Blog16

Performance 아래 내용은 성능에 영향을 미치는 요소들과 어떤 점을 결정하는 지를 보여준다. Algorithm, Data Structure (+ Coding Skills) HLL 연산이 실행되는 횟수를 결정한다 다시 표현하자면, 프로그래머가 얼마나 효율적인 코드를 짜는지가 중요하다는 것이다. 이 때 효율적인 코드는 적은 연산으로 같은 결과를 내는 코드를 말한다. Programming Language, Compiler, Architecture HLL 연산 당 기계 명령어 수를 결정한다. 프로그래밍 언어, 컴파일러, ISA 등에 따라 같은 HLL 연산이라도 다른 어셈블리어, 곧 기계 명령어로 변환될 수 있으므로 성능에도 영향을 미친다. Processor and Memory System 명령어 실행 속..

전공/컴퓨터 구조 2020. 10. 25. 16:33

여기서는 컴퓨터의 기본적인 동작인 데이터 입력, 출력, 처리, 저장을 수행하는 컴퓨터의 주요 구성요소에 대해 알아봅니다. Components of a Computer 컴퓨터의 주요 구성요소에는 5가지가 있습니다. Datapath : 데이터에 대한 연산 수행 Control : Datapath, Memory, I/O device 등의 동작을 제어 Memory : 데이터 저장 Cache Memory : 즉각적으로 데이터에 접근하기 위한 작고 빠른 SRAM 메모리 SRAM은 빠르지만 비싸기 때문에 보통 많은 용량을 가지고 있지 않다. Input & Output : 아래 기기들과 컴퓨터 사이에 발생하는 입출력 User-Interface Devices : 디스플레이, 키보드, 마우스 등 사용자와 상호작용하는 기기 ..

전공/컴퓨터 구조 2020. 10. 25. 16:14

우리가 흔히 접하는 프로그램은 다양한 라이브러리를 사용하여 만들어졌고 사용된 라이브러리의 코드를 제외하더라도 짧게는 수십 줄에서 많게는 수백 만 줄의 코드로 이루어져 있습니다. 그리고 그 코드들은 대부분 printf("Hello, World!\\n");와 같이 사람의 언어에 가깝습니다. 반면, 컴퓨터 하드웨어는 대부분의 사람들이 알고 있듯 0 또는 1의 전기 신호로 작업을 처리합니다. 이 챕터에서는 응용 프로그램과 그 뒤에서 일하는 친구들을 알아보고 C, Java 등의 코드가 기계어와 어떤 관계가 있는지 살펴봅니다. Below Your Program Application Software High-Level Language로 작성된 소프트웨어를 말합니다. 흔히 접하는 프로그램이 대부분 여기에 속합니다. 워..

전공/컴퓨터 구조 2020. 10. 25. 12:02

여기도 역시 Conditioning, 어떤 Event가 발생했을 때의 상황을 고려한 확률을 생각해볼 수 있다. 어떤 Event A가 발생한 조건에서 Continuous Random Variable $X$의 PDF는 다음을 만족한다. $$P(X\in B \vert A) = \displaystyle\int_B f_{X\vert A}(x)dx$$ 만약 $A$가 $P(X \in A) > 0$인 실수 집합이면, $$ f_{X\vert A}(x) = \begin{cases} \frac{f_X(x)}{P(X\in A)} &\text{if }x\in A \\ 0 &\text{otherwise} \end{cases} $$ Conditional Expectation 이번에는 기대값이다. 위와 같은 조건에서 기대값은 아래와..

전공/확률과 통계 2020. 10. 25. 11:47

Normal Random Variable의 PDF 그래프는 고등학교 때 한번쯤 봤을 법한 정규분포곡선이다. $$f_X(x) = \frac{1}{\sqrt{2\pi}\sigma}e^{-(x-\mu)^2/2\sigma^2}$$ $$E[X] = \mu$$ $$var(X) = \sigma ^2$$ $\mu, \sigma$는 각각 평균과 표준편차를 나타내는 기호이다. Properties Normal Random Variable은 여러가지 특성을 가지고 있다. 물론 이것들도 대부분 고등학교 때 본 기억이 있을 것이다. 하나씩 살펴보자 Property 1: Symmetry(대칭성) 확률 분포가 흔히 종모양 곡선을 그리며, 평균값을 기준으로 대칭을 이룬다. 예를 들어 $\mu = 1$인 Normal Random Var..

전공/확률과 통계 2020. 10. 25. 11:42

연속적인 값에 대해, 우리는 $P(X=x)$ 보다는 $P(X \le x)$에 더 관심을 가지고 있다. PDF를 적분하면 그 값을 구할 수 있지만 $f(x) = P(X \le x)$처럼 표현할 수 있는 함수가 있으면 더 편리할 것이다. 그런 함수가 Cumulative Distribution Function(CDF)이다. CDF는 연속적인 값 뿐만 아니라 이산적인 값에 대한 식도 포함하고 있다. $$ F_X(x) = P(X \le x) = \begin{cases} \displaystyle\sum_{k \le x} p_X(k)&\text{X: }discrete \\ \int^a_{-\infty}f_X(t) &\text{X: }continuous \end{cases} $$ CDF는 0부터 1까지 증가하는 형태의..

전공/확률과 통계 2020. 10. 25. 11:33

지금까지 우리는 이산적인 값에 대한 확률을 다루었다. 여기서는 연속적인 값에 대한 새로운 Random Variable과 Probability Density Function(PDF)를 소개하겠다. Continuous Random Variable은 연속적인 값을 다루기 위한 것이며 다음과 같은 특징이 있다. 무한한 범위에서 정의되어있다. 어떤 값 $X=x$에 대하여, $P(X=x) = 0$이다. 이 변수의 값이 될 수 있는 경우는 버스가 도착하는 시간, 무작위로 선택된 사람의 키 등이 있다. Probability Density Function(PDF) Continuous Random Variable은 항상 $P(X=x) = 0$이기 때문에 PMF를 만드는 것은 실질적인 의미가 없다. PMF 대신 우리는 연속..

전공/확률과 통계 2020. 10. 25. 11:28

Random Variable 간의 독립인 경우에 대해 다루며, 이 때 PMF, Expectation, Variance가 어떤 특성을 지니는지도 함께 살펴볼 것이다. Independence of Random Variables 두 랜덤 변수 $X,Y$가 독립이려면 PMF가 다음을 만족해야 한다. $$p_{X,Y}(x,y) = p_X(x)p_Y(y)\ for\ all\ x,y$$ 마치 $P(A\cap B) = P(A)P(B)$이면 두 Event가 독립인 것과 같은 이치이다. $X,Y$가 서로의 확률에 영향을 미치지 않기 때문에 ${X=x }$와 ${Y=y }$가 동시에 일어나는 경우의 확률은 각각의 확률을 곱한 것과 같다. Expectation of Independent Variables 기대값을 계산할 때 ..

전공/확률과 통계 2020. 10. 24. 23:48