rrojin

목차 1. 주식 데이터 Load 2. 학습 데이터 생성 3. LSTM LSTM으로 주식 예측하기 이번 포스팅에서는 특정 종목의 가격(상승 or 하락)을 예측하는 LSTM 모델을 생성합니다. 모델의 input으로 Transfer entropy를 도입하여 특정 종목에 대한 KOSPI의 영향력을 반영합니다. 1. 주식 데이터 Load 1.1 모듈 import %pip install yfinance %pip install pandas-datareader from pandas_datareader import data as pdr import yfinance as yf import numpy as np import pandas as pd import matplotlib.pyplot as plt import math..

Tensor - 3D Tensor : t3.ndim = 3 시계열 데이터 (feature / timestep/ sample) - 4D Tensor : t4.ndim = 4 컬러 이미지 (height, width, channel, sample) Tensor 연산 torch.abs(a) torch.ceil(a) torch.floor(a) torch.clamp(a, -0.5,0.5) torch.std(a) torch.prod(a) torch.unique(a) a.max(dim = 0) #dim 지정시, argmax 와 같이 작동 a.min(dim = 1) # dim 지정시, argmin처럼 index함께 반환 in-place방식 : 텐서의 값을 변경하는 연산 뒤에 underbar '_' 붙음 y.add_(x)..

STEP 1. 논문 선정 읽고 싶은, 읽어야 할 논문을 선정한다. 2. 핵심 키워드 파악 Abstract과 Summary를 꼼꼼하게 읽어보고 논문의 핵심 키워드를 파악한다. 3. 가벼운 구글링 핵심 키워드와 관련된 지식이 없는 경우, 30분~1시간 정도 구글링을 하여 소재에 대한 감을 잡는다. 이때는 잘 정리된 블로그 글을 읽어도 이해가 안 될 가능성이 높다. 그러니, 포기하지 말고 소재에 대한 감을 잡는다는 느낌으로 접근한다. 4. 1st 논문 읽기 논문을 천천히 읽어나가면서 이해가 안되는 부분은 질문 메모를 작성한다. (feat. 귀여운 사과 모양 스티커) 5. 2nd 논문 읽기 논문을 아주 꼼꼼히 읽으며 리뷰 작성을 위해 단락 별 키워드를 정리한다. 혹은 핵심 부분을 별도로 표시해둔다. 해당 단계에..

https://eng.lyft.com/matchmaking-in-lyft-line-part-3-d8f9497c0e51#.rzljpynuz Matchmaking in Lyft Line Part 3 eng.lyft.com Basic Matching System - Haversine system(greedy) - Bucketed matching system : bucket interval -> stay in matching pool for 10m : a variable bucket interval would allow us to adapt to lower density: 2 constraints 1) detour time = ABA - AA = travel time when matched - when unma..

분산 서버 관리 왜 필요한가? 전세계 CDN 네트워크상에서 안정적인 서비스를 제공하기 위함. 따라서, 컨테이너 기술은 1) Light = 메인메모리 적게 차지 뿐만 아니라, 2) 수요에 따라 컨테이너 수 조절 (auto scale up, down) = Orchestration 필요 [ -> ex. 도커 Swarm] Container Orchestration Container Orchestration : 여러 대의 서버와 여러 개의 서비시를 관리해주는 작업. [기능] 스케쥴링 : 컨테이너를 적당한 서버에 배포해 주는 작업. 배포 기준은 오케스트레이션 툴에 따라 다름. (차례대로/ 랜덤/ 가장 한가로움?) 실행중인 서버가 죽으면 자동으로 다른 서버에 띄어줌. 클러스터링 : 여러 개의 서버를 묶어서 하나의 서..