반응형 Python67 [Python] raise - 에러 발생시키기, 예외 발생시키기 안녕하세요. 위기의 코딩맨입니다. 오늘은 raise에 대해서 알아보려 합니다. raise는 주로 에러나 예외를 발생 시킬때 사용되는 코드입니다. 저는 주로 에러 메시지 체크 등 에러를 발생시켜야 확인할 수 있는 부분을 확인하기 위해 사용합니다. 사용방법은 간단합니다. 에러를 반환하기 위한 곳에 작성해주시면 됩니다. [ raise ] try: list_ = [1,2,4,5] if 3 in list_: raise except: print("3이 포함되어 있습니다") 간단한 예제로 설명드리도록 하겠습니다. list안에 3이 포함되어 있으면 오류를 반환하게 해놨습니다. 위에 코드는 3이 포함되어 있지 않으므로 오류를 반환하지 않지만, list에 3을 포함 시키게 되면, 오류로 반환하게됩니다. 하지만, 위에 "코.. 2023. 7. 26. [Python] 정규식 표현 - 비밀번호 유효성 검사 안녕하세요. 위기의 코딩맨입니다. 오늘은 일반적으로 개발자로써, 자주 사용하게될 비밀번호 유효성 검사하는법을 간단하게 알아보려합니다! 다음, 네이버, 구글에서 회원가입을 위해 아이디를 입력하고 비밀번호를 입력하는데 여러 조건들이 충족해야만 회원가입이 진행된것을 보신적 있으신가요?! 해당 화면조건을 확인하기 위해 정규식을 대체적으로 사용하고 있습니다. 여기서 계속 말하는 정규식이란 무엇일까요? Regex로 표현을 자주하며, 사전적으로는 특정한 규칙을 갖고있는 문자열의 집합을 의미하고 있습니다. 이런 의미를 갖고있는 정규식을 입력된 값을 보고 해당 패턴을 찾아내는 방식입니다. ㅎㅎ 정규식은 나름 간단하게 표현을 할 수 있지만 표현 방식을 따로 외우지 않으면 이해가 어렵다는 단점도 존재합니다! 이제 pyth.. 2023. 7. 24. [We-Co] ChatGPT, BARD의 차이점, 다른점이 무엇일까? 안녕하세요. 위기의 코딩맨입니다. 요즘 핫한 챗지피티와 바드의 차이점을 간단하게 알아보도록 하겠습니다. 먼저, 간단하게 NLP의 개념을 알아야합니다. NLP [We-Co] NLP - 자연어 의미, 자연어 처리안녕하세요. 위기의 코딩맨입니다. 오늘은 간단하게 머신러닝의 NLP에 대해서 간단하게 알아보도록 하겠습니다. 저도 NLP에 매력을 느껴서 머신러닝 독학을 시작했습니다. [ NLP ] 사람이 평소 사we-co.tistory.com 위의 NLP 개념을 이용하여 다양한 모델이 나와 적용하고 학습하여 ChatGPT와 BARD가 탄생했다고 보시면됩니다. 두개 모두 대규모 언어의 모델이며, 어마어마한 양의 코드 데이터와 텍스트 데이터로 훈련을 진행합니다. 텍스트 생성, 번역 등 다양한 방식으로 질문을 답변하는 .. 2023. 6. 20. [We-Co] Python Ai 얼굴인식 모델 및 구현 안녕하세요. 위기의 코딩맨입니다. 오늘은 Python으로 얼굴인식 모델에 대해 알아보고 구현해보도록 하겠습니다. [MobileNet] 해당 모델은 CPU환경에서도 가볍게 사용하기 위한 모델입니다. 하지만 다른 모델들 보다 성능은 떨어진다고 합니다. 컴퓨터 성능이 제한되거나 배터리 퍼포먼스가 중요한 곳에서 사용될 목적으로 설계된 Cnn 모델의 구조입니다. 사용은 드론이나 핸드폰 등에서 주로 사용됩니다. MobileNet의 Github https://github.com/tensorflow/tfjs-models/tree/master/mobilenet GitHub - tensorflow/tfjs-models: Pretrained models for TensorFlow.js Pretrained models for.. 2023. 5. 15. [We-Co] 2022 KAKAO BLIND RECRUITMENT 주차 요금 계산 - Python 안녕하세요. 위기의 코딩맨입니다. 오늘은 KAKAO BLIND RECRUITMENT에 코팅 테스트 문제로 나온 주차요금 계산 문제 풀이를 해보도록 하겠습니다. [ 문제 ] 입차 출차를 확인해서 기본적인 주차 요금을 계산하는 문제입니다. 테스트 케이스 데이터들의 양식은 리스트 형태로 제공됩니다. 저는 python deque를 사용하였으며 입차, 출차를 나누어서 코딩을 진행했습니다. 먼저 테스트 케이스를 나누어 저장합니다. from collections import deque import math feed = [180, 5000, 10, 600] b_time = feed[0] b_money = feed[1] b_min = feed[2] b_min_money = feed[3] info_car = ["05:34.. 2022. 3. 15. [We-Co] 미로 탐색 - 백준 2178번 안녕하세요. 위기의 코딩맨입니다. 오늘은 백준 2178번 문제 미로 탐색 문제를 풀어보도록 하겠습니다. https://www.acmicpc.net/problem/2178 2178번: 미로 탐색 첫째 줄에 두 정수 N, M(2 ≤ N, M ≤ 100)이 주어진다. 다음 N개의 줄에는 M개의 정수로 미로가 주어진다. 각각의 수들은 붙어서 입력으로 주어진다. www.acmicpc.net 문제를 이해하셨다면 input으로 데이터를 받아야합니다. 4 6 101111 101010 101011 111011 4,6을 A,B로 받아주도록 합니다. A, B = map(int,input().split()) 그리고 밑에 좌표에 해당 값들을 넣어주어야 합니다. graph = [] for _ in range(A): graph.a.. 2022. 2. 22. [We-Co] 구현 - 상하좌우 이동 알고리즘, 좌표이동 안녕하세요. 위기의 코딩맨입니다. 오늘은 리스트 상하좌우 이동하는 알고리즘에 대해 알아보도록 하겠습니다. 가끔 코딩 테스트를 진행할 때, 많이 사용되는 알고리즘이므로 알아두시면 좋습니다. [ Code ] input_num_ = 5 input_List = ["R","R","R","U","D","D"] xd = [0,0,-1,1] yd = [1,-1,0,0] x,y = 1, 1 list_ = ["R", "L", "U", "D"] for input_ in input_List: for i in range(len(list_)): if input_ == list_[i]: nx = x + xd[i] ny = y + yd[i] if nx input_num_: continue x, y = nx, ny 문제를 보시면 in.. 2022. 2. 21. [We-Co] KorQuAD - 답변 예측하기, BERT, NLP 안녕하세요. 위기의 코딩맨입니다. 저번에 BERT의 SQuAD Dataset에 대해서 알아보았습니다. SQuAD Dataset [We-Co] SQuAD Dataset - Tensorflow, NLP, Transformer 안녕하세요. 위기의 코딩맨입니다. 오늘은 BERT를 기반으로 사용하는 SQuAD Dataset에 대해서 간단하게 알아보고 구현해보도록 하겠습니다. BERT에 대해서 궁금하시면 BERT [We-Co] BERT - 자연어처리, NLP we-co.tistory.com SQuAD Data는 영어로된 데이터 셋을 갖고있지만 SQuAD Data의 한국어 버전인 KorQuAD 사용하여 질문에 대한 답변을 예측하는 모델을 작성해보도록 하겠습니다. [ KorQuAD ] KorQuAD를 사용하기 앞서서 .. 2022. 2. 20. [We-Co] SQuAD Dataset - Tensorflow, NLP, Transformer 안녕하세요. 위기의 코딩맨입니다. 오늘은 BERT를 기반으로 사용하는 SQuAD Dataset에 대해서 간단하게 알아보고 구현해보도록 하겠습니다. BERT에 대해서 궁금하시면 BERT [We-Co] BERT - 자연어처리, NLP 안녕하세요. 위기의 코딩맨입니다. 오늘은 자연어 처리의 발전에 힘을 실어준 BERT 모델에 대해서 알아보도록 하겠습니다. [ BERT ] Bidirectional Encoder Representations from Transformers를 BERT로 간단하게.. we-co.tistory.com [ SQuAD Dataset ] Stanford Question Answering Dataset을 SQuAD로 요약하여 부르며 Wikipedia와 크라우드 워커의 질문으로 구성된 Data.. 2022. 2. 16. 이전 1 2 3 4 5 6 ··· 8 다음 반응형
