내 맘대로 보는 세상

nmindplus 님처럼 꾸준히 오늘의 링크를 정리하는 건 힘들겠지만, 요 근래 읽었던 포스트들 중에 다른 분들도 읽어보면 좋겠다 싶은 글 몇 개를 추려봤습니다.

꼴찌 서울대생하면 생각나는 후배가 있습니다.
맞지 않는 교수님을 만나 석사과정을 하다 보니 트러블도 있고 성적도 좋지 않았습니다.
(우리 나라 교수님들 아직도 문제 많으십니다. 학생들은 노예가 아닌데 말이죠)
회사 들어와서는 정말 어려운 일들을 척척 해내는, 제가 존경하는 후배 중에 하나가 되었죠.
지금은 실리콘 밸리에서 중추적인 역할을 해내고 있답니다. 늘 자랑스럽습니다.

1등 지방대생하면 생각나는 친구가 있습니다.
자신이 원하는 것이 무엇인지 몰랐기 때문에 시작이 조금 늦었지만
자신이 원하는 것을 찾은 후에는 성실과 열정으로 전진 밖에는 모릅니다.
줄곧 1등을 하고 있으며, 자신의 일을 너무 좋아하는 그런 친구죠.
자신이 원하는 꿈을 향해 오늘도 한발 한발 즐겁게 오르고 있답니다. 늘 자랑스럽습니다.

from: 소프트웨어 이야기: 서울대 꼴지와 지방대 1등

링크만 걸면 안읽어보실 분을 위해 맘에 드는 구절을 인용해봤습니다. :)

작은 행복: 세상을 살아가는 방식

http://mbastory.tistory.com/100

서울대 꼴지와 지방대 1등

http://jamestic.egloos.com/1497911

얼마나 멀리 보고 있습니까?

http://jamestic.egloos.com/1522165

무료 음료수의 스낵

http://jamestic.egloos.com/1463659

그 친구들은 안그래도 되는데 말이지

http://jamestic.egloos.com/1382804

폐인 만복래! 소설가 이외수

http://www.dcinside.com/w...code=succeed&id=7947

기획자가 하는 일, 개발자가 하는 일

http://www.dal.kr/blog/20.../10/20071020_planner.html

혹시나 괜찮은 글들이 많이 올라오는 블로그가 있으면, 추천해주세요~

인터넷에서 상주하다보면 아래와 같은 일들을 간간히 겪게 되는데 그럴 때마다 난 기분이 별로 좋지 않다.

1. 열심히 이것저것 찾아보고 대답해줬는데, ‘제가 원한 건 그게 아니네요. 그냥 제가 찾아봐서 해결했습니다.’ 정도의 대답을 받았을 때 – 제발 첨부터 좀 찾아봐주시면 안될까요?
2. 누군가 메일로 나에게 질문을 해왔길래 여러가지 관련된 것들을 찾아 정리해서 보내줬지만, 아무 응답이 없을 때 – 하다못해 ‘감사합니다.’ 이 여섯자 적어 답장을 보내주는게 그렇게 어려운 일인건가요.
3. 실수(?) 혹은 대강 대답해주는 바람에 약간 잘못된 방향의 대답을 줬더니 날 죄인취급하면서 따지고 들 때
4. 누군가 메신져에 날 등록하더니 평소엔 말 한마디 없다가 질문거리가 있을 때만 말을 거는 경우

대답해줄 생각이 없으면 테스트조차 해보지 않고, URL 하나 찾아보지도 않는다. 자신은 그 정도 테스트 코드를 작성해볼 생각도, 그 간단한 링크하나 검색해보지 않았으면서 내가 할애해준 노력은 가치 없는 것으로 만드는 게 너무 싫다.

내가 삐뚜러진 건지 아님 가을을 타는건지… 결국 오늘도 까칠하게 포스트 하나!

컴퓨터랑 침대 말고 그냥 편하게 묻혀 생각을 정리하기 위한 공간을 만들기 위해 ‘무지 푹신 소파’ 를 질러버렸습니다. 제품 이름이 ‘푹신 소파’ 이고 제조사가 ‘무지’ 인데 붙여써놓으니 뭔가 묘하네요.

위 사진에서 보이는 갈색 큐브 모양이 그 제품인데, 사람이 앉으면 거기에 따라 모양이 변형됩니다. 책꽂이 옆에 놓았더니 책 볼 때 참 좋네요. 암 생각 없이 앉아있기도 좋고, 앉아서 뭐를 읽기도 좋고 비싸다는 점만 제외하면 굉장히 맘에 듭니다. 히힛~

살림살이가 하나 둘 늘고 있고, 요리 실력도 일취월장하고 있으니 결혼 상대만 찾으면 되겠네요. (이게 쉽지 않으니 문제지만 -_-!)

p.s) 이젠 위시 리스트도 얼마 남지 않았습니다.

만약 서로 다른 2개의 (x,y) 쌍을 가지고 있다면 아래와 같은 직선의 방정식을 계산해낼 수 있습니다.

이를 아래와 같은 매트릭스 형태로 표현할 수도 있습니다.

그런데 (x,y) 값을 2 쌍보다 더 많이 알고 있다면, 해가 구해낼 수 없게됩니다. 이를 over constraint 라고 하며, over constraint 상태에서 가장 에러가 작은 직선의 방정식을 구해내는 것을 line fitting 이라고 부릅니다.

line fitting 을 하는 방법은 크게 2가지 방법이 있습니다. 첫번째는 에러를 최소화 하는 계수 a, b 를 찾기 위해 편미분을 이용하는 것이고, 두번째로는 pseudo inverse 를 이용하는 방법입니다.

line fitting with differencial equation

편미분을 통해 최적의 직선을 찾아내기 위해 우선 Error 를 아래와 같이 정의해 봅시다.

2차 곡선의 최소값은 기울기가 0이 되는 지점에 있으므로 a, b 각각에 대해 편미분을 한 뒤 기울기가 0 이 되는 지점을 찾습니다.

위 식을 정리하면 아래와 같은 매트릭스로 표현이 가능하며,

역함수를 양 변에 곱해주게 되면 간단히 계수 a, b 를 구할 수 있게 됩니다.

line fitting with pseudo inverse

지금까지 편미분을 이용한 line fitting 을 알아봤는데, 이 경우는 손으로 계산해야하는 것들이 많았지만 pseudo inverse 를 이용하면 계산을 모두 컴퓨터에게 맡길 수 있기 때문에 훨씬 쉽게 직선의 방정식을 구할 수 있습니다.

pseudo inverse 를 이용한 방법을 알아보기 앞서 위 매트릭스를 간단히 아래와 같이 표현하기로 하겠습니다.

X 에 대한 inverse 를 계산할 수 있다면 간단하게 계수 a, b 를 구할 수 있겠지만 불행히도 X 는 inverse 를 가지지 못하기 때문에 X 에 자신의 transpose 를 곱해준 뒤 역행렬을 구하는 방법을 사용하게 되며, 이런 식으로 역행렬을 구해내는 방법을 pseudo inverse 라고 합니다.

식을 정리하고 나니 아래와 같은 간단한(?) 행렬 연산을 통해 계수 a, b 를 계산해낼 수 있겠습니다.

Result

아래 그래프는 (1.1,0.7), (2.1,1.0), (4.3,3.2), (-1.2,-1.1), (-2.4,-2.1), (-3.5,-3.4) 이렇게 6개의 점에 대한 line fitting 결과를 gnuplot 을 이용해서 그래프로 만든 것이며, 6개의 점 사이를 지나는 직선이 구해진 것을 쉽게 확인할 수 있겠습니다.

p.s) 매트릭스 관련된 오퍼레이션들을 다 짜놨더니 이거이거 이런 간단한 것들 돌려보는건 일도 아니네요. 요 근래 뭔가 조급해하고 있었는데, 맘잡고 기초부터 탄탄히 해놓는게 나을 거 같다는 생각이 들어서. 욕심을 줄이고 있습니다. 후훗