나요? 로고는 익숙한 파이썬 저는 지금까지 파이썬, 좋다고 해서 배웠는데 그 다음에 무엇을 할 수 있는 거죠? 라는 질문을 많이 받았.. 공감수 7 댓글수 6 2022. 3. 2.
  • [책] [AI/MLOps] 쿠브플루 운영 가이드 (Kubeflow Operations Guide) [키워드] - AI/MLOps - 쿠브플루 vs 쿠버네티스 데이터사이언티스트로서 핵심에 더 집중하기 위해 쿠브플루 운영 가이드에 대해 알아보자. ㅁ 목차 목차는 총 8까지 있으며, 쿠브플로우를 설치, 운영하는 방법 다양한 환경에 적용해서 설명하고 있는 점이 좋았다. 온프레미스 환경부터 다양한 클라우드 환경까지 다루고 있어서 어떤 환경에서 작업을 하던 무관하게 이 책 한권만 있으면 되는거다! CHAPTER 1 쿠브플로 소개 CHAPTER 2 쿠브플로 아키텍처와 모범 사례 CHAPTER 3 쿠브플로 설치 계획 CHAPTER 4 온프레미스에 쿠브플로 설치 CHAPTER 5 구글 클라우드 쿠브플로 운영 CHAPTER 6 아마존 웹 서비스 쿠브플로 운영 CHAPTER 7 애저 쿠브플로 운영 CHAPTER 8 모델.. 공감수 0 댓글수 0 2022. 2. 11.
  • 기계학습 기초 수업을 마무리 하면서 (21년 2학기, 국민대학교) 21년 2학기, 대학원 수업으로는 처음으로 기계학습 기초 수업을 맡게 되었습니다. 업무에 fit된 내용으로 수업을 하면, 학생분들께 더 도움이 되지 않을까? 하는 생각과 좀 더 주말을 보람차게 보내고 싶은 두가지 마음으로 호기롭게 2과목을 맡아 진행했습니다. - 파이썬 매쉬업 프로젝트 - 기계학습 기초 연강으로 시간이 분배되었고, 이번 학기 처음으로 다루는 기계학습 기초과목에 좀 더 긴장감이 실렸습니다. 기계학습 기초는 온라인 강의에 29명의 학생분들이 수강을 해 주셨습니다. 긴장감이 실린 이유는 온라인 강의로 29명을 포용할 수 있을까? 내용을 명확하게 잘 전달 할 수 있을까? 하는 걱정 때문이였습니다. '업무에 fit된 내용을 다루는 것이 학생분들께 더 도움이 되지 않을까?'라는 생각에서 시작한 과목.. 공감수 4 댓글수 3 2022. 1. 2.
  • 프로젝트 포트폴리오 사이트 만들기 ( w/ Streamlit) 이제까지 만든 다양한 프로젝트를 streamlit을 사용하여 포트폴리오 웹페이지를 만들어보자. 1. Streamlit이란? - 공식 사이트 (Link) - streamlit cheatsheet (Link) 2. 라이브러리 설치 pip install streamlit==1.2.0 3. Quick Start 3-1) 구현 1) markdown.py - markdown 처럼 사용 import streamlit as st ## Title st.title("Streamlit Tutorial") ## Header/Subheader st.header("This is header") st.subheader("This is subheader") ## Text st.text("Hello Streamlit! 이 글은 튜토리.. 공감수 1 댓글수 0 2021. 12. 3.
  • 하이퍼파라메터 튜닝, Automl로 자동화 하자! (w/pycaret) ㅁ Pycaret이란? - pycaret이란 AutoML을 하게 해주는 파이썬 라이브러리 - scikit-learn 패키지를 기반으로 하고 있으며 Classification, Regression, Clustering, Anomaly Detection 등등 다양한 모델을 지원 - 공식문서에 설명이 매우 잘 되어있고, 몇 줄의 코드로 쉽게 구현이 가능하여 유용하게 사용할 수 있음 ㅁ Pycaret API (참고) pycaret 문서 https://pycaret.readthedocs.io/en/latest/api/classification.html Classification — pycaret 2.2.0 documentation Degree of polynomial features. For example, if.. 공감수 1 댓글수 0 2021. 11. 27.
  • [머신러닝 기초] 텍스트분석 - Clustering (Opinion Review 데이터) 1. 텍스트 분석 - Clustering 앞에서 배운 분류와 마찬가지로, input 데이터의 최초 형태만 다른 것이지 input feature로 만들면 동일하게 clustering 알고리즘을 적용하여 분석할 수 있다. 2. 군집화 실습 (Opinion Review) 실습 : 문집 군집화 실습 - 소스 코드 : (Link) - 데이터셋 : (Link) 2.1) 데이터 설명 51개의 텍스트 파일로 구성 각 파일은 Tripadvisor(호텔), Edmunds.com(자동차), Amazon.com(전자제품) 사이트에서 가져온 리뷰 문서 문서유형을 크게 보면, 전자제품 / 자동차 / 호텔로 되어 있음 전자제품은 네비게이션 / 에어팟 / 킨들 / 랩탑 컴퓨터 등 Amazon.com에서 Garmin nuvi라는 차량.. 공감수 0 댓글수 0 2021. 11. 27.
  • [머신러닝 기초] 텍스트분석 - classification (20newsgroups 데이터) ㅁ 텍스트 분석 주요 영역 1) 텍스트 분류 2) 감정 분석 3) 텍스트 요약 4) 텍스트 군집화와 유사도 측정 ㅁ 텍스트분석 머신러닝 수행 프로세스 "text문서 -> 가공(전처리) -> feature -> ml학습 -> 예측 -> 평가" 과정은 다른 ML 프로세스와 동일 가공(전처리) 1) 클린징(cleansing) : 텍스트 분석에 방해가 되는 불필요한 문자, 기호등을 제거 (ex. HTML, XML 태그) 2) 토큰화(tokeniation) : 문장 토큰화, 단어 토큰화, n-gram 3) 필터링, 스톱워드 제거, 철자 수정 : 분석에 큰 의미가 없는 단어(ex. a, the, is, will), 잘못된 철자 수정 4) stemming / lemmatization : 어근(단어 원형) 추출 (비교.. 공감수 2 댓글수 0 2021. 11. 27.
  • [머신러닝 기초] 비지도학습(Unsupervised-learning) - 군집화(Clustering) ㅁ 들어가기 ㅁ 군집화 알고리즘 종류 ㅁ 군집 평가 ㅁ 군집화 알고리즘 - Kmeans ㅁ 군집화 알고리즘 - DBSCAN ㅁ 들어가기 우리가 트럼프 카드를 군집을 만들 때 군집의 수를 과연 둘로 하는 것이 좋을까, 넷으로 하는 게 좋을까? 색깔로 하면 두 개가 될 것이고, 우리가 모양으로 하면 네 개로 나눌 수 있는데, 어떤 것이 좋다는 정답이 존재하는 것은 아니다! 군집화에 가장 직관적인 예시는 MBTI라고 볼 수 있다. 다수개의 질문을 통해 인간의 성격을 16가지로 군집을 지어 놓은 것이다. 각 군집마다 네이밍을 하고(ex. 세상의 소금형) 그 특징을 설명하고 있다. 우리가 MBTI를 하면서 본인의성격유형을 파악하고, 공감을 하고 재밌어 한다. 하지만 여기서 끝나지 않는다. 이성에게 호감을 갖는 방.. 공감수 0 댓글수 4 2021. 10. 19.
  • [머신러닝 기초] 지도학습 - classification (Logistic Regression) 회귀를 통해서 회귀계수를 산출하게 되면, 회귀계수는 각 피쳐에 대한 설명력으로 이해할 수 있다. y = 0.5x + 1 이라는 회귀식이 있다면, 'y를 예측하는데 x의 값이 0.5로 영향을 미치는 구나' 하고 말이다. 즉, x가 2->3으로 1증가를 하면 y는 0.5 상승하겠구나 라고 생각할 수 있다. 로지스틱 회귀는 회귀의 이러한 장점을 살린 분류 알고리즘이다. 로지스틱 회귀가 선형회귀와 다른 점은 학습을 통해 선형 함수의 회귀 최적선을 찾는 것이 아니라 시그모이드(sigmoid)함수 최적선을 찾고 이 시그모이드 함수의 반환값을 확률로 간주해 확률에 따라 분류를 결정하는 것이다. 로지스틱 회귀는 가볍고 빠르지만, 이진 분류 예측성능도 뛰어나다. 이 때문에 로지스틱 회귀를 이진 분류의 기본 모델로 사용하.. 공감수 0 댓글수 0 2021. 10. 19.
  • [머신러닝 기초] 지도학습 - 선형 회귀(Regression) 분석 ㅁ 선형 회귀란? 지도학습은 크게 2가지 유형으로 볼 수 있습니다. 1) 분류 2) 회귀 두가지 기법의 가장 큰 차이는 다음과 같다. 1) 분류 : 예측값이 이산형 클래스 값 2) 회귀 : 예측값이 연속형 숫자 값 데이터를 가장 잘 설명하는 최적의 회귀식를 찾는다. 회귀는 여러개의 독립변수(x)와 한개의 종속변수(y)의 상관관계를 모델링하는 기법을 통칭한다. w0, w1, w2.... 를 회귀계수(regression coefficients)라고하며, 회귀 예측의 핵습은 주어진 피쳐(x, input, 독립변수)와 결정값(y, output, 종속변수)값 기반에서 학습을 통해 최적의 회귀계수를 찾아내는 것이다. 독립변수 1개 단일 회귀 독립변수 여러개 다중 회귀 회귀계수의 결합 선형 선형회귀 회귀계수의 결합 .. 공감수 2 댓글수 0 2021. 10. 19.
  • [머신러닝 기초] 지도학습 - classification (Ensemble, Random Forest) 목차 1. 앙상블 (ensemble) 2. Bagging 2-1) Random Foreset 3. Boosting 4. Staking 1. 앙상블(ensemble) - 여러개의 분류기(classifier)를 생성하고, 그 예측을 결합함으로써 더 정확한 최종 예측을 도출하는 기법 - 어려운 문제를 풀기위해 여러명의 전문가로 구성해 다양한 의견을 수렴하고 결정하는 방법과 유사 1-1) 앙상블 유형 보팅 (Voting) : 서로 다른 알고리즘을 가진 분류기를 결합 배깅 (Bagging, Bootstrap AGGregatING) : 모두 같은 유형의 알고리즘을 사용하지만, 데이터 샘플링(sampling with replacement, 복원추출)을 서로 다르게 가져가면서 보팅을 수행, RandomForest 데이.. 공감수 0 댓글수 0 2021. 10. 16.
  • [머신러닝 기초] 하이퍼파라메터 튜닝을 쉽게! - GridSearchCV - 하이퍼파라미터는 머신러닝 알고리즘을 구성하는 주요 구성 요소 이 값을 조정해 알고리즘의 예측 성능을 개선 할 수 있음 Sklearn API 교차검증과 최적의 하이퍼파라메터 튜닝을 한번에 할 수 있다. 이를 위해 sklearn에서는 API를 지원한다. 목적 import API 교차검증 및 하이퍼파라메터 튜닝 from sklearn.model_selection import GridSearchCV DecisionTreeClassifier() 코드에서 보면, import pandas as pd from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split from sklearn.tree import Deci.. 공감수 0 댓글수 0 2021. 10. 16.
  • [머신러닝 기초] 지도학습 - classification (decision tree) 지난 시간 복습 더보기 분류와 회귀 비교 분류알고리즘 다양하다. 나이브 베이즈 로지스틱 회귀 의사결정 나무 서포트 벡터 머신 최소 근접 알고리즘 신경망 앙상블 등이 있다. 이번 장에서는 decision tree, 의사결정 나무에 대해서 알아보겠다. ㅁ Decision Tree (의사결정나무) decision tree는 스무고개 게임과 유사하며 룰 기반의 프로그램에 적용되는 if-else 를 자동으로 찾아내 예측을 위한 규칙이라고 이해하면 어렵지 않을 것이다. 가능한한 적은 결정 노드로 높은 예측 정확도를 가지려면 데이터를 분류할때 최대한 많은 데이터 세트가 해당 분류에 속할 수 있도록 결정노드의 규칙이 정해져야 합니다. 1) 정보이득 (Gain Information) - 정보이득 지수 = 1-엔트로피 지.. 공감수 0 댓글수 0 2021. 10. 16.
  • [머신러닝 기초] 다중분류(multi-class) 성능평가 - recall과 precision class가 3개 이상인 경우 다중분류라고 하는데, 이때의 confusion matrix와 recall, precision을 구해보자. 원리는 binary 분류와 동일하다. 기본 개념이 없다면, binary분류부터 확인하고 온다. > https://ai-creator.tistory.com/578?category=875603 1) 다중분류 고양기, 강아지, 물고기 이렇게 3종류를 분류하는 알고리즘이 있다. 그리고, 예측값과 실제값이 아래와 같다고 가정해보자. 다중 클래스는 OvR(One-vs.-Rest) 문제로 자기 클래스는 Positive, 나머지는 모두 Negative로 하여 계산을 하면 된다. 2) Precision, Recall 구하기 지난 시간에 accuracy, precision, recall을.. 공감수 4 댓글수 0 2021. 10. 16.
  • [머신러닝 기초] 지도학습 - classification 평가척도 (confusion matrix, accuracy, recall, precision, f1-score, ROC, AUC) 목차 1. 오차행렬 (Confusion Matirx) 2. 평가 지표 2-1) Accuracy, Precision, Recall 2-2) F1-Score 2-3) ROC Curve와 AUC 1. 오차행렬 (Confusion Matrix) 의미 알고리즘이 예측을 수행하면서 얼마나 헷갈리고(confused) 있는지 보여지는 지표이다. 매우 혼란스러운 행렬이지만, 모든 값은 "예측"이 기준이다. True Negative (TN) 맞췄다. Negative로 예측해서 False Positive (FP) 틀렸다. Positive로 예측해서 실제는 Negative False Negative (FN) 틀렸다. Negative로 예측해서 실제는 Positive True Positive (TP) 맞췄다. Positive로.. 공감수 0 댓글수 0 2021. 9. 25.
  • [머신러닝 기초] 지도학습 - 데이터 전처리 (one-hot encoding, label encoding, Standardization, Normalization) 이전 포스팅에서 2가지를 언급했다. 1) 머신러닝이란? (Link) : input ----> [ 패턴인식을 위한 머신러닝 알고리즘 ] ----> output 2) 머신러닝을 도와줄 python 패키지 : Scikit-learn 머신러닝 알고리즘을 사용하기 앞서 해야할 일은 input 가공하는 일이라고 했으며, - 학습/테스트를 위한 데이터 분리 및 이에 맞춘 Sklearn API 사용법과 예시를 알아보았다. (Link) 이번장에서는 '기계'가 더 잘 이해할 수 있는 데이터 가공법에 대해서 알아보겠다. ㅁ 데이터 인코딩 (data encoding) 컴퓨터가 이해하기 위해서는 모든 데이터의 표현이 '숫자'형으로 되어 있어야 한다. 쉽게 풀어서 이야기하면, 텍스트로 이루어진 데이터를 '숫자'로 표현하기를 원한.. 공감수 0 댓글수 0 2021. 9. 24.
  • [머신러닝 기초] 지도학습 - 데이터 처리 (학습/테스트 데이터 분리) 이전 포스팅에서 2가지를 언급했다. 1) 머신러닝이란? (Link) : input ----> [ 패턴인식을 위한 머신러닝 알고리즘 ] ----> output 2) 머신러닝을 도와줄 python 패키지 : Scikit-learn 머신러닝 알고리즘을 사용하기 앞서 해야할 일은 input 가공하는 일이다. 지도학습에 있어 데이터 처리(input가공)는 여러가지가 있다. 이번장에서는 - 학습/테스트를 위한 데이터 분리 및 이에 맞춘 Sklearn API 사용법과 예시를 다뤄보겠다. 이에 대해서 좀 더 자세히 알아보겠다. ㅁ 학습/테스트를 위한 데이터 분리 머신러닝에서의 지도학습은 인간의 학습방법과 유사하다. 여기서 머신러닝의 진행 순서를 살펴보자. "학습 -> 테스트 -> 평가" 이 과정을 반복한다. 원하는 평.. 공감수 0 댓글수 1 2021. 9. 24.
  • [머신러닝 기초] 지도학습 - 맛보기 (w/사이킷런) 최종 목표 지도학습에서 최종목표는 titanic 데이터를 이용하여 생존여부를 예측하는 코드를 이해하는 것이다. 코드 이해에 있어 - 지도학습 수행을 위한 프로세스를 이해한다. - 프로세스의 각 단계별 필요성을 이해한다. - 프로세스별 Sklearn API를 연결시킨다. 지도학습을 위한 프로세스 프로세스별 Sklearn API 참고1) titanic 데이터로 생존여부 예측 소스코드 https://drive.google.com/file/d/12Us7k-8rOe9kBtzF3tCoRF4EYuF9BXEO/view?usp=sharing 2.6 사이킷런으로 수행하는 타이타닉 생존자 예측 .ipynb drive.google.com 참고2) 소스코드에 있는 Sklearn API 의미 파악 import API from s.. 공감수 0 댓글수 0 2021. 9. 24.
  • [머신러닝 기초] 비전공자도 이해할 수 있는 "머신러닝 개념" 개념 관상, 손금은 어떤 공통점이 있을까? 여러 데이터들을 모아서 그간의 행적을 파악하고, 미래를 예측하는 공통점이 있다. 머신러닝도 마찬가지이다. 과거데이터를 통해 패턴을 파악하고 예측을 하는것이다. 과거 데이터 -> 패턴 파악 -> 예측 이는 마치 함수와 같다. input / process / output 3가지 구성요소를 지닌 함수 말이다. 즉 input으로 과거 데이터를 process로는 패턴을 파악하는 연산을 output으로는 예측값을 의미하게 된다. 패턴을 파악하는 연산을 과거에는 인간이 직접하였지만, 이제 이런것은 컴퓨터에게 맡기자!가 머신러닝이라고 생각하면 된다. 패턴 : 인간의 뇌 -> 컴퓨터의 연산 단순히 이야기 하면, 만약 귓볼이 크다면, 복이 있다의 패턴을 if-else 문으로 바꾼.. 공감수 0 댓글수 0 2021. 9. 24.
  • pandas cheat sheet (2/2) - 시각화 Boxplot 5가지숫자를 요약하여 표현 (자료수가 10개 이상일때 의미가 있음) 5가지 숫자란? 사분위수 (Q1, Q2, Q3) 최대값 IRQ * 1.5 경계 내에서 최대값 최소값 IRQ * 1.5 경계 내에서 최소값 사분위수란? 순서에 따라 4등분 하는 수 (참고. 중앙값=median은 2등분 하는 수) Q1 = 25%, Q2 = 50%, Q3 = 75% IRQ (interquartile range, 사분위범위) = Q3-Q1 전체 데이터의 50%에 해당하며, 주로 중앙에 위치하는 값이다. Boxplot으로 알 수 있는 것? 데이터의 분포 IRQ * 1.5 경계 내에서 최대/최소값 IRQ * 1.5 경계 외에는 이상점 ㅁ참고자료 - https://ko.wikipedia.org/wiki/%EC%83%8.. 공감수 0 댓글수 0 2021. 8. 8.
  • [책 출간] 파이썬 생활밀착형 프로젝트 (OpenAPI) 안녕하세요. 블로그 운영자 입니다. 먼저 블로그에 자주 방문해주셔서 감사합니다. 그리고 쉬운 설명 덕분에 지식을 얻어간다는 댓글에 에너지를 얻고 있습니다~!! 질문에 답변도 바로바로 드리고 싶은데, 그러지 못한 부분에선 항상 미안한 마음이 있습니다^^;; 처음 블로그를 개설하면서 어떻게 하면 많은 분들께 쉽고 즐거운 프로그래밍 방법을 전파할 수 있을까? 고민했고, 파이썬과 OpenAPI를 접목하여 생활 속 불편함을 해결하는 주제로 접근해보자!가 나름의 방법이였습니다. 다행히 많은 분들이 좋아해주신 덕분에 책 출간 기회를 얻었답니다!!! 짜잔~~~~~ 파이썬 생활밀착형 프로젝트 - https://book.naver.com/bookdb/book_detail.nhn?bid=20596927 파이썬 생활밀착형 프.. 공감수 3 댓글수 10 2021. 6. 20.
  • [파이썬 간단한 게임 만들기] 10. 테트리스(Tetris) - 3탄. 구현 유치한게임 에 오신 것을 환영합니다. 오늘은 [테트리스] 입니다. 오늘은 아래와 같은 순서로 배워보겠습니다. 1. 학습 목표 2. 사전 준비 3. 사전지식 4. 구현 5. 요약정리 ㅁ 참고 자료 1. 학습 목표 테트리스의 경우 제공된 소스코드에 기능을 추가함으로써 완성해가도록 하겠습니다. runGame()의 동작은 모두 넣어두었고, TODO 및 비어있는 함수를 구현하여 완성해 갑니다. 2. 사전 준비 해당 코드는 아래 링크에서 다운로드 받을 수 있습니다. https://drive.google.com/drive/u/0/folders/13f9L1ZhGDUAqndoz1mdSOXupV6BsO67k 11. 테트리스 - Google Drive 이 폴더에 파일이 없습니다.이 폴더에 파일을 추가하려면 로그인하세요. d.. 공감수 7 댓글수 6 2021. 5. 22.
  • [파이썬 간단한 게임 만들기] 10. 테트리스(Tetris) - 2탄. 게임 구성 요소 (설계) 지난 시간에 테트리스 게임 구성요소에 대해서 설명을 드렸습니다. 어떤 구성요소가 있었죠? 1. 게임판 2. 게임 필드 3. 블록 4. 점수 이렇게 4가지 구성요소가 있었네요. 게임의 경우의 수를 생각하면서 게임을 설계해 보세요. ㅁ 설계서 더보기 // 설계서 비공개 ㅁ 설계시 고려사항 1) 게임판 구성 시작위치 색상 FIELD 25x25 (128, 128, 128) (0, 0, 0) 점수 500x30 (0, 255, 0) 다음 블록 460 x 100 블록별 색상 GAME OVER 300 x 300 (0, 255, 225) 2) 게임 경우의 수 도움이 되셨다면, 좋아요 / 구독 버튼 눌러주세요~ 저작물의 저작권은 작성자에게 있습니다. 공유는 자유롭게 하시되 댓글 남겨주세요~ 상업적 용도로는 무단 사용을 금.. 공감수 2 댓글수 0 2021. 5. 15.
  • [파이썬 간단한 게임 만들기] 10.테트리스(Tetris) - 1탄. 게임 구성 요소 (설명) 테트리스 게임을 완성해봅니다. 재밌게 즐겼던 테트리스 게임을 직접 만들어 본다 생각하니 설레이시죠? 게임을 만들어보면 느끼시겠지만, 생각보다 복잡한 과정들을 거칩니다. 중도에 포기하지마시고, 한단계 한단계 완성해보며 프로그래밍 실력을 향상시키는 계기가 되셨으면 좋겠습니다. 이번장은 제 1탄으로 게임의 구성요소를 살펴보겠습니다. 다음과 같은 순서로 설명합니다. 1. 게임판 구성 2. 게임 필드 구성 3. 블록구성 3-1) 블록의 종류와 회전 3-2) 블록데이터 (BLOCK_DATA) 4. 점수 ㅁ 정리 1. 게임판 구성 게임판의 구성요소는 다음과 같습니다. 1) 블록이 떨어지는 필드 영역 2) 점수 영역 3) 다음 블록 영역 하나의 작은 조각(이하 PIECE)들의 모음이며, PIECE_SIZE는 24이고,.. 공감수 1 댓글수 0 2021. 5. 15.
  • [파이썬 간단한 게임 만들기] 9. 오목 아니고 4목 유치한 게임에 오신 것을 환영합니다. 이번에는 4목 게임을 만들어 보겠습니다. 아래와 같은 순서로 배워보겠습니다. 1. 목표 2. 사전 준비 3. 소스 코드 (전체) 4. 사전 지식 5. 구현 순서 6. 정리 1. 목표 이번 장에서는 4목 게임을 만들어 보도록 하겠습니다. 이번에 만들 게임은 4목 게임입니다. 4목 게임의 규칙은 다음과 같습니다. 오목과 비슷한 형태로 진행되며, 2명의 플레이어가 번갈아 가며 자신의 돌을 놓습니다. 하지만 오목과 달리 2차원의 공간에 돌을 놓는 형태가 아니라 3차원 형태로 공이 중력의 영향을 받아 각 행에 하나씩 차곡차곡 쌓이게 되는 형태입니다. 따라서 열별로 자신의 돌을 잘 놓아 상대방의 연속 배치를 막으며, 자신의 돌이 4개가 연속되게 놓는 것이 목표입니다. 이번 장에.. 공감수 2 댓글수 8 2021. 5. 8.
  • [파이썬 간단한 게임 만들기] 8. 지뢰찾기 유치한 게임에 오신 것을 환영합니다. 이번에는 지뢰찾기 게임을 만들어 보겠습니다. 아래와 같은 순서로 배워보겠습니다. 1. 목표 2. 사전 준비 3. 소스 코드 (전체) 4. 사전 지식 5. 구현 순서 6. 정리 1. 목표 이번 장에서는 지뢰찾기 게임을 만들어 보도록 하겠습니다. 이번에 만들 게임은 지뢰찾기입니다. 지뢰찾기 게임의 규칙은 다음과 같습니다. 게임판 내부에 각 셀이 존재하며 이 셀은 3가지의 타입으로 되어 있습니다. 셀을 누르게 되면 해당하는 셀에 대한 타입이 보이게 되며 만약, 숫자 셀이나 아무것도 없는 셀을 클릭하게 되면 게임이 계속 진행되지만 지뢰가 있는 셀을 누르게 되면 게임이 끝나게 됩니다. 따라서 지뢰가 없는 모든 셀을 활성화 시켜 모든 지뢰를 찾으면 되는 게임입니다. 숫자가 들어.. 공감수 7 댓글수 2 2021. 5. 8.
    문의안내
    • 티스토리
    • 로그인
    • 고객센터

    티스토리는 카카오에서 사랑을 담아 만듭니다.

    © Kakao Corp.