• Home
  • About
    • Yerim Oh photo

      Yerim Oh

      Happy and worthwhile day by day :)

    • Learn More
    • Email
    • LinkedIn
    • Instagram
    • Github
    • Youtube
  • Posts
    • All Posts
    • All Tags
  • Projects

Tag Archive

  • App 6
  • Basic 44
  • CS basic 19
  • Coding test 58
  • Deep Learning 55
  • Error 2
  • Java 14
  • Kotlin 6
  • Machine Learning 5
  • Mathematics 29
  • OpenCV 20
  • Paper 19
  • Python 19
  • R 11
  • Reinforcement Learning 2
  • experience 11
  • project 5

App

  • [01] App: 안드로이드 앱 개발의 특징
  • [02] App: 안드로이드 앱 파일 구성 분석
  • [03] App: 안드로이드 앱 화면 구성 방법
  • [04] App: 안드로이드 앱 view class
  • [05] App: 안드로이드 앱 view binding
  • [00] [INDEX] Kotlin

Basic

  • [INDEX] Java_base
  • [INDEX] Java_자료구조
  • [INDEX] R_basic concept
  • [INDEX] Python_base
  • [INDEX] Python_Library(numpy)
  • [INDEX] Python_Library(Pandas)
  • [01] Java_base
  • [02] Java_base
  • [03] Java_base
  • [04] Java_base
  • [05] Java_base
  • [06] Java_base
  • [07] Java_base
  • [11] Java 데이터베이스,객체지향, 생정자, 접근권한설정
  • [13] Java Linked List 구현
  • [14] Java inked List를 main클래스에서 사용
  • [15] Java 큐(queue) 구현
  • [15] Java_자료구조(해시테이블 개별 체이닝 Separate Chaining 자바 구현)
  • [01] Python: 기본
  • [02] Python: 숫자형
  • [03] Python
  • [02] Python: 문자열(String) 자료형
  • [04] Python
  • [02] Python: 문자열(String) 포맷팅
  • [05] Python
  • [06] Python
  • [11] Python(Numpy)
  • [12] Python(Numpy)
  • [21] Python(Pandas)
  • [22] Python(Pandas)
  • [23] Python(Pandas)
  • [24] Python(Pandas)
  • [25] Python(Pandas)
  • [26] Python(Pandas)
  • [01] R
  • [02] R
  • [03] R
  • [11] R(데이터 처리 패키지 dplyr package)
  • [12] R(예측 분석을 위한 기초 이론_확률분포의 모든 것)
  • [13] R(예측 분석을 위한 기초 이론_이항분포, 베르누이 분포)
  • [14] R(예측 분석을 위한 기초 이론_포아송 분포)
  • [15] R(예측 분석을 위한 기초 이론_정규분포, 이항분포의 근사)
  • [16] R(예측 분석을 위한 기초 이론_카이제곱 분포,F-분포, 자유도)
  • [18] R(예측 분석을 위한 기초 이론_카이제곱 분포,F-분포, 자유도)

CS basic

  • [00] [INDEX] Computer Network
  • [00] Computer Network: 네트워크 관련 기초 용어
  • [02] Computer Network: 네트워크의 기능
  • [03] Computer Network: 네트워크의 주소 표현
  • [04] Computer Network: 계층 구조의 개념
  • [05] Computer Network: OSI 7계층
  • [06] Computer Network: TCP / IP 모델
  • [07] Computer Network: 프레임과 체크섬을 이용한 오류검출
  • [08] Computer Network: MAC 계층과 IEEE 802 시리즈
  • [09] Computer Network: 이더넷
  • [010] Computer Network: 토큰버스
  • [011] Computer Network: IP 프로토콜(IPv4)
  • [012] Computer Network: IP 프로토콜(IPv6)
  • [013] Computer Network: TCP(1) 전송 계층의 기능
  • [014] Computer Network: TCP 프로토콜
  • [015] Computer Network: UDP 프로토콜
  • [017] Computer Network: 서버-클라이언트 프로그래밍
  • [018] Computer Network: 웹 서비스
  • [019] Computer Network: HTTP

Coding test

  • [00] [INDEX] Concept:BASE
  • [10] [INDEX] Concept_자료구조
  • [20] [INDEX] Algorithm_sort
  • [30] [INDEX] Concept: Algorithm
  • [01] Concept_Algorithm(코테 전 꿀팁)
  • [02] Concept(알고리즘 필수 함수_파이썬)
  • [03] Concept(주의사항, 구글 파이썬 스타일 가이드)
  • [04] Concept_빅오(O, big-O)
  • [05] Concept(자료형 1_집합 set, 시퀀스 Sequence)
  • [06] Concept(자료형 2_원시타입, 객체, 비교연산자)
  • [07] Concept(리스트)
  • [08] Concept(파이썬 딕셔너리 기본부터 심화, try 예외처리)
  • [09] Concept(선형자료구조_collections.deque)
  • [010] Concept(탐색 알고리즘 1_선형 탐색)
  • [011] Concept(탐색 알고리즘 2_이진탐색(binary search)/bisect 모듈/ 버그)
  • [016] Concept(선형자료구조_해시테이블)
  • [017] Concept(비선형자료구조_그래프 모음 오일러 경로, 헤밀턴 경로)
  • [018] Concept(비선형자료구조_그래프의 응용/다익스트라 알고리즘)
  • [019] Concept(비선형자료구조_NP 복잡도)
  • [020] Concept(비선형자료구조_깊이 우선 탐색:DFS/넓이 우선 탐색: BFS)
  • [022] Concept(비선형자료구조_TREE1(Basic concept& 이진 트리 binary tree))
  • [023] Concept(비선형자료구조_TREE2(이진 탐색 트리 BST,자가 균형 이진 탐색 트리))
  • [024] Concept(비선형자료구조_TREE 노드의 삭제)
  • [025] Algorithm(알고리즘이란?)
  • [026] Algorithm(정렬1_버블 정렬 bubble sort)
  • [027] Algorithm(정렬2_삽입 정렬 insert sort)
  • [028] Algorithm(정렬3_선택정렬 SELECTION SORT)
  • [029] Algorithm(정렬4_분할정복 Divide and Conquer)
  • [030] Algorithm(정렬4_분할정복 Divide and Conquer: 병합정렬 Merge Sort)
  • [031] Algorithm(정렬5_분할 정복 Divide and Conquer: 병합정렬 퀵정렬 quick sort)
  • [032] Algorithm(정렬4_분할정복 Divide and Conquer: 힙정렬 Heap Sort)
  • [31] Algorithm(그리디 알고리즘 Greedy algorithm)
  • [32] Algorithm(다이나믹 프로그래밍 Dynamic Programming)
  • [1000] (파이썬)leet code_104. Maximum Depth of Binary Tree
  • [32] Algorithm(슬라이딩 윈도우 Sliding Window)
  • [33] Python: re.sub을 이용한 문자열 치환
  • [1001] (파이썬) leet code_543. Diameter of Binary Tree
  • [1002] (파이썬) leet code_687. Longest Univalue Path
  • [1003] (파이썬) leet code_226. Invert Binary Tree
  • [1004] (파이썬) leet code_148. Sort List
  • [1005] (파이썬) CODE TREE_Lv.2 Intermediate Low: 19단 출력
  • [1006] (파이썬) CODE TREE_Lv.2 Intermediate Low: 줄 세우기
  • [1007] (파이썬) CODE TREE_Lv.2 Intermediate Low: 문자열 한 칸씩 밀어내며 뒤집기
  • [1008] (파이썬) CODE TREE_Lv.2 Novis mid: 숫자 직사각형
  • [1009] (파이썬) CODE TREE_Lv.2 Intermediate Low: 지그재그로 숫자 채우기
  • [1010] (파이썬) CODE TREE_Lv.2 Intermediate Low: 다이아 별 찍기
  • [1011] (파이썬) CODE TREE_Lv.2 Intermediate Low: 컨베이어 벨트
  • [1012] (파이썬) CODE TREE_Lv.2 Intermediate Low: 1차원 젠가
  • [1013] (파이썬) CODE TREE_Lv.2 Intermediate Low: 약수의 개수가 3개인 수
  • [1014] (파이썬) leet code_179. Largest Number
  • [1015] (파이썬) CODE TREE_Lv.2 Intermediate Low: 최고의 33위치
  • [1016] (파이썬) CODE TREE_Lv.2 Intermediate Low: 정수 사각형 최대 합
  • [1017] (파이썬)leet code_79. Queue Reconstruction by Height
  • [1018] (파이썬)카카오 코테 문제 풀이: 프렌즈 4블록
  • [1019] (파이썬)leet code_125. Valid Palindrome
  • [1020] (파이썬)BaekJoon 1259. 팰린드롬
  • [1021] (파이썬)leet code_819. Most Common Word
  • [1022] (파이썬)leet code_21. Merge Two Sorted Lists

Deep Learning

  • [00] [INDEX] Deep learning 1
  • [10] [INDEX] Deep learning 2
  • [20] [INDEX] CS231N 정리
  • [30] [INDEX] CS224N 정리
  • [01] Deep learning 1: 딥러닝이란 무엇인가?
  • [01] Deep learning 1: 퍼셉트론
  • [02] Deep learning 1: 신경망 구성 (활성화 함수)
  • [03] Deep learning 1: 신경망 학습 (손실 함수)
  • [04] Deep learning 1: 신경망 학습 (경사법)
  • [05] Deep learning 1: 오차역전법(backpropagation)
  • [+] Deep learning 1: 경사 하강법 gradient descent method
  • [06] Deep learning 1:옵티마이저 (Optimizers)
  • [+] Deep learning 1: 신경망 가중치 초기값 설정법
  • [+] Deep learning 1: 배치 정규화 Batch Normalization
  • [+] Deep learning 1: 오버피팅과 해결법
  • [07] Deep learning 1: MNIST 데이터세트로 이미지 분류
  • [+] Deep learning 1: 미국 수화 데이터세트 이미지 분류 TEST
  • [08] Deep learning 1: 합성곱 신경망(convolutional neural network, CNN)
  • [08.5] Deep learning 1: 합성곱 신경망(convolutional neural network, CNN) 구현
  • [09] Deep learning 1: 데이터 증강 구현
  • [010] Deep learning 1: 데이터 증강구현 모델 배포
  • [011] Deep learning 1: Pre-Trained Models
  • [012] Deep learning 1:Transfer Learning
  • [13] Deep learning 2: 자연어와 단어의 통계기반 기법을 이용한 분산표현
  • [+] Deep learning: 차원 축소, 토픽 모델링 (Latent Semantic Analysis, LSA)
  • [+] Deep learning: 잠재 디리클레 할당(Latent Dirichlet Allocation, LDA)
  • [14] Deep learning 2: 추론기반 기법 word2vec (CBOW,skip-gram 모델)
  • [13] Deep learning 2: 추론기반 기법 word2vec 속도 개선
  • [14] Deep learning 2: 순환신경망 RNN
  • [15] Deep learning 2: RNN에 게이트 추가하기(LSTM)
  • [16] Deep learning 2: RNN을 사용한 문장 생성
  • [17] Deep learning 2: 어텐션 Attention
  • [021] Deep learning 1:Transfer Learning
  • Deep learning: Hyperparameter와 Parameters
  • [21] CS231N: Lecture 1 Introduction
  • Deep learning: Training, validation, test datasets 비교
  • [22] CS231N: Lecture 2 Image Classification
  • Deep learning: Training, validation, test datasets 비교
  • [23] CS231N: Lecture 3 Regularization and Optimization Regularization (2/2)
  • [23] CS231N: Lecture 3 Regularization and Optimization Regularization (1/2)
  • [24] CS231N: Lecture 4 Neural Networks and Backpropagation
  • [25] CS231N: Lecture 5 Convolutional Neural Networks
  • [26] CS231N: Lecture 6 Training Neural Networks Part I
  • [27] CS231N: Lecture 7 Training Neural Networks Part II
  • [29] CS231N: Lecture 9 CNN Architectures
  • Deep learning: 오토인코더(Auto Encoder)
  • 강화학습 (Reinforcement Learning)
  • Deep learning: NeMo를 통한 BERT 구현, 코드 설명
  • Deep learning: Transformer 구현, 코드 설명
  • Deep learning: 프레임워크, 라이브러리
  • [31] CS2241N: Lecture 1 Word Vectors 정리
  • [32] CS2241N: Lecture 2 Word Vectors 2 and Word Window Classification 정리
  • [33] CS2241N: Lecture 3 Backprop and Neural Networks 정리
  • [34] CS2241N: Lecture 4 Dependency Parsing 정리
  • [35] CS2241N: Lecture 5 Recurrent Neural Networks and Language Models 정리

Error

  • TypeError: vocab() got an unexpected keyword argument 'specials'
  • FileNotFoundError: [Errno 2] No such file or directory: '.data/wmt14/train.tok.clean.bpe.32000.en'

Java

  • [INDEX] Java_base
  • [INDEX] Java_자료구조
  • [01] Java_base
  • [02] Java_base
  • [03] Java_base
  • [04] Java_base
  • [05] Java_base
  • [06] Java_base
  • [07] Java_base
  • [11] Java 데이터베이스,객체지향, 생정자, 접근권한설정
  • [13] Java Linked List 구현
  • [14] Java inked List를 main클래스에서 사용
  • [15] Java 큐(queue) 구현
  • [15] Java_자료구조(해시테이블 개별 체이닝 Separate Chaining 자바 구현)

Kotlin

  • [01] App: 안드로이드 앱 개발의 특징
  • [02] App: 안드로이드 앱 파일 구성 분석
  • [03] App: 안드로이드 앱 화면 구성 방법
  • [04] App: 안드로이드 앱 view class
  • [05] App: 안드로이드 앱 view binding
  • [00] [INDEX] Kotlin

Machine Learning

  • [00] [INDEX] Machine Learning
  • [01] Machine Learning: 지도학습과 비지도 학습의 차이 알아보기
  • [02] Machine Learning: 이진분류, 다중분류, 다중레이블 분류, 다중 출력 분류 비교
  • [03] Machine Learning: 선형 SVM
  • [04] Machine Learning: 비선형 SVM

Mathematics

  • [INDEX] Linear Algebra with example
  • [Linear Algebra] 01. 일차 방정식과 행렬
  • [11] [INDEX] Linear Algebra
  • [00] [INDEX] STATISTICS
  • [01] STATISTICS: Defining and Collecting Data
  • [02] STATISTICS: Defining and Collecting Data
  • [03] STATISTICS: Numerical Descriptive Measures 1 (수치적 기술 방법)
  • [04] STATISTICS: Numerical Descriptive Measures 2 (수치적 기술 방법)
  • [05] STATISTICS: Basic Probability
  • [06] STATISTICS: Discrete Probability Distributions
  • [07] STATISTICS: The Normal Distribution
  • [08] STATISTICS: Sampling Distributions of the Mean
  • [09] STATISTICS: Sampling Distributions of the Proportion
  • [10] STATISTICS: One-Sample Tests_Hypothesis & Z-Test
  • [11] STATISTICS: One-Sample Tests_𝜎 Unknown (t test)
  • [12] STATISTICS: One-Sample Tests_one tail test
  • [13] STATISTICS: One-Sample Tests_Hypothesis Tests for Proportions
  • [13] STATISTICS: Two-Sample Tests_Independent samples
  • [15] STATISTICS: Two-Sample Tests_Related Populations
  • [16] STATISTICS: Two-Sample Tests_Population proportion
  • [17] STATISTICS: Two-Sample Tests_Population Variance
  • [18] STATISTICS: ANOVA
  • [11] Vector Spaces: 벡터란?
  • [12] Vector Spaces: 벡터 공간
  • [13] Vector Spaces: 부분 공간, 행렬의 종류
  • [14] Vector Spaces: 일차결합과 연립일차방정식
  • [15] Vector Spaces: 일차종속과 일차독립
  • [16] Vector Spaces: 기저와 차원
  • [17] 선형대수: 선형변환

OpenCV

  • [00][INDEX] OpenCV 영상처리
  • [01] OpenCV 영상처리
  • [02] OpenCV 영상처리
  • [03] OpenCV 영상처리 ROI/복사본
  • [04] OpenCV 영상처리
  • [05] OpenCV 영상처리 이미지 채널 분리 및 합치기
  • [06] OpenCV 영상처리 이진화
  • [07] OpenCV 영상처리 이진화
  • [08] OpenCV 영상처리
  • [09] OpenCV 차연산
  • [010] OpenCV 영상처리 이미지 비트연산
  • [011] OpenCV 영상처리 죄표계, 선분그리기
  • [012] OpenCV 영상처리 컨볼루션과 마스크
  • [013] OpenCV 영상처리 블러링
  • [014] OpenCV 영상처리 에지 검출
  • [015] OpenCV 영상처리 모폴로지
  • [016] OpenCV 영상처리 허프변환
  • [017] OpenCV 영상처리 허프변환
  • [018] OpenCV 영상처리 템플릿 매칭
  • [019] OpenCV 영상처리 컨투어

Paper

  • Symbolic Chain-of-Thought Distillation: Small Models Can Also “Think” Step-by-Step 정리
  • (T5) Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer 정리
  • Specializing Multi-domain NMT via Penalizing Low Mutual Information 정리
  • Do Language Models Understand Measurements? 정리
  • Self-Attention with Relative Position Representations 정리
  • Effective Approaches to Attention-based Neural Machine Translation 정리
  • Word2vec: Distributed Representations of Words and Phrases and their Compositionality 정리
  • FastText: Bag of Tricks for Efficient Text Classification 정리
  • New Intent Discovery with Pre-training and Contrastive Learning 정리
  • Between words and characters: A Brief History of Open-Vocabulary Modeling and Tokenization in NLP 정리
  • Imputing Out-of-Vocabulary Embeddings with LOVE Makes Language Models Robust with Little Cost 정리
  • An Empirical Study of Tokenization Strategies for Various Korean NLP Tasks 정리
  • FastText: Enriching Word Vectors with Subword Information 정리
  • UXLA: A Robust Unsupervised Data Augmentation Framework for Zero-Resource Cross-Lingual NLP 정리
  • [04] GAN 정리
  • [02] GPT-1 정리
  • [01] BERT 정리
  • The Illustrated Transformer 정리
  • Mat2vec

Python

  • [INDEX] Python_base
  • [INDEX] Python_Library(numpy)
  • [INDEX] Python_Library(Pandas)
  • [01] Python: 기본
  • [02] Python: 숫자형
  • [03] Python
  • [02] Python: 문자열(String) 자료형
  • [04] Python
  • [02] Python: 문자열(String) 포맷팅
  • [05] Python
  • [06] Python
  • [11] Python(Numpy)
  • [12] Python(Numpy)
  • [21] Python(Pandas)
  • [22] Python(Pandas)
  • [23] Python(Pandas)
  • [24] Python(Pandas)
  • [25] Python(Pandas)
  • [26] Python(Pandas)

R

  • [INDEX] R_basic concept
  • [01] R
  • [02] R
  • [03] R
  • [11] R(데이터 처리 패키지 dplyr package)
  • [12] R(예측 분석을 위한 기초 이론_확률분포의 모든 것)
  • [13] R(예측 분석을 위한 기초 이론_이항분포, 베르누이 분포)
  • [14] R(예측 분석을 위한 기초 이론_포아송 분포)
  • [15] R(예측 분석을 위한 기초 이론_정규분포, 이항분포의 근사)
  • [16] R(예측 분석을 위한 기초 이론_카이제곱 분포,F-분포, 자유도)
  • [18] R(예측 분석을 위한 기초 이론_카이제곱 분포,F-분포, 자유도)

Reinforcement Learning

  • [INDEX] Reinforcement Learning
  • [01] RL: 강화학습 기초 개념

experience

  • NVIDIA 한국 주요 DLI 앰배서더 네트워킹 세션 참석 후기
  • 2022 인공지능아이디어 페스티벌 우수상 후기
  • NVIDIA DLI 강연 후기 in UNIVERSITY OF SEOUL
  • NVIDIA DLI 강연 후기 with TAVE
  • NVIDIA DLI 강연 후기 in UNIVERSITY OF SEOUL
  • HCLT 논문 게재: An Empirical Study of Topic Classification for Korean Newspaper Headlines
  • NVIDIA NLP TA 후기
  • TAVE 기술블로그 빌드하기
  • NAVER boostcamp AI-Tech 지원후기
  • NVIDIA DLI Embasser Challenge 후기
  • 한국외국어대학교 AI교육원 “여름방학 코딩테스트 대비 캠프” 중급반 후기

project

  • [Data Analysis] 스마트 그늘막의 효율적 입지 선정과 태양열 조명광고를 통한 비즈니스 모델 제안
  • [NLP] 제3회 연구개발특구 AI SPARK 챌린지
  • [NLP] Track1 공모주제 : 고객 피드백 분류 모델 개발
  • [NLP] SKT AI Fellowship
  • [Data Analysis] Bus Stop Selection with piezoelectric devices