내꿈은자동화

녹색 슬라임 무속성 선공/후공: 후공 공격 패턴1. 리프어택 (적당한 표현이 떠오르지 않음... 디아2의 그 리프어택과 흡사)녹색 슬라임은 한 방에 죽어서 주황 슬라임의 패턴으로 대체함 드랍 공략공격을 피하고 그냥 패면 된다. 특징너무 약해서 ...

포탈나이츠 (Portal Knights) 몬스터 공략 시작합니다. 1. 녹색 슬라임2. 에메랄드 앵무새3. 주황색 슬라임4. 서리 할로우 나이트5. 모래 등딱지6. 마그마 구더기 해당 카테고리에 글이 존재합니다.모든 몬스터 완성 후 링크 걸겠습니다!

아래 파일을\resources\app\languages 경로에 붙여넣으십시오. 이후 패치에 따라 추가적인 번역이 필요할 수 있으며 번역 시 특이사항에 대해선 아래에 적어두겠습니다. Industrial Coffee Machine - 산업용이라 번역하니 너무 웃겨 대형으로 함...Framework - 프레임워크로 번역 (뜻이 뼈대, 틀이라 애매함)Designer - 디자이너의 경우 아트/설계 둘 다로 사용되어 "디자이너"로 번역 / 해결 - 아트로 판명Lead Developer - 구성 요소를 모듈로 병합하는 사람 번역: hiuaa 번역에 문제가 있다면 알려주시면 감사하겠습니다. 그리고 스팀에서 파일 변조 때문에 벤당하는 경우가 있으니 사용 시 발생하는 문제점에 대해서는 책임지지 않겠습니다!

파이썬을 numpy 라이브러리를 이용하여 배열을 섞는 방법에 대해 알아보겠다.(뭐, 다른 사람이 해놓은 것을 번역한 거라 보면 된다.) 이 방법을 사용한 이유는 머신러닝에서 데이터를 학습시킬 때 편향되지 않은 학습을 시키기 위함이다. 단순히 한 개의 배열을 섞을 때는 아래와 같은 방법을 사용한다.import numpy as np x = np.arange(10) print ("x: ", x) np.random.shuffle(x) print ("x: ", x) 출력의 경우 매번 다르겠지만 이런 형태로 나온다.x: [0 1 2 3 4 5 6 7 8 9]x: [7 5 8 6 3 1 4 9 0 2] 두 개의 배열을 같은 순서로 섞고 싶다면 어떻게 해야할까? 아래 코드와 같이 그냥 섞으면 결과는 참담하다.impor..

일을 많이 벌려놔서 당분간 글을 못 쓸것 같습니다. 다음에 돌아올 때는 영상처리와 기계학습 분야 중심으로 글을 쓸 예정입니다.

Napier's bones(https://en.wikipedia.org/wiki/Napier%27s_bones) 컴퓨터의 발전과정에 대해 알아보는 중 17세기 네이피어가 고안한 Napier's bones 에 대해 조사하였다.1980년 컴퓨터가 일반화되기 전 중국에서 개발된 수판, 그리고 네이피어가 고안한 Napier's bones 가 사용되었다. (파스칼, 라이프니쯔의 계산기 등도 많이 사용되었다.)이의 사용법은 아래 와 같다. Napier's bones 405 (1->4) 405 를 곱할 때 아래의 방법으로 한다. 405 를 1번 곱하면 당연히 405이다.그렇다면 2를 곱하면 어떻게 될까? 각 자리수에 다음과 같이 더하면 된다. 처음에 0을 넣고 두 번째에 8+0을 넣고 그 다음에 0+1을 넣고 마지막..

Decision Tree (앞으로 DT라 말하겠다.) 는 SVM 에 비해 고안된지 오래되었고 매우 강건한 (Robust) 방법이다. 그리고 DT 또한 SVM 의 kernel trick 과 같은 방법으로 비선형(non-linear)을 선형(linear)으로 나타내어 분류할 수 있다. 자, 알아들을 수 없는 소리는 여기까지하고 쉬운 예들로 DT 에 대해 설명하겠다. DT Windsurf 을 살펴보자.철수가 윈드서핑을 한다고 하자. 윈드서핑을 할 때는 바람도 많이불고 햇빛도 많이 비춰야한다. (그렇다고 태풍에 열사병이 걸릴 정도는 아니다.) 이 경우 빨간색 원은 윈드서핑을 할 수 없는 날씨, 녹색 삼각형은 윈드서핑을 할 수 있는 날씨이다. 이러한 경우 윈드서핑 가능여부를 선으로 나눌 수 있나? (Linearl..

엔트로피를 처음 접한 것은 열역학에서이다. 하지만 이번에 소개할 엔트로피는 에서의 엔트로피이다. 엔트로피는 주어진 정보에서 내가 그 정보를 모두 다 아는데 소모되는 데이터의 양이다. (정보의 불확실성이라 표현하는 것도 적절하다.) 동전을 던지는 예로 생각해 보자. 을 살펴보자. Entropy_Coin 은 앞뒤가 같은 색이고 는 앞은 검은색, 뒤는 빨간색이다. 의 경우 색을 알아보기 위해 동전을 살펴볼 필요가 없다. (Entropy = 0) 의 경우 색을 알아보기 위해 앞과 뒤를 보아야 한다. (Entropy = 1) (이 경우 앞만 보면 되지 않냐고 할 수 있는데 엔트로피의 정의대로 하면 두쪽을 다 보는 값과 같다.) 엔트로피의 식은 아래와 같다.$Entropy(H) = \sum_{i}-P_i\log_{..

좀 늦었네요. 이번 글에서는 SVM (Support Vector Machine) 에 대해 소개할 것이다. (러시아 사람에 의해 고안되었다. 이름은 못찾겠는데 시간나면 찾아서 업데이트 하겠다.) SVM 은 지도학습을 통한 분류 (Supervised Classification) 이다. 앞서 소개한 Naive Bayes 와 다른 점은 Hyper dimension 을 사용한다는 것이다. 그림들을 이용하여 선형 (Linear) SVM 의 특징에 대한 소개를 하겠다. (비선형도 존재한다.) SVM Classification 에서 SVM을 이용하여 과 을 구분 (Classify) 한다면 어떤 선으로 구분할까? 답은 (아마도) 이다. SVM Margin 그렇다면 에서 SVM 을 이용하여 분류한다면 어느 선으로 분류될까..

이번 강의에서는 Bayes Rule 부터 시작해서 Naive Bayes 까지를 다룬다. Bayes Rule 은 Thomas Bayes 에 의해 고안되었다. 처음 이 법칙은 신이 있음을 증명하기 위해 만들어졌는데 이후 통계뿐 아니라 많은 분야에서 사용되고 있다. Bayes Rule 은 $P(A|B) = \frac{P(B|A)*P(A)}{P(B)}$ 이다.(여기서 $P(A|B)$ 는 조건부 확률이라 하며 B 가 일어났다고 할 때 A 가 일어날 확률이다. 예를 들어 A 가 암에 걸릴 확률이고 B 가 남자일 확률이면 $P(A|B)$ 는 남자인 사람 중에 암에 걸릴 확률을 뜻한다.)Bayes Rule 의 경우 $P(A|B)$ 와 $P(B|A)$ 중 직관적 혹은 쉽게 구할 수 없는 것을 다른 것을 통해서 쉽게 구할..