분류 전체보기

2022.03.29 작성 3.19(토)에 해커스 교재로 GSAT 공부를 처음 시작한 이후, 해커스에서 첫 온라인 모의고사를 치렀다 10일 동안 해커스 GSAT 통합 기본서로 유형을 나름 잘 다지고, 모르는 부분들을 강의로 잘 채웠다고 생각했는데 결과는 예상보다 많이 처참했다 흠.. 자존심이 진짜 많이 구겨졌다.. 나름 이런 스타일에 자신 있다고 생각했는데.. 깝치지 말고 열심히 해야겠다는 생각이 번쩍 들었다.. 끊고 있는 담배가 너무 피고 싶어지는 결과여쓰.. 복습 철저히 하고 꾸준히 모의고사 형식으로 시험 준비를 해야겠다(서류탈락하면 의미도 없지만 ㅠ..) 네이버 블로그에서 작성했던 글을 옮긴 것입니다

22.03.20(일) 내 생에 첫 채용 지원을 한 날 삼성전자 SCSA 전형, DX부문 지원 ​ 인적사항부터 성적입력(하나하나 다 입력해야 해서 엄청 귀찮음), essay까지 빠뜨린 것은 없는지, 더 잘 기입할 수는 없었는지 몇 번이고 확인했다 ​ 더 본다고 해서 나아지지 않을 만큼 점검했고 더 보면 스트레스가 될 것 같아 마감 하루 전날 미리 제출했다 ​ 이런 과정이 처음인 나에겐 고작 최종 제출을 누르는 것도 많이 설레고 무서운 일이었다 어쨌든 결과를 모르는 상태에서 GSAT를 바로 준비해야 되는게 좀.. 부담스럽지만 미리 준비를 시작하는게 최선을 다하는 것이라고 생각하니까 시작했다. ​ 지원 마감일인 22.03.21(월)에는 오픈카톡에 별 희한한 사람들이 많았다 삼성전자에도 SCSA가 있는지 몰랐던..

1. Inner product: angles and orthogonality 두 벡터 사이의 각도 내적을 통해 정의할 수 있다. cos w(두 벡터 사이각 크기) = 내적 / (norm(x) * norm(y)) 이는 결국 두 벡터가 가리키는 방향의 유사도(simliarilty)를 알려주는 지표가 된다. 두 벡터가 직교하는 경우 두 벡터의 내적은 0이 된다. 이를 다른 내적을 통해 표현하는 경우 다른 값이 나오게 된다. 두 벡터가 직교(orthogonal to each other)하며 각 벡터의 길이가 1인 경우, 이를 orthonomal basis라고 부른다. 2. Angles between vectors using a non-standard inner product 문제에서 정의된 내적을 보고 두 벡터..

1. Inner product: definition 내적은 이와 같이 정의된다. 벡터공간 v에 존재하는 세 벡터 x,y,z를 예시로, 내적의 세 가지 큰 특징을 알 수 있다. 1) Bilinear: 벡터의 합으로 표현된 벡터와 다른 벡터의 내적은 두 내적의 합으로 표현될 수 있다. 2) Positive definite: 자기 자신과의 내적의 값은 항상 0보다 크다. 자기 자신과의 내적의 값이 0이라는 것은 그 벡터가 영벡터라는 것과 필요충분 조건이다. 3) Symmetry: 두 벡터의 내적값은 순서를 바꿔도 동일하다. 대각성분을 제외한 다른 원소들은 대각성분을 기준으로 대칭을 이룬다. 2. Properties of inner products 특정함수 β(x,y) 의 알맞은 특성 고르기(5문제) symm..

1. Dot product 두 벡터가 있을 때, 두 벡터의 1) 길이 2) 사이의 각도 3) 거리를 구하기 위해서는 벡터 공간의 기하학적 특징(geometric properties in a vector space)과 관련이 있는 inner product(내적)가 필요하다. transpose를 취하는 것은 행렬간의 곱을 위한 size 조정이다. 1) 벡터의 길이는 자기 자신과 자기 자신의 transpose를 곱한 것에 루트를 씌운 것이다. 계산 자체는 각 원소를 제곱하여 더한 것에 루트를 씌운 것과 같다. 2) 두 벡터 사이의 거리는 두 벡터의 뺄셈의 norm을 구한 것과 같다. 3) 이제 코사인 법칙을 이용하여 두 벡터 사이의 각을 구할 수 있다. 코사인 알파(두 벡터 사이의 각)는 "두 벡터의 내적"을..

1. The Sandpit 간단한 함수에 대해서는 값이 최대가 되는 좌표가 어디인지 파악하기가 쉽다. 위 그래프는 Jacobian vector를 통해 표현한 것이다. 그러나 대부분은 이렇게 간단하지는 않다. 앞서 다루었던 복잡한 식을 표현하면 위와 같다. 여기서는 global maximum A와 local maximum C,E가 존재한다. 반대로 global minimum D와 local minimum B가 존재한다. 얼마나 가파른지에 대한(gradient) 정보를 각 좌표를 기준으로 표시하면 아래 그래프와 같다. 우리는 모든 것을 관망하는 입장에서 어디로 가야 가장 높은지 혹은 가장 낮은지를 알 수 있다. 하지만 실제로는 모든 데이터에 대한 정보를 파악하고 미리 알 수는 없으므로 마치 밤길을 거니는 것..