*이 글은 Coursera에서 제공되는 HW/SW Interface 강의를 요약한 내용입니다. 지금까지 다룬 virtual memory 관련 내용에 따르면 모든 process는 자신만의 virtual address space를 가지고, 필요할 때만 DRAM에 load 시켜서 일종의 cache처럼 사용한다고 했었고, 이를 위해서 mmu에 있는 page table을 사용한다고 했다.결국 그때도 한 이야기지만 virtual page 각각의 Physical DRAM 어디에든 allocate 될 수 있고, 여기서 process간에 page를 share하거나 protect 할 수 있다. 간혹 위의 그림처럼 Process 1과 Process 2상의 virtual page 2는 Physical page 6에 맵핑되어 ..
어쩌다가 방학때 확률 수업을 들었다. 사실 듣게 된 이유는 커리큘럼 속에서 regression에 대한 내용이 들어있어서였다. 지금 하고 있는 일중에 지난 시간의 workload를 바탕으로 앞으로의 workload를 예측하는 방법을 공부하고 있다. 따지고 보면 이런 것도 prediction이고, prediction을 하기 위해서는 여러가지 방법이 있긴 하지만 한번 통계를 이용한 prediction은 어떻게 이뤄지는지 궁금하기도 해서 수업을 듣게 되었다. 사실 여기서 기반이 되고 있는 내용은 내가 하고 있는 컴퓨터 과학과 거리가 멀다. 보통 이런 쪽을 의학통계라고 하는 것 같은데, 강의를 듣다보면 왜 의료쪽에서 통계가 중요한 역할을 하는지 알 수 있을 것 같았다. 뉴스를 보다보면 가령 "군것질 하는 청소년은..
*잘못된 내용을 전달할 수도 있으므로 참고하시기 바랍니다. 가령 대출을 심사하는 은행원이라고 가정을 해보자. 이때 최종 목적은 돈을 잘 갚을 거 같은 사람한테 돈을 빌려주고, 그에 대한 이자를 받을 수 있게 하는 것이다. 반대로 대출 능력이 없는 사람을 걸러내서 최대한 돈을 안 빌려주는 것도 그 목적 중에 하나다. 결국 은행원이 낼 수 있는 output 자체는 돈을 빌려주냐 마냐가 될 것이다. 물론 이윤을 극대화할 수 있도록 얼마만큼 대출을 하겠느냐도 문제가 될 수 있겠지만, 지금은 일단 돈을 빌려주냐 안 빌려주냐에만 초점을 맞춰보자. 그러면 은행원은 대출을 원하는 사람의 어떤 모습을 근거로 대출 여부를 판단할까? 당연한 이야기일 수도 있겠지만 일을 할 수 있는 능력이 있느냐, 최종학력은 어떻게 되느냐,..
- Total
- Today
- Yesterday
- 한빛미디어
- DepthStream
- arduino
- processing
- End-To-End
- bias
- RL
- Kinect SDK
- Windows Phone 7
- Gan
- 강화학습
- Offline RL
- Kinect
- Kinect for windows
- SketchFlow
- windows 8
- Python
- reward
- 파이썬
- Policy Gradient
- 딥러닝
- Pipeline
- ColorStream
- dynamic programming
- Distribution
- Expression Blend 4
- PowerPoint
- Off-policy
- TensorFlow Lite
- Variance
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | |
7 | 8 | 9 | 10 | 11 | 12 | 13 |
14 | 15 | 16 | 17 | 18 | 19 | 20 |
21 | 22 | 23 | 24 | 25 | 26 | 27 |
28 | 29 | 30 |