[Rx] rxJava vs rxDart

[Rx] rxJava vs rxDart

lswsjw contents are below.

References: 05-lswsjw contents: Go Click
Other Blog: Blog ArtRobot (Title: [Rx] rxJava vs rxDart) More …
Publish Date: (2024-06-01|7:06 am), Modified Date: (2024-06-05|2:15 am)

— Blog Post Contents
[Coroutine] Flow와 rxJava
(Publish Date: 2022-03-23)

[RxJava] onError 비교
(Publish Date: 2022-03-02)

[Coroutine] RxJava vs Coroutine
(Publish Date: 2022-02-21)

[M1 Mac]objc[1019]: Class AMSupportURLConnectionDelegate is implemented in both… 이슈 해결
(Publish Date: 2022-02-19)

[Android] 멀티 모듈 프로젝트 의존성 관리
buildSrc : 멀티 모듈 프로젝트에서 의존성 관리 – Gradle 빌드가 시작되면 buildSrc 디렉토리 존재여부 체크 – 디렉토리가 있으면 디렉토리 내 코드를 자동으로 컴파일 및 테스트 하여 빌드 스크립트의 classpath에 추가 적용 방법 1. 프로젝트 루트에 buildSrc 폴더 생성 2. build.gradle.kts 파일 생성 3. 플러그인 추가 및 활성화 4. src > main > java > Kotlin 파일 생성 5. 파일 안에 dependency 정의 참고: https://leveloper.tistory.com/206 (Publish Date: 2022-02-18)

[DL] Vanishing/Exploding Gradient
원인 1. 시그모이드 활성화함수 + 가중치 초기화(평균 0, 표준편차 1인 정규분포로 초기화)를 조합하면 각 층에서 출력의 분산이 입력의 분산보다 큼 2. 분산이 계속 커져서 가장 높은층에서는 활성화함수가 0 또는 1로 수렴함 3. 시그모이드의 평균이 0.5여서 더 심함 (tanh는 평균이 0이어서 좀 나음) 4. 시그모이드는 입력이 양수나 음수로 커지면 0이나 1로 수렴해서 기울기가 0에 매우 가까워짐 5. 역전파에서 전파할 그래디언트가 거의 없어서 역전파가 약해 아랫쪽 층에 도달하지 않음 해결 1. 글로럿 초기화와 HE 초기화 – 배경 : 각 층의 출력 분산이 입력 분산과 같아야 함 – 글로럿/세이비어 초기화(Xavior Initialization/Glorot Ini……. (Publish Date: 2021-08-22)

[DL] 하이퍼 파라미터 튜닝
0. 프로세스 하이퍼 파라미터 튜닝 라이브러리 1. 은닉층 개수 – 이론적으로 은닉층이 하나여도 뉴런 갯수가 충분하면 아주 복잡한 함수도 모델링 가능 – 하지만 깊은 신경망이 파라미터 효율성이 훨씬 좋음 – 아랫쪽 은닉층은 저수준 구조를 모델링하고, 윗쪽 은닉층과 출력층은 저수준 구조를 연결해 고수준 구조를 모델링 – 전이학습을 사용하면 저수준 구조를 학습할 필요가 없어서 효율성이 좋음 – 은닉층 개수를 과적합 될때까지 점차적으로 늘리면서 튜닝 2. 은닉층 뉴런 갯수 – 예전에는 여러 저수준 특성을 적은 고수준 특성으로 합칠 수 있으므로, 점점 은닉층 개수를 줄이도록 구성했음 – 요즘은 모든 은닉층에 같은 크기를 사용해도……. (Publish Date: 2021-08-22)

[DL] 케라스 모델 생성 방법 비교
참고 : 핸즈온 머신러닝 2판, 한빛미디어 (Publish Date: 2021-08-22)

[ML] keras 모델 훈련 (fit 함수)
훈련 과정 해석 – 검증 정확도와 훈련 정확도가 비슷하면 과대적합은 아님 – 검증 손실이 계속해서 감소한다면 아직 수렴되지 않은 것 – fit() 메소드를 다시 호출하면 중지된 곳에서 계속 이어서 훈련함 – 모델 성능이 만족스럽지 않으면 하이퍼 파라미터부터 다시 튜닝 하이퍼 파라미터 튜닝 1. 학습률 튜닝 2. 층 개수, 층별 뉴런 수, 은닉층의 활성화 함수, 배치 크기 튜닝 (이 값들 튜닝 후 반드시 학습률 다시 튜닝) ※테스트 세트에서 하이퍼 파라미터 튜닝 금지 참고 : 핸즈온 머신러닝 2판, 한빛미디어 (Publish Date: 2021-08-22)

[DL] 다층 퍼셉트론
※softplus(x) = log(1+exp(x)) : x가 음수일 때 0에 가깝고 큰 양수일수록 x에 가까움 ※Huber 손실 : 오차가 입계값(보통 1)보다 작으면 이차함수(빠르고 정확히 수렴), 크면 선형 함수(이상치에 둔감). 참고 : 핸즈온 머신러닝 2판, 한빛미디어 (Publish Date: 2021-08-21)

[NLP] 한국어 언어 모델
Encoder Only Model (BERT 계열) Decoder Only Model (GPT 계열) Encoder-Decoder Model 출처 : https://littlefoxdiary.tistory.com/81 (Publish Date: 2021-08-17)

[Firebase] Firebase Cloud Message
1. 유스케이스 – 알림 보여주기 – Device의 메시지 데이터 동기화 (via shared_preferences) – 앱 UI 업데이터 ※메시지 payload의 크기는 4k 미만이어야 함 2. 디바이스 상태별 수신 메시지 처리 3. 메시지 수신을 위한 사전 조건 – 앱이 최소 한번은 실행되었을 것 (Initialize가 필요하므로) – 앱을 강제종료했다면 메시지를 받기 위해 앱을 수동으로 다시 실행할 것(iOS/Android 모두) – iOS/Mac에서 FCM 및 APN을 통합하려면 다음 참조하여 프로젝트 설정 (https://firebase.flutter.dev/docs/messaging/apple-integration) – web에서는 "Web Push certificate"키를 가지고 getToken으로 토큰 요청 필요 4. 권한 요청 (iOS/Web on……. (Publish Date: 2021-08-13)

[ML] 모델 평가
Confusion Matrix (혼동행렬) 평가 지표 1. Accuracy(정확도) 2. Precision(정밀도) 3. Recall(재현율) = Sensitivity(민감도), TPR-True Positive Rate(진짜양성비율) 4. F1 Score = Precision과 Recall의 조화평균(Harmonic Mean) 5. Precision/Recall Curve 6. ROC(Receiver Operating Characteristic) Curve의 AUC(Area Under Curve) – 점선으로부터 멀리 떨어질수록 좋은 분류기 참고 – 핸즈온 머신러닝 2판, 한빛미디어 – https://machinelearningmastery.com/roc-curves-and-precision-recall-curves-for-imbalanced-classification/ (Publish Date: 2021-08-05)

[ML] 정규화와 표준화
참고: 핸즈온 머신러닝 2판, 한빛미디어 (Publish Date: 2021-08-05)

[Android/iOS] Device 고유 식별자
Android iOS 식별자 활용 가이드 – 사용자 프로필/광고 -> GAID – 콘텐츠 보호: DRM API – 악용 방지: SafetyNet API – 기타: InstanceID, GUID 참고 developer.android.com/training/articles/user-data-ids yoon-dailylife.tistory.com/94 developers.airbridge.io/docs/airbridge-device-id-결정-로직 (Publish Date: 2021-08-03)

[iOS] 앱 배포 방법
iOS의 여러 앱 배포방법 비교 (Publish Date: 2021-07-27)

[Flutter] Page Navigation (with GetX)
(Publish Date: 2021-07-12)

[iOS] Android와 iOS 비교
생명주기 개념 (Publish Date: 2021-06-23)

[Flutter] Flutter 2.0 Migration
1. sdk 버전 수정 pubspec.yaml 2. SDK 채널 확인 – terminal -> flutter channel 입력 – stable이 아닌 경우 -> flutter channel stable 입력 3. SDK 업데이트 – terminal -> flutter upgrade 입력 – 로그를 통해 flutter doctor 수행 결과 및 플러터 버전 확인 4. null safety 미적용 프로젝트 존재여부 확인 – terminal -> dart pub outdated –mode=null-safety 입력 – null safety 미적용 프로젝트가 있다면 -> dart pub upgrade –null-safety 입력 5. 마이그레이션 수행 – terminal -> dart migrate 입력 – 모드별 마이그레이션 – 신규 프로젝트라면 다음 코드만 수정하면 됨 기존 코드 수정 코드 수정 내용 6. 완……. (Publish Date: 2021-06-09)

[Rx] rxJava vs rxDart
(Publish Date: 2021-04-21)

—

• if No post, write the comment Please!