"완벽한 앱 하나 만드는 시간에 60점짜리 앱 5개 만드세요. 그중에 하나만 터져도 나머지 4개 실패를 커버해요." 최근 조쉬의 뉴스레터에서 읽은 케빈님의 이야기가 계속 머릿속을 맴돌고 있다. 혼자서 앱 3000개를 만들어 연매출 100억원을 달성한 1인 개발자의 이야기. 그의 성공담을 읽으며 느낀 인사이트들을 정리해보고자 한다.🔥 가장 충격적였던 수치들케빈님의 성과를 숫자로 보면 정말 압도적이다:개발한 앱 수: 3000개 이상2018년 매출: 15억원2019년 매출: 30억원2020년 매출: 100억원 (코로나로 급성장)최고 일일 광고 수익: 80만원앱 제작 속도: 하루 5개 (자동화 시스템 구축 후)하지만 더 인상적인 건 숫자가 아니라 그의 전략과 마인드셋이었다.💡 "완벽보다는 속도와 양" 전략의..

TL;DR (3줄 요약)@notifee/react-native + @expo/config-plugins + expo-build-properties 설치 android-manifest.plugin.js 생성 → app.json에 플러그인 등록 npx expo prebuild --clean 후 재빌드개발 환경expo: 53.0.11빌드 타입: Dev Client1️⃣ 필수 패키지 설치npm install @notifee/react-nativenpx expo install expo-build-propertiesnpm install @expo/config-plugins2️⃣ Maven 경로 추가 (app.json){ "plugins": [ [ "expo-build-properties", ..

👉 Ross AI 사용해보기 Ross AI ross.hyowontec.com 요즘은 궁금한 게 생기면 검색부터 하는 세상이다.나 역시 대학원 시절부터 모르는 건 무조건 찾아보고,자료 모으고, 정리하고, 검증하고, 다시 질문하고…이런 걸 습관처럼 반복해왔다.요즘은 거의 ChatGPT랑 붙어 살다시피 하면서"이건 왜 이래?", "그건 어떤 판례 때문이야?"계속 대화를 나눈다.왜 만들게 되었냐면…얼마 전 지인들과 대화 중 이런 이야기가 나왔다.“하.. 전세 계약 끝났는데 집주인이 보증금 못 돌려준대.경매 넘어가도 뭐 선순위가 아니라서 못 받는다고 하더라.변호사를 찾자니 어색하고, 비용도 막막하고,그냥 내가 알아보자니 너무 복잡해…”실제로 '주택임대차보호법' 같은 건 구글 검색만 해도 나온다.그런데 그 법령 ..

Stochastic Gradient Descent는 Batch Gradient Descent에 비해 최적값에 수렴할 가능성이 적으나, 적은 데이터를 사용하여 손실을 계산하고 모델을 업데이트 하므로 계산 속도가 빠르며 여러 번 반복할 경우 일반적인 batch 결과와 유사하게 수렴 가능하고 Batch Gradient Descent에서 빠질 지역 최소값에 빠지지 않고 더 좋은 방향으로 수렴할 가능성도 있음 ※ Batch Gradient Descent가 최소값에 수렴함을 보장한다고 하였으나 그 값이 지역 최솟값일지 전역 최솟값일지 모름 일반적으로 Neural Network를 학습시킬 때는 SGD를 사용함 단순히 SGD 방식만 사용할 경우 노이즈가 많고 안장점에서 방향을 잘 못잡거나 학습 속도에 문제가 있는 경우..

경사 하강법으로 손실 값을 최적화(optimization)하기 위한 최적화 알고리즘(optimizer)은 다양하며 대표적으로 세 가지 정도의 변형이 있으며, 목적 함수의 기울기 계산에 사용하는 데이터의 양이 다름 데이터의 양에 따라 최적인 최솟값을 찾는 정확성과 최솟값을 찾는 데 걸리는 시간 간의 균형을 맞추기 위해 다른 방법들을 적용할 수 있음 배치 경사 하강법 (Batch Gradient Descent, Vanilla Gradient Descent) 경사 하강법을 위한 기울기를 계산할 때, 모든 학습 데이터셋을 사용하여 손실(loss)을 계산한 뒤 손실이 최소가 되도록 모델의 가중치(기울기)를 업데이트 하는 방법 해당 방법에서 배치(batch)란 일부 데이터가 아닌 학습에 사용되는 전체 데이터를 의미..

경사하강법은 주어진 수학 함수의 최소값/최대값을 찾는 데 사용되는 반복적인 1차 최적화 방법 ※ 수학에서 최적화(optimization)의 의미 : 특정 집합 위에서 정의된 실수값, 함수, 정수에 대해 그 값이 최대나 최소가 되는 상태를 해석하는 문제 머신러닝 및 딥러닝에서는 일반적으로 손실 함수를 최소화하기 위해 사용됨 요구사항 일반적으로 경사하강법 적용을 위해서는 크게 두 가지 요구사항이 있음 미분 가능한 함수 함수에 불연속인 지점, 뾰족한(좌미분계수, 우미분계수가 다른 점) 지점에서는 미분 불가능 볼록한(Convex) 함수 하나의 변수를 갖는 일변량 함수의 경우 함수 내 임의의 두 점을 연결하는 선이 함수 곡선을 교차하지 않으며, 그 선이 곡선보다 위에 있는 함수 일변량함수가 볼록한지 아닌지 수학적..

활성화 함수(Activation Function) 인공신경망에서 노드의 입력은 가중치(w)와 편향(b)을 사용하여 선형 변환이 수행된 이후, 활성화 함수가 적용되어 다음 층으로 전달되거나 예측하는 출력값이 됨 이러한 정보의 흐름을 순방향 전파라고 함 손실 함수(Cost Function, 비용 함수, Loss Function) 모델에서 순방향 전파에 의해 출력된 예측값과 실제값 사이의 오차 계산을 위해 사용되는 함수 모델의 예측 성능을 평가하는 척도 역전파(Backpropagation) 위에서 얘기한 순방향 전파와 반대로 손실정보를 기반으로 모델의 가중치, 편향과 같은 파라미터 벡터를 업데이트하기 위해 모델에 전달하는 과정 경사하강법(Gradient Descent) 역전파는 단순히 가중치와 편향을 업데이트..

오차 함수는 머신 러닝 모델의 예측값과 실제값 간 차이나는 정도를 통해 현재 모델의 성능을 측정하는 지표로 사용됨 오차 함수는 크게 수치 예측 시와 분류 시로 나눌 수 있음 수치 예측 시 오차 함수 MSE(Mean Sqaure Error) 예측값과 실제값의 차이 제곱의 평균 회귀 모델의 주요 손실 함수로 사용됨 차이의 제곱에 인해 실제 값과 거리가 먼 예측(특이값)은 큰 페널티를 받음 RMSE(Root Mean Square Error) MSE 결과에 루트를 씌운 것 MSE는 오차의 제곱을 사용하기에 실제 오류 평균보다 커지는 특성이 있어 루트를 씌운 RMSE는 값의 왜곡을 줄여줌 MAE(Mean Absolute Error) 예측값과 실제값 간의 절대 차이 합계의 평균 이상값에 대해 더 강력함 RMSLE(..

신경망에서 노드에 들어오는 입력은 가중치와 편향을 사용하여 선형 변환이 수행되고, 변환된 결과가 바로 다음으로 전달되는 것이 아닌 활성화함수를 적용하여 전달됨 활성화함수는 입력 신호를 출력 신호로 변환해주며, 입력 받은 신호의 출력 정도를 결정하고 딥러닝에서 층을 쌓아 비선형성을 표현할 수 있게 함 Sigmoid 시그모이드 활성화 함수의 출력은 0

Windows 10, AMD CPU 환경에서 구성 테스트 완료 참고 자료 1. Flutter SDK 설치 flutter windows SDK 다운로드 후 압축 풀고 특정 위치에 배치 (C:\Program Files\ 처럼 권한 필요한 디렉토리에는 설치하지 않기를 권장) 나같은 경우 C:\flutter 에 위치하도록 구성하였음 2. 환경변수 편집 윈도우 키 + pause/break 키 고급 시스템 설정 환경 변수 사용자 변수 탭의 Path에 flutter 설치 경로 추가 추가 이후 명령 프롬프트 창 열어서 where flutter dart 입력 이후 flutter 설치 경로로 이동하여 flutter doctor 입력 나는 기존에 Android Studio가 설치되어 있지 않았고, VS Code를 개발환경으..