if(life){code();}

ManyToMany Relationship in Django  좋아요 (Like) 기능 구현User가 특정 Article에 좋아요(Like)를 누르는 기능→ User가 어떤 Article에 좋아요를 눌렀는지 저장 articles/models.py 1차 구현 (1:N 관계)class Article(models.Model): title = models.CharField(max_length=50) content = models.TextField() author = models.ForeignKey( settings.AUTH_USER_MODEL, on_delete=models.CASCADE, related_name="articles" ) like_user = models.F..

Django에서는 기본적으로 제공하는 User 모델이 있지만, 대부분의 프로젝트에서는 사용자 모델을 확장하여 추가적인 기능을 구현 AUTH_USER_MODEL 설정을 변경하여 기본 User Model을 대체할 수 있으며, 프로젝트 초기부터 Custom User Model을 적용하는 것이 권장됨AUTH_USER_MODEL 설정은 프로젝트 최초 마이그레이션에서 함께 진행하기를 권장USER Model은 비지니스로직 깊숙이 관여됨 → 중간에 변경 시 많은 변경사항을 야기 Custom User Model 적용 User 모델 정의 accounts/models.py에서 Django의 기본 AbstractUser를 상속받아 Custom User Model을 정의from django.db import modelsfrom..

09:30 취침 21:30기상저녁먹음 다시 잘 예정좋네우쿠키좌이브 굳

베이즈 정리와 사전/사후 확률 베이즈 정리는 기존의 사전 확률을 새로운 증거를 바탕으로 갱신하여 사후 확률을 계산하는 방법을 제공→ 통계적 추론, 머신러닝, 의학적 진단 등 다양한 분야에서 활용 베이즈 정리P(A|B) = P(B|A) * P(A) / {P(B) 사전 확률 (Prior Probability, (P(A))): 새로운 정보를 얻기 전 특정 사건 (A) 가 발생할 확률우도 (Likelihood, (P(B|A))): 사건 (A) 가 발생했을 때 증거 (B) 가 나타날 확률사후 확률 (Posterior Probability, (P(A|B))): 증거 (B) 가 주어졌을 때 사건 (A) 가 발생할 확률증거 (Evidence, (P(B))): 증거 (B) 가 발생할 전체 확률 활용 사례조건부 확률 계산..

금요일 !행복 !발렌타인데이 기념으로 하겐다즈 아이스크림케이크 때려버림 초코 조아. 쿠키랑 이브는 고양이로 태어나서 초코를 못먹는게 아쉬울 따름이다... 오늘 느낀점은내가 똑같은 말과 행동을 해도 좋게 봐주는 사람은 한없이 좋게만 봐주고, 나쁘게 보는 사람은 한없이 나쁘게만 본다는거다.나는 좋은것만 보는 사람이 되고싶다.04:30 취침 08:50 기상ㄴ요가ㄴ샤워기분은 좋다.물은 한컵 마신듯

통계적 추론과 가설 검증 머신러닝 및 딥러닝 모델 평가에서 정확한 데이터 분석과 실험 결과 해석을 가능하게 하는 필수적인 도구 표본 분포와 중심극한정리 표본 분포(sample distribution) 표본 통계량(예: 표본 평균)의 분포중심극한정리(Central Limit Theorem, CLT)에 따르면 표본 크기가 충분히 크면 표본 평균의 분포는 정규분포에 근사하게 됨  표본 평균의 분포 N(μ, σ²/n) μ : 모평균 (population mean)σ² : 모분산 (population variance)n : 표본 크기 (sample size) 표준 오차(Standard Error, SE) 표본 통계량의 표준편차→ 추정의 정확도를 나타냄  적용신뢰구간 추청가설 검정부트스트랩 방법 적용분석표본 크기 ..

행복하다.후웅..내가 세상을 바꾸는 과정 속에서 과연 내 여정들이 선한 영향력만 가질 수 있을까?나 매일 배우고 공부하고 생각하고 싶은데, 나는 과연 선하기만 할 수 있을까? 악한 생각을 한다면, 그러고 싶진 않다. 몇 달만에 WidgetKit 한 챕터를 끝냈다ㅋㅋㅋ 제발 꾸준히 매일 조금이라도 보기를ㅜㅜ기사실기.. 진짜진짜 준비해야하는데... 돌아보니 안하고 있었다.뭐 어쩌겠어 ^^ 지금부터 하면되지.이사가면 못먹는 우리동네 치킨.. ㅠㅠ 얘 아니면 안될 것 같은데..사하구에서도 장사좀 해주세요.04:30 취침 08:50 기상ㄴ샤워 요가ㅇ 물 많이마심 한 세 컵..

3D 그래픽에서 3D 렌더링 과정의 핵심 구성 요소  Scene (무대) 3D 그래픽의 무대 역할을 하는 공간 모든 3D 객체(Object), 광원(Light), 카메라(Camera) 등이 Scene에 배치됨HTML의 document와 같은 역할 Three.js에서의 Scene생성const scene = new THREE.Scene();     Camera (카메라) Scene 내의 3D 오브젝트를 어떤 시점에서 볼 것인지 결정Scene을 촬영하는 '눈'의 역할  PerspectiveCamera (원근 카메라) 실제 사람의 눈처럼 원근감을 적용하여 객체를 보여줌→ 가까운 물체는 크게, 먼 물체는 작게 보임new THREE.PerspectiveCamera(fov, aspect, near, far);  Or..

행복 ㅎㅅㅎR3F첫 강의 시작했다. Django강의는 자꾸 늘어져서 쪼꼼 걱정.. 그리고 제발 매일 요가하고싶다.할 수 있는 만큼만 욕심부리지말고 천천히하지만 꾸준하게3:00취침 08:50 기상ㄴ요가.. ㄴ샤워 물 두컵마심 커피로 하루를 적셨다.

확률 특정 사건이 발생할 가능성0에서 1 사이의 값을 가짐  확률 값의 의미0: 불가능한 사건1: 반드시 발생하는 사건 확률의 기본 법칙 덧셈 법칙P(A or B) = P(A) + P(B) - P(A and B) 곱셈 법칙P(A and B) = P(A) * P(B|A)  확률의 활용사건 발생 가능성 계산리스크 분석 및 의사결정 트리 구성  확률 분포 데이터가 특정 확률에 따라 분포하는 형태를 의미 이항분포(Binomial Distribution) 성공/실패와 같은 두 가지 결과를 가지는 실험을 n번 독립적으로 수행하는 확률 분포 각 시행에서 성공 확률 p가 일정함성공 횟수를 X라 할 때, X는 이항분포를 따름: X ~B(n, p)평균: np, 분산: np(1-p)예동전 던지기제품의 불량 개수 예측 정규분..