호기심이 너무 많아서 이것저것 건들다 보니 요즘 새로이 익힌 것들이 좀 있습니다. 몇 가지 소개하자면. 

1. Amazon Rekognition + OS Sierra

주로 image detection을 하느라 이 api를 좀 활용하는 편인데, 애플과 아마존의 관계를 보여주듯(?) 둘이 자꾸 튕깁니다. 이 문제를 해결해준 명쾌한 답변이 있었으니 다음과 같지요.

진짜 복 받으실겁니다.

이제 아래 깃헙을 적극 활용해서 코드를 열심히 짜야... 

https://gist.github.com/alexcasalboni/0f21a1889f09760f8981b643326730ff

그래야 제가 졸업을 할 수 있습니다.

2. 컴퓨터 그 자체에 대한 이야기 

실은 cpu 성능이니 gpu니 하는 것은 '설치된 그대로가 좋다' 또는 '연구실에 있는 거 쓰다보면 좋겠지' 생각했는데, 아뿔싸, 그게 아니었습니다. 근래들어 심즈를 잘 돌려보려는 제 친구의 장비 공부에 또 같이 솔깃거리느라 살펴봤더니 이쪽 세계도 재밌더군요. 최근 시아버지가 바꾼 컴퓨터는 cpu i5 6600 + gtx 1080 콤비라고 합니다. 이정도면 와우가 아주 잘 돌아간다는군요. 이쪽 세계도 마저 공부해보려고 합니다아.

3. PCA 분석

주성분 분석이라 불리는 이 녀석을 r에서 돌릴 일이 좀 있었는데, 코드는 요 녀석을 썼습니다. 잘만 돌아가더군요..

pca

https://www.analyticsvidhya.com/blog/2016/03/practical-guide-principal-component-analysis-python/

prin_comp <- prcomp(data, scale.=T)

prin_comp$center

prin_comp$scale

prin_comp$rotation

biplot(prin_comp, scale=0)

std_dev <- prin_comp$sdev

pr_var <- std_dev^2

pr_var

prop_varex <- pr_var/sum(pr_var)

prop_varex

plot(prop_varex, xlab=‘principal component’, ylab=‘proportion of variance explained’, type=‘b’)

r도 오랜만에 돌리면 파일 부르는 것부터 기억이 잘 나지 않...지만 금세 극복가능합니다. 아직 돌릴 것이 넘나 많으니 마저 좀 더 해봐야겠습니다. 후후. 

4. 가끔 코딩하다가 아주 턱-턱- 막히는 기분이 들 때가 있는데... 그때마다 늘 "내가 너무 컴퓨터의 기본을 뛰어넘었엉"이라고 되뇌곤 합니다... 그래서 mit 학부 1학년생들이 본다는 교재를 샀지요. 물론 산지 한 한 달쯤 된 것 같은데, 아까 머릿말과 감사의 글을 읽었습니다. 본문도 곧 읽겠쥬...핳핳핳

  열공합시다.