0. 참고 자료 1. 프로젝트 생성 다양한 템플릿 중에서 자신이 만들고자 하는 게임이 맞는 것을 선택한다. 2. 인터페이스 Hierarchy : 게임 오브젝트 확인 및 생성 Scene : scene 확인 Project : 게임을 구성하는 파일들, 그래픽, 사운드 포함. Inspector : 게임 오브젝트의 속성을 조작할 수 있음. 3. 조작법 Hierachy에서 마우스 오른쪽 클릭으로 Cube를 생성할 수 있다. q + 드래그 : 화면 이동 w + 드래그 : 오브젝트 이동 e + 드래그 : 오브젝트 회전 r + 드래그 : 오브젝트 크기, 비율 조정 t + 드래그 : 오브젝트 크기, 비율 조정 (조금 더 2D 특화) 마우스 오른쪽 : 카메라 회전 alt + 마우스 오른쪽 : 카메라 축 이동 키보드 이동키 ..

SW종합설계를 4학년 1학기 전공 과목 중 하나로 수강하게 되었다. 팀을 구성해서 프로젝트를 직접 기획, 개발하고 평가받는다. 우리 팀은 유니티를 이용한 멀티 게임을 개발하고 이를 웹 페이지를 통해서 배포하기로 했다. 갑자기 팔자에도 없는 게임 개발을 하게 되었다. 많이 당황스럽다;; 유니티를 한 번도 해본적 없기에 새로 배워야 한다. 또한 멀티 플레이를 구현하는 역할을 맡았기 때문에 Photon을 이용해서 유니티 멀티 게임을 만드는 방법도 배워야 한다. 예정에도 없던 게임 개발이지만 나름대로 재미있을 것 같다. 특히 다수의 클라이언트가 실시간으로 동기화되는 원리가 궁금하다. 기본적인 유니티 사용법부터 Photon 사용법까지 알게된 새로운 지식들을 정리해 보려고 한다.

0. 실습 1. GAN GAN(Generative Adversarial Network을 약자다. 장점 : 통계적 추론에 의한 대체함수 미사용 : 신경망, CNN 사용 : 경사하강법 사용(상대적으로 적은 시간) 좋은 성능에 힘입어 최근에 많이 사용되고 있다. GAN은 게임이론을 적용한 Incremental 개선을 기본 원리로 한다. 무슨 말이냐;; 밑에서 천천히 설명하겠다. 가. 생성 모델 (Generative model) 훈련 데이터를 사용해서 해당 클래스의 표본 자체를 출력(생성)하는 모델. 예를 들어 고양이 사진을 데이터로 투입하면 생성모델은 학습을 통해서 “고양이 같은 사진”을 만들어 낸다. 나. 변별 모델 (Discriminative model) 학습을 통해서 주어진 입력이 무엇에 해당하는지 판별..

0. 기계번역의 연혁 1. Seq2Seq 모델 인코더와 디코더로 구성되며, 인코더에서 context를 디코더로 전달한다. 인코더와 디코더 모두 RNN을 활용했다. 인코더의 마지막 은닉층의 출력값을 context로 활용한다. SOS : Start Of Sequence EOS : End Of Sequence 가. Seq2Seq 문제점 Seq2Seq 모델에서 사용하는 context는 입력 시퀀스의 크기와는 상관없이 크기가 고정되어 있다. 또한 가장 마지막 은닉벡터의 출력값의 context로 사용한다. 이에 2가지 문제점이 나타난다. 입력 시퀀스의 크기가 커지면, 시퀀스의 앞부분 단어에 대한 정보가 손실된다. 입력 단어별 관련성에 관한 정보의 사용이 불가하다. 나. 해법 모든 단어를 평등하게 고려하여 conte..

1. NLP (자연어 처리) 자연어란 사람이 사용하는 언어를 지칭한다. 자연어 처리(NLP)는 컴퓨터를 이용해서 자연어를 이해, 생성하기 위한 분야다. 가. NLP 기술 보기에도 많은 기술이 사용된다. 나. 머신러닝과 NLP 머신러닝을 이용해서 NLP하는 전체 과정을 간략하게 표현한 것. NLP를 위한 머신러닝 모델의 입력으로 사용할 대부분의 특징은 형태소 분석기와 같은 도구(software)를 통해서 제작한다. 2. 코퍼스 (Corpus) 머신러닝 모델을 학습시키기 위해서 실제 언어가 사용된 사례가 필요하다. 이에 분석에 활용할 텍스트 모음을 코퍼스라고 한다. 코퍼스의 예시로 한국어 위키피디어를 활용한 코퍼스, Naver 영화 리뷰를 활용한 코퍼스, IMDB 영화 리뷰를 활용한 코퍼스 등이 있다. 가...

1. RNN 가. 순차 데이터 (data sequence) 데이터 간 상호 순서상 연관성을 갖는 경우. 시계열 데이터 : 주가 변동, 환율 변동, 모션 시계열 신호 또는 이미지 : 음성신호, 동영상 프레임 구두 연설, 문서 텍스트 나. RNN의 기능 순차 데이터 처리의 종류 예측 : 주가 예측, 문장에서 다음 단어 예측, 동영상에서 다음 프레임 예측 등 분류/판단 : 문장 요약, 문법오류판단 등 생성 : 번역, 캡션생성(장면 묘사) 등 위와 같은 처리를 위해서는 과거의 상태(과거의 입력)를 기억할 필요가 있음. 다. RNN의 구조 RNN은 이전 상태를 저장할 수 있는 기능을 가진다. 위와 같이 표현하는 방법을 ‘시간 펼침 (Unrolling in time)’이라고 한다. RNN 분석 및 학습을 편리하게 ..

메리 솔로크리스마스 1. 디자인 패턴 사람들은 일정을 관리하거나, 할 일을 정리하고, 가계부를 작성하는 등 각자의 용도에 맞게 노션을 사용한다. 여기서 주목해야 할 것은 사람마다 노션을 사용하는 용도가 완벽하게 일치하진 않지만 비슷한 용도로 노션을 사용하는 경우가 더러 있다는 것이다. 이에 노션에서는 이용자들이 흔히 필요로 하는 페이지들로 하여금 빠르게 구현할 수 있게 템플릿을 제공한다. 노션뿐만 아니라 소프트웨어를 개발하는 과정에서도 비슷한 설계를 빠르게 구현할 수 있게 템플릿을 제공한다. 소프트웨어를 구현하는 것에 있어서 자주 사용하게 되는 설계 형태를 정형화하여 하나의 설계 템플릿으로 만든 것을 디자인 패턴이라고 한다. 2. GoF 디자인 패턴 Gang of four의 약자로 교수님이 왜 GoF인지..

0. 형상 형상이란 소프트웨어 개발 과정의 산출물(소스코드, 문서 등)이 배치된 모습을 뜻한다. 1. 형상 관리 (configuration management) 형상관리는 … 형상 항목을 식별하여 그 기능적 물리적 특성을 문서화하고, 그러한 특성에 변경을 제어하고, 변경에 관하여 기록 및 보고하고, 명시된 요구사항에 부합하는지 확인하는 기술적이고 관리적인 감독, 감시 활동이다. 프로젝트의 생명주기 동안 제품의 무결성과 변경에 대한 추적성을 확보하는 것이 목적이다. 가. 필요성 프로젝트를 진행하면 요구사항의 변동이 있는 경우가 많다. 이때 형상 관리를 수행하지 않는다면 요구사항 변동에 따른 산출물의 수정 결과가 관련자들에게 제대로 전달되지 않는다. 관련자들의 작업내용이 중복될 수도 있고, 중심이 되는 소스..