[Study] 신입 자라기 - 47

신입 자라기 47일 차, 금요일

Task Logging

시간	Task
6 : 50	기상
7 : 15 ~ 8 : 10	출근 시간
8 : 10 ~ 9 : 10	헬스
9 : 10 ~ 9 : 30	샤워
9 : 30 ~ 9 : 50	출근
9 : 50 ~ 10 : 00	1. 짐정리 2. 간식
10 : 00 ~ 11 : 30	에러 코드 원인 파악
11 : 30 ~ 12 : 30	점심 시간
12 : 30 ~ 18 : 20	1. 에러 코드 원인 파악 2. 에러 코드 해결 3. 다음주 Task 확인 4. 파트 회의 5. 서버 셧다운 에러 원인 파악
18 : 20 ~ 19 : 00	저녁 식사
19 : 00 ~ 20 : 00	1. 일과 정리
20 : 00 ~ 22 : 00	퇴근 및 지인 만나기
22 : 00 ~ 23 : 00	샤워
23 : 00 ~ 24 : 00	1. 블로그 포스팅

About AutoML

• AutoML 구현에 있어 sklearn automl을 참고하여 생각을 좀 했음
• sklearn AutoML 뿐만 아니라 다른 플랫폼 AutoML도 참고할 필요성이 있음

https://automl.github.io/auto-sklearn/master/_modules/autosklearn/estimators.html#AutoSklearnClassifier

autosklearn.estimators — AutoSklearn 0.14.4 documentation

• 첫 번째 고민은 알고리즘에 사용되는 서로 다른 파라미터를 효율적으로 파싱 하는 것

---

출근길에 보는 CS

정규화 탄생 배경

• 중복된 정보로 인한 저장 공간 낭비
• 중복된 정보로인한 갱신 이상 발생

갱신 이상?

1. 삽입 이상(insertion anomalies) 

• 원하지 않는 자료가 삽입되거나 삽입하는데 자료가 부족해 삽입이 되지 않는 경우

2. 삭제 이상(deletion anomalies)

• 자료 하나만 삭제하는데, 해당 자료를 포함한 전체 튜플 삭제로 인한 정보 손실이 되는 경우

3. 수정(갱신)이상 (modification anomalies)

• 정보가 모호하거나 일관성이 없어서 정화한 정보 파악이 되지 않는 경우