Computer Science
[Embedded] ARM Assembly
[Embedded] ARM Assembly
2026.05.10ARMv4 시절 32비트 ARM은 명령어 하나하나가 4바이트라 임베디드 환경에서 너무 무거웠다.그래서 Thumb이 나왔지만 표현력이 부족해 자주 32비트 ARM 모드로 돌아가야 했고, 그 때 마다 ISA를 갈아끼우는 비용이 발생함. Thumb-2에서는 단일 ISA에서 16비트와 32비트를 혼합해서 해결한다. (Instruction Set Architecture)모드 전환이 사라지고, 컴파일러가 알아서 적절한 크기를 고름.그리고 Cortex-M4에서는 Thumb-2를 사용하기에 ARM ISA같은 모든 명령어 조건부 실행이 불가능. IT 블록으로 흉내낸다. 프로세서의 레지스터는 모두 32비트이다. (R0 ~ R15)즉, 8비트나 16비트를 다룰 때도 32비트 레지스터에 담기게 된다. 그러니 남는 공간이 생..
[Data Science] ETRI 휴먼이해 인공지능 논문경진대회 - 3
[Data Science] ETRI 휴먼이해 인공지능 논문경진대회 - 3
2026.05.09https://dacon.io/competitions/official/236690/data 제 5회 ETRI 휴먼이해 인공지능 논문경진대회 - DACON분석시각화 대회 코드 공유 게시물은 내용 확인 후 좋아요(투표) 가능합니다.dacon.io 이번에는 XGBoost를 적용해보자. LightGBM / CatBoost / XGBoost 모두 트리를 다루는 전략이 다름.지금까지는 LightGBM과 CatBoost모델을 피쳐만 바꾸는 방식으로 사용했는데, 이번에는 XGBoost를 사용함. 5-Fold 알고리즘은 똑같이 쓴다.알고리즘의 다양성을 키우면 노이즈를 더 줄일 수 있지 않을까.. 일단 성능은 XGBoost가 가장 좋긴 함. 그리고 제출했을 때 점수가 0.60807 으로 지금까지 결과물 중..
[Data Science] ETRI 휴먼이해 인공지능 논문경진대회 - 2
[Data Science] ETRI 휴먼이해 인공지능 논문경진대회 - 2
2026.05.05https://dacon.io/competitions/official/236690/data 제 5회 ETRI 휴먼이해 인공지능 논문경진대회 - DACON분석시각화 대회 코드 공유 게시물은 내용 확인 후 좋아요(투표) 가능합니다.dacon.io 야간 걸음수만 보고 7개의 라벨을 맞추는건 힘들다. 그러니 단서를 풍부하게 줘야 함. 모델이 여러 피쳐와 피실험자 정보를 동시에 확인하도록 하기 위해 여러 피쳐를 한 테이블로 모으고 LightGBM 으로 7-Task를 학습시키자. 잠은 22:00 ~ 10:00 사이에 잔다. 그러니 이 시간대가 중요함.잠자는걸 어떻게 알 수 있을까? -> 심박수, 소음, 밝기, 폰 안봄 신호를 사용하자. 이 두 가지를 기준으로 새로운 피쳐를 만들었다.z-score도 함께..
[Data Science] ETRI 휴먼이해 인공지능 논문경진대회 - 1
[Data Science] ETRI 휴먼이해 인공지능 논문경진대회 - 1
2026.05.04https://dacon.io/competitions/official/236690/data 제 5회 ETRI 휴먼이해 인공지능 논문경진대회 - DACON분석시각화 대회 코드 공유 게시물은 내용 확인 후 좋아요(투표) 가능합니다.dacon.io 먼저 데이터를 까보자. 10명이 3달동안 핸드폰이랑 스마트워치를 차고 다닌 LifeLog를 기록하고, 그 다음날 아침 잠이 어땠는지 맞추는 데이터임.10명이 대충 3달동안 참여해서 대충 700개 Row가 수집됐고, 이 중 일부를 학습에 쓰고 일부를 라벨 가리고 검증에 사용함. 데이터를 쭉 읽어보면.. 언제 폰이 켜졌고 그 때 어떤 활동을 했고 그 때의 밝기는 어땠는지를 저장한다. 12:03 폰 켜짐 / 걷는중 / 화면안봄 / 주변조도 534lux12:23 워치 심..
[Embedded] General Purpose Input Output
[Embedded] General Purpose Input Output
2026.04.30GPIO는 General Purpose Input Output의 약자로 범용적으로 사용할 수 있는 프로세서의 표준 인터페이스이다.핀들을 Input / Ouput / Alternate Function / Analog 등으로 설정해서 사용할 수 있음. GPIO 핀 하나를 제어하려면 클럭을 켜고, 레지스터로 모드를 설정하고, 데이터 레지스터로 읽기 쓰기 작업을 수행해야 함. STM32F429는 Cortex-M4 코어를 사용하는 SoC로, 버스가 두 종류로 나뉜다.AHB 버스는 고속으로 CPU와 메모리 사이를 중개하고, APB 버스는 저속으로 CPU와 주변장치를 중개함. 메모리는 CPU와 같은 속도로 돌아야 하지만 UART 같은 주변장치는 대충 돌아도 된다. (이미 외부 통신 속도가 정해짐)당연히 같은..
[Data Science] Data Preprocessing & Feature Engineering
[Data Science] Data Preprocessing & Feature Engineering
2026.04.14실제 현장의 데이터는 깔끔하지 않다.고객의 직업 정보가 비어있을 수가 있고, 연봉이 입력되는 칸에 -10처럼 음수가 들어가는 등 데이터에 노이즈가 포함될 수 있다. 그러니 데이터를 통해 제대로 된 결과를 얻으려면 Accuracy, Completeness, Consistency, Timeliless를 갖추도록 전처리가 필요하다. Structure : 데이터의 형식을 의미한다. CSV / SQL / JSON / XML 등.. Granularity : 데이터 Row 하나가 뭘 의미하는지를 정의한다. 한 번의 구매? 한 명의 사용자? Scope : 내가 분석하려는 목적에 맞는 범위인지 확인한다.Temporality : 데이터가 언제 수집됐고, 주기성이 있는지 확인한다. (TimeZone 처리 포함)Faithfu..
[Data Science] Statistical Data Analysis
[Data Science] Statistical Data Analysis
2026.04.09Descriptive Statistics는 데이터를 의미 있는 방식으로 요약하거나 특성화하는 작업을 의미한다.연속적이고 대칭적이며 이상치 없이 잘 정의된 데이터(대충 정규분포 따르는..) 를 설명할 때 사용함. Distribution은 관측값이 가능한 값의 범위에 어떻게 퍼져있는지, 특정 값이나 범위가 관측되는 빈도를 통해 데이터를 설명한다. Mean, Median, Mode, Range, Variance, Standard Deviation 등 기초 통계량은 패스 IQR은 데이터의 중간 50%가 차지하는 범위로, 3사분위수에서 1사분위수를 뺀 값을 의미한다. (Q3 - Q1) Skewness는 분포의 비대칭 정도를 의미하고, Kurtosis는 분포가 얼마나 뾰족한지를 의미한다. (정규분포..
[Embedded] Interrupt
[Embedded] Interrupt
2026.03.31Cortex-M4에서는 하드웨어 컨트롤러 NVIC가 사건을 통합 관리하고, 각 사건은 우선순위와 PK를 가진다.사건은 벡터 테이블에 등록된 핸들러로 자동 분기됨. 예외가 좀 커다란 카테고리고, 인터럽트는 예외의 한 종류.모든 인터럽트 신호는 NVIC(Nested Vectored Interrupt Controller)를 거쳐서 프로세서 코어로 들어가고, 주변 장치는 코어를 깨울 수 없다. (NMI는 예외. NVIC를 거치지 않고 들어간다) 스프링의 Dispatcher Servlet과 유사함. 우선순위 비교, Masking, Pending 관리를 한 곳에서 처리한다. USART로 시리얼 데이터 한 글자가 도착했다고 하자.Cortex-M4 칩 안에 USART 시리얼 통신 모듈이 있고, 외부에서 이 모듈..
[Data Science] Data Acquisition and Visualization
[Data Science] Data Acquisition and Visualization
2026.03.28데이터를 수집할 때 내가 어떤 데이터를 얼마나 필요하고 어떻게 구하는지도 중요하지만 가장 중요한 건 관련된 법적 문제가 없는지 확인하는 것.. 소송 비용이 굉장히 크다. 현실 세계에서 데이터를 구하기 힘들어서 게임 속에서 데이터를 수집하더라도, 그 게임사와 저작권 문제가 얽힐 수 있다.사람이 점프하는 데이터를 구하기 힘들어서 마리오가 점프하는 데이터를 구했다고 하자. 이러면 닌텐도와 저작권 문제가 얽힐 수 있어 그 데이터를 바탕으로 논문을 작성하더라도 회사 법무팀에서 데이터셋 공개를 막을 수 있음. 데이터 수집 방법론으로는 CRISP-DM과 TDSP 가 있는데 그냥 그런게 있다 정도만 알기.. 데이터셋은 Primary Data와 Secondary Data / Cleaned Data와 Raw Data로 ..
[Embedded] Cortex-M4 Processor
[Embedded] Cortex-M4 Processor
2026.03.18임베디드 시스템은 일반 PC와 다르게 하나의 기능에 최적화 되어 있다.그냥 설계부터가 다름.임베디드 시스템에서는 주변의 아날로그 환경과 상호작용하는 입출력 신호가 굉장히 중요하다. Flash는 프로그램을 저장하고, SDRAM은 실행 중 데이터를 처리한다.GPIO는 디지털 I/O를 처리하고, ADC/DAC와 UART는 통신을 처리한다. 저 모든 구성요소들이 하나의 System On a Chip으로 집적된 형태로 구성됨. SoC가 하나의 프로세서라고 보면 된다. SRAM (Static RAM) 은 전원이 공급될 때는 데이터가 계속 유지되니 주기적인 리프레쉬가 불필요하다.속도가 가장 중요한 영역에 배치됨. SDRAM (Synchronous DRAM) 은 데이터를 유지하기 위해 주기적으로 Refres..
[Data Science] Decision Tree & Regularization
[Data Science] Decision Tree & Regularization
2026.03.14Decision Tree는 데이터를 분류하기 위해 Y/N 으로 구성된 트리 구조로 이어붙인 모델. 아이디어는 굉장히 단순함.그런데 이걸 어떻게 학습시키는지가 문제.. Training ML 모델 중 제일 많이 사용되는 모델으로, 딥러닝 모델처럼 Training Data를 완벽하게 설명할 수 있도록 학습된다는 공통점이 있음.그러니 일단 오버피팅으로 만들고 Training과 Validate가 비슷해지도록 조작한다. 모델을 처음부터 적당히 학습시키려고 하면 어디에서 멈춰야 하는지에 대한 기준이 없음.그러니 일단 Training Set을 제대로 설명하는 복잡한 모델을 만들고, Validation Set 성능을 보면서 Complexity를 줄여나가는 식으로..딥러닝에서는 Early Stopping, Dro..
[Data Science] Regression & Classification
[Data Science] Regression & Classification
2026.03.07머신러닝에서 이미 공부한 내용이지만 간단하게 훑어보고 넘어가자. Regression 에서 Model은 그냥 함수로 생각하면 됨. Constant Model은 평균값을 뱉어내는 함수로 보면 된다.저기서 Theta는 Parameter로, 데이터를 통해 추정하는 값이다. 중력가속도 g도 사실 계산을 통해 얻은 값이니 Parameter라고 볼 수 있음. 수식에서 x y 값은 그냥 주어지는 값이니까 Parameter가 아니다. 저기서는 x y 값이 Constant. Theta에 hat이 붙어있으면 Estimated Parameter로 Best Fit한 Parameter라고 보면 됨. hat이 붙어있지 않으면 Model Parameter. 모델링 과정은 크게 4가지로 구분된다. 1. Choos..