반응형
SMALL

처리 5

[Design Pattern] 방문자 패턴(Visitor Pattern)

이번 학습 주제는 방문자 패턴(Visitor Patter)입니다 방문자 패턴은 방문자를 나타내는 클래스를 준비하고 이 클래스에게 처리를 위임함으로써 데이터 구조와 처리를 분리합니다 먼저 방문자 패턴의 역할들을 정리하고 시작하겠습니다 역할 설명 Visitor(방문자) 데이터 구조의 전체적인 요소마다 visit 메소드 선언 Concrete Visitor(구체적인 방문자) Visitor 역할의 인터페이스를 구현 Element(요소) Visitor 역할이 방문할 곳을 나타내는 역할로 방문자를 받아들이는 accept 메소드 선언 Concrete Element(구체적인 요소) Element 역할의 인터페이스를 구현 Object Structure(오브젝트 구조) Element 역할의 집합을 취급하는 역할 이제 구현을..

Java 2020.07.09

[Android] 코틀린(Kotlin) null과 예외(Exception)

오늘도 넷플릭스로 플래쉬(Flash)를 시청하면서 코틀린(Kotlin) 학습을 이어가겠습니다 주제는 제목처럼 코틀린의 null과 예외(Exception)처리입니다 null은 var이나 val 변수의 값이 없다는 것을 나타내는 값인데 자바를 포함해서 많은 프로그래밍 언어에서 null은 프로그램이 중단되는 크래시(crash)를 유발하는 원인이 됩니다 이유는 컴파일 시점에 에러를 알 수 없기 떄문인데 코틀린은 null 가능 타입과 불가능 타입을 구분하여 위험을 사전에 방지할 수 있습니다 fun main(args: Array) { var beverage = readLine()?.capitalize() println(beverage) } 위의 코드에서 readLine() 다음에 ?를 붙이지 않는다면 에러가 발생합..

Android 2020.04.18

[iOS] 스위프트5 프로퍼티 레퍼와 에러 핸들링(Swift5 PropertyWrapper and Error Handling)

오늘은 시간이 다소 늦은 관계로 여담 없이 바로 학습으로!! 이번 주제는 제목과 같이 프로퍼티 레퍼(Property Wrapper)와 에러 핸들링(Error Handling)입니다 프로퍼티 레퍼는 스위프트 5.1부터 나온 것으로 클래스와 구조체 구현부에 getter, setter, computed property 코드의 중복을 줄이는 방법입니다 @propertyWrapper struct FixCase { private(set) var value: String = "" var wrappedValue: String { get { value } set { value = newValue.uppercased() } } init(wrappedValue initialValue: String) { self.wrappe..

iOS 2020.03.26

[Security] CPU(Central Processing Unit)

문득 정보 보안에 급 관심이 생기기 시작!! 공부를 하려고 보니 너무 막연하여 정보보안기사 자격증 취득을 목표로 정하고 달려보겠습니다 오늘의 학습 주제는 컴퓨터의 핵심인 CPU(Central Processing Unit)입니다 중앙처리장치의 구성요소를 살펴보면 다음과 같습니다 구성요소 기능 ALU(Arithmetic Logic Unit) 산술연산, 논리연산들을 수행하는 회로 Register PC(Program Counter) 다음에 수행할 명령어가 저장된 주기억장치의 번지를 지정 MAR(Memory Address Register) 주기억장치에 접근하기 위한 주기억장치의 번지를 기억 MBR(Memory Buffer Register) 주기억장치에 입/출력할 자료를 기억 IR(Instruction Regist..

Security 2019.12.10

[Python] 데이터 사전 처리(Preprocessing)_1

지금까지 파이썬(Python)의 판다스(Pandas), 맷플롯립(Matplotlib), 씨본(Seaborn), 폴리엄(Folium) 라이브러리(Library)를 통해 여러 데이터를 다양한 방법으로 출력해보면서 본래 이 학습의 목적인 데이터 분석을 위한 아주 미미한-_- 준비를 해보았습니다 그런데 머신러닝 등 데이터 분석의 정확도는 분석 데이터의 품질에 의해 좌우됩니다 일전 학습에서도 일부 데이터의 누락(NaN)으로 오류가 발생한다던지 결과가 잘못나온다던지 하는 현상이 있었습니다-_- 데이터 품질을 높이기 위해서는 누락된 데이터, 중복 데이터 등 오류를 수정하고 분석하려는 목적에 맞게 데이터를 가공해야합니다 먼저 누락 데이터를 처리하는 법을 학습해보도록 하겠습니다 import seaborn as sb ti..

Python 2019.10.01
반응형
LIST