본문 바로가기
728x90

전체 글133

개인정보처리방침 1. 개인정보 수집 항목카메라 액세스: 이 앱은 사용자의 카메라에 액세스하여 플래시라이트 기능을 제어합니다. 카메라 액세스는 플래시라이트의 켜기 및 끄기 기능을 수행하기 위해 필요합니다.2. 개인정보의 수집 및 이용 목적플래시라이트 제어: 사용자가 앱 내에서 플래시라이트를 켜고 끌 수 있도록 하기 위해 카메라의 플래시 기능을 제어합니다.3. 개인정보의 보유 및 이용 기간이 앱은 사용자의 디바이스 내에서만 개인정보(카메라 ID)를 처리하며, 앱을 종료하면 모든 정보는 메모리에서 삭제됩니다. 앱은 사용자의 정보를 외부 서버에 저장하거나 영구적으로 보유하지 않습니다.4. 개인정보의 제3자 제공에 관한 사항이 앱은 사용자의 개인정보를 제3자에게 제공하지 않습니다.5. 개인정보 보호를 위한 기술적, 관리적 대책보.. 2024. 9. 10.
개인정보처리방침 개인정보처리방침 1. 개인정보 수집 및 사용 본 앱은 사용자의 개인정보를 수집하거나 저장하지 않습니다. 앱 사용 중 어떠한 개인 식별 정보도 요구되지 않으며, 사용자의 프라이버시를 최대한 보호합니다. 2. 데이터 수집 본 앱은 사용자로부터 개인정보를 포함한 어떠한 데이터도 수집하지 않습니다. 위치 정보, 연락처, 메시지, 사진 등의 개인 데이터를 요구하지 않으며, 앱 사용 시 어떠한 형태의 데이터도 전송하거나 저장하지 않습니다. 3. 제3자와의 데이터 공유 본 앱은 사용자로부터 수집한 정보가 없으므로, 어떠한 제3자와도 정보를 공유하거나 판매하지 않습니다. 4. 변경 사항 본 개인정보처리방침은 변경될 수 있으며, 변경 시 본 페이지를 통해 공지됩니다. 방침이 변경될 경우, 사용자에게 주요 변경 사항을 명.. 2024. 9. 5.
[기계학습] 9. 앙상블 학습의 이해, 랜덤 포레스트 모델의 이해 1. 앙상블 학습의 이해앙상블 학습은 여러 개의 학습 알고리즘을 결합하여 하나의 강력한 모델을 만드는 방법입니다. 이번 글에서는 앙상블 학습의 개념과 대표적인 기법인 부스팅과 스태킹에 대해 알아보겠습니다. 앙상블 학습의 개념앙상블 학습(Ensemble Learning)은 여러 개의 모델(약한 학습기)을 결합하여 예측 성능을 향상시키는 기법입니다. 개별 모델이 가진 약점을 상호 보완하여 전체 모델의 성능을 높이는 것이 목표입니다. 앙상블 학습의 주요 장점은 모델의 안정성과 예측 성능을 향상시키는 것입니다. 주요 앙상블 기법배깅(Bagging) : 여러 모델을 병렬로 학습하고, 이들의 예측을 평균 또는 투표 방식으로 결합합니다. 대표적인 예로 랜덤 포레스트가 있습니다.부스팅(Boosting) : 여러 모델을.. 2024. 8. 20.
web을 webview를 이용해서 안드로이드 적용하기 1. 안드로이드 스튜디오, vs code설치 2. vs code에서 편하게 web개발을 위한 기본 extension 설치 (vs code내에서 설치)Live ServerPrettier - Code formatterESLintBracket Pair ColorizerAuto Rename TagIntelliSense for CSS class names in HTMLPath Intellisense3. 안드로이드 스튜디오에서 에뮬레이터 실행을 위한 준비물넉넉한 성능의 CPU와 RAMCPU제조사에 맞는 가속 설치환경변수 설정개발할 안드로이드 버전 알아서 선택해서 설치4. 기획한 내용 적용한 web만들기 (각자 알아서)기본적으로 자바스크립트 설치 및 환경변수 설정하기5. vs코드에서 라이브서버로 실행해서 디버깅 6... 2024. 8. 20.
[기계학습] 8. 의사결정트리의 이해 의사결정트리의 이해 (1)의사결정트리는 기계 학습과 데이터 분석에서 널리 사용되는 알고리즘으로, 예측 문제를 해결하는 데 효과적입니다. 이번 글에서는 의사결정트리의 개요와 예측트리(회귀)에 대해 자세히 알아보겠습니다.의사결정트리의 개요의사결정트리(Decision Tree)는 의사 결정 규칙과 그 결과를 트리 구조로 나타낸 모델입니다. 트리의 각 노드는 속성을 나타내고, 각 분기는 조건을 나타내며, 각 리프 노드는 결과를 나타냅니다. 의사결정트리는 직관적이며 이해하기 쉬운 모델로, 데이터에 기반한 결정을 시각화하고 설명할 수 있습니다. 주요 개념노드(Node) : 의사 결정 트리의 각 분기점으로, 특정 속성을 기준으로 데이터를 분리합니다.루트 노드(Root Node) : 트리의 최상위 노드로, 전체 데이터.. 2024. 8. 7.
[기계학습] 7. 서포트벡터머신의 이해 서포트 벡터 머신(Support Vector Machine)의 이해 (1)서포트 벡터 머신(SVM)은 분류와 회귀 분석에 널리 사용되는 강력한 기계 학습 알고리즘입니다. 이번 글에서는 SVM의 개념을 이해하기 위해 최대 마진 분류기와 선형 SVM에 대해 알아보겠습니다.최대 마진 분류기최대 마진 분류기(Maximum Margin Classifier) : 최대 마진 분류기는 두 클래스 간의 마진을 최대화하는 초평면(hyperplane)을 찾는 분류 모델입니다. 마진이란 초평면과 가장 가까운 데이터 포인트(서포트 벡터) 사이의 거리입니다. 목표클래스 간의 분리를 최대화하여 일반화 성능을 향상시킵니다.데이터에 가장 잘 맞는 초평면을 찾아 분류합니다. 마진의 정의마진(margin) : 초평면과 서포트 벡터 사이의.. 2024. 8. 7.
728x90

티스토리툴바