9시 24분

https://leeeeeyeon.tistory.com/96 에서 작성한거처럼 이제 프론트엔드와 백엔드의 역할에 대한 경계를 이해했다. 그리고 나는 백엔드 쪽으로 공부를 하고 싶다. 풀스택이라는 길도 있지만, 어디서 주워듣길 진정한 풀스택 개발자는 스스로를 자신 있게 풀스택이라고 말하지 않는다구 했다 (˘･_･˘) 결국 그만큼 잘하지 않으면 풀스택 개발자라기보단, 프론트엔드 조금, 백엔드 조금 아는 애매한 세미 풀스택 개발자가 된다고 생각했다. 그렇기 때문에 나는 풀스택 개발자 시러! 백엔드만 할거야!라고 했다. 하지만 json으로만 이루어진 API를 보며, 이것이 웹사이트에 어떻게 보일지에 대한 궁금증이 계속 마음 한 켠에 남았다. 그래서 난 결심했다! 1인 토이 프로젝트를 한다는 셈 치고 프론트엔드와..

어제 밤 밍석이의 열띤 설명으로! 이제 프론트엔드와 백엔드의 경계에 대해 어느 정도 파악할 수 있었다. 나는 이제까지 response.send(html);을 하는 방법으로 웹사이트를 만들었다. 현재는 html로 프론트엔드를 간단하게 만들었지만, 나중에 html이 아닌 react 같은 프론트엔드로 프로젝트를 하면 백엔드에서 어떻게 대해야 하는지?!에 대한 고민이 많았다. 간단하게, 그쪽에서 요청(request)을 던지면 응답(response)으로 json 등 요구하는 정보를 던져주면 되는 것이었다! 이제까지 그걸 던져준 다음 어떡해?!와 같은 고민을 했는데 내가 했던 고민들은 프론트엔드의 영역이었던 것이다. 그러니까 백엔드를 하고 싶다면 API를 어떻게 만들고, 또 어떻게 해야 잘 만들지 그 쪽으로 고민하..

pm2 start main.js --watch --ignore-watch="sessions/*" --no-daemon pm2 kill

오늘은 https://hayjo.tistory.com/88 을 참고하여 검색 기능을 만들었다. 구현 핵심 포인트: 쿼리 추출 & LIKE 구문 이용 우선 이것이 search.js의 전체 코드이다! const { request } = require('express'); const express = require('express'); const router = express.Router(); const sanitizeHtml = require('sanitize-html'); const url = require('url'); // 파일 분리 const db = require('../lib/db.js'); const template = require('../lib/template.js'); const auth ..

passport 수업에서는 단일 사용자에 대한 로그인, 로그아웃을 구현해보았다. 이번에는 회원가입 기능을 구현하고, 다중 사용자가 웹 사이트를 사용할 수 있도록 해보자! 회원가입 UI statusUI: function(request, response){ var authStatusUI = 'login | register'; if(this.isLogin(request, response)){ authStatusUI = `${request.user.nickname} | logout`; } return authStatusUI; } HTML:function(title, list, body, control, authStatusUI='login | registe..

경사 하강법을 좀 더 기술적으로 표현하면 '어떤 손실 함수가 정의되었을 때 손실 함수의 값이 최소가 되는 지점을 찾아가는 방법'이다. ( 손실 함수: 예상한 값과 실제 타깃값의 차이를 함수로 정의한 것 ) '오차를 변화율에 곱하여 가중치와 절편 업데이트하기' = 제곱 오차를 미분한 것 제곱 오차(squared error): 타깃값과 예측값을 뺀 다음 제곱한 것 제곱 오차가 최소가 될 때, 산점도 그래프를 가장 잘 표현한 직선이 그려진다. 즉, 제곱 오차의 최솟값을 찾는 방법을 알면 모델을 쉽게 만들 수 있다. 제곱 오차의 최솟값을 알아내려면 기울기에 따라 함수의 값이 낮은 쪽으로 이동해야 한다. 기울기는 제곱 오차를 가중치나 절편에 대해 미분하여 구한다. 가중치에 대하여 제곱 오차 미분하기 제곱 오차를 ..

kNN kNN(k Nearnest Neighbor): 최근접 이웃 알고리즘, 거리를 이용해 분류를 수행하는 알고리즘 Machine Learning = Feature Engineering (특징) + Statistics (분포) ex) 토마토는 채소인가? 과일인가? Feature로 sweetness, crunchiness를 선정 Feature Selection: 집단을 구분할 수 있는 변수를 선정하는 것 과일 채소 Sweetness 大 小 Crunchness 小 大 좌측 그림 - 같은 종류끼리 비슷한 위치에 모여있음 토마토가 과일인지 채소인지 알아보기 위해 토마토에서 가장 가까운 k=4개(4-Nearest Neighbor)의 종류를 알아보자. sweetnest of tomato: 6, crunchiness..

분산이랑 표준편차 공식도 알아보기 colab 실습 중간에 스탑함 ㅠㅠ 끙 그리고 수업을 들어보니 실습 시간에 함께 코드를 치는 것이 아니었고, 따라치면서 이해하기엔 강의 속도가 빨랐다. 출석률을 잘 채우고 싶었지만, 수업을 통해 내가 원하는 것만 취하기 위해서는 앞으로는 강의 동영상을 본 후 colab의 코드를 줌 수업 전에 직접 해보고, 이해가 안될때만 줌 수업에 참여하거나 줌 녹화본을 보는 것이 좋을 것 같다 ㅠ.ㅠ 이 게시글도 나중에 오늘 수업 내용 잘 정리해서 수정하자.