Add document files: docx, pdf, markdown, ppt, xlsx

docx/(연번169)경제자유구역 인허가 프로세스 등.docx

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:35d2336cc9a5a8e55ea27a15030149370c927f567d333edd324fbb20a3ea9e90
+size 371473

docx/2024년_재산공개_대상자_변동신고내역(LH).docx

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:14383e6006114f8fee71f892e87e8d363f7e3a2e66aa6f166059a00a68d53dad
+size 70835

docx/3기신도시지구내직원등의부동산소유및보상배제현황.docx

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:c1fdfaf7b4011c7d2e7c6b15250b9f2a66380fc14203fb2098122c773af6ed30
+size 53845

docx/AI생활지원사 시나리오.docx

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:07bebf9e8e6a62353fb71e0e14a40f22a0eb89922da7697725b6c0e72b3dd846
+size 24197

docx/건설공사현황(20250301)-주택품질처_게시용(대외).docx

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:5156af1327982707e79d9552813fd84e43465207e997bf9a216ef5d27237183d
+size 121871

docx/경제자유구역사업개론(실무자료)_24.08.docx

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:6cdd232bf75e0b6efc84355e9f66ca41c586901864bc6eb622106042259f1e68
+size 2499798

docx/기성금지급현황(2020).docx

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:040a2fe6e570e1e5f1a2be5849c683c68401480f6418f852d760d92a1c19fbe0
+size 2293310

docx/사옥현황 및 시설사용 안내(2024년).docx

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:23001bea6ec0aa06d23a0250c041e05f6ade42150070968b6be05de357365194
+size 28237

docx/★비위면직자등취업제한제도개요(24년 변동사항없음).docx

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:5228e845dd89d6f5b219d49b055a251bb007c0083cfb2f9aee14e56b4d4f9d1a
+size 53267

markdown/17-1-SKKU-OSS__021B__about.md

@@ -0,0 +1,20 @@
+---
+layout: page
+title: 021B
+permalink: /about/
+---
+
+<img src="{{ site.baseurl }}/assets/profile-placeholder.gif" title="Profile Picture" class="profile">
+
+팀원: 유재영, 이한영, 조원이
+
+올해 2017년 1학기, 성균관대학교 자연과학캠퍼스에서 오픈소스소프트웨어실습을 듣게 된 16학번 전공 새내기의 세 사람. 그들은 노베이스로 수업을 듣게 되고 아무것도 모르게 되는 위기에 처하게 되는데...
+
+이들에게 구원의 손길을 뻗어준 선배들과 교수님, 조교님! 과연 이들의 운명은?
+
+한글 맞춤법 검사
+
+
+[centrarium]: https://github.com/bencentra/centrarium
+[bencentra]: http://bencentra.com
+[jekyll]: https://github.com/jekyll/jekyll

markdown/2circumflex__GDG-Incheon-iOS-Study__Link.md

@@ -0,0 +1,68 @@
+#GDG Incheon Swift Study 자료
+
+스위프트 문법 공부에 도움이 될만한 링크를 모아두었습니다.
+
+## 영상
+YouTube 링크입니다. <br>
+스터디에서 정한 책이 `꼼꼼한 재은 씨의 스위프트 2 프로그래밍` 인데.. 영상 링크도 이재은씨네요.<br>
+저는 이재은씨와 아무런 관련이 없음을 알려드립니다!!<br>
+* 애플 스위프트(Swift)의 7가지 특징과 10가지 이상의 장점<br>
+https://www.youtube.com/watch?v=d3eBO53hXoE
+
+* 스위프트와 오브젝트C의 비교 등 스위프트 특징<br>
+https://www.youtube.com/watch?v=cN0x2TmuMac
+
+* 새로워진 애플 스위프트 2.0의 특징<br>
+https://www.youtube.com/watch?v=qSOKuC3cOmA
+
+* 애플 스위프트의 7가지 특징<br>
+https://www.youtube.com/watch?v=AGRbKDdfL6c
+
+* 애플 스위프트 2.0 기초 문법<br>
+https://www.youtube.com/watch?v=rd_igUiCAIo
+
+## 공식
+* Swift Site<br>
+https://swift.org/
+
+* Swift 2.1 문법 (웹버전)<br>
+https://developer.apple.com/library/ios/documentation/Swift/Conceptual/Swift_Programming_Language/index.html
+
+* Swift 2.1 문법 (iBooks)<br>
+https://itunes.apple.com/kr/book/swift-programming-language/id881256329?mt=11
+
+## 기타
+한글로 설명된 링크모음 입니다. 한글로된 자료가 보는데 편하지만, 링크 내용중에 잘못된 점이 있을수 있으니 공식 링크를 참고해서 공부하시면 됩니다.
+
+* Swift 언어 개발문서<br>
+http://swift.leantra.kr/
+
+* Swift 2 한글 매뉴얼<br>
+http://swiftlab.kr/swift-2-korean-book/
+
+* swift2.x - GitBook<br>
+https://subak-io.gitbooks.io/swift2-x/content/
+
+* StyleShare의 Swift Style Guide<br>
+https://github.com/StyleShare/swift-style-guide
+
+## Xcode 다운로드
+Swift 2 를 사용하려면 Xcode 7.x 버전을 설치해야 됩니다. (현재 최신버전은 7.2 입니다.)<br>
+기존버전을 업데이트 하거나 App Store에서 다운로드 하세요.<br>
+기존버젼(예를 들어 6.x)을 유지해야 되는 분은 아래 2번째 다운로드 링크에서 로그인후 dmg 파일을 받으세요.<br>
+
+* App Store 에서 Xcode 7.2 다운로드<br>
+https://itunes.apple.com/kr/app/xcode/id497799835?mt=12
+
+* 다운로드<br>
+https://developer.apple.com/downloads/
+
+## Playground
+Xcode 설치후 Playground에서 Swift 실습을 하면 됩니다.<br>
+아래 2개는 playground로 된 가이드 입니다. 참고하세요.<br>
+
+* Learn the Essentials of Swift<br>
+https://developer.apple.com/sample-code/swift/downloads/Start-Dev-iOS-Apps-01.zip
+
+* Guided Tour<br>
+https://developer.apple.com/library/ios/documentation/Swift/Conceptual/Swift_Programming_Language/GuidedTour.playground.zip

markdown/96abab__96abab.github.io__HTML5.md

@@ -0,0 +1,781 @@
+# HTML5 수업
+=====================
+<details>
+<summary>click</summary>
+<div markdown="1">
+
+
+  1. [리눅스 명령어 정리](linux.md)
+
+  2. [HTML수업](HTML5.md)
+
+  3. [CSS수업](CSS.md)
+
+</div>
+</details>
+
+<hr/>
+
+
+# 2022-11-23
+<br>
+##http 등장 전 
+<br>
+논문을 text로 FTP server로 업로드하면 FTP client는 통신(protocol) 규칙에 따라 data를 송수신한다  
+<br>
+  
+        단점
+        - 논문이 참조하는 다른 논문을 다운로드 받기 번거롭다
+        - 논문안에 다른 논문이 업로드된 서버 주소가 없다
+
+##HTTP,HTML<br>
+다른논문의 위치정보와 텍스트의 포맷을 지정 하고 그림,음성,동영상등을 삽입 
+
+        <a href="">제목</a>   제목은 데이터고 명령어는 데이터를 설명하는 데이터 
+        <img grc="a.gif">     
+
+<br>
+
+        {\rtf1\ansi\ansicpg949\deff0\nouicompat\deflang1033\deflangfe1042{\fonttbl{\f0\fnil\fcharset129 \'b8\'bc\'c0\'ba \'b0\'ed\'b5\'f1;}}
+        {\colortbl ;\red255\green0\blue0;}
+        {\*\generator Riched20 10.0.19041}\viewkind4\uc1 
+        \pard\sa200\sl276\slmult1\b\f0\fs44\lang1042 ABC\'ba\'f1\'c6\'ae\'c4\'b7\'c7\'c1\b0\fs20\par  <-내용
+        \par
+        \cf1\i\'b3\'d7\'c0\'cc\'b9\'f6 \cf0\'c5\'ac\'b6\'f3\'bf\'ec\'b5\'e5sdfs\par
+        \par
+        \i0\lang18\par
+        }    
+
+<br>
+##HTTP
+<br>
+HTML 문서를 원활하게 송수신하고 찾아가기 쉽게 만든 통신 프로토콜
+
+        HTTPclient(web browser)
+        -
+        예)크롬,파이어폭스,엣지
+        
+        HTTPserver(web server)
+        -
+        예)NginX,apache
+
+###HTTPS
+-HTTP+보안
+
+<hr>
+<hr>
+
+##과제 목표<br>
+웹 기술의 등장 과정을 조사하여 설명하시오.
+<br>
+1) 어느 단체의 누가 어떤 목적으로 웹 기술을 만들었는지?
+<br>
+        WWW 은 유럽입자물리연구소라는 곳에서 여러 대학과 연구기관에서 일하는 물리학자들 사이에서 효율적이고 신속한 자료를 공유받기 위한 목적이었는데 1989년에 "팀 버너스리"에 의해 시작된 프로젝트였습니다.
+<br>
+
+2) 웹 기술의 처음 목적과 지금 활용되는 상황이 어떻게 다른지?
+웹기술의 처음 목적 지금 적용된 상황 어떻게 다른지 설명 
+<br>
+        최초의 브라우저인 "월드와이드웹"은 웹 탐색(Browser)의 역할과 편집(Edit)의 역할을 같이 했으며 NeXTSTEP이라는(애플의 공동설립자인 스티브 잡스가 설립한 넥스트 사에서 개발한 객체지향형 운영체제) 플랫폼 위에서 동작한다고 합니다.
+
+        웹브라우저는 위키처럼 다중 작성자의 환경(소셜 웹)을 뜻했는데 이후에 나오는 브라우저들은 편집의 역할을 빼고 탐색 기능만 제공하게 되어 본래 의도와 다르게 제공 되었다
+        
+        -웹 1.0이 인터넷을 통해 일방적으로 정보를 보여주었다
+        
+        -웹 2.0(Web 2.0)이란 개방, 참여, 공유의 정신을 바탕으로    사용자가 직접 정보를 생산하여 쌍방향으로 소통하는 웹 기술이다 또한
+        웹 2.0이 데스크톱 컴퓨터의 응용 프로그램을 대체할 것으로 예견하고 있다
+        최근에는 프로그래밍 단계의 웹 서비스뿐만이 아닌 UI를 통째로 사용할 수 있는 스크린 스크래핑 형태로도 웹 서비스를 사용한다
+
+<br>
+##web 기술의 활용 
+<br>
+        
+        1세대
+        -논문공유
+
+        2세대 (webserver)
+        -회사소개,제품소개,그림
+
+        3세대 
+        -방명록
+
+        4세대
+        -쇼핑몰+ MS ASP 프로그램,php
+
+        5세대
+        -단순 프로그램 -> 전문적인 app로 변화 -> app 관리 기능 강화 
+        
+        인사관리시스템,결제시스템 물류관리시스템,웹메일등
+
+        -초창기 논문개시 현재 app개시
+        
+        ##CGI
+        web server와 프로그램 사이에 데이터를 주고 받는 규칙 
+<br>
+
+web app 제작기술 
+<br>
+
+        -화면 만드는 기술 (front-end)
+        html(콘텐트구성) + css(출력제어) + javascript(사용자의 액션에 응답,콘텐트를 제어)
+
+        -데이터를 만드는 기술 (back-end)
+        java,php,javascript,SQL
+
+        -화면과 데이터를 둘다 만드는 기술 (full stack)
+        
+        SM(유지보수)/SI(시스템통합)
+
+#HTML 기본구조
+<br>
+
+    <!DOCTYPE html> <- root엘리먼트
+
+    엘리먼트(
+    <html lang="en">  <-시작태그
+    콘텐트(
+        <head>  <- html의 자식 엘리먼트
+            <meta charset="UTF-8">
+            <meta name="viewport" content="width=device-width, initial-scale=1.0">
+            <meta http-equiv="X-UA-Compatible" content="ie=edge">
+            <title>Document</title>
+        </head>
+    <body>
+
+    </body>)
+    </html>)
+
+        시작태그와 끝태그를 사용
+        <a></a>
+        <P></P>
+        <br><br>
+        
+        끝태그를 안써도 가능
+        <br>
+        <meta>
+
+##HTML4 의 doctype
+
+        <!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01//EN"
+        "http://www.w3.org/TR/html4/strict.dtd">
+        
+        -위 해석
+        루트엘리먼트 
+        HTML
+        
+        문서의 규칙의 공개여부 
+        PUBLIC
+       
+        공인시설 
+        +-
+        
+        규칙을 만든 조직의 이름
+        w3
+        
+        문서규칙 식별자 
+        DTD
+        
+        문서규칙의 이름 
+        HTML
+        
+        규칙의 언어 
+        EN
+        
+        문서규칙을 정의한 DTD파일의URL  
+        http://www.w3.org/TR/html4/strict.dtd
+        
+        DTD 는 old
+        schema new
+
+
+<br>
+##XHTML은 끝태그 필수
+<br>
+<br>
+##웹 퍼블리셔<br>
+HTML,CSS,JAVAscript 을 활용한 단순 웹화면구성 
+<br>
+##FRONT-END<br>
+HTML,CSS,JAVAscript  framework(vue.js)
+<br>
+##HTML 공부법
+<br>
+
+1. 예제 실행 따라해서 
+2. 결과화면 확인
+3. 태그 기능이해
+4. 태그 경험해보기  
+
+<br>
+##알아보기<br>
+meta name="viewport" content="width=device-width, initial-scale=1.0"
+
+        meta ivewport태그
+        
+        -애플,아이폰,아이패드등 모바일 브라우저의 뷰포트를 크기 조절하기 위한 태그 w3c에
+        표준이 아니지만 IOS장치가 널리 사용되면서 사실상 표준처럼 사용되고있다 
+
+<br>
+<br>
+##data 와 메모리<br>
+<br> 
+bit에는 전기를 데이터로 바꿔 저장한다 이것을 사람은 0과1로 표현한다.
+<br>
+<br>
+#data 저장
+<br>
+양수: 10진수->2진수 규칙을 그대로 적용 
+        
+    메모리 상태와 2진수 , 10진수 ,16진수
+
+10진수를 2진수로 바꾸려면 힘들다 그래서 16진수로 표현하면 쉽다 
+<br>
+메모리상태를 직접적으로 보고싶다면 2진수<br>
+문서의 간략히 적고 싶다면 16진수 
+<br>
+##UTF-8<br>
+문자를 2진수로 표현하는 방식 중 하나
+
+<hr>
+<hr>
+
+# 2022-11-24
+
+##메모리 상태의 표기
+<br>
+        비트의 전기 상태를 2진수 표기법으로 표현하면 적합하다 (1은 전기가 있는상태 0은 전기가 없는 상태)
+        
+        -> 특정 비트들의 정확한 상태를 전달하고자 할때 사용한다 하지만 큰수를 표기하기에는 복잡하다 
+
+        -16진수로 표현하면 표기를 단순화할 수 있다
+<br>
+
+##data를 메모리에 저장
+<br>
+        
+        data를 2진수로 변환할 수 있다면 메모리에 저장할 수 있다
+        -> 하지만 변환하려면 규칙이 있어야 한다 각 사람마다 정하는 규칙이 다르다면 서로 소통이 어려울수 있다
+
+        -data (정수,실수,문자,그림,동영상,소리,빛,*냄새는아직 변환법이 없다)
+
+<br>
+##data 2진수 변환 규칙
+<br>
+<br>
+###정수 
+        
+        1. sign-magnitude (*부동소수점의 가수부를 표현할때 사용)
+
+        양수와 음수를 부호만 다르고 값은 같다 
+
+                +24 -> 0001 1000
+                -24 -> 1001 1000
+        *문제점
+        빼기 연산 결과가 일반적이지 않다 
+
+        
+        2. 1's complement
+
+        ()의 보수란 
+        ()로 만들기위한 수
+        
+        예) 9의보수
+            8->1  옆에 1이 9의 보수
+            5->4   // 4가 9의 보수
+        
+        현대의 컴퓨터는 음수를 표현할때 2의 보수를 사용한다
+
+        
+        4. Excess-k (k초과)
+        부동소수점의  지수부를 표현할 때 사용
+
+        정수 + K값 = 2진수
+              (bias값)
+               ㄴ> 메모리 비트수 -1 
+                예) 8bit 2^(8-1) -1 = 128 -1 =127
+
+###문자 
+
+        1. ASCII (7bit) : 영어 알파벳 대.소 문자.숫자, 특수문자
+
+        -7bit로 95자에대해 7bit 2진수 규칙을정함
+
+
+        2.ISO-8859-1~n(국제표준) : ASCII + 유럽문자 + 남미문자
+
+        - 8bit 사용
+        - 한글 windows 기본 문자들 
+
+        3. EUC-KR: 16bit로 한글문자 정의 
+        
+        ISO-8859-1(1byte) + 한글(2byte)
+
+        똠,똡,똣은 정의되어 있지 않다 이러한 이유로 
+        사용하기 불편하여 
+
+        4. 조합형 한글 코드 (2byte)
+
+        처음 컴퓨터가 한국에 보편적으로 도입되던 시기에 개발
+
+         -모든 한글 표현 가능
+
+                0=영어, 1= 한글(1bit) [1=한글]
+                초성(5bit)            [01111=ㅉ]
+                중성(5bit)            [00011=ㅏ]
+                종성(5bit)            [10111=ㅇ]
+
+        예) 1 01111 00011 10111  = 짱
+        
+        
+        5.MS-949(CP949) 16bit
+            ㄴ> EUC-KR + a 11172자
+        
+         -한글windowOS의 기본 규칙 
+         
+         -문자에 대해 2진수를 매칭한 규칙 
+         "characterset" 문자 집합
+
+          똥(문자) - B6CB(문자의 대해 정의된 2진��� 규칙)
+
+          *한글의 문자코드가 정렬되지 않은 단어가 있어 연속되지 않다
+
+        7.unicode (2byte) 국제표준
+
+         - 모든문자를 2byte로 정의한다 
+
+           A-> 0041
+           1-> 0031
+           
+           -영문자도 2byte로 메모리가 낭비되고 
+           기존편집기에 사용 불가
+           
+           가-> AC00      한글을 EUC-KR 
+
+         -한글의 모든 문자코드가 정렬되었다
+         
+
+        8. UTF-8 국제표준
+
+         - 기존의 편집기에서도 영어를 읽고 쓸수 있도록 만들었다
+
+         - 7bit로 정의해서 쓰던 문자를 그대로 계속 8bit 사용
+         예)ASCII 문자코드
+
+         -그 외 문자는 규칙에 따라 2~4byte로 변환
+         예) 한글 2byte -> 3byte 변환 되었다 한글은 오히려 손해
+
+                '가' 변환
+
+                unicode2(utf-16) AC00 -> 1010 1100 0000 0000
+                
+                utf-8  EAB080 -> 1110 1010 1011 0000 1000 0000
+         
+
+         -Universal Coded Character Set + Transformation Format – 8-bit 
+
+##색상
+
+
+        R(bit)          G(8bit)           B(8bit)
+        
+        00                //                 // 
+        ~                 //                 //
+        ff                //                 //
+
+        -빛의 밝기
+
+##encoding
+
+-문자를 문자코드로 2진수를 이용해 변환 하는것을 encoding(코드화 하다)이라고 한다 
+
+-코드를 다른형식으로 변환 하는것도 encoding (예) 압축,암호화) 이라 부른다 
+이를 되돌리는것을 decoding (예) 압축풀기 , 복호화)
+
+        -URL encoding /decoding  =  percent encoding /decoding
+        url에서 특수 목적(예약어)으로 사용하는 문자 를 reserved keyword 라고한다 
+        데이터를 표현하는 용도로 사용할 수 없다 특정 형식에 맞게 변환해야한다
+
+
+        예약어 와 비예약어
+        -예약어는 변환해야하는 문자 비예약어는 변화할 필요가 없는 문자 
+
+        encoding 예) 
+                  (!) -> (%21) 
+         16진수로  (21)    (25 32 31)
+                
+                (+) -> (%2B)
+                (2B)     (25 33 46)
+
+                (space) -> (+)
+                (20)       (2B)
+
+                '가' -> % EA % BO % 80
+                (EA 30 30)    (25 45 41 25 42 45 25 38 30)
+        
+        숫자2는 2 의 보수  -> 0000 0010
+        문자 "2" 는 ISO-8859-1 -> 0011 0010
+
+        urldecoding 
+
+        데이터를 입력하면 webbrowser가 자동으로 urlencoding을 수행 하여 webserver에서 자동으로 urldecoding 수행
+
+##영상 data와 인코딩/디코딩
+
+        인코딩
+
+        -영상 데이터가 너무 커서 특별한 수학공식 알고리즘을 통해 압축하여 mp3.mp4.avi로 만든다 
+
+        디코딩
+
+        -mp3,avi등을 소리와 영상으로 되돌리는 것 
+
+
+        영상을 주고 받을때 인코딩 기능과 디코딩 기능이 있어야한다
+
+#web 기술
+ - html 사용
+
+        <title>
+        <h1>
+        <p>
+        <style>
+        <hr>  수평선
+        <br>  
+        <b>
+        <i>
+        <small>
+        <sub>
+        <sup>
+        <ins>
+        <img src="Penguins.jpg" alt="펭귄" width="300" />
+        <img src="" alt="그림이 존재하지 않습니다." width="300" />
+        src= 파일이 내부에 있을때 파일명만, alt= 시각장애인을 위한 기능 
+        <ruby>
+        <span>大韓民國</span>
+        <rt>대한민국</rt>
+        </ruby>
+        <audio>
+        <video poster>
+        <oi>
+        <li>
+        <ul>
+        <dt>
+        <dd>
+        <dl>
+        <th>
+        <colgroup>
+        <caption>
+        <table>
+        <th>
+        <tr>
+        <td>
+        <input type="text" name="search" />
+        <input type="radio" name="cf" />짜장면<br /> 여러가지 사용시 이름을 통일시켜 하나만 선택할수 있게 한다 기본 선택으로 하고싶다면 checkde를 넣어주면 가능하다
+        <label for="username">이름</label>
+        <input type="text" id="title"/>
+        <input type="text" id="username" />
+        <input type="color" /><br />
+        <input type="date" /><br />
+        <input type="datetime" /><br />
+        <input type="datetime-local" /><br />
+        <input type="email" /><br />
+        <input type="month" /><br />
+        <input type="number" /><br />
+        <input type="range" /><br />
+        <input type="search" /><br />
+        <input type="tel" /><br />
+        <input type="time" /><br />
+        <input type="url" /><br />
+        <input type="week" />
+        <input type="submit">
+        <input type="text" value="coco">
+        <textarea>............</textarea>
+        <select multiple size="5">
+        <option>김밥</option>
+        <option>떡볶이</option>
+        <option>순대</option>
+        <option>오뎅</option>
+        </select>
+        <optgroup label="CSS3">
+        <option>Animation</option>
+        <option>3D Transform</option>
+
+
+
+        https://via.placeholder.com/300x200  더미 이미지 
+
+        controls,selected,checked,readonly
+        -속성중 값에 상관없이 존재 유무로 기능을 수행하는 속성이 있다
+
+##CR/LF -> line feed
+
+carrage return
+-예전에 타자기에서 줄 바꾸는 것을 모방하여 만든 코드 값
+
+        CR->0x0D
+        LF->0c0A
+
+        windowsOS-> 줄바꿈을 표시할때 CRLE 2byte 를 붙인다
+        linux ->                      LF 1byte만 사용한다
+
+
+##tag 와 attribute
+
+  <a href=""> </a>
+     
+
+##CSS
+
+        1. <style> 태그  
+
+        <style>
+        .
+        .
+        .
+        </style>
+
+        2. inline 스타일
+
+        <tfoot style="CSS코드넣기">..<tfoot>
+                ㄴ(inline style)
+
+        
+        3. 외부 css파일 
+
+        외부html 파일에서 css내용 공유
+
+##MIME TYPE
+
+        multi-purpose
+        internet
+        mail
+        Extensions
+
+        메일에 첨부한 콘텐트가 어떤 형식인지 상대편에게 알려주는 용도
+        -> 현재는 메일뿐 아니라 웹등 여러 곳에서 사용
+
+<hr>
+
+#시맨틱 태그의 목적과 주요 시맨틱 태그의 용도를 기술하시오.
+과제 목표
+
+        1. 시맨틱 태그의 목적?
+
+                -HTML5 이전에는 구조를 구분하기 위하여 div태그에 id 또는 클래스 등으로 구분하며 구조를 설계했으나
+                인터넷이 발전하면서 웹문서의 양이 많아지고 각자 생성 양식이 달라 원하는 문서를 찾기 점점 힘들어지게 되었다
+                
+                div 태그와 같이 block element이면서 사이트의 구조를 설계하고 태그에 의미를 부여 하여 사이트의 구조를 파악하
+                기 편하게 만들어주어 좀더 명시적이고 직관적으로 설계할 수 있다 
+        
+        
+        - SEO 최적화에 유리 (SEO: Search Engine Optimization)
+
+                검색 엔진이 태그 목적에 알맞게 설계되어있는 구조의 사이트에서 더욱 빠르고 효율적으로 정보를 파악할 수 있고 검색결과가 
+                검색 엔진이 태그의 목적에 부합하게 설계되어있는 구조의 사이트에서 더욱 빨리 효율적으로 정보를 파악할 수 있어
+                검색 결과의 노출에 유리할 수 있게 해준다.
+
+        - 웹 접근성에 효율적
+
+                일반적인 브라우저에서는 차이가 없지만 스크린리더 시각장애인을 위한 웹 서핑
+                프로그램 과 같은 환경에서는 웹 접근성과 사용성을 향상시켜준다.
+
+        
+        - 유지보수의 용이성
+
+                많은 수의 div사용으로 관리가 어려워지는 문제점에서 벗어나 태그의 이름만 보고도 어떤 영역인지 바로 확인이 가능하고 해당 태그 영역의 특성에 맞는 작업을 구분하여 진행하기에 용이하다.
+        
+
+        2. 시맨틱 태그의 용도를 간단히 기술하시오?
+
+                header 
+                -머리글,제목,헤더
+                
+                main
+                -이름처럼 문서 body의 중심 주제,주요 내용 또는 응용 프로그램의 중심 기능과 관련되어나 확장되는 콘텐츠를 나타낸다
+                
+                footer
+                -바닥글,문서 하단에 들어가는 정보 구분 공간을 표현하는 태그
+                
+                nav 
+                -네이게이션,목차,리스트 등 다른 페이지로의 이동을 위한 링크 공간을 위주로 표현
+                
+                section
+                - 주제,카테고리 별로 섹션을 구분하는 용도의 태그로 주로 사용 같은 테마를 가진 여러개의 콘텐츠의 그룹화
+                
+                article
+                - 기사,블로그 등 텍스트 위주의 페이지를 구성할때 주로 사용
+                
+                aside
+                -좌측과 우측 사이드 위치의 공간을 의미하며,본문 외에 부수적인 내용을 주로 표현하는 태그이다
+
+<hr>
+
+# 2022-11-25
+
+##HTTP
+
+webbrowser 가   webserver에 요청 
+
+request line GET(method) / -(url)/a.html HTTP(protocol)/1.1
+
+        | "GET"                    ; Section 9.3
+        | "HEAD"                   ; Section 9.4
+        | "POST"                   ; Section 9.5
+        | "PUT"                    ; Section 9.6
+        | "DELETE"                 ; Section 9.7
+
+URI (uniform resource identifier)
+
+        -URL(Uniform Resource Locator)
+        http://img.naver.net/static/www/dl_qr_naver.png
+        
+        -URN(uniform resource name)
+        urn:ietf:rfc:2141 - 'RFC 2141' 문서
+
+##네트워킹  
+
+        1. concection- oritented (연결지향) 연결후 통신 
+        예)전화
+        
+        - TCP : 연���확인 과정중 3번의 연결을 과정을 통해 데이터 전송 신뢰성 확보 단점은 그 과정에서 지연시간이 발생
+           HTTP1,2
+
+                1)stateful -> client와 server가 연결과 요청 응답을 연결 끊길때까지 반복한다 
+                
+                - 한번연결후 끊을때까지 여러번 통신
+                - 적은 수의 client 대응
+                - 쓰레드 방식으로 여러 client를 대응할 수 있다
+                - SSH,FTP,채팅,구글미트
+
+                2)stateless -> client와 server가 연결과 요청 응답을 하고 연결을 끊는다 
+                
+                - 매번연결
+                - 많은 수의 client와 대응 가능
+                - HTTP 
+
+        2. concectionless (비연결) 연결없이 데이터 전송 
+        예)편지,방송
+        편지는 특정 주소에
+        방송은 특정 그룹에  
+        - UDP :  데이터 전송 신뢰성 없다 -> 별도 처리 필요
+          HTTP3
+
+        *추천 참고 도서 : 모두의 네트워크
+
+
+##proxy 서버
+client와 server 중간에서 통신을 중재
+
+-요청을 server에 보내면 proxy cache에 응답 데이터를 임시저장시켜 같은 자원을 요청할때 보관된 데이터를 즉시 전달하여 네트워크 오버헤드를 줄이고 응답속도를 개선한다 
+
+-모니터링을통해 요청/응답내용을 감시하여 보안강화 
+http 통신을 살펴볼 수 있다
+
+exam-01에서 서버요청과 응답을 확인할 수 있는 charles 라는 프로그램을 다운로드 받고 CMD에서 ipconfig로 아이피 확인 후 입력하여 charles로 확인 가능
+
+** charles에 내용이 나오지 않을 경우 proxy서버를 수동으로 끄고 켜서 설정해야 한다
+
+        서버
+
+        GET /git/bitcamp-nap/form/exam-01.html HTTP/1.1
+        Host: 192.168.0.10:5500
+        Upgrade-Insecure-Requests: 1
+        User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/107.0.0.0 Safari/537.36
+        Accept: text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9
+        Accept-Encoding: gzip, deflate
+        Accept-Language: ko-KR,ko;q=0.9,en-US;q=0.8,en;q=0.7      *요청언어를 설정
+        Connection: keep-alive
+
+        
+        클라이언트
+
+        HTTP/1.1 200 OK
+        Vary: Origin
+        Access-Control-Allow-Credentials: true
+        Accept-Ranges: bytes
+        Cache-Control: public, max-age=0
+        Last-Modified: Fri, 18 Nov 2022 07:21:33 GMT
+        ETag: W/"2ed-184899d3929"
+        Content-Type: text/html; charset=UTF-8             *mainprotocol type
+        Content-Length: 2242
+        Date: Fri, 25 Nov 2022 02:51:45 GMT
+        Keep-Alive: timeout=5
+        Proxy-Connection: keep-alive
+
+
+        get 요청
+
+         ET /html/form/exam02?name=&age=111 HTTP/1.1
+                              ㄴ>쿼리스트링 (name=-- & age=111)
+                                name : 파라미터명
+                                -- : 파라미터값
+                                & : 파라미터 구분자
+                                data를 url에 붙여서 보낸다 서버에 보내는 데이터
+
+                                한계
+
+                                1. 바이너리 데이터를 보낼 수 없다(text이기 때문이다)
+                                        -text 일반 텍스트 편집기로 편집가능한 포맷
+                                        예) txt.rtf,html,cdd,js,xhtml.. ..
+                                2. binary
+                                -byte단위로 포맷 
+                                -일반텍스트로 편집 불가        -> base64 
+                                -전용 app 사용                    binary 데이터를 텍스트로변경가능
+                                예) jpg,mp3,mp4 포맷이 깨진다 
+
+                                즉 저장된 형식에 맞춰 읽어야한다 
+
+                                3. URI 크기의 제한 떄문에 대용량 데이터를 보낼 수 없다 보통 64k apache는 8k
+
+                                4. URL은 브라우저 캐시에 보관 되어 보안에 취약하다 
+        
+
+        post 요청
+
+
+        POST /html/form/exam02 HTTP/1.1     <- request line      post부터 Connection까지 구역이 header   
+        Host: 192.168.0.10:5500                     
+        Content-Length: 18          <-   이것과 Content-Type 는 post방식에만 있는 header
+        Cache-Control: max-age=0
+        Upgrade-Insecure-Requests: 1
+        Origin: http://192.168.0.10:5500
+        Content-Type: application/x-www-form-urlencoded
+        User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/107.0.0.0 Safari/537.36
+        Accept: text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9
+        Referer: http://192.168.0.10:5500/git/bitcamp-nap/form/exam-02.html
+        Accept-Encoding: gzip, deflate
+        Accept-Language: ko-KR,ko;q=0.9,en-US;q=0.8,en;q=0.7
+        Connection: keep-alive  
+
+        name=asdfsadf&age=                <-    message-body
+
+        
+        
+        post 요청 특징
+        
+        1. binary 데이터 전송가능
+        2. URL에 노출안됨     -> URL 데이터에 포함해야하는 방식에 적합하지 않음 예)검색URL,게시글 조회 URL
+        3. 여러개의 파일 첨부가능
+        4. 용량제한없다 (서버에서 제한 하지 않는한)
+
+
+##post와get방식은 input안에 name을 지정하지 않으면 
+데이터를 서버에 보내지 않는다. 
+
+enctype="multipart/form-data" 으로 하면 이름과 데이터                         
+
+사진: input type="file" name="photo" multiple
+여러 사진을 넣고싶다면 multiple을 추가해준다 
+
+#주말동안
+
+9-1
+9-2
+9-3은 빼고
+10-1
+깃허브에 html로 정리 와 css 테마 조정하기 index.html로 md옮겨서
+
+
+
+
+        

markdown/Azure__azure-sdk-korean__index.md

@@ -0,0 +1,6 @@
+---
+title: Azure SDK 한글 문서 & 리소스 모음
+layout: default
+---
+{% include info/header.md %}
+{% include refs.md %}

markdown/BackendSquid__RealMySQL__Ch08.md

@@ -0,0 +1,559 @@
+# 8장 인덱스
+
+## 8.1 디스크 읽기 방식
+
+- 데이터베이스 성능 튜닝은 디스크 I/O를 줄이는게 관건
+
+### 8.1.1 하드 디스크 드라이브(HDD)와 솔리드 스테이트 드라이브(SSD)
+
+- HDD(DB 서버 병목 초래) 대체를 위한 SSD
+- HDD와 같은 인터페이스(SATA, SAS) 지원 → 내장디스크, DAS, SAN에 사용 가능
+  - 참고: https://cheershennah.tistory.com/168
+- SSD는 랜덤 I/O 작업이 HDD보다 훨씬 빠르기 때문에 DBMS용 스토리지에 좋음
+
+### 8.1.2 랜덤 I/O와 순차 I/O
+
+- 랜덤 I/O: HDD 플래터를 돌려서 읽어야 할 데이터가 저장된 위치로 디스크 헤더를 이동시킨 다음 데이터를 읽는 것
+  - 순차 I/O와 다르게 페이지 당 시스템 콜 요청
+    - virtual file system 페이지 vs DB 페이지(mysql-16kb-1page)
+       - 다른 거지만 개념적으로 연관성 ↑
+       - db page fault가 발생하면 (파이로가 이어서 적어주세요)
+  - 부하가 큼 → MySQL 서버에는 그룹커밋, 바이너리 로그 버퍼, InnoDB 로그 버퍼 등 기능 내장
+  - 실제는 RAID 컨트롤러 캐시 메모리가 효율적 I/O 처리 도움
+    - https://12bme.tistory.com/286
+- 쿼리 튜닝으로 랜덤 I/O → 순차 I/O 하기는 쉽지 않음, 일반적으로 쿼리 튜닝하는 것은 랜덤 I/O 자체를 줄여주는 것이 목적(쿼리를 처리하는 데 꼭 필요한 데이터만 읽도록 쿼리를 개선)
+- 랜덤 I/O와 순차 I/O는 결국 데이터를 어떤 단위(크기)로 읽느냐의 차이
+  - 페이지 단위로 요청을 주고받으니 랜덤 I/O가 자주 발생
+  - SSD가 성능 향상에 유리
+  - 인덱스(페이지 내부에서 읽는 건 순차 I/O) -> pk b-tree 다시 읽는 과정 자체가 랜덤 I/O 필요
+  - **인덱스도 파일시스템에 저장되어 있음**
+    - 인덱스 저장 위치에 대하여
+    - 인덱스를 메모리에 저장한다고 가정하면?
+    - DB를 실행할 때마다 데이터 레코드 전체를 분석해서 인덱스 구조를 만들어야 함(ㄷㄷㄷ)
+    - 삭제, 삽입 (돌려놓고 딴짓, 오래걸림 - DBMS가 처리) - 근데 이걸 메모리가 담당한다면? 애플리케이션과 충돌 lock 등 
+    - redo, undo 로그 등등 영속성을 위해 반영하는 것. 메모리상 버퍼에 데이터를 연속적으로 써서 저장해놓고, 나중에 다시 읽어서 DB에 써야지~
+    - 데이터베이스 인터널스 왈 "RDBMS는 안전한 데이터베이스를 지향하기 때문에 속도가 저하되더라도 안정성을 확보하는 것이 목표임 trade-off"
+- 한 번에 많이 읽는 것 vs 작게 읽는 것 (컴퓨터 시스템 전반과 관련)
+  - e.g. cpu->bus / hdd,ssd
+
+
+
+## 8.2 인덱스란?
+
+- 찾아보기: 인덱스 / 책 내용: 데이터 파일
+- 인덱스를 통해 데이터 파일에 저장된 레코드 주소를 알아낼 수 있음
+  - 칼럼 값(key) - 레코드 저장된 주소(value)로 인덱스 만들기
+- 책처럼 DBMS의 인덱스도 컬럼 값을 미리 정렬해서 보관
+- SortedList: 저장되는 값을 항상 정렬된 상태로 유지하는 자료구조 - 인덱스
+  - 데이터가 저장될 때마다 항상 값을 정렬해야 하므로 저장하는 과정이 복잡하고 느리지만, 이미 정렬돼 있어서 아주 빨리 원하는 값을 찾아올 수 있음 → SELECT는 빠르지만 인덱스가 많은 테이블은 INSERT나 UPDATE 그리고 DELETE 문장의 처리가 느려짐
+  - SELECT WHERE 조건절에 사용된다고 다 인덱스 걸면 저장 성능 망함
+- ArrayList: 값을 저장되는 순서대로 그대로 유지하는 자료구조 - 데이터 파일
+- Primary Key: 레코드를 대표하는 컬럼 값으로 만들어진 인덱스
+- Secondary key: primary 제외한 모든 인덱스
+- B-Tree 알고리즘: 가장 많이씀, 컬럼의 값을 변형하지 않고, 원래의 값을 이용해 인덱싱하는 알고리즘
+- Hash 인덱스 알고리즘: 컬럼의 값으로 해시 값을 계산해서 인덱싱하는 알고리즘, 매우 빠른 검색을 지원, 값을 변형해서 인덱싱하므로, 전방(Prefix) 일치와 같이 값의 일부만 검색하고자 할 때는 해시 인덱스를 사용할 수 없음, 메모리 기반 DB에서 많이 사용
+- Unique: 레코드 1건 찾으면 더 안 찾아도 되는 걸 옵티마이저에게 알려줌
+
+## 8.3 B-Tree 인덱스
+
+- 일반적으로 DBMS에서는 주로 B+-Tree 또는 B\*-Tree 사용
+  - B(Balanced)
+- 컬럼의 원래 값을 변형시키지 않고, 인덱스 구조체 내에서는 항상 정렬된 상태로 유지
+
+### 8.3.1 구조 및 특성
+
+- root node + branch node + leaf node
+- leaf node: 실제 데이터 레코드를 찾아가기 위한 주솟값 보유
+- 인덱스의 키값은 정렬돼 있지만 데이터 파일의 레코드는 임의의 순서대로 저장
+  - 레코드가 중간에 삭제되어 빈 공간이 생기면 다음 INSERT는 빈 공간 활용하기 때문에 데이터 파일의 레코드 != INSERT된 ��서임
+  - InnoDB 레코드는 클러스터되어 디스크에 저장되기 때문에 PK 순서로 저장됨
+    - https://dev.mysql.com/doc/refman/5.7/en/innodb-index-types.html
+    - 다른 db는 선택인데 이노 친구는 디폴트로 클러스터링 테이블 생성함
+- 인덱스는 테이블의 키 컬럼만 가지고 있으므로 나머지 컬럼을 읽으려면 데이터 파일에서 해당 레코드를 찾아야 함 → 리프 노드가 데이터 파일에 저장된 레코드의 주소 갖는 이유
+- 8.5(MyISAM): PK값과 무관하게 insert 순서대로 레코드가 데이터 파일에 저장 → ROWID라는 물리적 주솟값 가짐 → 인덱스가 데이터 파일에 저장된 레코드의 ROWID 값을 포인터로 가짐 (ROWID=secondary index)
+- 8.6(InnoDB): PK=ROWID 역할=논리적 주소 → 인덱스에 저장된 PK(11800)로 프라이머리 키 루트노드 인덱스 키에 맵핑된 자식노드 주소를 타고타고 가 리프 노드에 있는 레코드를 읽는다.
+  - secondary index(Aamer)가 PK(11800)를 바라보고 있음
+  - PK 저장하고 있는 B-Tree 다시 위에서부터 보면서 11800번 찾음
+    - 1번 시나리오
+      - 11800어딨을까~
+      - 11043? 나 너보다 큰데~ 브랜치 노드로 감
+      - 11800? 오~ 찾음~ 레코드로 감
+    - 2번 시나리오
+      - 10128 어딨을까~
+      - 루트노드 봤더니 없네~ 10057 보단 큰데 11043보다는 작네~
+      - 또 10057이네~ 내가 이것보단 큰데~ 10418보다는 작네~
+      - 오 리프노드 10128 드디어있네~
+  - 즉 Inno에서는 PK 검색 아니면 PK B-Tree 인덱스 다시 타줘야 한다.
+  - http://www.btechsmartclass.com/data_structures/b-trees.html
+
+- InnoDB의 Secondary index는 pk를 암시적으로 포함하고 있습니다.
+  - https://dev.mysql.com/doc/refman/8.0/en/innodb-index-types.html
+- 그 pk에 대해서도 정렬이 되어 있는 것 처럼 보입니다. (확인 필요)
+
+```sql
+create table test (
+    id int primary key auto_increment,
+    date datetime not null,
+    index idx_date (date)
+);
+
+insert into test (date) value ('2022-08-11 14:22:00'); // 4번 반복
+
+update test set date = '2022-09-11 22:22:00' WHERE id = ?; // 임의로 업데이트
+
+SELECT * FROM test ORDER BY date desc;
+
+SELECT * FROM test WHERE id < 3 ORDER BY date desc LIMIT 2;
+```
+
+### 8.3.2 B-Tree 인덱스 키 추가 및 삭제
+
+#### 8.3.2.1 인덱스 키 추가
+
+- 바로 저장 &rarr; B-Tree상의 적절한 위치를 검색
+- 저장될 위치가 결정되면 레코드의 키값과 대상 레코드의 주소 정보를 B-Tree의 리프 노드에 저장
+- 리프노드 꽉차면 분리해야되는데 비용 많이 든다 &rarr; B-Tree 쓰기 작업 비용 많이 드는 이유
+  - 비용 계산? 대충 레코드 추가:인덱스에 키 추가=1:1.5
+  - 요 작업 MyISAM/MeMory 스토리지 엔진은 INSERT와 동시에 하는데, InnoDB는 똑똑해서 지연시킬 수 있음(PK, UK는 중복체크해야해서 즉시 반영)
+
+#### 8.3.2.2 인덱스 키 삭제
+
+- 키값이 저장된 B-Tree의 리프 노드를 찾아서 삭제 표시
+- 요것도 InnoDB는 체인지 버퍼로 지연 처리 가능
+
+#### 8.3.2.3 인덱스 키 변경
+
+- Balanced Tree라 했지? &rarr; 변경하고 싶으면 바꿔치기 안되고 키 값 삭제한 후 새로 추가해야함(키 값으로 리프노드 위치 발란싱하니까)
+- 요것도 InnoDB는 체인지 버퍼로 지연 처리 가능
+
+#### 8.3.2.4 인덱스 키 검색
+
+- 인덱스 검색 = 빠른 검색을 위함 = 트리 탐색이라고 함
+- SELECT에서만 사용하는 것이 아니라 UPDATE, DELETE 처리하기 위해 레코드를 먼저 검색해야 할 경우에도 사용
+- B-Tree 인덱스는 100% 일치 또는 값의 앞부분만 일치하는 경우에만 사용 가능
+- 인덱스 키 값 변형된 이후 비교하면 빠른 검색 사용 불가 (B-Tree에 변한건 없으니까 당연)
+- InnoDB 테이블에서 지원하는 레코드 잠금 & 넥스트 키 락(갭 락) &rarr; 검색을 수행한 인덱스를 잠근 후 테이블의 레코드를 잠그기 때문에 불필요하게 많은 레코드가 잠길 수 있음
+
+### 8.3.3 B-Tree 인덱스 사용에 영향을 미치는 요소
+
+- 인덱스를 구성하는 칼럼의 크기
+- 레코드의 건수
+- 유니크한 인덱스 키값의 개수
+
+#### 8.3.3.1 인덱스 키 값의 크기
+
+- 페이지/블록: InnoDB 스토리지 엔진에서 디스크에 데이터를 저장하는 가장 기본 단위
+  - 페이지는 InnoDB 스토리지 엔진의 버퍼 풀에서 데이터를 버퍼링하는 기본 단위이기도 함
+  - 루트/브랜치/리프 노드 애들도 결국 다 페이지임
+
+- 클러스터: 모여있다. PK로 모아서 저장. 모이는 단위가 저장매체랑 연관(block이랑 1:1 대응하는 것 같음) - 어거스트가 마저 적어주세요
+- B-Tree 자식노드 수는 인덱스의 페이지 크기와 키 값의 크기에 따라 결정
+  - 페이지 당 저장할 수 있는 인덱스 키 수만큼 레코드 가져올 수 있음
+  - 키 값의 크기가 커지면 디스크로부터 여러번 읽어야하고 느려짐
+
+#### 8.3.3.2 B-Tree 깊이
+
+- 인덱스 키 값이 증가 &rarr; 페이지에 당 인덱스 키 수 감소 &rarr; b-tree 깊이 증가 &rarr; 디스크 읽기 횟수 증가
+
+#### 8.3.3.3 선택도(기수성)
+
+- Cardinality = the number of cardinal (basic) members in a set
+- Selectivity = Cardinality / Total Number Of Records
+- 인덱스의 유니크한 값의 수 &rarr; 인덱스나 쿼리의 성능을 결정(교재 country index 예시 참고)
+- Cardinality 는 클수록 좋다! -> Unique!!
+- Boolean 컬럼에 인덱스를 거는게 좋은가? Cardinality가 2 &rarr; 1000명 중 2명만 남자, 2명 남자를 검색하기 위해서는 인덱스를 거는게 효율적일 수 있음
+- 정렬 혹은 Group by 를 자주할 경우, Cardinality 가 낮아도 인덱스를 걸 가치가 
+
+
+#### 8.3.3.4 읽어야하는 레코드의 건수
+
+- 손익분기점 잘 판단해야
+  - 전체 테이블의 모두 읽어서 필요 없는 50만 건을 버리는 것이 효율적일지, 인덱스를 통해 필요한 50건만 읽어 오는 것이 효율적인지 판단
+  - (DBMS 옵티마이저 왈) 인덱스 1건 = 직접 \* 4~5
+  - 인덱스 타는 레코드 수가 전체의 20~25% 넘으면 직접 가져와서 필터링하는게 더 효율적
+
+### 8.3.4 B-Tree 인덱스를 통한 데이터 읽기
+
+#### 8.3.4.1 인덱스 레인지 스캔
+
+- 제일 빠름
+- 검색해야할 인덱스의 범위가 결정됐을 때 사용하는 방식
+- 시작 위치(인덱스 탐색) 찾은 후 리프노드 간 링크를 통해 다음 리프노드를 찾아 스캔(인덱스 스캔)
+- 최종 범위(Gad)에 다다르면 멈추고 결과 반환
+- 어떤 방식으로 스캔하든 관계 없이, 해당 인덱스를 수정하는 칼럼의 정순 또는 역순으로 정렬된 상태로 레코드를 가져옴
+- 인덱스의 리프 노드에서 검색 조건에 맞는 것들을 데이터 파일에서 레코드를 읽어오는 과정이 필요
+  - 데이터 레코드 당 랜덤 I/O 한 번씩 발생
+  - 커버링 인덱스(쿼리를 충족하는데 필요한 모든 데이터를 갖는 인덱스) 사용 시 디스크 레코드 안 읽어도 된다.
+    - https://tecoble.techcourse.co.kr/post/2021-10-12-covering-index/
+
+#### 8.3.4.2 인덱스 풀 스캔
+
+- 인덱스의 처음부터 끝까지 모두 읽는 방식
+- 쿼리의 조건절에 사용된 컬럼이 인덱스의 첫 번째 컬럼이 아닌 경우 발생
+  - 인덱스는 (A,B,C) 칼럼의 순서대로 만들어져 있지만 쿼리의 조건절에 B 칼럼이나 C 칼럼으로 검색하는 경우
+- 과정
+  - 인덱스 리프 노드의 처음 또는 끝으로 이동한 후 리프노드를 연결하는 LinkedList 탐색(인덱스 레인지 스캔보단 느리지만 테이블 풀스캔보단 빠름)
+
+#### 8.3.4.3 루스 인덱스 스캔
+
+- 느슨 하게 또는 듬성듬성 하게 인덱스를 읽는 것
+- 인덱스 레인지 스캔과 비슷하게 동작하지만, 중간마다 필요치 않은 인덱스 키 값은 스킵
+- GROUP BY 또는 집합 함수 가운데 MAX(), MIN() 함수에 대해 최적화에 사용
+
+#### 8.3.4.4 인덱스 스킵 스캔
+
+- MySQL 8.0부터 옵티마이저가 인덱스 두번째 칼럼으로도 인덱스 타게 해줌
+- 이게 바로 인덱스 스킵 스캔
+- 이전에는 두 번째 칼럼만 where 조건 걸면 인덱스 풀스캔했음(type=index)
+- EXPLAIN 찍어보면 지금은 type=range + Extra에 스킵 스캔 나옴
+- 제약 사항
+  - where 조건절에 안 써준 인덱스 앞에 걸린 컬럼의 유니크한 수가 적어야 함
+  - Cardinality 가 작아야 한다.
+  - 커버링 인덱스여야함(인덱스 존재하는 컬럼만으로 쿼리 완성)
+
+### 8.3.5 다중 칼럼(Multi-column) 인덱스
+
+- 두 개 이상의 칼럼으로 구성된 인덱스
+- 두번째 컬럼은 첫 번째 칼럼에 의존해서 정렬
+- 따라서 인덱스 내 컬럼 위치가 중요
+
+### 8.3.6 B-Tree 인덱스의 정렬 및 스캔 방향
+
+- 인덱스를 어느 방향으로 읽을지는 쿼리에 따라서 옵티마이저가 실시간으로 만들어내는 실행 계획에 따라 결정
+
+#### 8.3.6.1 인덱스의 정렬
+
+- MySQL 8.0부터 혼합 정렬 인덱스 사용 가능
+
+##### 8.3.6.1.1 인덱스 스캔 방향
+
+- 옵티마이저가 똑똑해서 인덱스 걸어둔 컬럼에 대해서 정렬하면 가까운 곳에서부터 정순/역순 스캔함
+
+##### 8.3.6.1.2 내림차순 인덱스
+
+- 복합인덱스에서 내림/올림 혼합되면 8.0이 지원하는 내림차순 인덱스만 사용 가능
+
+```sql
+CREATE INDEX ix_teamname_userscore ON employees (team_name ASC, User_score DESC);
+```
+
+- 만약 한 컬럼을 역순으로 정렬해야하는데 하나는 인덱스 오름차순으로 생성/나머지는 내림차순으로 생성한다면?
+
+```
+SELECT * FROM t1 ORDER BY tid ASC LIMIT 12619775, 1;
+SELECT * FROM t1 ORDER BY tid DESC LIMIT 12619775, 1;
+```
+
+- 12619775번부터 1건 반환해야하는데 역순 정렬 쿼리가 정순 정렬 쿼리보다 28.9% 시간이 더 걸림
+- 왜? InnoDB 엔진에서 페이지 잠금이 forward index scan에 더 적합한 구조를 가져서
+- 페이지 내부 레코드가 단방향 링크만 가진다. (페이지 간은 doubly인데 안에가 single linked list임)
+  - 물리적으로 정렬된게 아니라 페이지 구조가 Heap처럼 연결되어 있는것
+- 역순으로 인덱스를 걸지 않으면 어짜피 조회할 때(최신순으로 조회하고 싶음) 역순으로 가져와야해서 비효율 발생, 개인 경험상 역순/정순 차이가 엄청나지 않았음
+- 8.0부터는 인덱스 역순/정순 생성할건지까지 저장할 수 있음 - 요거를 탐색할 때 정순이 빠름
+
+### 8.3.7 B-Tree 인덱스의 가용성과 효율성
+
+#### 8.3.7.1 비교 조건의 종류와 효율성
+
+- 다중 컬럼 인덱스에서 각 컬럼의 순서 & 컬럼에 사용된 조건에 따라 인덱스 컬럼 활용 형태가 달라짐
+
+```sql
+SELECT * FROM dept_emp WHERE dept_no='d002' AND emp_no >=10144;
+```
+
+- INDEX (dept_no, emp_no)
+  - dept_no가 d002고 emp_no가 10144 이상인 레코드를 찾은 후 그 d002 끝까지 읽으면 된다.
+  - dept_no='d002' AND emp_no >=10144: 작업 범위 결정 조건
+- INDEX (emp_no, dept_no)
+  - emp_no가 10144인 레코드를 찾은 후 dept_no 적합성을 전부 검증해줘야 한다. (필터링)
+  - 다중컬럼인덱스 정렬방식 때문(N번째 키값은 N-1번째 키 값에 의해 다시 정렬됨
+  - dept_no='d002': 필터링 조건(체크 조건), emp_no: 작업 범위 결정 조건
+  - 작업범위 결정 조건은 많을수록 성능에 유리하지만 체크 조건은 많아도 쿼리 성능을 높이지 못함
+
+#### 8.3.7.2 인덱스의 가용성
+
+- B-Tree 인덱스는 왼쪽값 기준으로 오른쪽값이 정렬됨
+- 왼쪽 키 값이 없으면 인덱스 레인지 스캔이 불가
+
+```sql
+SELECT * FROM employees WHERE first_name LIKE '%mer';
+```
+
+- LIKE 쿼리 왼쪽부분이 고정되지 않았기 때문에 B-tree 인덱스 효과 X
+
+```sql
+SELECT * FROM dept_emp WHERE emp_no>=10144;
+```
+
+- dept_no 조건이 없기 때문에 다중컬럼 인덱스 제대로 못탄다.
+- Left-most 정렬 규칙은 GROUP BY, ORDER BY 절에도 동일하게 적용
+
+#### 8.3.7.3 가용성과 효율성 판단
+
+- 아래 조건들일 경우 인덱스를 작업 범위 결정 조건으로 사용 불가(체크 조건으로만 사용)
+  - NOT-EQUAL로 비교
+  - LIKE '%??'(뒷부분 일치)
+  - 스토어드 함수나 다른 연산자로 인덱스 컬럼이 변형
+  - NOT-DETERMINISTIC 속성의 스토어드 함수가 비교조건에 사용
+  - 데이터 타입이 서로 다른 비교
+  - 문자열 데이터 타입의 콜레이션이 다를 때
+- 일반적인 DBMS에서는 Null 값이 인덱스에 저장되지 않지만 MySQL에서는 저장됨
+  - 작업 범위 결정 조건으로 인덱스 사용
+
+```sql
+.. WHERE column IS NULL ..
+```
+
+<br>
+<br>
+<br>
+<br>
+
+## 8.4 R-Tree 인덱스
+
+- Rectangle Tree
+- MBR: Minimum Bounding Rectangle
+- Spatial Index (공간 인덱스) 라고 부르기도 함
+- 반면 B-Tree 는 Scalar Index 임
+- RDBMS 에서의 스칼라와 벡터
+ - 스칼라 : 값
+  - 벡터 : 값 사이의 콜릴레이션(방향?)
+
+### 8.4.1 구조 및 특성
+- 모든 도형(삼각형, 사각형, 다각형) 
+- R-Tree 인덱스와 B-Tree 인덱스 사이의 차이는 저장하는 데이터의 차이
+- 어떤 도형을 감싸는 최소 크기의 사각형으루 변환
+
+
+### 8.4.2 R-Tree 인덱스의 용도
+- 사용예시 : 공간관련, 두 점 사이의 거리가 중요한 경우
+  - aribnb 서비스 : 거리
+  - 카카오택시
+  - 포켓몬고
+- 아이작 리포 링크 : https://github.com/janeljs/airbnb/issues/97
+- 포인트 : 한점에서 반경 N거리 사이의 뭔가를 찾기 
+  - mysql 아니고 다른 DB 쓰는경우도 있음
+  - 엘라스틱서치에 편리한거 많음..
+
+## 8.5 전문 검색 인덱스
+- 전문검색 : 문서 내용 전체를 인덱스화해서 키워드가 포함된 문서 검색
+
+### 8.5.1 인덱스 알고리즘
+- 두가지로 나뉘며 
+  - 어근분석
+  - n-gram 알고리즘
+
+#### 8.5.1.1 어근분석
+- 언어별로 차이가 많다
+- MeCab 일본어용 
+  - 동양어? 일본어/한글 어근분석보다는 형태소 분석해서 명사/조사 구분 기능이 더 중요
+- 사전이 필요하다.. : 학습
+- 예시
+  - (범주/뛰어가다, 뛰어가서, 뛰다보니..) >> (어근)뛰다 >> 여기에 연결된것들이 검색됨
+
+
+#### 8.5.1.2 n-gram
+
+- 문장을 이해하는 알고리즘
+- 키워드 검색을 위한 인덱싱 
+- 예시 (n=2)
+    - 뛰어가다 >> 뛰어, 어가, 가다
+
+#### 8.5.1.3 불용어 변경 및 삭제
+
+- 의미없는 불용어 필터링
+- 사용자가 직접 등록할수 있다.
+
+### 8.5.2 전문 검색 인덱스의 가용성
+
+- 사용하기 위한 두가지 조건
+  - 쿼리 문장이 전문검색위한 문법 사용 
+  - 인덱스를 보유해한다
+- (��가내용)**MySQL InnoDB full text index 는 inverted index 를 갖는다** @todo질문
+    - https://dev.mysql.com/doc/refman/8.0/en/innodb-fulltext-index.html#innodb-fulltext-index-design
+- 더 알아보기
+  - ES 인버티드 인덱스
+  - ELK 기술스텍 
+  - 코퍼스(말뭉치)
+  - 언어 올림피아드.. 
+
+## 8.6 함수 기반 인덱스
+- 함수 기반 인덱스 구현방법
+    - 가상 칼럼을 이용한 인덱스
+    - 함수를 이용한 인덱스
+- B-Tree 와 동일하다 구조 및 유지관리 방법에는
+
+
+### 8.6.1 가상 칼럼을 이용한 인덱스
+- 인덱스는 걸려있는데, 인덱스 걸린값이 컬럼에는 저장되어있지 않음
+    - 사용자 입장에서는 안보이고, 내부적으로는 알아서 추가할지도??
+- 데이터 정합성을 맞추기 위해서 필요해보임
+    - Full-N = first-N + last-N
+- 15.8절에서 가상컬럼(파생컬럼) 에서 더욱 자세히 학습예정
+    - 스토어드, 버츄얼 : 성능상의 차이를 그떄 공부해보자
+@todo질문
+
+
+### 8.6.2 함수를 이용한 인덱스
+- 테이블의 구조를 변경하지 않고 함수를 직접 사용하는 인덱스
+
+## 8.7 멀티 밸류 인덱스
+- JSON, 잘 지원한다.
+
+## 8.8 클러스터링 인덱스
+- 클러스터링
+  - 여러개를 하나로 묶는다!
+  - 레코드들이 PK 별로 묶어서 File에 저장되는 형태
+  - PK가 비슷한 인근값들을 동시에 조회하는 경우가 확률상 높기 때문
+  - 다른 스토리지 엔진(MyISAM 등등..) 에서는 지원되지 않는다
+- 면접질문 : InnoDB 랑 다른 스토리지 엔진이랑 차이에 대해 알고 계신가요
+
+
+
+### 8.8.1 클러스터링 인덱스
+- 클러스터링 인덱스
+  - InnoDB 스토리지 엔진에서 사용
+  - PK가 비슷한 인근 레코드들끼리 묶여서 같은 File 에 저장되는 방식
+  - 뒤집어서 말하면 PK값에 의해서 레코드의 저장 위치가 결정되고, PK가 변경되면 저장되는 File의 위치가 변경된다
+  - 인덱싱 알고리즘이 아니라 데이블 레코드의 저장방식 
+  - (장점) PK 검색속도가 매우 빠르다, select 성능이 좋다
+  - (단점) 저장이나(insert), PK 변경이 상대적으로 느리다(update PK)
+- B트리 인덱스 VS 클러스터링 인덱스 차이가 뭔가요
+  - B트리 인덱스 : 인덱스가 Key 순서로 정렬되어 저장
+  - 클러스터링 인덱스 :  인덱스가 Key 순서로 정렬되어 저장 + PK이어야 함 + 레코드도 PK 순서로 File에 저장되어 있음
+  - 한줄요약 : 클러스터링 인덱스 = B트리인덱스 + PK임 + 레코드도 동일한 순서로 저장
+
+> 클러스터링 인덱스 장점
+- PK가 저장되는 파일위치가 된다!!
+- PK 를 변경하면 일어나는 일
+  - 사진으로 대체
+- PK 가 없는경우?
+
+  - PK가 없으면 InnoDB는 저장하지 못한다. 그래서 PK를 대체할 컬럼을 선택하고 그 우선순위는
+    ```
+    1. PK 있으면 PK를 클러스터링 키
+    2. NOT NULL + unique 컬럼들 중 첫번째 인덱스 (첫번째로 생성되는 인덱스라는 의미인듯?)
+    3. 내부적으로 PK 추가 (NOT NULL + unique + Auto increment 한 컬럼을 알아서 만듬)
+    ```
+
+  - 프라이머리 키를 명시적으로 생성하자!  : InnoDB 테이블에서 테이블당 단 하나만 가질수 있는 엄청난 혜택
+
+
+#### 클러스터링 인덱스 from 데이터베이스 시스템
+- ~클러스터링 필드라고 한다~ 
+- 클러스터드 인덱스 컬럼 : 레코드가 해당 인덱스 순서로 정렬이 되어서 저장되어 있다!
+- MySQL 은 PK 를 기준으로~~
+
+### 8.8.2 세컨더리 인덱스에 미치는 영향
+
+- Quiz) PK랑 NN UNIQUE INDEX 랑은 차이가 뭐가 있나요?
+  -	Dong : 어..없지 않을까요...?
+  - 정답 : 스토리지엔진별로 차이가 있어요
+- MyISAM , MEMORY 엔진 사용 테이블은 아무런 차이가 없다
+- InnoDB 엔진 테이블 에서는
+  -  NN UNIQUE INDEX 는 인덱스중 하나일뿐이고
+  - PK 는 인덱스이면서 동시에 PK 기준으로 정렬되어 파일에 저장되어 있기 때문에 특별
+- 274페이지 실습(해봐야함)
+
+### 8.8.3 클러스터링 인덱스의 장점과 단점
+
+| |  특징  | 장점 | 단점 |
+| -- | -- | --- | --- |
+|1| 테이블의 모든 세컨더리 인덱스가 프라이머리 키를 가지고 있기 때문에 |  인덱스만으로 처리될수 있는 경우가 많음 (커버링인덱스) | 클러스터링 키 값의 크기가 클 경우 모든 인덱스의 크기가 같이 커짐 |
+|2| 인덱스를 활용한 검색 | PK 검색시 매우빠름 ,특히 PK기준 범위검색 | 세컨더리 인덱스를 통해 검색해도 결국은 PK로 검색해야하므로 비교적 처리가 느림 |
+|3| insert |  | 프라이머리 키에 의해 레코드가 저장되는 파일의 위치가 결정됨 |
+|4| update PK |  | PK 업데이트시 : delete >> insert 하기 때문에 처리성능이 느림 |
+
+- 4번 항목(update PK) 의 경우, RDB 에 올라가는 데이터를 delete 날리는 경우는 거의 없고 대부분 log 성으로 쌓는 usecase 가 대부분이 때문에 큰 문제는 아닐꺼같습니다.
+- 275p 1/3 지점 : 일반적인 웹서비스와 온라인 트랜잭션 환경에서는 읽기 비율이 80~90% 정도이므로, PK 기준의 읽기속도가 빠른 InnoDB 가 성능이 좋습니다
+- 1번 항목이 클러스터링 인덱스를 설명할때 꼭 들어가야하는 내용이라고 생각합니다
+- 케이 && 어거스트 생각
+  - PK 로만 검색하는것보다는 다른 인덱스 타고 검색하는 경우가 많은데, 이런 상황에서는 성능저하 이슈
+  - 인조키 VS 자연키 : mysql 자연키로 검색할때, 앞에 LEFT 가 일치해야 하는 또 제약조건
+  - 예시) 자연키로 주민등록번호 가 PK 일때 (880603)
+      - 출생년도로 검색 : 인덱스 탐(88XXXX)
+      - 출생월로 검색 : 인덱스 X (XX06XX) : 비지니스 로직에 의미가 있음
+      - 출생 일로 검색 : 인덱스 X (XXXX03) 
+  - 검색에 한해서는 ES 사용하는게 좋을꺼같음 PK 통짜로 검색하는 경우가 적음! 
+  - 그럴바에는 안전성있는 인조키 쓰는게 안전쓰..
+  - 트랜잭션, 데이터 정합성이 필요 없다면 >> 해시인덱스 더욱 매력적..
+
+
+### 8.8.4 클러스터링 테이블 사용 시 주의사항
+- 클러스터링 엔진을 사용하는 테이블에서 주의사항
+
+#### 8.8.4.1 클러스터링 인덱스 키의 크기
+- PK 가 커지면 >> 다른 세컨더리 인덱스 전체도 크기가 커진다
+- 왜냐하면 클러스터링 테이블의 경우 모든 세컨더리 인덱스가 PK 값을 가지고 있기 때문
+- 인덱스가 커지면 같은 성능을 내기 위해 메모리또한 더 커져야하므로 InnoDB 테이블의 프라이머리 키는 신중하게 선택해야합니다
+
+#### 8.8.4.2 PK를 업무적인 컬럼으로 선택하는 경우(자연키)
+- 자연키를 사용할수 있고, 검색에 빈번하게 사용하는 경우 자연키를 PK로 선택하자.
+- 설정 그 칼럼의 크기가 크더라도 업무적으로 해당 레코드를 대표할수 있다면! 자연키가 BEST
+- 의견)
+    - 자연키가 아니더라도 인공적으로 의미를 나타낼수 있다면?
+- 상품분류코드의 경우
+    - PK = (대분류+중분류+소분류)+유니크
+- or 대분류,중분류,소분류 각각을 모두 세컨더리 인덱스로 가져가는 경유
+    - trade-off : PK 커지면 >> 모든 인덱스가 같이 증가한다
+- PK 자연키가 위험한 이유
+    - 카테고리별로 조회하는 경우가 많다.. (PK의 일부가 의미를 갖는 경우)
+    - PK의 일부가 상위도메인으로 올라가는 경우
+    - 도메인 요구사항이 변경되는 경우
+- 레딧 설계 : 스키마 두개로 끝남
+- 외래키 거느냐 마느냐 : 외래키 거는 단점
+- 설계가 완벽하지 않을수 있다 @@@ 
+    - 기술부채 : 미사용 컬럼 삭제
+
+#### 외래키의 위험한
+- 두 테이블간의 강력한 (데이터)의존성
+- 두 객체 사이의 커플링, 결합도
+- 최근 트렌드는 MSA 라서 의존성 낮추는게 좋음
+- RDBMS 에 모든 데이터를 집중하기엔 스케일업이 어려움 : 샤딩
+- 유지보수가 진짜 어렵다
+    - 코드랑 설계랑 따로논다 >> 문서가 없을수도
+    - 코드랑 문서랑 따로논다 
+
+#### 8.8.4.3 PK는 꼭 명시하자
+- 어차피 사용자가 명시적으로 생성하지 않아도 InnoDB 는 내부적으로 PK컬럼을 만들어낸다
+- ROW 기반 복제 ??
+- 정상적인 복제를 위해서는 PK가 필요하다??
+
+
+#### 8.8.4.4 PK에 인공키 (AUTO-INCREMENT)
+- 로그테이블로 INSERT 위주의 테이블들은 AUTO-INCREMENT 이용하면 도움이 된다
+- 여러개의 컬럼이 복합으로 프라이머리 키가 만들어지는 경우 프라이머리 키가 길어질 떄가 가끔 있다 >> 이런경우 인공키를 써라
+
+
+## 8.9 유니크 인덱스
+- INDEX 없이 유니크 제약을 설정하는건 불가능하다(insert 성능이 최소 O-n)
+
+### 8.9.1 유니크 인덱스와 일반 세컨더리 인덱스의 비교
+#### 8.9.1.1 유니크 인덱스 읽기
+- 유니크 인덱스와 유니크하지 않은 인덱스 사이에 성능차이는 크지 않다
+  - 왜냐하면 해당작업은 CPU 작업이니까! DB 성능은 DISK IO 줄이기 싸움
+
+
+#### 8.9.1.2 유니크 인덱스 쓰기
+- 인덱스 쓰기에서는 유니크 제한이 쓰기성능이 더 느리게 동작(유니크 인덱스는 쓰기성능이 나쁘다)
+- 쓰기동작에서 중복인지 아닌지를 체크하기 위해 락이 걸린다
+- 버퍼링도 할수 없다.
+
+### 8.9.2 유니크 인덱스 사용 시 주의사항
+- 도메인관점에서 비지니스 로직에 꼭 필요한 경우에만 유니크 제약을 추가하자
+
+## 8.10 외래키
+- 외래키 제약이 설정되면 연관테이블에 컬럼에는 인덱스가 자동으로 생긴다
+
+### 8.10.1 자식 테이블의 변경이 대기하는 경우
+- 자식 테이블의 외래키 컬럼의 변���은 부모테이블의 확인이 필요하고
+  - 이 상태에서 부모 테이블의 해당 레코드가 쓰기 잠금이 걸려있으면 해제시까지 대기한다
+- 자식테이블의 외래키아닌 컬럼은 그런거 없다 잠금도 대기도 없다
+
+
+### 8.10.2 부모 테이블의 변경 작업이 대기하는 경우
+- 체크를 위해 연관 테이블 읽기 잠금이 걸린다
+- 트랜잭션이 다른 테이블로 확장(전파된다) >> 트랜잭션 범위가 너무 커지는 문제 발생
+
+
+> 끝!

markdown/DONGWEONSHIN__GoogleCloudAI__repot.md

@@ -0,0 +1,88 @@
+# GoogleCloudAI
+Google Cloud 기반 인공지능 개발자 과정
+
+### git 토근 변경시
+- git remote set-url origin https://\<username\>:\<token\>@github.com/...git
+
+### git을 pull 하기전에 변경사항이 있는지 확인 함
+- git fetch origin main
+
+### git을 리셋 함
+- git reflog
+- git reset --hard HEAD@{16}
+
+### git 폴더 전체 업로드하기
+- git add .
+- git commit -m 'log'
+- git push origin main
+
+### git 폴더 업로드시 에러날때
+- rm -rf .git / 제대로 추가 안된 폴더의 .git 폴더 제거
+- git rm -rf --cached / 해당폴더를 실행하여 git cache를 제거
+- git add . / 폴더를 git에 추가
+
+### git 한글 깨짐 현상
+- git config --global core.quotepath false
+
+
+
+
+
+
+### 기본 패키지
+- conda install -y jupyter ipykernel pandas matplotlib seaborn xlrd openpyxl
+
+### Black 포메터
+conda install -c conda-forge black
+
+### anaconda / packages / pyqt
+- conda install -c anaconda pyqt
+
+### anaconda / packages / graphviz
+- conda install -c anaconda graphviz
+
+### 추가 패키지
+- conda install -c conda-forge scikit-learn xgboost lightgbm catboost
+
+### conda-forge / packages / graphviz
+- conda install -c conda-forge graphviz
+
+### conda-forge / packages / missingno
+- conda install -c conda-forge missingno
+
+### conda-forge / packages / opencv
+- conda install -c conda-forge opencv
+
+
+
+
+### update the conda package manager to the latest version
+- conda update conda
+### use conda to update Anaconda to the latest version
+- conda update anaconda
+### updates all packages in the current environment to the latest version
+- conda update --all
+### update other environments
+- conda update -n myenv --all
+
+
+
+
+### matplotlib 한글화
+- !pip install koreanize_matplotlib
+
+### VS Code Marketplace
+- Python
+- Jupyter
+- Rainbow CSV
+- Excel Viewer
+- Python Extension Pack
+- GitLens — Git supercharged
+
+
+
+
+### jupyter 시작시
+- jupyter notebook
+- jupyter lab
+

markdown/HomoEfficio__dev-tips__helm.md

@@ -0,0 +1,178 @@
+# helm
+
+[helm](https://helm.sh/)은 k8s 패키지 매니저다.
+
+공식 문서에 흔한 그림 하나 없고 이래저래 영 마음에 들지 않아서 개념적으로 이해하는 데 필요 이상의 노력이 드는 것 같아서 어쩔 수 없이 따로 핵심만 추려서 정리해본다.
+
+
+# 동작 구조
+
+일단 k8s 패키지 매니저가 뭔지 그림으로 맛을 보자.
+
+이해하기 쉽게 한 가지 방식만을 골라서 단순화 했으며, 실제로는 물론 여러가지 시나리오, 방식으로 구성할 수 있다.
+
+![Imgur](https://i.imgur.com/SeEuKqD.png)
+
+- 개발자가 작성한 Helm Chart 를 `helm push` 명령으로 `Helm Chart Repository`에 업로드 한다.
+- 개발자가 만든 Container Image 를 `docker push` 명령으로 `Container Registry`에 업로드 한다.
+- 개발자가 k8s Control Plane 에 values.yaml 파일을 지정하면서 `helm install` 명령을 전달하면,
+  - values.yaml 에 있는 값이 Helm Chart 에 주입되고 Helm Release 가 생성되고,
+  - Helm Chart 에 들어있는 Image 정보를 통해 Container Image 를 가져와서 Helm Chart 정보를 토대로 Pod 등 k8s 자원이 생성된다.
+
+
+# 주요 용어
+
+## helm chart
+
+- k8s 자원 yaml 파일을 만들 수 있는 여러 yaml 템플릿 파일과 설정값이 들어 있는 values.yaml 파일로 이루어진 파일 세트
+- 대략 아래와 같은 파일이 모여있는 디렉터리라고 봐도 크게 틀리지 않는다. 아래 내용은 helm 한글 문서 https://helm.sh/ko/docs/topics/charts/#차트-파일-구조 에서 가져왔다.
+
+    ```
+    CHART이름/  
+      Chart.yaml          # 차트에 대한 정보를 가진 YAML 파일
+      LICENSE             # 옵션: 차트의 라이센스 정보를 가진 텍스트 파일
+      README.md           # 옵션: README 파일
+      values.yaml         # 차트에 대한 기본 환경설정 값들
+      values.schema.json  # 옵션: values.yaml 파일의 구조를 제약하는 JSON 파일
+      charts/             # 이 차트에 종속된 차트들을 포함하는 디렉터리
+      crds/               # 커스텀 자원에 대한 정의
+      templates/          # values와 결합될 때, 유효한 쿠버네티스 manifest 파일들이 생성될 템플릿들의 디렉터리
+      templates/NOTES.txt # 옵션: 간단한 사용법을 포함하는 텍스트 파일
+    ```
+
+- templates 폴더 안에는 다음과 같은 k8s 자원 yaml 파일이 들어있다. 아래 내용은 helm 한글 문서 https://helm.sh/ko/docs/chart_template_guide/getting_started/#mycharttemplates-훑어보기 에서 가져왔다.
+
+    ```
+    NOTES.txt : 차트의 "도움말". 이것은 helm install 을 실행할 때 사용자에게 표시될 것이다.
+    deployment.yaml : 쿠버네티스 디플로이먼트를 생성하기 위한 기본 매니페스트
+    service.yaml : 디플로이먼트의 서비스 엔드포인트를 생성하기 위한 기본 매니페스트
+    _helpers.tpl : 차트 전체에서 다시 사용할 수 있는 템플릿 헬퍼를 지정하는 공간
+    ```
+
+  - 예를 들어 deployment.yaml 파일에 아래와 같은 내용이 있다면, `helm install` 실행 시 사용되는 values.yaml 파일에 `spring.configLocation`이라는 항목(key)이 있다면 그 값을 `SPRING_CONFIG_LOCATION` 환경변수에 저장한다.
+
+      ```yaml
+          env:
+            {{- if hasKey .Values.spring "configLocation" }}
+            - name: SPRING_CONFIG_LOCATION
+              value: '{{ toString .Values.spring.configLocation }}'
+            {{- end}}
+      ```
+
+- values.yaml 파일도 포함돼 있는데 이 파일을 사용할 수도 있고, helm chart 밖에 존재하는 별도의 values.yaml 파일을 지정해서 사용할 수도 있다. 위 그림에 나온 방식은 별도의 values.yaml 파일을 사용하고 있다.
+
+## helm release
+
+- `helm install` 명령 실행결과로 생성되며, helm chart의 인스턴스라고 볼 수 있다.
+- 하나의 helm chart 에
+  - 서로 다른 values.yaml 을 적용해서 내용적으로 다른 여러 helm release 를 만들 수도 있고,
+  - 동일한 values.yaml 을 적용하되 release 이름을 다르게 지정해서 내용적으로는 동일한 여러 helm release 를 만들 수도 있다.
+- helm chart 및 values.yaml 파일의 내용 변경을 k8s 자원에 반영해야 할 때 `helm upgrade` 명령을 통해 release 의 내용을 변경할 수 있다.
+  - values.yaml 파일 변경 시 `helm upgrade`만 하면 되지만, deployment.yaml 파일이 변경됐을 때는 `helm push`로 차트 먼저 리포지토리에 푸시해둬야 한다.
+
+
+# 주요 명령
+
+사실 이런 건 그냥 공식 문서를 보고 알 수 있어야 하는데, helm 문서에 나온 설명에 혼동을 불러일으키는 부분이 많아서 어쩔 수 없이 일부만 정리한다.
+
+이 명령 사용법만 알면 나머지 다른 명령은 큰 혼동 없이 문서를 보고도 이해할 수 있을 것이다.
+
+
+## helm push
+
+helm chart를 helm repository에 ���장
+
+```
+형식: helm push 올릴chart경로 helmRepo이름
+예제: helm push deploy/my-chart my-repo
+```
+
+helm v3.8.0 부터는 위와 같이 `helm push deploy/my-chart my-repo` 명령을 싫행하면 아래와 같이 에러가 발생한다.  
+
+```bash
+❯ helm push deploy/my-chart my-repo --debug
+
+Error: scheme prefix missing from remote (e.g. "oci://")
+helm.go:84: [debug] scheme prefix missing from remote (e.g. "oci://")
+```
+
+이유는 https://helm.sh/docs/topics/registries/ 에 나와 있는데, 결론적으로 v3.8.0 부터는 `helm push` 명령은 아래와 같은 형식으로만 사용 가능하다.
+
+```bash
+helm push mychart-0.1.0.tgz oci://localhost:5000/helm-charts
+```
+tgz 파일은 `helm package deploy/my-chart` 명령으로 만들 수 있는데, oci 지원 리포지토리는 담당하는 곳에서 따로 구성해주지 않으면 어쩔 도리가 없다.
+
+그래서 결국에는 아래와 같이 plugin을 설치하고
+
+```bash
+❯ helm plugin install https://github.com/chartmuseum/helm-push
+
+Downloading and installing helm-push v0.10.3 ...
+https://github.com/chartmuseum/helm-push/releases/download/v0.10.3/helm-push_0.10.3_darwin_arm64.tar.gz
+Installed plugin: cm-push
+```
+
+아래와 같이 push 대신 cm-push 를 사용하면 된다.
+```bash
+❯ helm cm-push deploy/my-chart my-repo --debug
+
+Pushing my-chart-0.1.0.tgz to my-repo...
+Done.
+```
+push 후 `helm repo update` 명령 실행 후 `helm search repo my-repo`를 실행하면 push 한 차트를 확인할 수 있다.
+
+## helm install
+
+helm repository에 저장된 helm chart를 가져오고 여기에 특정 values-xxx.yaml 을 명시적으로 지정해서 helm chart에 포함된 k8s yaml template files 에 values-xxx.yaml 파일에 있는 값을 주입하고 k8s 자원 yaml을 생성할 수 있는 helm release 를 생성하고 실제로 k8s에 자원 배포
+
+```
+형식: helm install -n k8sNamespace 생성될release이름 사용할chart이름 -f 사용할valuesyaml파일경로
+예제: helm install -n my-namespace my-release my-repo/my-chart -f deploy/values-my-values.yaml
+```
+
+
+## helm uninstall
+
+install 에 의해 생성된 helm release를 삭제하고 k8s에 생성됐던 deployment 등 관련 자원도 모두 삭제된다
+
+```
+형식: helm uninstall -n k8sNamespace 삭제할release이름
+예제: helm uninstall -n my-namespace my-release
+```
+
+
+## helm upgrade
+
+install 에 의해 생성된 helm release의 내용 중 values 내용을 지정한 파일 values 파일 내용으로 변경하고 관련 k8s 자원을 재배포 한다.
+
+```
+형식: helm upgrade -n k8sNamespace release이름 사용할chart이름 -f 사용할valuesyaml파일경로
+예제: helm upgrade -n my-namespace my-release my-repo/my-chart -f deploy/values-my-other-values.yaml
+```
+
+## helm list
+
+install 에 의해 생성된 helm release 의 목록 조회
+
+```
+helm list
+```
+
+
+# 실무 사용 참고
+
+- 소스 코드에서 컨테이너 이미지를 만들어 컨테이너 레지스트리에 업로드 하는 일은 보통 jenkins 등 CI 도구를 사용해서 처리한다.
+- 소스 코드가 공개 repo에 있다면 ArgoCD 를 k8s 클러스터 내부에 구성해서 편리하게 배포할 수 있다.
+- 소스 코드가 비공개 repo에 있다면 이 비공개 repo에 접근할 수 있는 곳에 CI용 jenkins를 두고, k8s 클러스터 내부에 CD용 jenkins를 둬서, CI용 jenkins가 이미지를 컨테이너 레지스트리에 올린 후에 CD용 jenkins를 호출(HTTP API)해서 배포할 수 있다.
+- 소스 코드가 변경됐다면 그에 따른 image 만 변경하면 되므로 CI-CD만 하면 되고, helm 작업(install 또는 upgrade)은 다시 할 필요가 없다.
+- 소스 코드는 변경이 없는데 helm chart나 values.yaml 파일만 변경됐다면 helm upgrade만 다시 하면 배포까지 되고 CI-CD 작업은 다시 할 필요가 없다.
+  - values.yaml 파일 변경 시 `helm upgrade`만 하면 되지만, deployment.yaml 파일 등 차트 내 다른 파일이 변경됐을 때는 `helm push`로 차트 먼저 리포지토리에 푸시해둔 후에 `helm upgrade`를 실행해야 한다.
+
+
+# helm chart 작성
+
+작성 방법은 공식 문서 https://helm.sh/ko/docs/chart_template_guide/ 를 참고한다.
+
+
+

markdown/JaewooJoung__hanjul__oldkor.md

@@ -0,0 +1,123 @@
+# 옛한글 글꼴 제작 가이드 (Old Korean Font Creation Guide)
+
+## 1. 필수 설치 항목 (Required Dependencies)
+
+먼저 FontForge를 설치해야 합니다. 터미널에서 다음 명령어를 실행하세요:
+
+```bash
+pip install fontforge
+```
+
+## 2. 기본 프로그램 실행 (Basic Program Execution)
+
+기본 글꼴 생성을 위한 파이썬 코드입니다:
+
+```python
+# 글꼴 객체 생성
+font = OldKoreanFontForge("옛한글서체")  # Create font instance
+
+# 모든 가능한 조합 생성
+# (초성, 중성, 종성의 모든 조합을 자동으로 생성)
+forge.generate_all_combinations()
+
+# 최종 글꼴 파일 생성 (.ttf 형식)
+forge.generate_font("옛한글서체.ttf")
+```
+
+## 3. 개별 글리프 디자인 (Custom Glyph Design)
+
+특정 문자의 세부 디자인을 위한 코드입니다:
+
+```python
+# 글리프 디자이너 객체 생성
+designer = GlyphDesigner(forge.font)
+
+# 특정 문자 디자인 정의
+# 획의 시작점, 끝점, 곡선 제어점 등을 정의
+strokes = [
+    {
+        # 획의 시작점 (100,100 좌표)
+        'start': (100, 100),
+        
+        # 획의 끝점 (900,900 좌표)
+        'end': (900, 900),
+        
+        # 곡선 제어점 정의
+        'curve_points': [
+            {
+                'control1': (400, 400),
+                # ... 추가 제어점 정의 가능
+            }
+        ]
+    }
+]
+```
+
+## 주요 기능 설명 (Key Features)
+
+- **초성 조합**: ㄱ, ㄴ, ㄷ 등 모든 옛한글 초성 지원
+- **중성 조합**: ㅏ, ㅑ, ㅓ, ㅕ 등 모든 옛한글 모음 지원
+- **종성 조합**: 받침 문자 전체 지원
+- **특수 문자**: ㆍ(아래아), ㆆ, ㅿ 등 옛한글 특수 문자 지원
+- **자동 조합**: 초성, 중성, 종성의 자동 조합 기능
+
+## 기술적 고려사항 (Technical Considerations)
+
+1. **유니코드 매핑**: 
+   - 기본 한글 영역: 0xAC00 ~ 0xD7A3
+   - 확장 영역: Private Use Area (0xE000 ~) 활용
+
+2. **폰트 메타데이터**:
+   - 폰트 이름: 한글/영문 지원
+   - 버전 정보
+   - 저작권 정보
+
+3. **OpenType 기능**:
+   - 자동 조합 규칙
+   - 대체 글리프 지원
+   - 커닝 정보
+
+# 옛한글 문자 체계 분석 (Old Korean Character System Analysis)
+
+## 1. 초성 문자 (Initial Consonants)
+
+### 기본 자음 (Regular Consonants)
+* 현대 한글과 동일: 19자
+* 목록: ᄀ, ᄁ, ᄂ, ᄃ, ᄄ, ᄅ, ᄆ, ᄇ, ᄈ, ᄉ, ᄊ, ᄋ, ᄌ, ᄍ, ᄎ, ᄏ, ᄐ, ᄑ, ᄒ
+
+### 소실된 자음 (Extinct Consonants)
+* 현재 사용되지 않는 문자: 3자
+* 목록: ㆁ, ㆆ, ㅿ
+
+**총 초성 개수**: 22자
+
+## 2. 중성 문자 (Vowels)
+
+### 기본 모음 (Basic Vowels)
+* 기본 단모음: 10자
+* 목록: ㅏ, ㅑ, ㅓ, ㅕ, ㅗ, ㅛ, ㅜ, ㅠ, ㅡ, ㅣ
+
+### 복합 모음 (Compound Vowels)
+* 두 모음의 조합: 11자
+* 목록: ㅐ, ㅒ, ㅔ, ㅖ, ㅘ, ㅙ, ㅚ, ㅝ, ㅞ, ㅟ, ㅢ
+
+### 소실된 모음 (Extinct Vowels)
+* 현재 사용되지 않는 모음: 2자
+* 목록: ㆍ, ᆢ
+
+**총 중성 개수**: 23자
+
+## 3. 종성 문자 (Final Consonants)
+
+### 받침 문자 (Final Consonants)
+* 기본 받침: 27자
+* 목록: ᆨ, ᆩ, ᆪ, ᆫ, ᆬ, ᆭ, ᆮ, ᆯ, ᆰ, ᆱ, ᆲ, ᆳ, ᆴ, ᆵ, ᆶ, ᆷ, ᆸ, ᆹ, ᆺ, ᆻ, ᆼ, ᆽ, ᆾ, ᆿ, ᇀ, ᇁ, ᇂ
+* 받침 없음 옵션: +1
+
+**총 종성 개수**: 28자 (받침 없음 포함)
+
+## 총 조합 가능 개수 (Total Possible Combinations)
+* 계산식: 22(초성) × 23(중성) × 28(종성)
+* **총 가능 조합**: 14,168자
+
+이는 현대 한글의 11,172자보다 약 3,000자 더 많은 수치입니다.

markdown/JamesnetGroup__riotslider__temp.md

@@ -0,0 +1,1796 @@
+안녕하세요. 오랜만입니다!
+
+현재 해외 출장 중입니다, 2월에 있을 닷넷 컨퍼런스에 참여하지 못해 많이 아쉽네요.
+
+짬을 내서 이번에 업로드 된 Vicky의 튜토리얼 영상 내용을 (상세하게) 리뷰하는 글을 함께 작성했습니다. 벌써 네 번째 영상이네요. 영상 하나를 만드는데 얼마나 오래 걸리고 ~~개~~고생 하는지, 옆에서 실시간으로 보고 있네요. ~~멘탈 케어~~ 유튜브 정말 아무나 하는게 아닌 것 같단 생각이 듭니다만,
+
+그래도 영상을 통해 많은 분들과 소통하게 되어, 결론적으로는 아주 의미있고 재밌는 도전인 것 같습니다. 또 이런 비하인드 스토리와 근황을 궁금해 하실 분들이 계실까 하여, 짧게나마 이야기 드렸습니다.
+
+그리고 이번 내용은 WPF를 시작하는 분들에게 특별히 권하는 마음을 담아 작성했으니, 기술에 발전에 도움이 되길 바랍니다. 튜토리얼 영상과 글의 전반적인 내용은 크로스플랫폼인 AvaloniaUI, Uno Platform, 그리고 OpenSilver의 기술/설계와도 꽤나 밀접한 관계가 있으니, WPF에 능숙하신 분들도 한번 흥미를 가지고 살펴보시기를 바랍니다. (저는 일단 쓰면서도 재밌다는...)
+
+---
+
+  
+
+## WPF 슬라이더 컨트롤의 세부 메커니즘 분석 및 Riot 스타일의 커스터마이징 (Analyzing and Customizing the Detailed Mechanisms of WPF Slider Control)
+
+WPF에서 Template을 포함하는 Button 그리고 ToggleButton 등과 같은 기본적인 컨트롤들은 구조적으로나 논리적으로도 매우 간단하게 설계되어 있으며, (별도의 Code behind  처리 없이도) XAML만으로도 충분히 구현 가능한 단순하고 심플한 컨트롤입니다. 한편, 이보다 좀 더 구조화 되어있는 TextBox 그리고 ComboBox, Slider와 같은 컨트롤들을 살펴보면, (XAML 뿐만 아니라) C# 코드를 통한 복잡한 처리를 반드시 필요로 합니다. 
+
+따라서 단순하지 않고  복합적인 컨트롤을 구현할 때 WPF 컨트롤의 세부 구성을 잘 이해하고 있고, 그것을 응용할 수 있다면 더욱 더 우아하고 유연한 CustomControl 설계 및 개발이 가능해집니다. 따라서 이처럼 컨트롤의 근본적인 구성 요소들을 잘 다룰 수 있다면, 자연스레 MVVM 개발 패턴에서의 부족한 부분들을 새로운 시각에서 보완이 가능하고 완성도 높은 WPF 애플리케이션 구현의 길로 이어지게 됩니다.
+
+특히, 이번에는 WPF에서 제공하는 컨트롤인 Slider를 통해 WPF가 컨트롤을 어떻게 설계하고 있는지 내부 메커니즘을 깊이 있게 살펴보고, 이를 세부적으로 분석해볼 것입니다. 물론 WPF의 모든 컨트롤 내부 사정을 일일이 살펴보는 것은 불가능에 가까우며, 그 방대한 소스코드에 파뭍힐 필요는 없습니다. 
+
+왜냐하면 WPF의 모든 소스코드가 GitHub 레포지터리를 통해 오픈소스로 공개 및 관리되고 있기 때문입니다. 따라서 우리는 필요에 따라 언제든지 GitHub 레포지터리에 접근해서 해당 컨트롤을 찾아 분석하는 것이 가능하기 때문에 더 이상 급할 필요가 없습니다. 더 피곤해지긴 했어도, 불평할 수 없죠.
+
+이 뿐만 아니라, 앞으로도 Slider 컨트롤 이상으로 더 복잡하고 다양한 컨트롤들을 해부하고 분석할 예정입니다. 우리의 GitHub 레포지터리와 CodeProject, 그리고 YouTube와 BiliBili에서 제공하는 튜토리얼 영상까지도 많은 응원과 관심, 그리고 지지를 부탁드립니다.
+
+  
+
+## Contents
+
+1. WPF Tutorial Series
+2. Specification
+3. 애플리케이션 프로젝트 생성
+4. Slider 주요 기능 분석
+5. 원본 스타일 추출 과정
+6. 추출된 소스코드 분석
+7. Code behind 확인 (GitHub 오픈소스)
+8. 크로스플랫폼에서의 OnApplyTemplate
+9. Slider 분석을 마치며
+10. Riot 스타일의 Slider (CustomControl) 컨트롤 만들기
+11. 프로젝트 생성 및 시작 준비
+12. TextBlock (Hi Slider)
+13. 참조 추가 및 실행 테스트
+14. Riot Slider 크기 설정
+15. PART_Track
+16. 슬라이더 바 추가
+17. 슬라이더 바와 Track 간의 오차 간격 맞추기
+18. PART_SelectionRange
+
+19. Riot 스타일의 디자인 요소 추가
+20. Riot 스타일의 Thumb 구현하기
+21. Thumb 리소스 선언
+22. RiotSlider 템플릿 전체 완성 (마무리)
+23. 마지막 남기는 말
+
+  
+
+## 1. WPF Tutorial Series
+
+> 현재까지 4개의  튜토리얼  (Vicky) 시리즈가 YouTube와 BiliBili를 통해 공개되었습니다. 이 튜토리얼 영상들은 영어와 중국어로도 제공되며, 유튜브에서는 한글 자막과 함께 지원됩니다. 잘 다듬어진 소스코드와 상세하고 전문적인 설명을 통해 WPF의 깊이를 더욱 끌어올릴 수 있는 기회가 되길 바랍니다.
+
+- [ ] Theme Switch: [Youtube](), [BiliBili](), [CodeProject]()
+
+- [ ] Riot PlayButton: [Youtube](), [BiliBili](), [CodeProject]()
+
+- [ ] Magic Navigation Bar: [Youtube](), [BiliBili](), [CodeProject]()
+
+- [x] Riot Slider: [BiliBili]()
+
+  
+
+## 2. Specification
+
+WPF플랫폼에 익숙치 않은 경우, 환경이 혼란스러울 수도 있습니다. 이 프로젝트는 **닷넷 8.0** 기반이지만 WPF를 사용하기 때문에 프레임워크 타겟이 Windows **단독으로 한정**되며, 따라서 윈도우 환경에서만 개발 및 실행이 가능합니다. 그리고 IDE는 비주얼스튜디오 또는 JetBrains 회사에서 제공하는 Rider 중 하나를 선택하면 됩니다. 단 비주얼스튜디오의 경우에는 **VS2022** 버전부터 닷넷 8.0 사용이 가능합니다. 따라서 **VS2022** 이하의 버전에서는 자신의 IDE 버전에 맞게 닷넷 버전을 마이그레이션 하여 사용하시기 바랍니다. 또한 마이그레이션이 학습에 큰 영향을 주진 않습니다.
+
+- [x] OS: Microsoft Windows 11
+- [x] IDE: Microsoft Visual Studio 2022
+- [x] Version: C# / NET 8.0 / WPF / windows target only
+- [x] NuGet: Jamesnet.Wpf
+
+  
+
+운영체제는 최신 윈도우 버전을 사용하는 것을 권장합니다. 다만 Avalonia UI, Uno Platform, MAUI 등으로의 플랫폼 확장을 고려할 경우 서브 디바이스로써 충분히 MacOS 고려하는 것도 좋습니다. 저희 또한 Thinkpad/Macbook을 사용하고 있습니다. 단 MacOS 또는 리눅스 기반에서는 비주얼스튜디오 사용이 불가능하므로 Rider가 유일한 대안이라는 점을 알아두시기를 바랍니다. ~~vscode~~
+
+  
+
+## 3. 애플리케이션 프로젝트 생성
+
+이 모든 시작을 위해 WPF Application 프로젝트를 생성이 먼저 필요합니다.
+
+- [x] 프로젝트 타입: WPF Application
+
+- [x] 프로젝트 이름: DemoApp
+
+- [x] 프로젝트 버전: 닷넷 8.0
+
+  
+
+## 4. Slider 주요 기능 분석
+
+WPF Slider 컨트롤은 Button과 같은 단순 컨트롤과는 달리 아주 다양한 속성들이 존재합니다. 특히 이 속성들을 컨트롤의 기능적인 중요한 역할을 담당하기 때문에 관심 있게 살펴볼 필요가 있으며, 그 중에서도 특별하게 동작하는 주요 속성들은 다음과 같습니다.
+
+  
+
+**Orientation:** 
+
+WPF에서 제공되는 컨트롤은 기본적으로 범용적인 성격을 가지고 있는 경우가 종종 있습니다. 이번 Slider 컨트롤에서도 마찬가지로, Orientation 속성이 바로 그 예입니다. 이 속성을 통해 가로/세로 방향을 지정할 수 있습니다. 
+
+Orientation 속성은 StackPanel 컨트롤에서도 찾아볼 수 있습니다. StackPanel은 Orientation의 기본 값이 Vertical이지만 Slider의 Orientation 기본 값은 Horizontal입니다. 따라서 Sldier를 보통 Horizontal 형식으로 사용하는 것이 일반적이기 때문에 대부분 Orientation 기능을 알지 못했을 수도 있을 것입니다.
+
+이번에는 Orientation의 이해를 돕기위해 의도적으로 간소화한 Slider 일부분을 살펴보겠습니다.
+
+```xaml
+<Style TargetType="{x:Type Slider}">
+    <Setter Property="Template" Value="{StaticResource SliderHorizontal}"/>
+    <Style.Triggers>
+    	<Trigger Property="Orientation" Value="Vertical">
+    	    <Setter Property="Template" Value="{StaticResource SliderVertical}"/>
+    	</Trigger>
+    </Style.Triggers>
+</Style>
+```
+
+  
+
+Orientation 속성을 기준으로 트리거에서 (ControlTemplate) 템플릿이 스위칭 되는 것을 볼 수 있습니다. 따라서 실제 이 컨트롤의 세부 구성이 어떻게 되어있는지를 한번 쯤 살펴본다면, Orientation 속성이 꽤나 중요한 역할을 하고 있다는 것을 단번에 쉽게 이해할 수 있습니다.
+
+> 재밌는 부분입니다. 원본을 보기전까지는 Orientation을 통해 템플릿을 스위칭하는 상상이나 응용을 할 수 있었을까요? 오픈소스는 이렇게 다양한 영감을 주기도 합니다. 그리고 이 소스코드를 통해 Template을 스위칭하는 최적의 타이밍이 바로 "Style.Trigger"라는 사실도 체크합시다.
+
+  
+
+이번 튜토리얼 영상에서는 Horizontal 방향만 구현할 예정이기 때문에 Orientation을 통한 분기 스위칭 작업은 하지 구현하지 않습니다. 그렇지만 여러분은 Vertical 방향도 한번 만들어 보고, Fork를 통해 Pull Request 요청을 해보세요. 미션입니다.
+
+  
+
+그럼 Hrizontal/Vertical 속성이 각각 적용된 모습도 한번 살펴볼까요?
+
+- [x] Orientation: **Horizontal**
+
+<img src="https://github.com/vickyqu115/riotslider/assets/52397976/9b8a3528-6a84-4982-aff1-78cd9eb3cdb7" width="300" style="float:left"/>
+
+> 아래서 다룰 SelectionRage (파랑) 영역도 보이네요.
+
+  
+
+- [x] Orientation: **Vertical**
+
+<img src="https://github.com/vickyqu115/riotslider/assets/52397976/bbcbeaa9-1763-4435-b92b-be2a71a5ee73" width="300" style="float:left"/>
+
+> 이처럼 (ControlTemplate) 템플릿 자체를 스위칭하는 비슷한 ��트롤을 더 찾아보면 꽤나 존재합니다. (ScrollViewer 등)
+
+  
+
+##### **Minimum, Maximum 그리고 Value:** 
+
+이들은 각각 최소범위/최대범위 그리고 값을 나타내는 역할을 하는 double 타입의 속성들입니다. 내부적으로는 이 값들에 의해 컨트롤의 크기와 비율에 비례하여 Range와 Value 값의 위치가 자동으로 계산됩니다. 
+
+그리고 이 속성들이 모두 DependencyProperty로 되어 있기 때문에, 바인딩을 통해 동적인 상호작용도 가능합니다. 예를 들어 MVVM 구조에서 이 세 개의 값을 활용하여 특정 시나리오에 따라 Range를 동적으로 변경하거나 다양한 응용을 통해 재미있는 구현이 가능해집니다.
+
+  
+
+##### SelectionStart, SelectionEnd 그리고 IsSelectionRangeEnabled:
+
+이 두 속성(SelectionStart/SelectionEnd)은 특별한 영역을 설정하는 역할을 합니다. 사실 이 영역이 특별한 기능을 포함하고 것은 아닙니다. 단지 어느 구간을 지정하고 시각적으로 강조하기 위함입니다. 그리고 IsSelectionRangeEnabled은 이 영역의 활성화 여부를 나타내는 속성입니다. 그리고 이 활성화 여부에 따라 트리거를 통해 영역의 Visibility 속성 값이 스위칭 됩니다. (Visible/Collapsed) 
+
+결과적으로 이 기능들을 살펴보면, 단순한 영역 표시에 불과하기 때문에 굳이 이 기능이 존재해야 하는지에 대해 의문이 듭니다. 하지만 디자인과 분야에 따라 범용성 있게 사용되는 만큼, 그 필요성에 대해 이해해보고 예상해볼 수도 있을 것입니다.  ~~20년전 스타일 취향 존중~~
+
+그런데 사실, 이것을 Value 값과 함께 응용한다면 아주 흥미로운 효과를 나타낼 수 있는데, 바로 아래와 같습니다.
+
+```xaml
+<Slider Orientation="Horizontal"
+        Minimum="0"
+        Maximum="100"
+        Value="30"
+        SelectionStart="0"
+        SelectionEnd="{Binding Value, RelativeSource={RelativeSource Self}"
+        IsSelectionRangeEnabled="True"/>
+```
+
+  
+
+놀랍게도, Value값이 SelectionEnd Binding을 통해 연결되어 값이 변결될 때마다 Selection (Range) 범위가 동적으로 변경되는 효과를 얻을 수 있습니다. WPF 개발진이 의도한걸까요? 멋집니다, 구현 방식도 매우 깔끔해서 기분가지 좋아집니다.
+
+> 글 후반부에 있을 Riot 스타일의 Slider (CustomControl)  구현에서 아주 알짜배기 역할을 하게 될 것입니다, 살짝 기억해주세요.
+
+  
+
+
+## 5. 원본 스타일 추출 과정
+
+앞서 언급한 것처럼, WPF는 GitHub 레포지토리를 통해 오픈소스로 관리되기 때문에 모든 컨트롤의 소스코드를 살펴볼 수 있습니다. 하지만 레포지터리에는 솔루션을 비롯해 모든 프로젝트 및 파일이 포함되어 있기 때문에, 특정 컨트롤 부분의 내용만 추출하는 것은 불가능에 가까울 정도로 어려운 작업입니다. 
+
+다행이도, 비주얼스튜디오는 특정 컨트롤의 기본 스타일을 (Template) 추출하는 기능을 GUI 형태로 제공합니다. 따라서 오픈소스를 찾아 헤메는 절차 없이도 손쉽고 간단하게 이를 활용한 해당 코드 추출이 가능해집니다.
+
+> 마치 Balzor에서의 Identity 스케폴딩을 떠올리는 것도 괜찮습니다. (성격은 조금 다르지만 이해를 돕기 위해)
+
+
+
+또한 비주얼스튜디오를 통해 원본 스타일을 추출하게 되면 실제 수정 가능한 리소스 형태로 연결되기 때문에 디자인과 기능을 바로 커스터마이징하여 사용할 수 있게 됩니다. 따라서 Slider뿐만 아니라 모든 컨트롤의 원본 스타일 및 템플릿 추출이 가능하기 때문에 WPF 연구/학습에 있어 활용 가치가 아주 높은 요소입니다. 
+
+> Infragistics, Syncfusion, ArticPro 같은 상용 컴포넌트를 살펴보면, 이 추출 기능을 무조건 제공하는 것은 아닙니다. 회사마다 공개하는 범위나 정책이 각기 다르며, 대부분의 경우 ControlTemplate을 공개하기보다는 DataTemplate으로 모듈화 하여 커스터마이징할 수 있도록 유도하는 정책을 선호합니다. 따라서 여러분이 사용중인 컴포넌트에 대해서는 흥미롭게 한번 살펴보시기 바랍니다.
+
+
+
+##### 추출 방법과 절차: Visual Studio
+
+- [x] 기본 컨트롤 (Slider) 스타일 추출하기 (Edit a Copy...)
+- [x] 현재 파일에 추출 (This document)
+- [x] App.xaml 파일에 추출 (Application)
+- [x] 새로운 ResourceDictionary 파일을 생성해서 추출 (Resource Dictionary)
+
+
+
+단, 추출 절차는 Partial 형태의 UserControl 화면의 디자인 영역에서만 진행할 수 있으며, 컨트롤을 선택하고 우측 클릭을 통해 절차를 진행합니다. 이 과정에서 "스타일 이름 지정/추출 스타일의 복사 위치를 지정" 옵션을 선택하는 단계를 거칩니다.
+
+> VScode 또는 Rider에서의 방법도 한번 찾아보세요, 제공하고 있을까요?
+
+
+
+과정을 단계적으로 살펴봅시다.
+
+- [x] 스타일 추출 명령: Slider > Right click > Edit Template > Edit a Copy...
+
+<img width="365" alt="image" src="https://github.com/vickyqu115/riotslider/assets/52397976/0d7f2e38-f616-4260-a256-f3e4eb5c9f09" style="float:left">
+
+> 제공되는 추출 스타일이 없는 경우에는 이 항목이 활성화되지 않음,
+
+
+
+- [x] 스타일 추출 옵션 창: Create ControlTemplate Resource (Window)
+
+<img src="https://github.com/vickyqu115/riotslider/assets/52397976/d895d1fd-f709-4909-a968-3cd4692550ac" style="float: left; width: 500px"/>
+
+> Name (Key) 그리고 Define in 옵션 선택,
+
+
+
+일반적으로는 Name을 지정하는 것이 테스트나 관리적인 측면에서 옳은 선택입니다. 이를 지정하지 않고 "Apply to all" 항목을 선택하여 추출할 경우 Define 항목을 통해 지정한 위치를 기준으로 생성된 스타일이 전역으로 적용됩니다. 따라서 이 점을 제대로 이해하고 신중하게 추출을 진행하도록 합니다.
+
+영상에서는 이름을 설정하고, Define 위치를 Application으로 지정하고 있습니다. 따라서 (파일이 존재하는 경우) App.xaml 파일의 Resources 영역 안에 추출된 리소스가 포함됩니다.
+
+개인적인 의견으로는 이러한 추출 작업을 할 때, 되도록이면 신규 프로젝트에서 테스트 성격으로 진행하는 방식을 권합니다. 실제로 이 과정을 라이브 프로젝트에서 진행할 경우 사소한 실수, 문제들이 생길 수도 있기 때문에 이러한 사이드 이펙트를 방지하는 차원에서도 좋은 선택입니다.
+
+
+
+## 6. 추출된 소스코드 분석
+
+튜토리얼 영상에서처럼 Slider 컨트롤의 스타일이 성공적으로 추출되었습니다. App.xaml 파일 안에 관련 리소스들을 확인해보고, 중요하게 눈여겨볼 요소들을 하나씩 확인해봅시다.
+
+
+
+##### Orientation 분기 확인:
+
+앞 부분에서 Orientation 속성을 설명할 때 잠깐 트리거와 스위칭에 대해 간략하게 언급했지만, 이번에는 구현되어 있는 실제 소스코드를 확인해볼 차례입니다.
+
+아래 스타일은 추출된 SliderStyle1 이름의 템플릿이 포함된 WPF 기본 스타일 원본입니다. (실제로 에러 없이 바로 적용되어 동작도 합니다.)
+
+```xaml
+<Style x:Key="SliderStyle1" TargetType="{x:Type Slider}">
+    <Setter Property="Stylus.IsPressAndHoldEnabled" Value="false"/>
+    <Setter Property="Background" Value="Transparent"/>
+    <Setter Property="BorderBrush" Value="Transparent"/>
+    <Setter Property="Foreground" 
+            Value="{StaticResource SliderThumb.Static.Foreground}"/>
+    <Setter Property="Template" Value="{StaticResource SliderHorizontal}"/>
+    <Style.Triggers>
+        <Trigger Property="Orientation" Value="Vertical">
+            <Setter Property="Template" Value="{StaticResource SliderVertical}"/>
+        </Trigger>
+    </Style.Triggers>
+</Style>
+```
+
+
+
+내용을 살펴보면 기본 Template은 SliderHorizontal (ControlTemplate) 템플릿이 지정되어 있고, 트리거를 통해 Orientation 속성 값이 Vertical일 경우 SliderVertical (ControlTemplate) 템플릿으로 스위칭 되는 부분을 확인할 수 있습니다.
+
+> 이처럼 (ControlTemplate) 템플릿을 모듈화하여 관리하면 실제 스타일의 형태를 한눈에 볼 수 있는 장점이 생깁니다, 꼭 스위칭하지 않는 상황이더라도 한번 해볼법한 관리 구조 방식입니다. 저는 자주 합니다. 이런 부분들을 통해서도 영감을 받을 수 있죠, 
+
+
+
+따라서 Slider 컨트롤과 관련한 기능이 실질적으로 SliderHorizontal 그리고 SliderVertical 두 (ControlTemplate) 템플릿 영역에 각각 구현되어 있습니다.
+
+이제 기본으로 지정되어 있는 SliderHorizontal (ControlTemplate) 템플릿을 확인해봅시다. 
+
+
+
+##### ControlTemplate 확인:
+
+각각의 Horizontal/Vertical 전용 템플릿을 확인해봅시다. 모두 계속해서 App.xaml 파일 안에서 찾아볼 수 있습니다.
+
+- [x] Horizontal 전용 템플릿 확인
+- [x] Vertical 전용 템플릿 확인
+
+
+
+ControlTemplate: **SliderHorizontal**
+
+```xaml
+<ControlTemplate x:Key="SliderHorizontal" TargetType="{x:Type Slider}">
+    <Border ...>
+		...
+    </Border>
+    <ControlTemplate.Triggers>
+		...
+    </ControlTemplate.Triggers>
+</ControlTemplate>
+```
+
+
+
+ControlTemplate: **SliderVertical**
+
+```xaml
+<ControlTemplate x:Key="SliderVertical" TargetType="{x:Type Slider}">
+    <Border ...>
+		...
+    </Border>
+    <ControlTemplate.Triggers>
+		...
+    </ControlTemplate.Triggers>
+</ControlTemplate>
+```
+
+
+
+위와 같이 Horizontal/Vertical 각각의 소스코드가 분기되어 구현되어있는 것을 확인할 수 있습니다. 따라서 구현된 내용은 둘 다 동일하며, 단지 디자인적인 측면에서의 방향만 다를 뿐입니다. 
+
+이를 정확히 확인��봅시다.  공통으로 포함된 요소들은 다음과 같습니다.
+
+- [ ] Name: TopTick
+- [ ] Name: BottomTick
+- [ ] Name: TrackBackground
+- [x] **Name: PART_SelectionRange**
+- [x] **Name: PART_Track**
+- [ ] Name: Thumb
+- [ ] Trigger: TickPlacement
+- [ ] Trigger: IsSelectionRangeEnabled
+- [ ] Trigger: IsKeyboardFocused
+
+
+
+공통으로 포함된 요소들이 각각의 ControlTemplate 모두에 포함된 것을 확인할 수 있습니다. 둘 다 동일한 구성이라는 것을 확인했으니, 이제는 SliderHorizontal 부분만 집중해서 살펴봅시다.
+
+
+
+##### Naming rule: `PART_`
+
+(CustomControl) 컨트롤 구조에서는 XAML과 Code behind간의 연결을 긴밀하게 가져가는 것이 매우 중요한 요소입니다. 하지만 연결을 하기 위해서는 GetTemplateChild 메서드를 통해 컨트롤 이름을 찾기 때문에 가독성 측면에서 좋지 않아보입니다. 이러한 개발 방식을 보완하고 체계적으로 관리하기 위해  `PART_` 네이밍 규칙을 사용합니다. 
+
+이는 GetTemplateChild를 통해 찾는 모든 컨트롤 이름에 `PART_`를 접두어가 붙어, XAML 상에서의 기능을 짐작할 수 있도록 하기 위한 네이밍 규칙입니다. 따라서 (ControlTemplate) 컨트롤을 분석할 때, `PART_`로 시작하는 이름의 컨트롤을 발견한다면, 필수요소일 가능성 짐작이 가능하며 이를 지웠을 때 발생하게 될 사이드 이펙트를 미리 예상하는 것이 가능해집니다. 
+
+결론적으로는 CustomControl 구현에 있어 큰 도움이 됩니다. 또한 이 규칙은 WPF 뿐만 아니라, XAML을 공유하는 다른 크로스플랫폼에서도 흔히 볼 수 있는 공통적인 구조이므로, 높치지 말아야 할 중요한 부분임을 다시 한 번 강조합니다.
+
+
+
+_Slider에서는 두 개의 `PART_` 컨트롤이 존재합니다._
+
+- [x] PART_Track
+- [x] PART_SelectionRange
+
+
+
+결과적으로 위 두 개의 `PART_` 컨트롤 외의 나머지 컨트롤은 Code behind에서 사용되지 않습니다. 이를 네이밍 규칙을 통해 보장하는 것입니다. 따라서 우리도 CustomControl 개발에 있어 이 규칙을 철저하게 지키는 것이 매우 중요합니다.
+
+
+
+##### 테스트: PART_Track 의도적인 이름 변경 후 영향 체크
+
+`PART_Track` 컨트롤 이름을 의도적으로 변경해봅시다. 
+
+```xaml
+<Track x:Name="PART_Track1" Grid.Row="1">
+    ...
+</Track>
+```
+
+> Sliderhorizontal 영역이 맞는지 잘 확인해보세요.
+
+
+
+이제 애플리케이션을 실행하면, 튜토리얼 영상에서처럼 아무리 드래그를 통해 Track의 Thumb를 움직여봐도 더 이상 좌우로 이동하지 않게 됩니다. Thumb가 더 이상 움직이지 않는 이유는 앞서 의도적인 이름 변경으로 인해 Code behind 영역에서 GetTemplateChild를 통해 `PART_Track` 컨트롤을 찾을 찾을 수 없기 때문입니다.
+
+따라서 `PART_Track` 컨트롤을 찾지 못했기 때문에, 마우스 드래그를 통해 움직일 Thumb 대상이 존재하지 않게 된 것입니다. 다시 `PART_Track1` 이름을 원래대로 되돌린다면 기능이 다시 정상으로 돌아올 것입니다. 
+
+> 이런 현상은 다른 많은 기본 컨트롤들에서도 찾아볼 수 잇는데, 대표적으로는 TextBox의 `PART_ContentHost`가 그 중의 하나입니다.
+
+
+
+##### 테스트: PART_SelectionRange 의도적인 이름 변경 후 영향 체크
+
+이어서 `PART_SelectionRange` 컨트롤 이름도 의도적으로 변경해봅시다.
+
+```xaml
+<Rectangle x:Name="PART_SelectionRange1" .../>
+```
+
+> Sliderhorizontal 영역이 맞는지 잘 확인해보세요. (x2)
+
+
+
+그리고 트리거 부분을 살펴보면 `PART_SelectionRange`를 사용하는 부분이 더 있기 때문에 이 부분도 함께 변경해야 합니다.
+
+```xaml
+<Trigger Property="IsSelectionRangeEnabled" Value="true">
+    <Setter Property="Visibility" TargetName="PART_SelectionRange1" Value="Visible"/>
+</Trigger>
+```
+
+> Sliderhorizontal 영역이 맞는지 잘 확인해보세요. (x3)
+
+
+
+그리고 Sldier에서도 아래처럼 `PART_SelectionRange`를 활성화하기 위한 속성들을 모두 설정하도록 합니다.
+
+```xaml
+<Slider Style="{DynamicResource SliderStyle1}"
+        Minimum="0" Maximum="100"
+        SelectionStart="0" SelectionEnd="50"
+        IsSelectionRangeEnabled="True"/>
+```
+
+> Minimum/Maximum 그리고 SelectionStart/SelectionEnd, IsSelectionRange까지 모두 설정해야 Range 영역을 활성화할 수 있습니다.
+
+
+
+- [x] 이름 변경 전: **PART_SelectionRange**
+
+<img src="https://github.com/vickyqu115/riotslider/assets/52397976/664d0d18-1fd4-4c70-bb91-b9d655bada3d" style="width:400px; float: left"/>
+
+> 변경 전, 정상적으로 보이는 Rage 영역을 확인할 수 있습니다.
+
+
+
+- [x] 이름 변경 후: **PART_SelectionRange1**
+
+<img src="https://github.com/vickyqu115/riotslider/assets/52397976/c1708893-0b3c-47fa-a793-c26d85ad55ca" style="width:400px; float: left"/>
+
+> ���제는 더 이상 Range 영역이 보이지 않습니다.
+
+
+
+이번에도 역시 `PART_SelectionRange` 컨트롤을 내부적으로 찾을 수 없기 때문에 Range 영역을 계산할 대상이 없게 된 것입니다.
+
+이처럼 WPF 컨트롤은 생각보다 기능이 느슨하게 구현되어 있으면서 나름의 모듈화 구조를 구성하고 있습니다. 따라서 이러한 특성을 잘 이용한다면, 이미 구현되어 있는 기능을 잘 활용하거나 또는 불필요한 기능을 제외시키는 것도 가능해집니다.
+
+
+
+## 7. Code behind 확인 (GitHub 오픈소스)
+
+앞서 `PART_` 컨트롤의 네이밍 규칙과 영향에 대해 자세하게 살펴봤으니, 이번에는 실제 클래스에서 이 컨트롤이 어떻게 사용되는지를 찾아볼 차례입니다.
+
+Code behind (클래스) 영역은 더 이상 추출을 통해 확인해볼 수 있는 영역이 아닙니다. 따라서 WPF 레포지터리를 통해 Official 소스코드를 살펴봐야 합니다. 이를 찾는 방법은 튜토리얼 영상을 통해 더 자세하게 살펴보는 것을 권합니다.
+
+
+
+실제 소스코드에서는 각각의 `PART_` 컨트롤 이름이 아래와 같이 `string`으로 약속되어 있습니다.
+
+```csharp
+private const string TrackName = "PART_Track";
+private const string SelectionRangeElementName = "PART_SelectionRange";
+```
+
+> 이름이 고정으로 정의되어 있기 때문에 반드시 지켜야 하는 네이밍 규칙인 것입니다.
+
+
+
+##### WPF: OnApplyTemplate
+
+다음은 Track과 SlectionRange를 (ControlTemplate) 템플릿으로부터 가져오는 부분을 살펴봅시다.
+
+```csharp
+public override void OnApplyTemplate()
+{
+    base.OnApplyTemplate();
+
+    SelectionRangeElement = GetTemplateChild(SelectionRangeElementName) as FrameworkElement;
+    Track = GetTemplateChild(TrackName) as Track;
+
+    if (_autoToolTip != null)
+    {
+        _autoToolTip.PlacementTarget = Track != null ? Track.Thumb : null;
+    }
+}
+```
+
+> (Override) OnApplyTemplate 메서드는 클래스와 스타일이 연결된 후 호출되므로 GetTemplateChild를 사용하기 위한 최적의 시점이라는 것을 알아둡시다.
+
+
+
+원본 소스코드를 살펴보면 각각 FrameworkElement와 Track으로 정의되어 있습니다.
+
+- [x] PART_SelectionRange: SelectionRangeElement (FrameworkElement)
+- [x] PART_Track: TrackName (Track)
+
+
+
+여기서 주목할 점이 있습니다. Track의 경우 XAML과 동일한 타입이지만 SelectionRange는 원본의 Rectangle과는 다른 FrameworkElement로 되어 있는데, 이는 Range 영역을 Rectangle 뿐만 아니라 어떠한 컨트롤을 사용해도 된다는 된다는 의미로 해석해도 무방합니다. 의도적으로 타입이 유연하게 정의되어 있는 것입니다.
+
+그렇다면 (FrameworkElement 타입으로 정의된) SelectionRangeElement는 이 타입에서 다룰 수 있는 기본적인 기능만을 처리할 것으로 예상을 해볼 수 있습니다. 
+
+
+
+다음은 실제 SelectionRangeElement를 다루는 부분입니다.
+
+```csharp
+private void UpdateSelectionRangeElementPositionAndSize()
+{
+    Size trackSize = new Size(0d, 0d);
+    Size thumbSize = new Size(0d, 0d);
+
+    if (Track == null || DoubleUtil.LessThan(SelectionEnd,SelectionStart))
+    {
+        return;
+    }
+
+    trackSize = Track.RenderSize;
+    thumbSize = (Track.Thumb != null) ? Track.Thumb.RenderSize : new Size(0d, 0d);
+
+    double range = Maximum - Minimum;
+    double valueToSize;
+
+    FrameworkElement rangeElement = this.SelectionRangeElement as FrameworkElement;
+
+    if (rangeElement == null)
+    {
+        return;
+    }
+
+    if (Orientation == Orientation.Horizontal)
+    {
+        // Calculate part size for HorizontalSlider
+        if (DoubleUtil.AreClose(range, 0d) || (DoubleUtil.AreClose(trackSize.Width, thumbSize.Width)))
+        {
+            valueToSize = 0d;
+        }
+        else
+        {
+            valueToSize = Math.Max(0.0, (trackSize.Width - thumbSize.Width) / range);
+        }
+
+        rangeElement.Width = ((SelectionEnd - SelectionStart) * valueToSize);
+        if (IsDirectionReversed)
+        {
+            Canvas.SetLeft(rangeElement, (thumbSize.Width * 0.5) + Math.Max(Maximum - SelectionEnd, 0) * valueToSize);
+        }
+        else
+        {
+            Canvas.SetLeft(rangeElement, (thumbSize.Width * 0.5) + Math.Max(SelectionStart - Minimum, 0) * valueToSize);
+        }
+    }
+    else
+    {
+        // Calculate part size for VerticalSlider
+        if (DoubleUtil.AreClose(range, 0d) || (DoubleUtil.AreClose(trackSize.Height, thumbSize.Height)))
+        {
+            valueToSize = 0d;
+        }
+        else
+        {
+            valueToSize = Math.Max(0.0, (trackSize.Height - thumbSize.Height) / range);
+        }
+
+        rangeElement.Height = ((SelectionEnd - SelectionStart) * valueToSize);
+        if (IsDirectionReversed)
+        {
+            Canvas.SetTop(rangeElement, (thumbSize.Height * 0.5) + Math.Max(SelectionStart - Minimum, 0) * valueToSize);
+        }
+        else
+        {
+            Canvas.SetTop(rangeElement, (thumbSize.Height * 0.5) + Math.Max(Maximum - SelectionEnd,0) * valueToSize);
+        }
+    }
+}
+```
+
+>  Orientation을 분기하는 (Horizontal/Vertical) 로직은 실제로 동일하기 때문에 Horizontal을 기준으로만 살펴보면 됩니다.
+
+
+
+바로 이 (UpdateSelectionRangeElementPositionAndSize) 메서드를 통해 SelectionRange의 사이즈 및 포지션이 결정됩니다. 소스코드의 양이 다소 부담스럽다고 생각할 수도 있지만 Orientation을 분기하는 로직의 중복된 소스코드를 감안하면 SelectionRange에 대한 간결한 처리가 이루어지고 있음을 쉽게 파악할 수 있습니다.
+
+이처럼 (CustomControl) 컨트롤을 추출하고 `PART_` 컨트롤이 내부에서 어떻게 처리되는지를 이와 같이 역으로 찾아 들어가서 분석이 가능한 것입니다.
+
+
+
+## 8. 크로스플랫폼에서의 OnApplyTemplate
+
+WPF의 설계의 많은 부분을 고유하고 있는 크로스플랫폼들 역시 이와 같은 흐름을 그대로 유사하게 따르고 있습니다. 따라서 앞서 분석해본 OnApplyTemplate를 기준으로 다른 플랫폼에서도 한번 이를 살펴봅시다.
+
+
+
+OnApplyTemplate 설계를 공유하는 플랫폼 목록
+
+- [x] **AvaloniaUI**
+- [x] **Uno Platform**
+- [x] **OpenSilver**
+- [x] **MAUI**
+- [x] **Xamarin**
+- [ ] UWP
+- [ ] WinUI 3
+- [ ] Sliverlight
+
+
+
+이 항목 중에서 체크된 AvaloniaUI, Uno Platform, OpenSilver, MAUI, Xamarin의 실제 원본 소스코드를 한번 살펴보겠습니다.
+
+> 참고로 Silverlight 빼고는 모두 GitHub의 Microsoft 공식 Organization인 Dotnet 또는 xamarin을 통해 관리되고 있기 때문에 레포지토리를 GitHub에서 쉽게 찾아볼 수 있습니다.
+
+
+
+##### AvaloniaUI: OnApplyTemplate
+
+아래는 AvaloniaUI에서의 Slider 컨트롤의 OnApplyTemplate 부분입니다. 
+
+```csharp
+protected override void OnApplyTemplate(TemplateAppliedEventArgs e)
+{
+    ...
+    base.OnApplyTemplate(e);
+    _decreaseButton = e.NameScope.Find<Button>("PART_DecreaseButton");
+    _track = e.NameScope.Find<Track>("PART_Track");
+    _increaseButton = e.NameScope.Find<Button>("PART_IncreaseButton");
+    ...
+}
+```
+
+> AvaloniaUI 역시 오픈소스로 관리되고 있기 때문에 WPF처럼 모든 소스코드를 살펴볼 수 있습니다. 또한 WPF와도 매우 비슷한 방식이라는 것을 알 수 있습니다.
+
+
+
+이처럼 네이밍 규칙을 통해 세 개의 `PART_` 컨트롤이 XAML영역에서 필수 구성 요소로써 동작한다는 것을 단번에 파악할 수 있습니다. Uno도 살펴볼까요?
+
+
+
+##### Uno Platform: OnApplyTemplate
+
+```csharp
+protected override void OnApplyTemplate()
+{
+	...	
+    base.OnApplyTemplate(e);
+	
+	// Get the parts
+    var spElementHorizontalTemplateAsDO = GetTemplateChild("HorizontalTemplate");
+    _tpElementHorizontalTemplate = spElementHorizontalTemplateAsDO as FrameworkElement;
+    var spElementTopTickBarAsDO = GetTemplateChild("TopTickBar");
+    ...
+}
+```
+
+> Uno에서도 마찬가지로 WPF와 유사한 방식입니다.
+
+
+
+다만 Uno는 의외로 `PART_` 네이밍 규칙을 따르지 않고 있습니다. 아마도 처음부터 규칙을 사용하지 않는 것을 규칙으로 정한 것 같습니다.
+
+MAUI와 OpenSilver 그리고 Xamarin에서도 이러한 소스코드를 찾아볼 수 있습니다.
+
+
+
+##### MAUI: OnApplyTemplate
+
+```csharp
+protected override void OnApplyTemplate()
+{
+    base.OnApplyTemplate();
+    _thumb = (Thumb)GetTemplateChild("HorizontalThumb");
+    _originalThumbStyle = _thumb.Style;
+
+    UpdateThumbStyle();
+}
+```
+
+> WPF에서는 Track과 같이 변수 이름을 선언하지만 MAUI에서는 언더바를 붙이고 있습니다. 각각의 플랫폼마다의 네이밍 규칙과 개발 패턴을 비교해보는 것 또한 오픈소스 분석에 있어 작은 즐거움 중 하나입니다.
+
+
+
+##### OpenSilver: OnApplyTemplate
+
+```csharp
+public override void OnApplyTemplate()
+{
+    base.OnApplyTemplate();
+
+    // Get the parts
+    ...
+    ElementVerticalThumb = GetTemplateChild(ElementVerticalThumbName) as Thumb;
+    ...
+}
+```
+
+> Uno와 비슷한 스타일의 주석을 사용하는군요.
+
+
+
+##### Xamarin: OnApplyTemplate
+
+```csharp
+public override void OnApplyTemplate()
+{
+    base.OnApplyTemplate();
+    FormsContentControl = Template.FindName("PART_Multi_Content", this) 
+    	as FormsTransitioningContentControl;
+}
+```
+
+> 조금씩은 다르지만 모두 WPF와 같은 설계를 공유하고 있는 것을 확인했습니다.
+
+
+
+## 9. Slider 분석을 마치며
+
+WPF Slider 컨트롤을 잘 살펴보았습니다. 이를 통해 우리는 WPF의 (CustomControl) 컨트롤이 매우 정교하게 잘 설계되어 있다는 것을 확인했습니다. 또한 이러한 규칙들은 다른 컨트롤에도 동일하게 응용되며, 또 새로운 컨트롤을 설계하는데에 있어서도 중요한 기반으로 쓰이게 될 것입니다.
+
+누군가는 WPF가 죽었다고 (Is WPF Dead) 표현합니다. 하지만 WPF는 여전히 사라지지 않았으며 계속해서 자리를 지키고 있습니다. WPF를 깊이 있게 다룬다는 것은 계속해서 무긍무진한 가능성과 재미를 가져다 줍니다.
+
+WPF로 모든 개발을 하고 싶다는 꿈이 과거에는 상상으로만 그쳤다면, Xamarin과 닷넷 코어를 시작으로 현재까지 생겨난 다양한 플랫폼들을 통해 이제는 더 이상 꿈이 아닌 현실이 되었습니다. 이는 WPF를 사랑하는 많은 개발자들의 소망과 기여가 모여 만들어진 결과입니다.
+
+지금까지 기본 컨트롤의 분석이 왜 필요한지에 대해 자세하게 살펴봤습니다. 다시 한 번 튜토리얼 영상의 설명을 통해 내용들을 복기하고 학습하는 것을 권합니다.
+
+다음은 이 분석을 기반으로 새로운 Riot 스타일의 (CustomControl) Slider를 만들어보도록 하겠습니다.
+
+
+
+## 10. Riot 스타일의 Slider (CustomControl) 컨트롤 만들기
+
+지금부터는 Slider 분석을 토대로 컨트롤의 특성을 살려 최소한의 설계를 통해 이를 구현합니다. 그 과정 속에서 `PART_` 부분을 활용하여 어떻나 코드도 사용하지 않고 컨트롤을 완성하는 것이 이 프로젝트의 핵심입니다. 
+
+지금부터는 구현 과정과 순서를 잘 확인하면서 내용 파악에 집중하면 됩니다. 그리고 만약 CustomControl에 대한 이해를 좀 더 깊이있게 가져가고 싶다면 WPF 저서인 [WPF Inside Out]()을 통해 이를 심도 있게 학습해보는 것을 권합니다.
+
+
+
+##### Motivation
+
+아마도 기본 Slider를 그대로 사용하는 경우는 거의 없으리라 봅니다. 그래서 영감이 필요한데, 마침 라이엇게임즈의 League of Legends 게임에서 볼 수 있는 디자인 컨셉의 Slider를 만들어본 경험이 있어 이를 컨트롤의 모티브로 정했습니다.
+
+사실, 이 디자인은 이미 몇년 전 WPF로 높은 수준의 게임 클라이언트를 구현해보고 싶다는 호기심에 시작되었던 "리그오브레전드" 애플리케이션의 일부입니다. 따라서 이 Slider 컨트롤이 실제 어떤 느낌으로 동작하는지 확인해보고 싶다면 [이 레포지터리](https://github.com/jamesnet214/leagueoflegends)를 확인해보시기 바랍니다. 그리고 Fork를 통해 누구나 기여하실 수도 있습니다. 현재까지 80회 이상의 Fork를 기록하고 있습니다.
+
+
+
+<img src="https://github.com/vickyqu115/riotslider/assets/52397976/003948fe-70c3-4be4-927f-d0b391ac7b05" style="width:600px; float: left"/>
+
+
+
+
+그럼 지금부터 새로운 (CustomControl) Slider 컨트롤을 창조해봅시다.
+
+  
+
+## 11. 프로젝트 생성 및 시작 준비
+
+앞서 생성한 DemoApp (WPF Application) 애플리케이션 프로젝트에 이어서, 이번에는 CustomControl 라이브러리 프로젝트를 생성할 차례입니다. 만약 DemoApp 프로젝트에서 계속해서 진행하길 원한다면 이번 프로젝트 생성과정은 생략해도 됩니다.
+
+
+
+##### 프로젝트 생성:
+
+- [x] 프로젝트 이름: SliderControl
+- [x] 프로젝트 타입: WPF CustomControl Library
+
+- [x] 프로젝트 버전: 닷넷 8.0
+
+
+<img width="253" alt="11-1" src="https://github.com/vickyqu115/riotslider/assets/101777355/eb164539-2bd1-46b1-a658-d339cc39b865">
+
+
+
+
+##### 기본 파일 삭제:
+
+- [x] AssemblyInfo.cs
+- [x] Themes/Generic.xaml
+- [x] CustomControl1.cs
+
+
+
+<img width="243" alt="11-2" src="https://github.com/vickyqu115/riotslider/assets/101777355/ecd698ad-674e-440f-84b4-481caa5b8272">
+
+
+
+
+삭제하는 모든 파일들은 사실 (CustomControl) 컨트롤을 구성하기 위한 필수 파일이지만 위치 또는 프로젝트 구성을 다시 구성하기 위해 삭제하는 것입니다.
+
+> 컨트롤을 다시 생성하는 과정에서 삭제되었던 요소들이 자동으로 다시 생성됩니다. 따라서 파일 삭제에 대해 걱정할 필요 없습니다.
+
+
+
+##### (CustomControl) 파일 생성:
+
+- [x] RiotSlider.cs (CustomControl) 클래스 생성
+
+
+<img width="253" alt="11-3" src="https://github.com/vickyqu115/riotslider/assets/101777355/0c52e698-2353-4e11-8253-0a801de9f119">
+
+
+
+
+CustomControl 클래스 타입으로 파일을 생성할 경우에만 DefaultStyleKeyProperty 관련 구문이 static 생성자와 함께 포함됩니다. 만약 생성과정에서 타입을 잘못 선택할 경우 CustomControl 관련 코드 구문이 누락되기 때문에 이를 직접 입력해야하는 번거로움이 생기므로 과정을 주의깊게 확인하는 것이 중요합니다.
+
+```csharp
+public class RiotSlider :Slider
+{
+    static RiotSlider()
+    {
+        DefaultStyleKeyProperty.OverrideMetadata(typeof(RiotSlider), new FrameworkPropertyMetadata(typeof(RiotSlider)));
+    }
+}
+```
+
+
+
+##### 자동생성된 파일 확인:
+
+- [x] Properties/AssemblyInfo.cs
+- [x] Themes/Generic.xaml
+
+
+
+<img width="708" alt="11-4" src="https://github.com/vickyqu115/riotslider/assets/101777355/867bdc09-adf2-4852-9aa3-3c4828df6672">
+
+
+
+
+CustomControl 클래스 타입으로 파일을 생성하지 않을 경우, 마찬가지로 해당 파일들이 자동으로 생성되지 않습니다. 이 점도 잘 유의하시기 바랍니다.
+
+
+
+## 12. TextBlock (Hi Slider)
+
+다음은 Slider 컨트롤이 CustomControl 형식으로 제대로 구성되었는지 확인하기 위한 테스트 단계입니다.
+
+처음으로 (CustomControl) Slider 컨트롤을 만들게 되면 기본적으로 텅 비어있는 ControlTemplate 템플릿이 생성됩니다. 따라서 이를 시각적으로 확인하기 위해서는 디자인적인 요소를 추가하는 것이 일반적인 방법입니다. 따라서 임시 TextBlock와 함께 텍스트를 추가해보겠습니다.
+
+
+
+##### 임시 TextBlock 추가:
+
+- [x] Hi Slider
+
+```xaml
+<Style TargetType="{x:Type local:RiotSlider}">
+    <Setter Property="Template">
+    	<Setter.Value>        
+            <ControlTemplate TargetType="{x:Type RiotSlider}">
+                <Border Background="{TemplateBinding Background}"
+                        BorderBrush="{TemplateBinding BorderBrush}"
+                        BorderThickness="{TemplateBinding BorderThickness}">
+	                <TextBlock Text="Hi Slider" Foreground="Blue"/>
+                </Border>
+            </ControlTemplate>
+        </Setter.Value>
+    </Setter>
+</Style>
+```
+
+> 비어있는 ControlTemplate Border 안에 TextBlock과 함께 "Hi Slider" 텍스트를 추가합니다. 추가적으로 폰트 색상도 변경하는 것도 좋습니다. 다양한 방법으로 시도해보세요.
+
+
+
+## 13. 참조 추가 및 실행 테스트
+
+테스트를 위한 TextBlock를 준비를 마쳤으니, 이제 DemoApp 애플리케이션을 실행하여 RiotSlider 컨트롤이 제대로 로드되는지를 확인해볼 차례입니다.
+
+
+
+##### DemoApp프로젝트에서 참조 추가하기:
+
+- [x] 참조 추가: RiotSliderControl 프로젝트
+
+
+
+##### MainWindow.xaml에서 xmlns 선언 및 컨트롤 추가하기:
+
+- [x] xmlns 선언: xmlns:riots
+
+- [x] 컨트롤 삽입: riots:RiotSlider
+
+```xaml
+<Window x:Class="DemoApp.MainWindow" 
+        xmlns="http://schemas.microsoft.com/winfx/2006/xaml/presentation"
+        xmlns:x="http://schemas.microsoft.com/winfx/2006/xaml"
+        xmlns:d="http://schemas.microsoft.com/expression/blend/2008"
+        xmlns:mc="http://schemas.openxmlformats.org/markup-compatibility/2006"
+        xmlns:riots="clr-namespace:SliderControl;assembly=SliderControl"
+        mc:ignorable="d"
+        Title="MainWindow" Width="800" Height="450">
+    <Grid>
+        <riots:RiotSlider/>
+    </Grid>
+</Window>
+```
+
+
+
+##### 실행결과 확인:
+
+- [x] Riot Slider: "Hi Slider"
+
+
+<img width="395" alt="11-5" src="https://github.com/vickyqu115/riotslider/assets/101777355/145a7aa7-364d-41a2-a74a-dfe0b95a9e26">
+
+
+
+
+이것으로 (CustomControl) RiotSlider 컨트롤을 구성하고 제대로 실행되는지를 확인하는 단계까지 마쳤습니다.
+
+CustomControl 방식은 UserControl 방식보다 복잡하기 때문이 지금과 같은 과정이 익숙해질 때까지는 어려움이 따를 수 있습니다. 따라서 이를 극복하기 위해서는 반복적인 훈련 과정이 필요합니다. 
+
+이 RiotSlider는 자연스럽게 CustomControl 형태로 모듈화 되어 관리할 수 있게 되었습니다. 이제 이 컨트롤을 GitHub 레포지터리에 올려 관리할 수도 있고 NuGet 패키지 스토어에 업로드하여 배포할 수도 있습니다. 이처럼 WPF에서의 CustomControl 모듈화는 관리적인 측면에서 많은 이점을 가질 수 있기 때문에 이 점을 고려하여 프로젝트를 설계하는 것이 좋습니다.
+
+그리고 이 프로젝트 또한 이미 NuGet Package 스토어를 통해 배포를 해두었습니다. 재미있죠?
+
+
+
+## 14. Riot Slider 크기 설정
+
+다음은 컨트롤의 크기를 설정할 차례입니다. 
+
+WPF는 꽤나 강력하고 유연한 (Responsive) 반응형 레이아웃을 사용할 수 있습니다. 따라서 컨트롤의 크기를 지정할 때에도 반응형으로 유연하게 설계하는 것이 일반적입니다. 하지만 예외적인 컨트롤도 있습니다. Slider와 같은 디자인 요소들이 많이 포함되는 경우에는 높이 또는 너비를 고정으로 두어야 자연스러운 디자인을 구성할 수 있기 때문에 절대적인 크기를 지정할 필요가 생길 수 있습니다. 따라서 컨트롤의 특성에 따라 유연하게 대처하는 것이 중요합니다.
+
+이번 컨트롤은 Height 높이를 50 기준으로 (Thumb) 컨트롤을 설계할 것입니다. 따라서 미리 RiotSlider의 높이를 지정해둘 것입니다. 또한 Width 너비는 Track의 이동 경로가 되기 때문에 반응형으로 구현되겠지만 개발 단계에서의 편의상 200으로 제한합니다.
+
+
+
+##### 컨트롤 사이즈 및 색상 조정:
+
+- [x] Width: 200
+
+- [x] Height: 50
+
+- [x] Background: "#EEEEEE"
+
+```xaml
+<Window x:Class="DemoApp.MainWindow" 
+        xmlns="http://schemas.microsoft.com/winfx/2006/xaml/presentation"
+        xmlns:x="http://schemas.microsoft.com/winfx/2006/xaml"
+        xmlns:d="http://schemas.microsoft.com/expression/blend/2008"
+        xmlns:mc="http://schemas.openxmlformats.org/markup-compatibility/2006"
+        xmlns:riots="clr-namespace:SliderControl;assembly=SliderControl"
+        mc:ignorable="d"
+        Title="MainWindow" Width="800" Height="450">
+    <Grid>
+        <riots:RiotSlider Width="200" Height="50" Background="#EEEEEE"/>
+    </Grid>
+</Window>
+```
+
+> 컨트롤 크기를 짐작하기 위해 Background 색상도 임시로 함께 변경해두면 컨트롤을 식별하기가 편해집니다. 사소한 꿀팁이죠,
+
+
+
+##### 실행결과 확인:
+
+- [x] 컨트롤 크기 확인: Width/Height
+- [x] 컨트롤 색상 확인: Background
+
+
+
+<img width="591" alt="11-6" src="https://github.com/vickyqu115/riotslider/assets/101777355/6e84759d-cb7c-4582-a9d8-36f05ca2df1f">
+
+
+
+
+실행 결과 확인 후 이상이 없다면 Background 색상을 다시 제거하도록 합시다.
+
+
+
+## 15. PART_Track
+
+Track은 Thumb를 포함한 Slider의 핵심 컨트롤 요소입니다. 또한 `PART_Track` 선언을 통해 Slider 컨트롤이 이 기능을 모두 도맡아 처리해주는 것을 분석을 통해 확인할 수 있었습니다. 따라서 이 필수 요소를 적재적소에 잘 포함시키는 것이 이번 구현에서 가장 핵심적이고 중요한 순간이 될 것입니다.
+
+신중하게 살펴봅시다.
+
+
+
+##### Track 추가:
+
+- [x] PART_Track 컨트롤 요소 삽입하기
+
+```xaml
+<Style TargetType="{x:Type local:RiotSlider}">
+    <Setter Property="Background" Value="Transparent"/>
+    <Setter Property="SelectionStart" Value="0"/>
+    <Setter Property="SelectionEnd" Value="{Binding RelativeSource={RelativeSource Self}, Path=Value}"/>
+    <Setter Property="Minimum" Value="0"/>
+    <Setter Property="Maximum" Value="100"/>
+    <Setter Property="Template">
+        <Setter.Value>
+            <ControlTemplate TargetType="{x:Type local:RiotSlider}">
+                <Border Background="{TemplateBinding Background}"
+                        BorderBrush="{TemplateBinding BorderBrush}"
+                        BorderThickness="{TemplateBinding BorderThickness}">
+                    <Track x:Name="PART_Track"/>
+                </Border>
+            </ControlTemplate>
+        </Setter.Value>
+    </Setter>
+</Style>
+```
+
+> Track은 Control을 건너 뛴 채로 FrameworkElement를 직접 상속받는 몇 안되는 컨트롤 중 하나입니다. 이는 Template과 같이 레이아웃을 직접 설계할 자격이 없는 컨트롤을 의미 합니다. 따라서 Thumb를 내부적으로 포함 시켜 레이아웃을 직접 구성하기 때문에 이 컨트롤은 사실 Thumb에만 집중하면 된다고 생각해도 무방합니다.
+
+
+
+##### Thumb 정의:
+
+다음은 Track에서 이동하게 될 Thumb를 정의할 차례입니다.
+
+- [x] Thumb 확장 및 템플릿 정의하기
+- [x] Ellipse 구현
+
+```xaml
+<Style TargetType="{x:Type local:RiotSlider}">
+    <Setter Property="Background" Value="Transparent"/>
+    <Setter Property="SelectionStart" Value="0"/>
+    <Setter Property="SelectionEnd" Value="{Binding RelativeSource={RelativeSource Self}, Path=Value}"/>
+    <Setter Property="Minimum" Value="0"/>
+    <Setter Property="Maximum" Value="100"/>
+    <Setter Property="Template">
+        <Setter.Value>
+            <ControlTemplate TargetType="{x:Type local:RiotSlider}">
+                <Border Background="{TemplateBinding Background}"
+                        BorderBrush="{TemplateBinding BorderBrush}"
+                        BorderThickness="{TemplateBinding BorderThickness}">
+                    <Track x:Name="PART_Track">
+                        <Track.Thumb>
+                            <Thumb>
+                                <Thumb.Template>
+                                    <ControlTemplate>
+                                        <Ellipse Width="50" Height="50" Fill="#000000"/>
+                                    </ControlTemplate>
+                                </Thumb.Template>
+                            </Thumb>
+                        </Track.Thumb>
+                    </Track>
+                </Border>
+            </ControlTemplate>
+        </Setter.Value>
+    </Setter>
+</Style>
+```
+
+> Thumb를 Track에서 직접 확장해서 구현한 모습입니다. 문법적인 이해가 어려울 수 있는데, 튜토리얼 영상에서 시각적으로 자세하게 다루고 있으니 한번 시청해보는 것을 권합니다.
+
+
+
+이번 Thumb에서는 Track과는 달리 템플릿을 통한 컨트롤 정의가 가능합니다. 이는 Thumb가 FrameworkElement이 아닌 Control으로 부터 상속된 컨트롤이라는 것을 의미합니다. 따라서 Thumb의 ControlTemplate을 통해 컨트롤을 유연하게 설계할 수 있습니다.
+
+
+
+##### 실행결과 확인:
+
+- [x] Thumb (Ellipse) 디자인
+- [x] Track 이동 기능
+
+
+<img width="372" alt="11-7" src="https://github.com/vickyqu115/riotslider/assets/101777355/59f2ecdb-6468-40f4-804f-92f31926abd5">
+
+
+
+Thumb를 Ellipse 형태로 구성했기 때문에 이 큼직한 (50x50) 크기의 타원이 Track 영역 안에서 움직이게 됩니다. 하지만 Track의 이름을 `PART_Track`이 아닌 다른 이름으로 변경한다면 Thumb의 움직임을 바로 잃게 될 것입니다. 
+
+> 이러한 상관관계를 다시 한 번 인지하기 위해 이름을 변경해보세요.
+
+
+
+## 16. 슬라이더 바 추가
+
+다음은 슬라이더 바를 추가할 차례입니다. 이 작업은 기능과 관련이 없는 오직 디자인적인 요소만을 추가합니다. 따라서 생략해도 기능에는 지장이 없지만, 다음 순서인 SelectionRange 단계와 디자인적 요소를 결합할 필요성이 있기 때문에 이번 작업 또한 주의 깊게 살펴 볼 필요성이 있습니다.
+
+
+
+##### 레이아웃 변경:
+
+지금까지는 Border 안에 Track 요소만 포함되어 있었지만, 이번에는 슬라이더 바를 추가해야 하기 때문에 기존의 레이아웃을 변경하는 작업이 필요합니다. 또한 Track과 슬라이더 바는 서로 중첩되는 효과를 가져야하기 때문에 Grid를 사용하는 것이 외길입니다. 따라서 Track을 Grid로 감싸는 작업을 먼저 진행합니다.
+
+- [x] 레이아웃 변경: Grid
+
+```xaml
+<Style TargetType="{x:Type local:RiotSlider}">
+    <Setter Property="Background" Value="Transparent"/>
+    <Setter Property="SelectionStart" Value="0"/>
+    <Setter Property="SelectionEnd" Value="{Binding RelativeSource={RelativeSource Self}, Path=Value}"/>
+    <Setter Property="Minimum" Value="0"/>
+    <Setter Property="Maximum" Value="100"/>
+    <Setter Property="Template">
+        <Setter.Value>
+            <ControlTemplate TargetType="{x:Type local:RiotSlider}">
+                <Border Background="{TemplateBinding Background}"
+                        BorderBrush="{TemplateBinding BorderBrush}"
+                        BorderThickness="{TemplateBinding BorderThickness}">
+                    <Grid>
+                        <Track x:Name="PART_Track">
+                            <Track.Thumb>
+                                <Thumb>
+                                    <Thumb.Template>
+                                        <ControlTemplate>
+                                            <Ellipse Width="50" Height="50" Fill="#000000"/>
+                                        </ControlTemplate>
+                                    </Thumb.Template>
+                                </Thumb>
+                            </Track.Thumb>
+                        </Track>
+                    </Grid>
+                </Border>
+            </ControlTemplate>
+        </Setter.Value>
+    </Setter>
+</Style>
+```
+
+
+단순 중첩 효과가 필요하기 때문에, Grid의 RowDefenitions 또는 ColumnDefenitions를 사용할 필요도 없습니다.
+
+
+
+##### Track과 중첩되도록 슬라이더 바를 추가:
+
+슬라이더 바는 Track과 중첩되도록 배치하지만 어느 요소가 더 앞으로 (Front) 나와야 하는지를 논리적으로 먼저 생각할 필요가 잇습니다. Track의 Thumb 컨트롤이 슬라이더 바 영역을 덮도록 해야하기 때문에, 이를 고려하여 슬라이더 바를 Track보다 먼저 추가하여 선언하도록 하는 것이 중요합니다.
+
+- [x] 추가: (Border) 슬라이더 바
+
+- [x] Height: 2.5
+- [x] Background: #CCCCCC
+
+```xaml
+<Style TargetType="{x:Type local:RiotSlider}">
+    <Setter Property="Background" Value="Transparent"/>
+    <Setter Property="SelectionStart" Value="0"/>
+    <Setter Property="SelectionEnd" Value="{Binding RelativeSource={RelativeSource Self}, Path=Value}"/>
+    <Setter Property="Minimum" Value="0"/>
+    <Setter Property="Maximum" Value="100"/>
+    <Setter Property="Template">
+        <Setter.Value>
+            <ControlTemplate TargetType="{x:Type local:RiotSlider}">
+                <Border Background="{TemplateBinding Background}"
+                        BorderBrush="{TemplateBinding BorderBrush}"
+                        BorderThickness="{TemplateBinding BorderThickness}">
+                    <Grid>
+                        <Border Background="#CCCCCC" Height="2.5"/>
+                        <Track x:Name="PART_Track">
+                            <Track.Thumb>
+                                <Thumb>
+                                    <Thumb.Template>
+                                        <ControlTemplate>
+                                            <Ellipse Width="50" Height="50" Fill="#000000"/>
+                                        </ControlTemplate>
+                                    </Thumb.Template>
+                                </Thumb>
+                            </Track.Thumb>
+                        </Track>
+                    </Grid>
+                </Border>
+            </ControlTemplate>
+        </Setter.Value>
+    </Setter>
+</Style>
+```
+
+
+
+또한 Track의 길이를 시각적으로 표현해야 하기 때문에 Border와 같은 레이아웃을 사용하는 것이 효과적입니다. 특히 Border의 경우에는 CornerRadius 특성을 통해 모서리 부분의 라운딩 처리가 가능하기 때문에 다른 컨트롤에 비해 좀 더 풍부한 디자인을 표현할 수 있다는 장점을 가질 수 있습니다.
+
+
+
+##### 실행결과 확인:
+
+- [x] Thumb 움직임 확인: (Ellipse)
+- [x] 슬라이더 바 디자인 확인: (Border)
+
+
+
+<img width="367" alt="11-8" src="https://github.com/vickyqu115/riotslider/assets/101777355/6e3bc204-c9ad-4bb4-ab7c-2c56c033d6b0">
+
+
+
+
+결과처럼, 슬라이더 바의 디자인과 위치를 Track의 이동 경로와 Thumb의 움직임과 잘 조화되도록 배치하는 것이 이번 단계의 핵심 포인트입니다.
+
+
+
+## 17. 슬라이더 바와 Track 간의 오차 간격 맞추기
+
+슬라이더 바의 디자인과 위치가 그럴 듯 하게 배치된 것 같지만, 사실 Track의 이동 범위는 처음과 끝에 각각 Thumb의 반지름 만큼의 영역을 제한하고 있습니다. 실제로 WPF 원본 소스코드를 살펴보면 아래와 같은 코드를 발견할 수 있습니다.
+
+```csharp
+Canvas.SetLeft(rangeElement, (thumbSize.Width * 0.5) + Math.Max(Maximum - SelectionEnd, 0) * valueToSize);
+```
+
+> 위 소스코드는 Orientation="Horizontal" 기준입니다. 따라서 값이 Vertical 방향으로 변경되면 Height으로 변경됩니다. 맞는지 하번 찾아보세요.
+
+
+
+이와 같은 코드에서 알 수 있듯, Track의 실제 이동 범위 또한 내부적으로 ThumbSize의 반지름 만큼을 양쪽으로 제한하고 있다는 것을 유추해볼 수 있습니다. 따라서 우리가 앞서 추가한 슬라이더 바는 Slider 컨트롤 내부에서 관리되는 `PART_` 요소가 아니기 때문에 직접 이 규칙을 적용해야 합니다. 이를 동적으로 처리하는 방법도 있겠지만, 이번 작업에서는 Margin 속성을 통해 슬라이더 바와 Track 이동 범위간의 오차를 정확하게 맞춰보도록 하겠습니다.
+
+
+
+##### Thumb Ellipse 투명도 설정:
+
+작업을 좀 더 편하게 하기 위해 Ellipse 컨트롤의 투명도를 지정합니다.
+
+- [x] Ellipse Fill: #55000000
+
+```xaml
+<Ellipse Width="50" Height="50" Fill="#55000000"/>
+```
+
+> WPF에서 요소의 투명도를 지정할 때 객체 자체의 투명도인 Opacity를 사용하는 방법도 일반적이지만, 색상의 알파 값을 이용한다면 그 특정 색상만 투명화를 적용시킬 수 있기 때문에 훨씬 더 유용하게 사용될 수 있습니다. WPF의 꿀팁 중 하나이니 유용하게 사용해보세요.
+
+
+
+##### 슬라이더 바에서 Thumb 반지름 만큼 Margin 적용:
+
+현재 Ellipse의 Width 너비가 50이기 때문에 좌/우 각각 25만큼 씩의 Margin을 적용합니다.
+
+- [x] Margin="25 0 25 0"
+
+```xaml
+<Style TargetType="{x:Type local:RiotSlider}">
+    <Setter Property="Background" Value="Transparent"/>
+    <Setter Property="SelectionStart" Value="0"/>
+    <Setter Property="SelectionEnd" Value="{Binding RelativeSource={RelativeSource Self}, Path=Value}"/>
+    <Setter Property="Minimum" Value="0"/>
+    <Setter Property="Maximum" Value="100"/>
+    <Setter Property="Template">
+        <Setter.Value>
+            <ControlTemplate TargetType="{x:Type local:RiotSlider}">
+                <Border Background="{TemplateBinding Background}"
+                        BorderBrush="{TemplateBinding BorderBrush}"
+                        BorderThickness="{TemplateBinding BorderThickness}">
+                    <Grid>
+                        <Border Background="#CCCCCC" Height="2.5" Margin="25 0 25 0"/>
+                        <Track x:Name="PART_Track">
+                            <Track.Thumb>
+                                <Thumb>
+                                    <Thumb.Template>
+                                        <ControlTemplate>
+                                            <Ellipse Width="50" Height="50" Fill="#55000000"/>
+                                        </ControlTemplate>
+                                    </Thumb.Template>
+                                </Thumb>
+                            </Track.Thumb>
+                        </Track>
+                    </Grid>
+                </Border>
+            </ControlTemplate>
+        </Setter.Value>
+    </Setter>
+</Style>
+```
+
+
+
+##### 결과 확인:
+
+- [x] Thumb 반지름 만큼의 Margin 여백 확인
+
+
+
+<img width="389" alt="11-9" src="https://github.com/vickyqu115/riotslider/assets/101777355/b1bfdef5-e8dd-4b38-9d7f-60eeccc00dcd">
+
+
+
+
+결과처럼 Track의 최대 이동범위와 슬라이더 바의 디자인상 크기가 정확하게 일치한 것을 확인할 수 있습니다.
+
+추가적으로 이번 Sync 작업을 동적으로 처리하는 아이디어에 대해 고민을 해보는 것도 좋습니다. 당장 떠오르는 방법 중에서는 이 ���라이더 바 컨트롤도 `PART_`로 지정한 다음 CodeBehind 내부에서 처리하는 것도 좋습니다. 그 밖에도 다양한 방법이 있으니 한번 생각해보는 시간을 가져보는 것을 기대합니다.
+
+
+
+## 18. PART_SelectionRange
+
+SelectionRange는 앞서 Slider 분석을 통해 특정 Range 범위를 지정하는 역할을 하는 요소입니다. 
+
+이 컨트롤 또한 Track과 마찬가지로 `PART_` 요소이며 Slider 컨트롤 내부에서 기능을 모두 처리하기 때문에 약속된 이름으로 잘 배치하기만 하면 됩니다. 그리고 디자인은 슬라이더 바와 동일한 높이의 크기로 지정하는 것이 자연스럽기 때문에 앞서 추가했던 슬라이더 바와 거의 동일한 느낌으로 요소를 추가하면 됩니다.
+
+
+
+##### SelectionRange Border 영역 추가:
+
+- [x] Name: `PART_SelectionRange`
+- [x] Heigh:t 2.5 
+- [x] Background: #000000
+- [x] Margin: 25 0 25 0
+
+```xaml
+<Border x:Name="PART_SelectionRange" 
+        Background="#000000" 
+        Height="2.5"
+        Margin="25 0 25 0"/>
+```
+
+
+
+##### Range 범위 지정:
+
+SelectionEnd의 경우 범위를 RelativeSource Binding을 통해 Value 값과 동기화 하도록 합니다.
+
+- [x] SelectionStart: 0
+- [x] SelectionEnd: {Binding RelativeSource {RelativeSource Self}, Path=Value}
+
+```xaml
+<Setter Property="SelectionStart" Value="0"/>
+<Setter Property="SelectionEnd" Value="{Binding RelativeSource={RelativeSource Self}, Path=Value}"/>
+```
+
+
+
+SelectionEnd의 값을 Value 값과 동기화함으로써 Range 범위를 동적으로 표현할 수 있습니다. 실제로 리그오브레전드 클라이언트 애플리케이션의 Slider 컨트롤도 이와 동일한 형태로 구현되어 있습니다.
+
+
+
+##### IsSelectionRangeEnabled 활성화 처리 작업:
+
+Riot Slider 컨트롤의 컨셉을 생각한다면 이번 처리를 굳이 할 필요는 없을지도 모릅니다. 하지만 트리거를 통해 간단하게 처리가 가능한 부분이므로 학습 차원에서 진행해보도록 합시다.
+
+> 튜토리얼 영상에서는 이 부분을 다루고 있지 않습니다.
+
+
+
+- [x] IsSelectionRangeEnabled: True
+
+```xaml
+<Setter Property="IsSelectionRangeEnabled" Value="True"/>
+```
+
+> IsSelectionRangeEnabled 속성의 기본 값을 True로 지정합니다.
+
+
+
+- [x] PART_SelectionRange Visibility: (Default) Collapsed
+
+```xaml
+<Border x:Name="PART_SelectionRange" 
+        Background="#000000" 
+        Height="2.5"
+        Margin="25 0 25 0"
+        Visibility="Collapsed"/>
+```
+
+> SelectionRange의 기본 Visibility 값을 Collapsed로 지정합니다.
+
+
+
+- [x] 트리거: PART_SelectionRange.Visibility=Visible
+
+```xaml
+<Trigger Property="IsSelectionRangeEnabled " Value="True">
+    <Setter TargetName="PART_SelectionRange" Property="Visibility" Value="Visible"/>
+</Trigger>
+```
+
+> SelectionRange의 기본 보이기 값을 Collapsed로 지정하되, IsSelectionRangeEnabled 속성의 값이 True일 때 Visibility 값을 Visible로 변경하도록 트리거를 설정합니다. 이를 반대로 적용할 수 도 있겠지만 트리거에서 Boolean 속성의 True 값을 체크하는 것이 좀 더 일연스러운 일반적인 코드 규칙입니다.
+
+
+
+##### 소스코드 및 실행결과 확인:
+
+- [x] Setter 적용
+- [x] SelectionRange (Default) Collapsed
+- [x] 트리거 적용 IsSelectionRangeEnabled
+
+```xaml
+<Style TargetType="{x:Type local:RiotSlider}">
+    <Setter Property="Background" Value="Transparent"/>
+    <Setter Property="SelectionStart" Value="0"/>
+    <Setter Property="SelectionEnd" Value="{Binding RelativeSource={RelativeSource Self}, Path=Value}"/>
+    <Setter Property="Minimum" Value="0"/>
+    <Setter Property="Maximum" Value="100"/>
+    <Setter Property="IsSelectionRangeEnabled" Value="True"/>
+    <Setter Property="Template">
+        <Setter.Value>
+            <ControlTemplate TargetType="{x:Type local:RiotSlider}">
+                <Border Background="{TemplateBinding Background}"
+                        BorderBrush="{TemplateBinding BorderBrush}"
+                        BorderThickness="{TemplateBinding BorderThickness}">
+                    <Grid>
+                        <Border Background="#CCCCCC" Height="2.5" Margin="25 0 25 0"/>
+                        <Border x:Name="PART_SelectionRange" 
+                                Background="#000000" 
+                                Height="2.5"
+                                Margin="25 0 25 0"
+                                HorizontalAlignment="Left"
+                                Visibility="Collapsed"/>
+                        <Track x:Name="PART_Track">
+                            <Track.Thumb>
+                                <Thumb>
+                                    <Thumb.Template>
+                                        <ControlTemplate>
+                                            <Ellipse Width="50" Height="50" Fill="#55000000"/>
+                                        </ControlTemplate>
+                                    </Thumb.Template>
+                                </Thumb>
+                            </Track.Thumb>
+                        </Track>
+                    </Grid>
+                </Border>
+                <ControlTemplate.Trigger>
+                    <Trigger Property="IsSelectionRangeEnabled" Value="true">
+                           <Setter TargetName="PART_SelectionRange" Property="Visibility" Value="Visible"/>
+                    </Trigger>
+                </ControlTemplate.Trigger>
+            </ControlTemplate>
+        </Setter.Value>
+    </Setter>
+</Style>
+```
+
+
+<img width="391" alt="11-10" src="https://github.com/vickyqu115/riotslider/assets/101777355/617d041b-b54f-4df9-aabb-4d63ac1d7815">
+
+
+
+
+
+이제 Slider를 구성하는 기능상의 모든 요소들을 다 추가하였습니다. 그리고 다시 한 번 `PART_` 컨트롤 요소들의 기능을 점검하는 것으로 이번 순서를 마무리하고 다음 단계로 넘어가보도록 하겠습니다.
+
+
+
+##### PART_ 컨트롤 기능 동작을 다시 한 번 확인하기:
+
+- [x] PART_Track
+- [x] PART_SelectionRange
+
+
+
+### 19. Riot 스타일의 디자인 요소 추가
+
+다음은 Riot Slider에 필요한 디자인 요소들을 추가할 차례입니다.
+
+
+
+<img src="https://github.com/vickyqu115/riotslider/assets/52397976/c060395c-03f8-4abf-a630-bf17a2587106" style="width: 600px; float: left"/>
+
+
+
+##### Geometry 디자인 리소스 추가:
+
+- [x] Geometry: ThumbData
+
+```xaml
+<Geometry x:Key="ThumbData">
+    M12 2C11.5 2 11 2.19 10.59 2.59L2.59 10.59C1.8 11.37 1.8 12.63 2.59 13.41L10.59 21.41C11.37 22.2 12.63 22.2 13.41 21.41L21.41 13.41C22.2 12.63 22.2 11.37 21.41 10.59L13.41 2.59C13 2.19 12.5 2 12 2M12 4L15.29 7.29L12 10.59L8.71 7.29L12 4M7.29 8.71L10.59 12L7.29 15.29L4 12L7.29 8.71M16.71 8.71L20 12L16.71 15.29L13.41 12L16.71 8.71M12 13.41L15.29 16.71L12 20L8.71 16.71L12 13.41Z
+</Geometry>
+```
+
+
+
+Thumb 아이콘을 이미지가 파일이 아닌 Geometry Path 요소를 사용하는 이유에 대해서는 이전 컨퍼런스와 영상 등을 통해 여러 번 이야기 했던것 처럼 색상 트리거를 통한 색상 변경이 자유롭고 Vector 기반의 높은 품질을 유지할 수 있는 장점이 있기 때문입니다. 
+
+> 이번과 같은 간단한 수준의 아이콘의 경우에는 비 디자이너의 경우에도 Visual Studio Blend 또는 Figma, Illustrator 등으로 충분히 만들 수도 있습니다. 어렵지 않으니 꼭 한번 도전해보세요.
+
+
+
+Vector 기반의 아이콘을 동료에게 요청할 때에는 SVG 타입으로, 그리고 단색의 디자인일 경우에는 결합된 형태로 요구하면 좋습니다. 그리고 이미 오픈소스 진영에서 충분히 많은 아이콘을 무료로 사용할 수도 있습니다. 대표적으로는 [Pictogrammers](https://pictogrammers.com) 오픈소스 팀이 있는데 약 8,000개 이상의 단색 디자인 아이콘을 제공하며 `.SVG` 와 `.PNG`, 심지어는 `.XAML`까지 제공합니다. 또한 재미있는 것은 GitHub를 통해 오픈소스로 관리되고 있기 때문에 주요 기여자를 확인하거나 오픈소스 참여도 가능합니다.
+
+
+
+그 다음은 주요 색상 리소스를 추가할 차례입니다. 
+
+
+
+##### LinearGradientBrush 디자인 리소스 추가:
+
+- [x] LinearGradientBrush: ThumbColor
+- [x] LinearGradientBrush: ThumbOver
+- [x] LinearGradientBrush: ThumbDrag
+- [x] SolidColorBrush: SliderColor
+- [x] LinearGradientBrush: RangeColor
+- [x] LinearGradientBrush: SliderOver
+- [x] LinearGradientBrush: SliderDrag
+
+```xaml
+<LinearGradientBrush x:Key="ThumbColor" StartPoint="0.5,0" EndPoint="0.5,1">
+    <GradientStop Color="#B79248" Offset="0"/>
+    <GradientStop Color="#997530" Offset="0.5"/>
+    <GradientStop Color="#74592B" Offset="1"/>
+</LinearGradientBrush>
+
+<LinearGradientBrush x:Key="ThumbOver" StartPoint="0.5,0" EndPoint="0.5,1">
+    <GradientStop Color="#EDE1C8" Offset="0"/>
+    <GradientStop Color="#DCC088" Offset="0.5"/>
+    <GradientStop Color="#CBA14A" Offset="1"/>
+</LinearGradientBrush>
+
+<LinearGradientBrush x:Key="ThumbDrag" StartPoint="0.5,0" EndPoint="0.5,1">
+    <GradientStop Color="#473814" Offset="0"/>
+    <GradientStop Color="#57421B" Offset="0.5"/>
+    <GradientStop Color="#684E23" Offset="1"/>
+</LinearGradientBrush>
+
+<SolidColorBrush x:Key="SliderColor" Color="#1E2328"/>
+
+<LinearGradientBrush x:Key="RangeColor" StartPoint="0,0.5" EndPoint="1,0.5">
+    <GradientStop Color="#463714" Offset="0"/>
+    <GradientStop Color="#58471D" Offset="0.5"/>
+    <GradientStop Color="#695625" Offset="1"/>
+</LinearGradientBrush>
+
+<LinearGradientBrush x:Key="SliderOver" StartPoint="0,0.5" EndPoint="1,0.5">
+    <GradientStop Color="#795B28" Offset="0"/>
+    <GradientStop Color="#C1963B" Offset="0.5"/>
+    <GradientStop Color="#C8AA6D" Offset="1"/>
+</LinearGradientBrush>
+
+<LinearGradientBrush x:Key="SliderDrag" StartPoint="0,0.5" EndPoint="1,0.5">
+    <GradientStop Color="#685524" Offset="0"/>
+    <GradientStop Color="#55441B" Offset="0.5"/>
+    <GradientStop Color="#463714" Offset="1"/>
+</LinearGradientBrush>
+```
+
+> 색상과 같은 디자인 리소스의 x:Key 규칙은 보통 대문자 또는 카멜 표기법, 그리고 (.) 네임스페이스와 유사하게 하는 등의 방법이 있습니다. 개인적으로는 해가 바뀔 때마다 이 규칙에 대한 견해가 갈대처럼 변하고 있기 때문에 제 주관을 이야기하기가 망설여지지만 현재는 지금처럼 최대한 짧게 하는 것을 선호합니다. 흘려들어주세요.
+
+
+
+리그오브레전드 스타일의 디자인을 유심히 살펴보면 그라데이션을 적극 사용하고 있는 것을 쉽게 파악할 수 있습니다. 이 색상을 추출하는 방법은 Photoshop 또는 스포이드 색상 추출 기능이 포함된 애플리케이션을 이용하는 것입니다. 
+
+> 그라데이션으로 의심되는 색상은 눈대중으로 영역을 나누어 스포이드 기능을 통해 여러 번 색상을 추출해보세요. 자꾸 시도하다 보면 눈썰미도 덩달아 예리해집니다.
+
+
+
+<img src="https://github.com/vickyqu115/riotslider/assets/52397976/b7e9fae1-9f8f-4fab-baab-9cfa1c9e013f" style="width: 500px; float: left"/>
+
+
+
+## 20. Riot 스타일의 Thumb 구현하기
+
+이제 준비된 Geometry와 디자인 요소를 사용하여 본격적으로 제대로 된 리그오브레전드 스타일의 Thumb 컨트롤을 만들어볼 차례입니다. 
+
+시작하기 전에 앞서 Thumb 템플릿을 정의할 때 임시적으로 Ellipse를 사용하여 구현하였는데 이를 먼저 폐기해야 합니다. 따라서 Ellipse를 포함한 Thumb가 정의된 부분을 모두 삭제하도록 하겠습니다.
+
+
+
+##### 기존 Thumb 폐기:
+
+- [x] Thumb 및 템플릿 모두 제거
+
+```xaml
+<Track x:Name="PART_Track">
+    <Track.Thumb>
+        <Thumb>
+            <Thumb.Template>
+                <ControlTemplate>
+                    <Ellipse Width="50" Height="50" Fill="#55000000"/>
+                </ControlTemplate>
+            </Thumb.Template>
+        </Thumb>
+    </Track.Thumb>
+</Track>
+```
+
+> Track 안에 직접적으로 정의되어 있는 Thumb와 템플릿을 모두 제거하고 Track만 남겨둡니다.
+
+
+
+이제 Riot 스타일의 새로운 Thumb를 만들 차례입니다.
+
+방금 제거한 Thumb는 Track을 통해 직접 템플릿을 확장하여 임시로 정의했었지만 이번에는 StaticResource를 통해 리소스를 깔끔하게 정리하는 방식으로 이를 구현할 것입니다. 
+
+
+
+##### 새로운 Thumb 템플릿 정의:
+
+- [x] Riot 스타일의 Thumb 구현 및 리소스 세분화
+
+```xaml
+<Style TargetType="{x:Type Thumb}" x:Key="ThumbStyle">
+    <Setter Property="Background" Value="#010A13"/>
+    <Setter Property="Width" Value="24"/>
+    <Setter Property="Height" Value="24"/>
+    <Setter Property="Template">
+        <Setter.Value>
+            <ControlTemplate TargetType="{x:Type Thumb}">
+                <Grid Background="{TemplateBinding Background}">
+                    <Path x:Name="path" Data="{StaticResource ThumbData}" Fill="{StaticResource ThumbColor}"/>
+                </Grid>
+                <ControlTemplate.Triggers>
+                    <Trigger Property="IsMouseOver" Value="True">
+                        <Setter TargetName="path" Property="Fill" Value="{StaticResource ThumbOver}"/>
+                    </Trigger>
+                    <Trigger Property="IsDragging" Value="True">
+                        <Setter TargetName="path" Property="Fill" Value="{StaticResource ThumbDrag}"/>
+                    </Trigger>
+                </ControlTemplate.Triggers>
+            </ControlTemplate>
+        </Setter.Value>
+    </Setter>
+</Style>
+```
+
+> CustomControl 기반에서 XAML 리소스 관리는 의외로 단순합니다. Generic.xaml을 통해 이미 물리적으로 리소스가 나뉘어지기 때문에 계속해서 세부 요소들을 x:Key를 통해 더 세분화하여 관리하면 됩니다. 앞서 같은 이유로 Geometry와 LeanerGradientBrush 또한 분리 시킨 것입니다. 이 리소스는 RiotSlider 컨트롤의 스타일과 같은 `.XAML` 파일안에 포함되어 있기만 하면 됩니다.
+
+
+
+Thumb는 앞서 언급했던 것처럼 Control로부터 상속된 컨트롤이므로 템플릿을 통한 (ControlTemplate) 컨트롤 설계가 가능합니다. 따라서 세부적인 트리거까지 상세하게 구현된 또 하나의 컨트롤을 만들 수 있습니다. 또한 더욱 더 디테일한 컨트롤을 만들고자 할 경우 Thumb를 CustomControl 방식으로 더 세분화할 수도 있습니다. 이러한 경우는 WPF 기본 컨트롤에서도 정말 흔히 볼 수 있습니다.
+
+잡지식을 조금 더 탐구해 봅시다. 예로 ToolBarOverflowPanel와 같은 들어도 본적도 없는 이러한 컨트롤들이 찾아보면 상당히 많이 있습니다. 이는 모두 CustomControl 상에서 더 세분화된 컨트롤이 필요할 경우 더 심화된 컨트롤로 만들어 둔 것인데, 이러한 컨트롤들은 대부분 Primitives 네���스페이스로 묶여 있습니다.
+
+따라서 이 네임스페이스로 되어 있는 컨트롤들은 어딘가 다른 (CustomControl) 컨트롤 안에 포함되는 컨트롤이라 생각하면 이해가 쉽습니다. 그럼 Primitives의 대표 주자인 ToggleButton을 한번 예를 들어 보겠습니다. 이 컨트롤은 CheckBox/RadioButton의 부모 역할도 하지만 ComboBox와 같은 컨트롤의 템플릿 안에 포함되어 항목을 스위칭 하는 역할로 사용되기도 합니다.
+
+> 재미있죠? 이러한 아키텍쳐적인 개념들은 XAML을 공유하는 모든 (크로스) 플랫폼들에게도 적용이 됩니다. 따라서 이러한 개념들을 잘 응용할 수 있다면  AvaloniaUI Uno MAUI 등의 환경에서도 다양하게 도움이 될 것입니다.
+
+> 물론 Primitives 네임스페이스로 묶인 컨트롤 모두 DefaultStyleKey를 통해 지정된 CustomControl 방식의 컨트롤임을 의미하는 것은 아닙니다. 이 중에서는 단순 래핑된 클래스들도 많이 존재합니다.
+
+
+
+## 21. Thumb 리소스 선언
+
+마지막으로 Thumb를 리소스 형태로 선언을 하여 이를 Track에서 StaticResource로 선언 가능하도록 준비합니다.
+
+##### Thumb 리소스 추가:
+
+- [x] 앞서 템플릿이 포함된 Thumb 스타일을 Thumb 리소스와 함께 연결해서 정의
+
+```xaml
+<Thumb x:Key="SliderThumb" Style="{StaticResource ThumbStyle}"/>
+```
+
+>  이 부분은 튜토리얼 영상에서도 자세하게 다루고 있으니 문법적으로 어색함이 느껴진다면 한번 살펴보는 것을 권합니다.
+
+
+
+이제 리소스화 된 Thumb를 Track에서 사용하기만 하면 됩니다.
+
+
+
+##### Track에서 Thumb를 간결하게 정의:
+
+- [x] 기존 Thumb 대신 한 줄로 StaticResource 연결
+
+```xaml
+<Track Thumb="{StaticResource SliderThumb}"/>
+```
+
+> Thumb 자체를 Resource 형태로 사용하게 되면 Track에서 Thumb를 적용할 때 이처럼 소스코드의 양을 많이 줄일 수 있습니다. 또한 전체적인 리소스를 한눈에 파악하는데 도움이 되기 때문에 이와 같이 리소스를 관리하는 것은 소스코드 품질을 지속적으로 유지하기 위한 중요한 방법 중 하나이기 때문에 이러한 방식을 능숙하게 다룰 수 있도록 유심히 살펴보세요.
+
+
+
+### 22. RiotSlider 템플릿 전체 완성 (마무리)
+
+이제 RiotSlider 컨트롤의 템플릿 구현을 마무리합니다. 추가적으로 Jamesnet.WPF 라이브러리도 포함되어 JamesGrid를 사용하고 있는데, 일반 Grid로 대체해도 무방합니다.
+
+
+
+##### (CustomControl) RiotSlider:
+
+- [x] Generic.xaml 전체 소스코드 확인
+
+```xaml
+<ResourceDictionary
+    xmlns="http://schemas.microsoft.com/winfx/2006/xaml/presentation"
+    xmlns:x="http://schemas.microsoft.com/winfx/2006/xaml"
+    xmlns:james="https://jamesnet.dev/xaml/presentation"
+    xmlns:local="clr-namespace:SliderControl">
+
+    <Geometry x:Key="ThumbData">
+        M12 2C11.5 2 11 2.19 10.59 2.59L2.59 10.59C1.8 11.37 1.8 12.63 2.59 13.41L10.59 21.41C11.37 22.2 12.63 22.2 13.41 21.41L21.41 13.41C22.2 12.63 22.2 11.37 21.41 10.59L13.41 2.59C13 2.19 12.5 2 12 2M12 4L15.29 7.29L12 10.59L8.71 7.29L12 4M7.29 8.71L10.59 12L7.29 15.29L4 12L7.29 8.71M16.71 8.71L20 12L16.71 15.29L13.41 12L16.71 8.71M12 13.41L15.29 16.71L12 20L8.71 16.71L12 13.41Z
+    </Geometry>
+
+    <LinearGradientBrush x:Key="ThumbColor" StartPoint="0.5,0" EndPoint="0.5,1">
+        <GradientStop Color="#B79248" Offset="0"/>
+        <GradientStop Color="#997530" Offset="0.5"/>
+        <GradientStop Color="#74592B" Offset="1"/>
+    </LinearGradientBrush>
+
+    <LinearGradientBrush x:Key="ThumbOver" StartPoint="0.5,0" EndPoint="0.5,1">
+        <GradientStop Color="#EDE1C8" Offset="0"/>
+        <GradientStop Color="#DCC088" Offset="0.5"/>
+        <GradientStop Color="#CBA14A" Offset="1"/>
+    </LinearGradientBrush>
+
+    <LinearGradientBrush x:Key="ThumbDrag" StartPoint="0.5,0" EndPoint="0.5,1">
+        <GradientStop Color="#473814" Offset="0"/>
+        <GradientStop Color="#57421B" Offset="0.5"/>
+        <GradientStop Color="#684E23" Offset="1"/>
+    </LinearGradientBrush>
+
+    <Style TargetType="{x:Type Thumb}" x:Key="ThumbStyle">
+        <Setter Property="Background" Value="#010A13"/>
+        <Setter Property="Width" Value="24"/>
+        <Setter Property="Height" Value="24"/>
+        <Setter Property="Template">
+            <Setter.Value>
+                <ControlTemplate TargetType="{x:Type Thumb}">
+                    <Grid Background="{TemplateBinding Background}">
+                        <Path x:Name="path" Data="{StaticResource ThumbData}" Fill="{StaticResource ThumbColor}"/>
+                    </Grid>
+                    <ControlTemplate.Triggers>
+                        <Trigger Property="IsMouseOver" Value="True">
+                            <Setter TargetName="path" Property="Fill" Value="{StaticResource ThumbOver}"/>
+                        </Trigger>
+                        <Trigger Property="IsDragging" Value="True">
+                            <Setter TargetName="path" Property="Fill" Value="{StaticResource ThumbDrag}"/>
+                        </Trigger>
+                    </ControlTemplate.Triggers>
+                </ControlTemplate>
+            </Setter.Value>
+        </Setter>
+    </Style>
+
+    <Thumb x:Key="SliderThumb" Style="{StaticResource ThumbStyle}"/>
+
+    <SolidColorBrush x:Key="SliderColor" Color="#1E2328"/>
+
+    <LinearGradientBrush x:Key="RangeColor" StartPoint="0,0.5" EndPoint="1,0.5">
+        <GradientStop Color="#463714" Offset="0"/>
+        <GradientStop Color="#58471D" Offset="0.5"/>
+        <GradientStop Color="#695625" Offset="1"/>
+    </LinearGradientBrush>
+    
+    <LinearGradientBrush x:Key="SliderOver" StartPoint="0,0.5" EndPoint="1,0.5">
+        <GradientStop Color="#795B28" Offset="0"/>
+        <GradientStop Color="#C1963B" Offset="0.5"/>
+        <GradientStop Color="#C8AA6D" Offset="1"/>
+    </LinearGradientBrush>
+
+    <LinearGradientBrush x:Key="SliderDrag" StartPoint="0,0.5" EndPoint="1,0.5">
+        <GradientStop Color="#685524" Offset="0"/>
+        <GradientStop Color="#55441B" Offset="0.5"/>
+        <GradientStop Color="#463714" Offset="1"/>
+    </LinearGradientBrush>
+
+    <Style TargetType="{x:Type local:RiotSlider}">
+        <Setter Property="Minimum" Value="0"/>
+        <Setter Property="Maximum" Value="100"/>
+        <Setter Property="SelectionStart" Value="0"/>
+        <Setter Property="SelectionEnd" Value="{Binding RelativeSource={RelativeSource Self},Path=Value}"/>
+        <Setter Property="Background" Value="Transparent"/>
+        <Setter Property="Template">
+            <Setter.Value>
+                <ControlTemplate TargetType="{x:Type local:RiotSlider}">
+                    <Grid Background="{TemplateBinding Background}">
+                        <james:JamesGrid Rows="*" Columns="Auto,*" Height="2.5" Margin="12 0 12 0">
+                            <Border Background="{StaticResource RangeColor}" x:Name="PART_SelectionRange"/>
+                            <Border Background="{StaticResource SliderColor}"/>
+                        </james:JamesGrid>
+                        <Track x:Name="PART_Track" Thumb="{StaticResource SliderThumb}"/>
+                    </Grid>
+                    <ControlTemplate.Triggers>
+                        <DataTrigger Binding="{Binding ElementName=PART_Track, Path=Thumb.IsMouseOver}" Value="True">
+                            <Setter TargetName="PART_SelectionRange" Property="Background" Value="{StaticResource SliderOver}"/>
+                        </DataTrigger>
+                        <DataTrigger Binding="{Binding ElementName=PART_Track, Path=Thumb.IsDragging}" Value="True">
+                            <Setter TargetName="PART_SelectionRange" Property="Background" Value="{StaticResource SliderDrag}"/>
+                        </DataTrigger>
+                    </ControlTemplate.Triggers>
+                </ControlTemplate>
+            </Setter.Value>
+        </Setter>
+    </Style>
+</ResourceDictionary>
+```
+
+> 추가적으로 아래 트리거가 두개 더 추가되었고, RiotSlider 컨트롤의 (ControlTemplate) 템플릿 영역을 한눈에 파악할 수 있도록 모든 요소들을 리소스로 세분화 하여 관리하는 것이 이 프로젝트의 특징입니다.
+
+
+
+Slider 컨트롤을 (CustomControl) 기반으로 구현했기 때문에 이와 관련한 리소스들을 하나의 리소스 팩처럼 관리하기에도 용이해집니다.
+
+
+
+##### 최종 결과 확인:
+
+- [x] `PART_Track` 관련 기능 테스트
+- [x] `PART_SelectionRange` 관련 기능 테스트
+- [x] 디자인 요소 적용 확인 
+
+> 기능적인 부분은 이미 분석부터 구현까지 여러 단계를 거치면서 살펴봤지만 다시 한 번 `PART_` 컨트롤을 기준으로 기능 점검을 체크해보시기 바랍니다.
+
+
+
+<img width="435" alt="11-11" src="https://github.com/vickyqu115/riotslider/assets/101777355/f46ed494-a7ee-4fb8-8105-b6a12977bc12">
+
+
+
+
+이것으로 기본 Slider 컨트롤의 분석부터 리그오브레전드 스타일의 RiotSlider 컨트롤 구현까지 (CustomControl) 기반의 개발 과정 및 튜토리얼 영상 리뷰를 마칩니다. 
+
+> 영상과 다소 다른 부분이 있거나 소스코드 등이 잘못될 수 있습니다. 크게 문제가 있는 부분은 적극 말씀해주세요.
+
+
+
+## 23. 마지막 남기는 말
+
+가볍게 만들 수 있는 WPF Slider 컨트롤을 아키텍쳐적인 측면에서 깊이 있게 살펴보았습니다. 뜯어보면 별 것 아닌데 이처럼 할 이야기가 많다는 것은 그만큼 설계적인 측면에서 WPF를 통해 배울 수 있는 부분이 많다는 이야기로 해석할 수도 있을 것 같습니다. 튜토리얼 영상도 한번 살펴보시기 바랍니다. Vicky의 영상을 통한 해석도 재미있습니다.
+
+WPF는 오래된 플랫폼입니다. 따라서 긴 세월 만큼이나 다양한 개발 방법론과 프레임워크, 컴포넌트 오픈소스 라이브러리들이 계속해서 발전하고 또 변화하고 있습니다. 따라서 시간이 지남에 따라 주류의 평가와 해석은 계속해서 달라질 수 있습니다. 그렇기 때문에 지금까지 거쳐온 역사적인 히스토리들은 사실 다방면으로 모두 우리 기술의 밑거름이 될 수 있습니다. 이를 유연하게 판단하고 평가한다면 좀 더 풍부하고 양질의 레퍼런스를 찾아낼 수 있을 것입니다. 꼭 주류만이 정답이 아닐 수 있습니다.
+
+
+
+간만에 장문의 리뷰 아닌 리뷰를 만들게 되었는데 많은 분들에게 전해졌음 하는 마음으로 정성담아 작성했습니다. 
+
+모두들 행복한 설 되시길 바랍니다!! 
+감사합니다.

markdown/Jeongheum__joonydaddy.github.io__ch3.md

@@ -0,0 +1,67 @@
+# 3장 텍스트 화일 가공
+
+## 3.1 파일입출력 연습  
+import os # 반드시 필요  
+
+os.getcwd()  
+os.chdir()  
+>경로 입력시 \\입력이 번거롭다면, r'경로명'  
+
+os.listdir() #윈도우 dir명령과 같음.  
+
+p.78, 80, 83 f.write()하면 입력한 개수출력은 idle에서 실행할때만 나온다.  
+p.83 with 문으로 객체를 만들지 않고 파일 입출력하기 --> as f에서 f가 객체에 해당하므로, with문으로 파일 입출력하기가 더 적합할 듯하다.  
+
+p.85 import codec # 필수일까?  
+open('filename','r', encoding='utf8')로 해도 한글txt화일이 정상적으로 열리는데,  
+import codec  # pip install codec
+f=codec.open('filename','r','utf8')
+
+
+## 3.2 정규식표현으로 문자열 다루기
+파이썬 howto문서 docs.python.org/3.7/howto/regex.html  
+점프투파이썬 7장 참고 https://wikidocs.net/4308  
+
+python, c, c++, java, 아래아 한글 등 여러 프로그램에서 공통적으로 사용할 수 있음.  
+
+### 메타문자  
+__. ^ $ * + ? { } [ ] \ | ( ) __  
+
+문자클래스 [ ]  
+[]사이의 문자들과 매치  
+- (하이픈) "~부터 ~까지"의 범위를 의미
+ex1) [abc] "a, b, c 중 한개의 문자와 매치"  
+ex2) [a-z] "a부터 z까지의 문자와 매치". ex1은 [a-c]로 표시할 수 있겠죠?  
+ex3) [0-9] "0부터 9까지의 숫자와 매치"  
+
+^ (not) 
+ex4) [^0-9] "숫자가 아닌, 즉 문자만 매치"
+
+
+자주 사용하는 문자 클래스  
+|정규표현식 | 설명|  
+|----------|-----|
+|\d | 숫자와 매치, [0-9]와 동일 |  
+|\D | 숫자가 아닌것과 매치, [^0-9]와 동일 |  
+|\w | 문자 숫자와 매치. [a-zA-z0-9]와 동일 |  
+|\W | \w와 반대  |  
+|\s | whitespace문자와 매치. [\t\n\r\f\v]와 동일|  
+|\S | \s와 반대  |
+
+|  method | 목적 |  
+|---------|------|  
+| obj=re.compile(정규식) | # 정규식을 pattern 객체로 만들어줌. 객체를 여러번 재사용하는 경우에 이 방법이 유리하다. 아니라면 re.findall(pattern, str)처럼 compile과 method를 한번에 수행한다. |  
+| re.match(pattern, str) | # 문자열의 처음부터 정규식과 매치되는지 조사한 후, match객체를 돌려준다. group method해야 실제 검색결과 확인가능 |  
+| re.search(pattern, str) | # 문자열 전체를 검색하여 정규식과 매치되는지 조사한 후, match객체를 돌려준다. group method해야 실제 검색결과 확인가능 |
+| re.findall(pattern, str)  | # 정규식과 매치되는 모든 문자열(substring)을 리스트로 돌려준다 |  
+| re.split(patter, str)  |  |
+| re.sub(pattern, repl, str) | # 이 순서는 함수 intelligence기능 도움을 받자  |  
+
+
+match객체의 method  
+| method	| 목적 |  
+|---------|------|
+| group()	| 매치된 문자열을 돌려준다. |  
+| start()	| 매치된 문자열의 시작 위치를 돌려준다. |  
+| end()	| 매치된 문자열의 끝 위치를 돌려준다.  |  
+| span()	| 매치된 문자열의 (시작, 끝)에 해당하는 튜플을 돌려준다. |  

markdown/KimKwangyeon7__JavaStudy__0712.md

@@ -0,0 +1,436 @@
+과목평가 - 과목 끝났을때: 객관, 논/서술, 알고리즘
+싸피 매주 월요일에 시험
+
+매 월말평가 5회
+
+과목 7회, 월말 3회, sw A형 통과해야함
+싸피는 10회 정도?
+
+프로젝트 활동이 끝나더라도 그것을 어떤식으로 보완할지도 생각해보고 해보기
+
+사회적 문제 해결
+로봇 만들기
+게임 만들기
+
+자바 9일
+알고리즘 3주
+8월 말쯤 역량평가 예정
+
+프론트엔드 - 자바스크립트, 부트스트랩 ... (총 6일)
+
+데이터베이스
+
+벡엔드 - sublet jsp (총 5일)
+
+알고리즘 심화
+
+스프링 프레임워크
++ 스프링부트
++ DB 관련 프레임워크 - 마이베티스
+
+Vue
+이후 2학기에는 리액트
+
+
+
+## 폴더 구조: 표준 준수
+
+- 기본폴더: C:\SSAFY
+- 다운로드: C:\SSAFY\down_apps ( 크롬설정에서 다운로드시 폴더 확인하는 설정 - 깔끔하게 폴더 정리)
+- C:\Program Files\Zulu\zulu-8: JDK 설치 기본 폴더
+- C:\SSAFY\eclipse: eclipse 압축해제
+- C:\SSAFY\tomcat: tomcat 압축해제
+- C:\SSAFY\sts-bundle: sts 압축해제
+
+- C:\SSAFY\API: 도움말 위치
+- C:\SSAFY\workspace: 과목별 작업 폴더
+
+## Java 개발환경
+
+1. JDK: 
+-- Oracle JDK: 유료
+-- Open JDK: 오픈소스(zulu-1.8.0_192) 8.33.0.1
+-- api documentation: java 도움말
+-- C:\Program Files\Zulu\zulu-8\bin>
+     => javac.exe: 컴파일러
+     => java.exe: 인터프리터(실행)
+     => javadoc.exe: api 문서 생성기
+     => jarc.exe: class 묶음(압축), *.jar, *.war, *.ear 
+
+2. Eclipse: IDE(통합개발환경)
+-- 2018-09-R (Eclipse 4.15 - JDK8을 지원)
+-- https://www.eclipse.org/downloads/packages/release/2018-09/r
+-- Eclipse IDE for Java EE Developers
+
+3. STS: Spring Tool Suite
+-- 3.9.14(Eclipse 4.15)
+-- https://spring.io/
+-- https://github.com/spring-attic/toolsuite-distribution/wiki/Spring-Tool-Suite-3
+
+4. Tomcat
+-- WAS (Web Application Server)
+-- https://tomcat.apache.org/
+-- Tomcat 9.x
+
+* 압축 해제와 설치의 경우 압축 해제하는 것을 권장
+
+
+## 개발 환경 설정
+
+1. JDK 
+-- 신규: JAVA_HOME = C:\Program Files\Zulu\zulu-8
+-- 추가변경: path = %JAVA_HOME%\bin;기존패스
+-- 윈도우 > 제어판 > 고급 시스템 설정 > 환경변수 > 시스템 변수
+
+2. 한글인코딩
+-- euc-kr (ksc5601) : 한글, 영문 
+-- utf-8 : 한글, 영문 등 다국어, html5, ajax
+
+-- 인코딩 설정 범위: eclipse, workspace, project, file
+-- C:\SSAFY\eclipse> eclipse.ini:
+    >> 추가: -Dfile.encoding = UTF-8
+-- C:\SSAFY\sts-bundle\sts-3.9.14.RELEASE> sts.ini
+    >> 추가: -Dfile.encoding = UTF-8
+
+## Eclipse Project
+1. new workspace
+2. new project
+    -- out dir: 01.java_basic/classes
+
+3. switch workspace
+4. exist import project
+
+
+## 자바 프로그래밍
+1. 소스코드 작성: 파일명.java
+
+2. 컴파일 방법:
+    dos> javac <options> 파일명.java
+    dos> javac <options> *.java
+
+    => 클래스파일명. class: byte code (jvm 번역 기계어)
+    
+    eclipse> 소스코드 저장하면 자동 컴파일됨
+
+
+
+3. 실행방법
+    dos> java <options> 실행 메서드가 있는 클래스명
+    dos> java <options> 패키지명.패키지명.실행 메서드가 있는 클래스명
+
+    eclipse> 단축키(Crtl+F11), Run > Java Application
+
+
+## 자바 특징
+-- 객체 지향: OOP
+-- 객체 지향 특징
+    1. 추상화(abstraction) - 중요한 정보 추출 
+    2. 은닉성(encapsulation)
+    3. 상속(inheritance)
+    4. 다형성(polymorphism)
+
+-- 객체(Object) => 그 프로그램에서 관리해야 할 모든 것(같은 객체라도 속성과 기능 다를 수)
+    >> 현실 세계 존재하는 사물, 개념
+    >> 속성과 기능으로 구성
+    
+    >> 그 프로그램에서 관리해야 할 모든 것(대상이 되는 모든 것)
+    >> 속성: 값(변수)
+    >> 기능: 행위(메서드)
+    >> 동일한 객체(예시: 사고 팔 때의 자동차)라도 어떤 프로그램의 대상인지에 따라 속성/기능은 달라짐!
+
+
+## 자바의 데이터 타입
+
+1. 기본형
+-- 정수형: byte(8 bit), short(16), int(32-기본), long(64) 
+    >> 5 : int 타입
+    >> 5L, 5l : long 타입
+
+-- 실수형: float(32), double(64-기본)
+    >> 5.0, 5.0D, 5.0d : 생략 가능
+    >> 5.0f, 5.0F
+float: 32bit,  정밀도 소수 이하 8자리(9자리에서 반올림 처리)
+double: 64bit, 정밀도 소수 이하 17자리(18자리에서 반올림)
+
+
+-- 논리형: boolean 
+    >> 참: true 
+    >> 거짓: false
+
+-- 단일문자형: char(16bit, 2byte)
+    >> 모든 문자 표현 가능
+    >> '가', 'a' (작은 따옴표 사용)
+
+2. 참조형(객체형)
+-- 모든 클래스(인터페이스) : 표준 api, 오픈소스, 사용자 정의 api 등
+-- 배열(array)
+-- 문자열: String, StringBuffer, StringBuilder
+
+객체 내의 속성 -> 도메인 -> 데이터 타입 결정
+
+
+형 변환 -> 자동 형 변환, 명시적 형 변환
+## 형변환(type casting)
+-- 자동 형변환
+    >> 작은 타입의 데이터는 큰 데이터 타입의 기억 공간에 자동 할당
+    >> byte => short / char => int => long => float => double 
+    >> boolean은 형변환 되지 X : 값의 크기를 갖는 것이 아닌 참/거짓을 의미하는 타입!
+
+    >> 객체형(상속): 자식타입(sub class) => 부모타입(super class)
+
+-- 명시적 형변환
+    >> 개발자가 명시적으로 형변환 지정
+    >> 값의 유실이 발생할 수 있음
+    >> 타입 변수명 = (타입)값;
+
+// 산술 이항 연산자는 산술 전에 두 연산자의 타입을 일치시킨다
+// 피연산자의 크기가 4 byte(int) 미만이면 int로 변경한 후 연산 진행
+// 두 개의 피연산자 중 큰 타입으로 형 변환 후 연산 진행
+
+
+## 연산자
+1. 할당 연산자(=)
+    타입 변수명 = 값; 
+    => 값, 변수명, 수식, 결과값 반환하는 메서드 호출문(), new 클래스명()
+    => 수행순서:
+        (1) 우측 연산
+        (2) 우측 연산 결과에 대한 타입 결정
+        (3) 좌측 저장 기억 공간의 타입과 우측 연산 결과 타입을 체킹
+            >> 같은 타입이면 자동 할당
+            >> 좌측 저장 기억 공간이 큰 타입이면 자동 형변환 할당
+            
+            >> 다른 타입이면 컴파일 오류 발생
+            >> 다른 타입이어도 명시적 형변환을 통해 할당 가능
+
+## 자바 주석문(comment)
+1. // 한줄 주석문
+2. /* 여러줄 주석문 */
+
+3. api 문서 주석문
+-- 선언위치: 클래스 선언문, 멤버변수 선언문, 생성자 선언문, 메서드 선언문 앞에 위치
+-- 선언형식: /** api 주석 내용 */ 
+-- api 주석 내용
+    >> 텍스트
+    >> html 태그 : <pre> 작성한 내용을 그대로 보여줌 </pre>
+    >> api 문서 전용 어노테이션
+        @author 작성자이름
+        @version ver.1.0
+        @param 메서드 또는 생성자의 매개변수명 설명
+        @return 메서드 반환값에 대한 설명
+        @... : eclipse 자동목록 추천
+
+
+## 변수 종류
+1. 멤버 변수
+-- 클래스의 멤버 선언
+
+2. 지역 변수
+-- 메서드, 생성자, 제어문 내부에 선언
+
+
+## 변수의 범위
+-- { ..scope.. }
+
+
+## 변수 선언 방법
+형식1: 제어자 타입 변수명;
+형식2: 제어자 타입 변수명 = 명시적 초기값;
+
+
+## 변수의 값 할당: 반드시 먼저 변수가 선언이 되어 있어야 함!
+변수명 = 값 | 변수명 | 수식 | 결과값을 반환하는 메서드 호출() | new 클래스명() 
+
+
+## 제어자
+1. access modifier: 접근 제한 (4가지 중에서 1개만 지정)
+-- public: universe
+-- protected: sub class(상속)
+-- 생략(package, default, friendly): same package
+-- private: same class
+
+2. usage modifier (non-access modifier): 사용 제어
+-- static: 객체 생성하지 않고 사용 가능한 멤버 ex) 클래스명.static멤버명
+-- final
+-- abstract
+-- ...
+
+
+## 자바 프로그래밍 주의사항
+-- 대소문자 구분: 이름 규칙 준수(권장)
+-- 명령문의 끝은 ";" 세미콜론
+-- { } 짝을 이루어야 함
+-- 시작메서드 형식: public static void main(String[] args) { }
+
+## 이름규칙(명명 규칙: Naming convention)
+-- 길이 제한없음, 의미있게 지정, 영문자(유니코드), 특수문자(_,$) 시작 + 숫자 조합 사용(숫자 시작 불가)
+-- 공백불가, 키워드(예약어) 사용불가
+
+-- 클래스명: 대문자 + 대문자시작
+-- 변수명: 소문자 + 대문자시작 
+-- 메서드명: 소문자 + 대문자시작()
+-- 패키지명: 모두소문자.모두소문자.모두소문자
+-- 상수명: 모두대문자_모두대문자
+
+
+## 키워드(예약어)
+-- 모두 소문자: public, class, static, if, for
+-- sizeof: 키워드 X (식별자로 사용하지 말자)
+-- const: 키워드 O (식별자로 사용 불가, 지원하지는 않음 => 상수는 final로 사용함)
+
+
+++ 코딩 날짜 출력 (다양한 출력형태)
+
+
+
+과제 : 알고리즘 문제 1개 풀기
+
+
+
+
+배열: 동일한 타입 + 연속된 메모리 공간
+
+
+String을 char 배열로 바꾸기 -> toCharArray
+
+연산의 기본은 int
+ex) byte b1 = 5
+    byte b2 = 10
+    byte res = b1+b2 => 오류
+    
+작은 타입 -> 큰 타입(자동 형변환)
+큰타입-> 작은타입일 때, int 기준으로 작을 경우는 값을 할당할 때 자동 형변한
+
+__________________________________________________________________________________________________________________
+7/17
+
+## Array(배열)
+-- 자료 저장 구조
+-- static collectio: 크기 고정(immutable)
+    >> 자동 확장 불가
+    >> CRUD 관련 기능 (메서드) 제공 없음
+    >> 기본형, 객체형
+    >> 다형성(Polymorphism)
+
+-- 다차원 배열
+    >> 1차원
+    >> 2차원
+    >> 3차원
+    >> ..
+
+-- 배열관련 예외 클래스: ArrayIndexOutOfBoundsException
+    >> 배열요소를 잘못 접근한 경우에 발생되는 예외
+
+-- 사과쟁반: 사과만 담아야 함
+-- 과일쟁반: 모든 과일 담기(사과, 딸기, 수박)
+-- 쟁반: 과일, 장난감, 책
+
+## Modifiers(제어자)
+1. 접근제한자: Access Modifiers
+(1) +: public (universe)
+(2) #: protected (sub-class)
+(3) 생략: package, default, friendly (same-package)
+(4) -: private (same-class) 
+
+-- class: public, default
+-- 멤버변수: public, protected, default, private
+-- 메서드: public, protected, default, private
+-- 생성자: public, protected, default, private
+
+-- 지역변수, 매개변수
+    >> 선언위치: 생성자 매개변수, 생성자 내부, 메서드 매개변수, 메서드 내부, 제어문 내부
+    >> default만 가능
+
+2. 사용제어자: Usage Modifers (Non-Access Modifiers)
+(1) static: 객체 생성하지 않고 사용가능 ex) 클래스이름.static메서드이름(), 클래스이름.static멤버변수명
+(2) abstract
+(3) final
+(4) ...
+
+
+## 1차원 배열: Lotto645.java
+1. 선언
+    [modifiers] 타입[] 배열명;
+    [modifiers] 타입 배열명[];
+    
+2. 배열 객체 생성 및 할당
+3. 배열 요소 값 사용: 할당, 변경, 조회
+    -- 배열 요소 인덱스 시작: 0
+    -- 배열 요소 인덱스 최대: 배열크기 - 1
+
+    배열명[배열요소인덱스] == 값;
+
+-- 방법2:
+1. 선언 + 2. 배열객체생성 및 할당
+[modifiers] 타입[] 배열명 = new 타입[배열크기];
+
+-- 방법3:
+1. 선언 + 2. 배열객체생성 + 3. 명시적 초기값 할당
+(1) [modifiers] 타입[] 배열명 = new 타입[]{값1, 값2, 값3, ...};
+(2) [modifiers] 타입[] 배열명 = {값1, 값2, 값3, ...}; (cf. 따로 하면 에러, (1)처럼 할 거 아니면 동시에 해야함)
+
+## new 키워드
+1. 배열 객체 생성 순서
+(1) 메모리 할당
+(2) 기본값 자동 초기화
+(3) 명시적 초기화: 선택
+(4) 배열 객체에 대한 참조 값을 할당
+
+
+2. 객체 생성 
+ 
+
+## 자바 데이터 타입 기본값
+1. 정수형: 0
+2. 실수형: 0.0
+3. 논리형: false
+4. 단일문자형: 공백문자, '\u0000'
+5. 객체형: null (String 역시 null)
+
+
+## 다차원 배열: 2차원 배열
+-- 행과 열로 구성된 배열
+-- 2차원배열명.length 변수에는 행크기가 저장된 변수
+-- 2차원배열명[행번호].length 변수에는 해당 행의 열크기가 저장된 변수
+
+
+-- 방법1:
+    (1) 선언: 
+        타입[][] 2차원 배열명;
+        타입 2차원배열명[][];
+    
+    (2) 생성: 행마다 열의 크기가 동일
+        2차원배열명 = new 타입[행크기][열크기];
+
+        생성: 행마다 열의 크기가 각각 다르게 지정
+        2차원배열명 = new 타입[행크기][];
+        2차원배열명[행번호] = new 타입[해당행의열크기];
+
+    (3) 요소 사용
+        2차원배열명[행번호][열번호] = 값;
+
+-- 방법2:
+    (1) 선언 + (2) 생성
+        타입[][] 2차원배열명 = new 타입[행크기][열크기];
+
+-- 방법3:
+    (1) 선언 + (2) 생성 + (3) 명시적 초기화
+        타입[][] 2차원배열명 = { {1, 2, 3}, {10, 20}, {23, 15, 451, 44} };
+
+출력형식 지정 출력: 지정한 형식 기반으로 출력만 함 / 즉, 라인이동 X
+sysout.printf("", args...)
+-출력크기 지정
+-정렬기준 지정: 기본 오른쪽 정력, -(왼쪽)
+- 실수의 경우 소수이하 자리수 지정
+- 형식: %[플래그][자리수][.정밀도][서식]
+
+- %d: 정수
+- %f: 실수
+- %s: 문자열
+- %b: boolean
+- %c: char
+- %0: 8진수
+- %0x: 16진수
+- %e: 지수 표현식
+
+
+

markdown/Kwangkee__rPPG__ppg.md

@@ -0,0 +1,71 @@
+Back to https://github.com/Kwangkee/rPPG
+***
+
+- LED로 심박수를 측정한다고? '광혈류측정 센서(PPG)', https://news.samsungdisplay.com/30140
+
+
+## PPG Survey
+- [[The use of photoplethysmography for assessing hypertension](https://github.com/Kwangkee/rPPG/blob/main/rPPG4BP.md#the-use-of-photoplethysmography-for-assessing-hypertension)], https://www.nature.com/articles/s41746-019-0136-7
+  >[한글 해설] https://jiryang.github.io/2020/06/04/PPG4BP/  
+- Diagnostic Features and Potential Applications of PPG Signal in Healthcare: A Systematic Review, https://www.mdpi.com/2227-9032/10/3/547
+- A Survey of Photoplethysmography and Imaging Photoplethysmography Quality Assessment Methods, https://www.mdpi.com/2076-3417/12/19/9582
+- Application of photoplethysmography signals for healthcare systems: An in-depth review, https://www.sciencedirect.com/science/article/pii/S0169260722000621    
+
+## PPG Papers
+- [[Blood Pressure Prediction by a Smartphone Sensor using Fully Convolutional Networks](https://github.com/Kwangkee/rPPG/blob/main/ppg.md#blood-pressure-prediction-by-a-smartphone-sensor-using-fully-convolutional-networks)], https://ieeexplore.ieee.org/document/9175902
+- PP-Net: A Deep Learning Framework for PPG-Based Blood Pressure and Heart Rate Estimation, https://ieeexplore.ieee.org/document/9082808
+- A Refined Blood Pressure Estimation Model Based on Single Channel Photoplethysmography, https://ieeexplore.ieee.org/abstract/document/9891723
+- Photoplethysmography based atrial fibrillation detection: a review, https://www.nature.com/articles/s41746-019-0207-9
+- A digital biomarker of diabetes from smartphone-based vascular signals, https://www.nature.com/articles/s41591-020-1010-5
+- On-demand mobile health infrastructures to allow comprehensive remote atrial fibrillation and risk factor management through teleconsultation, https://onlinelibrary.wiley.com/doi/full/10.1002/clc.23469
+- Intra-beat biomarker for accurate continuous non-invasive blood pressure monitoring, https://www.nature.com/articles/s41598-022-19096-6  
+
+
+## NYR, Not Yet Reviewed
+- Towards IoT-based Medical Edge Devices: PPG-based Blood Pressure Estimation Application, https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Towards+IoT-based+Medical+Edge+Devices%3A+PPG-based+Blood+Pressure+Estimation+Application&btnG=
+- Jaeseok Yun, https://scholar.google.com/citations?hl=en&user=FVKhoEEAAAAJ&view_op=list_works&sortby=pubdate
+- A Benchmark Study of Machine Learning for Analysis of Signal Feature Extraction Techniques for Blood Pressure Estimation Using Photoplethysmography (PPG), https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=A+benchmark+study+of+machine+learning+for+analysis+of+signal+feature+extraction+techniques+for+blood+pressure+estimation+using+photoplethysmography+%28ppg%29&btnG=
+- 
+
+
+## etc
+- Human Emotion Recognition: Review of Sensors and Methods, https://www.mdpi.com/1424-8220/20/3/592
+- Physiological and Behavior Monitoring Systems for Smart Healthcare Environments: A Review, https://www.mdpi.com/1424-8220/20/8/2186/htm
+- COVID-19 detection using a model of photoplethysmography (PPG) signals, https://www.sciencedirect.com/science/article/pii/S1350453322001527
+- BePCon: A Photoplethysmography-based Quality-aware Continuous Beat-to-Beat Blood Pressure Measurement Technique Using Deep Learning, https://ieeexplore.ieee.org/abstract/document/9913482
+- Systolic Blood Pressure Estimation from PPG Signal Using ANN, www.mdpi.com/2079-9292/11/18/2909/
+
+ 
+## Contact vs. Non-contact methods  
+- [[Smartphones and Video Cameras: Future Methods for Blood Pressure Measurement](https://github.com/Kwangkee/rPPG/blob/main/ppg.md#blood-pressure-prediction-by-a-smartphone-sensor-using-fully-convolutional-networks)], https://www.frontiersin.org/articles/10.3389/fdgth.2021.770096/full
+- [[Blood pressure measurement using only a smartphone](https://github.com/Kwangkee/rPPG/blob/main/rPPG4BP.md#blood-pressure-measurement-using-only-a-smartphone)], https://www.nature.com/articles/s41746-022-00629-2
+
+## Non-contact imaging of peripheral hemodynamics during cognitive and psychological stressors
+Non-contact imaging of peripheral hemodynamics during cognitive and psychological stressors, https://www.nature.com/articles/s41598-020-67647-6
+
+***
+## The use of photoplethysmography for assessing hypertension
+The use of photoplethysmography for assessing hypertension, https://www.nature.com/articles/s41746-019-0136-7
+>[한글 해설] https://jiryang.github.io/2020/06/04/PPG4BP/  
+
+![image](https://user-images.githubusercontent.com/109835677/184668411-5d2a4533-71b6-43e0-a047-6331d8b8873f.png)
+![image](https://user-images.githubusercontent.com/109835677/184668436-233ba032-1084-40da-b95a-9569de08896b.png)
+![image](https://user-images.githubusercontent.com/109835677/184668584-7104bf00-2616-41e1-b00b-9c09d255c7b8.png)
+
+***
+## Blood Pressure Prediction by a Smartphone Sensor using Fully Convolutional Networks
+Blood Pressure Prediction by a Smartphone Sensor using Fully Convolutional Networks, https://ieeexplore.ieee.org/document/9175902
+
+[삼성전자, PPG:RGB+IR]   
+In this paper, we propose a method for predicting BP without feature extraction using only PPG signals measured by smartphone using the convolutional neural networks (CNN) model proposed in the previous study [11]. Instead of using additional physiological cardiovascular signals, multiple wavelengths of PPG (infrared, red, green, blue) signals were measured using the smartphone’s heart rate monitor sensor and analyzed to determine the optimal combination of PPG signals for predicting systolic BP (SBP) and diastolic BP (DBP).  
+This combination had an overall mean absolute error (MAE) of 5.28 and 4.92 mmHg for systolic and diastolic BP, respectively. Thus, our CNN-based approach achieved comparable results to other approaches that use a single PPG signal.
+PPG data were acquired using the heart rate sensor of the Samsung Galaxy Note8 smartphone. 
+
+#### Implications:
+삼성 note 일부 version 에서 “IR 대역 포함 내장 PPG sensor” 지원. 이후 사양에서 제외?  
+삼성 발표 논문은 SpO2 검출이 아니라, BP를 좀 더 정확하게 측정하기 위해 IR 유효.   
+
+
+***
+Back to the [Top](#papers)  
+Back to https://github.com/Kwangkee/rPPG

markdown/Qussk__Swift-5__URL.md

@@ -0,0 +1,355 @@
+## Url Components
+
+![](/image/url.png)
+
+
+- URL : 주소( n행 n열 등으로 찾아감.)
+- URN : 주민번호(이름 부르기.)
+- URI : URL, URN을 모두 합친 개념. 
+
+
+
+### 구조 
+
+![](/image/url1.png)
+
+### 확인
+
+```
+http://usernamdde:password@www.example.com:80/index.html?key1=value1&key2=value2#myFragment
+```
+
+```swift
+var components = URLComponents()
+components.scheme = "http"
+print(components)
+components.user = "username"
+print(components)
+components.password = "password"
+print(components)
+components.host = "www.example.com"
+print(components)
+components.port = 80
+print(components)
+// path의 경우에는 다른 것들과 달리 /로 시작해야 함
+components.path = "/index.html"
+print(components)
+components.query = "key1=value1&key2=value2"
+print(components)
+components.fragment = "myFragment" //해당 위치로 가는것.
+print(components)
+
+// query만 교체하기
+var comp = URLComponents(string: "http://www.example.com/index.html?key1=value1#frag")
+comp?.queryItems = [
+  URLQueryItem(name: "name", value: "tory"),
+  URLQueryItem(name: "breed", value: "poodle"),
+  URLQueryItem(name: "age", value: "5"),
+]
+print(comp?.url?.absoluteString ?? "")
+
+```
+
+
+## URL Encoding
+
+
+```swifr
+// 영어 주소
+let urlStringE = "https://search.naver.com/search.naver?query=swift"
+print("영문 주소 변환 :", URL(string: urlStringE) ?? "Nil")
+
+
+// 한글 주소
+let urlStringK = "https://search.naver.com/search.naver?query=한글"
+print(URL(string: urlStringK) ?? "Wrong URL")
+
+
+// Percent Encoding
+//한글부분을 제외한 모든 부분을 변환,
+//허용되지 않는 부분을 Percent Encoding으로 변환해서 사용하겠다. 
+
+let str = "https://search.naver.com/search.naver?query=한글"
+let queryEncodedStr = str.addingPercentEncoding(withAllowedCharacters: .urlQueryAllowed)!
+let convertedURL = URL(string: queryEncodedStr)!
+print("Encoded 한글 :", convertedURL)  // %ED%95%9C%EA%B8%80
+
+
+/*
+ CharacterSet.urlUserAllowed
+ CharacterSet.urlPasswordAllowed
+ CharacterSet.urlHostAllowed
+ CharacterSet.urlPathAllowed
+ CharacterSet.urlQueryAllowed
+ CharacterSet.urlFragmentAllowed
+ */
+```
+
+```let urlStringK = "https://search.naver.com/search.naver?query=한글"
+print(URL(string: urlStringK) ?? "Wrong URL")
+```
+- **query = 한글"**(브라우저에서는 되는데)영어가 아닌 다른 언어의 경우, Wrong URL.(허용 안됨)
+- 위의 이유로 percent Encoding으로 변환된 모습. -> %ED%95%9C%EA%B8%80 (이렇게 사용해야함)
+- 브라우저에서 되는 이유? -> 브라우저 상에서 알아서 처리해줌. 
+
+
+###  URL로 사진가져오기 
+
+(Sync method)
+
+![](/image/url3.png)
+
+```swift
+import UIKit
+
+final class ViewController: UIViewController {
+  
+  @IBOutlet private weak var imageView: UIImageView!
+  private let imageUrlStr = "https://loremflickr.com/860/640/cat"
+  
+  
+  // MARK: - Sync method
+  
+  @IBAction private func asyncMethod() {
+    print("\n---------- [ asyncMethod ] ----------\n")
+    //1-0.URL로 변환
+    guard let url = URL(string: imageUrlStr) else { return }
+    
+
+    //(택1)
+    //2-1. 고양이 사진 가져오기(Sync)
+//.    if let data = try? Data(contentsOf: url) {
+//      imageView.image = UIImage(data: data)
+//    }
+
+
+    
+    //2-2. 고양이 사진 가져오기(DispatchQueue)
+//    DispatchQueue.global().async {
+//      if let data = try? Data(contentsOf: url) {
+//        DispatchQueue.main.async {
+//          self.imageView.image = UIImage(data: data) //반드시 main에 넣어라.
+//        }
+//      }
+//    } //단점 : 시간설정 불가.
+    
+    //2-3. 고양이 사진 가져오기.(URLSession) 데이터만 받아서 처리.
+    let task = URLSession.shared.dataTask(with: url) { data, responds, error in
+      guard let data = data else {return}
+      DispatchQueue.main.async {
+        self.imageView.image = UIImage(data: data) //task에 data저장.
+      }
+    }
+    task.resume() //중요:실질적으로 이걸 통해서 실제로 실행하는 것이므로 빠뜨리면 안됨.
+  }
+  
+
+```
+- **Sync**는 동기방식으로 하기 때문에, 시간이 지체됨. 맨 위 **Asynchronous**를 누르면 다음 행동을 할 수 없음
+- 네트워크는 보통 방법3으로 가져옴. 
+
+- DispatchQueue는 그냥 가져오기만 
+- URLSession는 네트워크에서 가져오기 위한 클래스 그룹을 조정하는 객체 **(비동기방식)** 으로, 다양한 동작 방식을 결정 할 수 있음. 
+
+
+
+## URL Session
+
+- 네트워크 데이터 전송 작업에 관련된 클래스 그룹을 조정하는 객체
+- 비동기 방식으로 Data, Download, Upload, Stream 4가지 유형의 작업 지원
+- SessionConfiguration에 의해 대부분의 기능과 동작 방식 결정 (shared, default 등)
+- ComplectionHandler 또는 Delegate 방식 택일
+
+
+### URL Session으로 API 가져오기 
+
+참고: open Notify
+
+```
+ http://open-notify.org/Open-Notify-API/
+```
+```swift
+let astronauts = "http://api.open-notify.org/astros.json"  // 우주비행사 정보
+let apiURL = URL(string: astronauts)!
+
+struct Astronaut {
+  let craft: String
+  let name: String
+}
+
+let dataTask = URLSession.shared.dataTask(with: apiURL) { data, response, error in
+  guard error == nil else {return print(error!)}
+  guard let response = response as? HTTPURLResponse, //HTTPURLResponse로 타입변환
+    (200..<400).contains(response.statusCode) //성공 : 200 , error 400.
+    else {return print("Invalid response")}
+  guard let data = data else {return}
+  
+  print(data) //JSON
+}
+dataTask.resume()
+```
+
+### 우주비행사 명단 print하기
+
+data는 JSON임
+```
+// http://open-notify.org/Open-Notify-API/
+```
+
+```swift
+let astronauts = "http://api.open-notify.org/astros.json"  // 우주비행사 정보
+let apiURL = URL(string: astronauts)!
+
+struct Astronaut {
+  let craft: String
+  let name: String
+}
+
+let dataTask = URLSession.shared.dataTask(with: apiURL) { data, response, error in
+  guard error == nil else {return print(error!)}
+  guard let response = response as? HTTPURLResponse, //HTTPURLResponse로 타입변환
+    (200..<400).contains(response.statusCode) //성공 : 200 , error 400.
+    else {return print("Invalid response")}
+  guard let data = data else {return}
+  
+  guard let jsonObject = try? JSONSerialization.jsonObject(with: data) as? [String : Any] else {
+    return
+  }
+  print(jsonObject)
+  
+  guard (jsonObject["massage"] as? String) == "success",
+    let people = jsonObject["people"] as? [[String:String]],
+    let peopleCount = jsonObject["number"] as? Int
+    else {return print("parsing error")}
+  
+  print("----[Parsing Success]----")
+  print("총 \(peopleCount)명의 우주비행사가 탑승중입니다.")
+  print("---우주 비행사 명단---")
+   people
+      .compactMap {
+        guard let craft = $0["craft"], let name = $0["name"] else { return nil }
+        return Astronaut(craft: craft, name: name)
+      }
+      .forEach { print($0) }
+  }
+  dataTask.resume()
+```
+
+
+## URL SessionConfiguration
+
+- Shared: 별도의 구성 객체나 Delegate를 사용하지 않는 싱글톤 객체. 간단한 기본 설정으로 충분한 경우 사용
+- Default: 기본 세션. 캐시, 쿠키 등을 디스크에 기록해두었다가 이후 활용
+- Ephemeral: 임시 세션. 캐시, 로그인 정보 등을 메모리에만 기록하고 있다가 세션 종료 시 제거(시크릿 정보)
+- Background: 백그라운드 세션. 앱이 실행 중이지 않은 상태에서도 데이터 전송이 필요한 경우
+
+
+```swift
+_ = URLSession.shared
+_ = URLSessionConfiguration.default
+_ = URLSessionConfiguration.ephemeral
+_ = URLSessionConfiguration.background(withIdentifier: "kr.giftbot.example.backgroundConfig")
+
+// 세션 설정
+let sessionConfig = URLSessionConfiguration.default
+//wifi만 가능하도록
+sessionConfig.allowsCellularAccess = false
+//타임아웃 대기시간 
+sessionConfig.timeoutIntervalForRequest = 20 
+//캐시처리 정책
+sessionConfig.requestCachePolicy = .returnCacheDataElseLoad
+//연결 실패시 즉각 실패를 반환할 것인지 더 기다릴 것인지 여부 
+sessionConfig.waitsForConnectivity = true
+//캐시설정
+sessionConfig.urlCache = URLCache.shared
+
+
+// * 주의 *
+// URLSession 생성 시 Configuration의 값을 복사하는 것이므로 이후의 변경 사항은 반영되지 않음
+
+//URLSession.shared 
+let defaultSession = URLSession(configuration: sessionConfig)
+defaultSession.dataTask(with: apiURL) { (_, _, _) in }
+
+```
+- URLSession.shared 
+
+
+### 실습 
+
+```swift
+
+/*
+ [ 실습1 ]
+ 다음 주소를 통해 얻은 json 데이터(국제정거장 위치 정보)를 파싱하여 출력하기
+ http://api.open-notify.org/iss-now.json
+ */
+
+func practice1() {
+  let apiURL = URL(string: "http://api.open-notify.org/iss-now.json")!
+  
+  let dataTask = URLSession.shared.dataTask(with: apiURL) { (data, response, error) in
+    guard let data = data,
+      let jsonObject = try? JSONSerialization.jsonObject(with: data) as? [String: Any]
+      else { return print("No Data") }
+    
+    guard let coordinate = jsonObject["iss_position"] as? [String: String],
+      let latitude = coordinate["latitude"],
+      let longitude = coordinate["longitude"]
+      else { return }
+    
+    print("\n---------- [ 국제 정거장 위치 ] ----------\n")
+    print(latitude, longitude)
+  }
+  dataTask.resume()
+}
+
+practice1()
+
+```
+
+```swift
+/*
+ [ 실습2 ]
+ Post 구조체 타입을 선언하고
+ 다음 주소를 통해 얻은 JSON 데이터를 파싱하여 Post 타입으로 변환한 후 전체 개수 출력하기
+ "https://jsonplaceholder.typicode.com/posts"
+ */
+
+struct Post {
+  let userId: Int
+  let id: Int
+  let title: String
+  let body: String
+}
+
+func practice2() {
+  let url = URL(string: "https://jsonplaceholder.typicode.com/posts")!
+  
+  let dataTask = URLSession.shared.dataTask(with: url) { (data, response, error) in
+    guard let data = data,
+      let postList = try? JSONSerialization.jsonObject(with: data) as? [[String: Any]]
+      else { return print("No Data") }
+
+    var posts: [Post] = []
+    for post in postList {
+      guard let userId = post["userId"] as? Int,
+        let id = post["id"] as? Int,
+        let title = post["title"] as? String,
+        let body = post["body"] as? String
+        else { continue }
+      let post = Post(userId: userId, id: id, title: title, body: body)
+      posts.append(post)
+    }
+
+    print("\n---------- [ 포스트 ] ----------\n")
+    print("총 \(posts.count)개")
+  }
+  dataTask.resume()
+}
+
+practice2()
+
+```
+
+

markdown/SungdaeBaek__dnc-intention__USER.md

@@ -0,0 +1,21 @@
+# USER
+
+## 소개
+* 이 설명서는 사용자가 이 프로그램을 운용하기 위한 설명서입니다.
+
+## 사전작업
+* Ubuntu 18.04 및 Windows 10 에서 작동합니다.
+* Python 3.6 에서 작동합니다.
+
+## 설치
+* 상위 경로의 "requirements.txt" 를 python 환경에서 pip로 설치합니다.
+* "client.py" 에서 변수 "client" 의 생성자 변수로 서버의 아이피 주소와 포트 번호를 순서에 맞게 옳바른 값을 지정합니다.
+
+## 사용법
+* python으로 "client.py" 를 실행합니다.
+* 실행시, 터미널에서 아래 줄에서 ">>"가 나타나면, 키보드로 한글 문장을 입력하고 엔터를 누릅니다.
+* 해당 입력한 한글 문장에 대해 서버로부터 받은 의도에 맞는 클래스 코드를 숫자로 터미널에 출력합니다.
+* 종료시, "ctrl + c" 를 입력하여 종료합니다.
+
+## 문제해결
+* 문제가 발생시 프로그램을 종료하고 다시 실행합니다.

markdown/Synthwave84__History__MD_A.md

@@ -0,0 +1,80 @@
+컴퓨터의 기본.
+
+1. 파워
+2. 메인보드
+3. CPU  
+4. 램
+5. 보조 기억장치 (HDD/SSD등)
+6. VGA
+--
+이하 필수 
+1. 파워. 파워는 컴퓨터의 전원을 공급하는 장치이다. 흔히들 컴퓨터의 심장이라고들 이야기한다.
+왜냐하면 파워에는 혈관과도 같은 전원선들과, 컴퓨터에 공급되는 피와도 같은 전기를 공급해 주기 때문이다.
+
+2. 메인보드. 메인보드는 컴퓨터의 혈관이기도 하고 신경계이기도 하다. 마더보드라고도 불린다.
+컴퓨터의 메인보드는 각각 메인보드에 장착된 부품들에 파워에서 받은 전원들을 잘게 쪼개어 여러갈래로
+필요한 만큼 나눠주며 과도한 부하를 방지해준다. 또한, 각각의 부품들이 서로 커뮤니케이션을 하고, 
+CPU에 명령을 전달해준다. 
+
+3. CPU CPU는 Central Processing Unit의 약자로, 중앙 처리 장치이다.
+컴퓨터에서 CPU는 우리몸의 뇌에 해당한다. 우리 몸에서도 특정한 행동을 할 때, 필수적으로 꼭 거쳐가는
+것이 우리의 뇌 이듯, 컴퓨터의 모든 카드와 저장장치 등등은 모두 CPU를 거쳐야한다.
+
+4. RAM 램은 Random Access Memory의 약자로, 주 기억 장치에 해당한다. 램은 휘발성 이라는 특징을 가지고 있다.
+이는 전원이 공급되지 아니하면 가지고 있던 자료 모두가 날아간다고 생각하면 된다. 
+램은 컴퓨터에 있어서 도구를 올려놓는 책상에 비교할 수 있다. CPU는 그 도구를 들고 일을 하는 사람이라고 생각하면된다.
+
+5. 보조기억장치 (HDD/SSD등)는 일종의 서랍이라고 생각하면된다.
+여기서 의문이 들 것이다. 램도 기억장치고, 하드디스크, SSD 등도 동일하게 저장장치인데 이 둘은 무슨
+차이가 있는가에 대한 의문일 것이다. 보조기억장치는 일종의 서랍 이라고 생각하면된다.
+우리는 일을 하기 전 서랍에서 미리 필요한 도구를 준비해 놓아야 훨씬 빠르게 작업을 할 수 있다.
+이는 컴퓨터로 바꾸어 이야기하면, 보조기억장치들은 램에 비해서 속도가 매우 느린데, CPU는 매우매우
+빠른 속도로 동작한다. 때문에 제때제때 CPU가 필요한 도구들을 전달해주기에는 속도가 턱없이 부족하여
+딜레이가 생기게 되고, 이 때문에, 우리는 휘발성의 특징을 가졌으나, 그 댓가로 일반 보조기억장치들과는
+차원이 다른 속도를 자랑하는 RAM에 미리 사용할 도구들을 적재하게 된다. 그리고 이렇게 보조기억장치에서
+RAM에 도구를 올려놓는 과정을 우리는 매일같이 접한다. 바로 Loading이 그 과정이다.
+
+6. VGA 화면출력장치이다. 결국 사용자는 컴퓨터에서 어떤 일이 벌어지는지 화면을 보지 않으면 알 수 없다.
+VGA는 사용자에게 해당하는 화면을 출력해 주거나, CPU의 구조상 어려운 그래픽 관련 연산을 보조 프로세서의 역활을
+겸한다. (Co-Processor).
+
+
+----------------------------------------------------------------------------------------
+
+파워
+
+파워의 겉 형태는 2종류로 나뉜다. 첫번째는 일반 파워. 두번째는 모듈러 파워이다.
+일반 파워의 경우 메인보드나 기타 장치에 연결되는 케이블이 파워와 합쳐져 있다.
+모듈러 방식의 파워는, 각각 전원선이 탈착으로 구성되어있다. 때문에, 불필요한 선을 따로 정리할 필요가 없어, 더 깔끔한 외관을 자랑할 수 있다.
+
+파워 케이블의 종류.
+파워 케이블의 종류는 평균적으로 6가지가 된다.
+
+메인보드 파워 케이블. 
+총 20핀 + 4핀으로 구성되며, 4핀은 보조 전원으로 꼭 장착하지 않아도 되지만, 기본적으로는 보통 장착을 하게 된다.
+
+CPU 전원 케이블. 
+CPU 전원 케이블은 최소 4개의 핀, 평균적으로 8개 그리고 추가적으로 8+4 또는 8+8 로 구성된 경우가 있다. CPU가 요구하는 전압이 많고, 고급 메인보드에는 최대 16핀까지 사용하기 때문이다.
+
+PCI E 전원 케이블. 6+2핀으로 구성되어있으며, 한 가닥에 여러 갈래로 나누어 지는 것도 있고, 아예 케이블 자체가 여러개인 경우도 있다.
+
+
+
+
+
+////// A
+텍스트 포멧으로 데이터 저장시 
+인코딩 형태 
+- ANSI =영문,숫자,특수문자 1바이트.
+              한글 2바이트
+          참고> EUC-KR과 동일. (한국제작)
+
+- UTF-8 = 영문,숫자,특수문자 1바이트
+              한글 3바이트
+
+툴(프로그램)으로 파일 데이터를 읽고자 할 때, 한글 깨짐현상. 
+
+툴의 인코딩 설정과 파일의 인코딩 형식이 일치해야 한글을 정상적으로 불러 올 수 있다.
+
+ANSI SQL = 표준
+

markdown/amoretspero__portfolio__tl_dr.md

@@ -0,0 +1,189 @@
+# THE portfolio - TL;DR version
+
+## Introduction
+
+- Name: Jiung Hahm (함지웅)
+- Email: amoretspero (at) gmail (dot) com
+  - Alternative: amoretspero (at) snu (dot) ac (dot) kr
+- Github: [https://github.com/amoretspero](https://github.com/amoretspero)
+- Leetcode: [https://leetcode.com/amoretspero](https://leetcode.com/amoretspero)
+
+## Education
+
+### University
+
+- 서울대학교 공과대학 컴퓨터공학부 (Undergraduate)
+  - Enrollment: Mar. 2013.
+  - (Expected) Graduation: Feb. 2022. (Bachelor's)
+  - GPA: 3.69/4.3 (as of Aug. 2021.)
+
+## Military Service
+
+- 산업기능요원 복무만료
+  - Industrial Technical Personnel, Released from call on 19 Sep. 2020
+
+## Work Experience
+
+### (주)오너클랜
+
+- 회사 주요 업무: 오픈마켓에서 활동하는 소규모 판매자들을 위한 도매 중개업
+- 2017.08.21 - 2020.09.29
+
+#### Internal / Open API 서비스 및 서버 개발
+
+- Skills
+  - Server Runtime: Node.js
+  - Programming Language: Typescript
+  - API type: GraphQL
+  - CI/CD: Gitlab CI/CD
+  - Cloud Service Provider: Google Cloud Platform
+- GCP Kubernetes Engine를 사용해 프로토타입 개발 및 초기 서비스 운영 후 네트워크 트래픽 등의 문제로 사내 서버로 이전 운영
+- 서비스 운영 시 일평균 2M requests, 초당 최대 150-200 requests 처리
+  - Single server / PM2 cluster 사용
+- Quota 제한을 위해 Redis 기반의 사용량 제한 서비스 구현
+- API 서비스 오픈 후 오픈 전 대비 웹사이트의 불필요한 스크랩 트래픽 80% 이상 감소
+
+#### 회사 주요 서비스 리뉴얼 작업 - 백엔드
+
+- Skills
+  - Server Runtime: Node.js
+  - Programming Language: Typescript
+  - API type: GraphQL
+  - Database: MySQL
+  - CI/CD: Gitlab CI
+- 서비스 요구사항 분석 내용에 따른 DB 스키마 재구축
+  - TypeORM 패키지를 이용한 스키마 정의
+  - 리뉴얼에 필요한 DB migration 코드 작성
+- Node.js 및 TypeScript, GraphQL을 기반으로 한 API 서버 구현
+  - GraphQL type 정의 및 resolver 구현 등 GraphQL을 기반으로 한 API 서버에서 구현해야 하는 대부분을 담당
+  - GraphQL `query`에 대한 TypeScript decorator 기반의 GraphQL query to MySQL query parser 구현
+    - GraphQL API 서비스 개발시 data fetch/format 과정의 코드 약 80% 이상 감소
+
+#### 이미지 제공 전용 서버 개발 및 CDN 연동
+
+- Skills
+  - Server Runtime: Node.js
+  - Cloud Service Provider: Google Cloud Platform
+  - CDN Provider: Akamai CDN(main) / GCP CDN(backup)
+  - CI/CD: Gitlab CI/CD
+  - CDN의 경우 Akamai CDN을 기본으로 하되 Akamai CDN에 대한 failover로 GCS CDN을 사용할 수 있도록 추가 구현
+  - GCP의 경우 Storage, Kubernetes Engine 서비스를 주로 사용.
+- 웹사이트에서 제공하는 이미지 및 외부에 제공하는 이미지의 트래픽을 줄이기 위해 CDN 연동
+- 사용자가 업로드한 원본 이미지 1개로 여러 사이즈의 request에 대응할 수 있도록 URL-based dynamic resizing/rotation 구현
+  - CDN caching을 위해 사전 정의된 사이즈 이외의 요청은 거절
+- GCP Kubernetes Engine에서 제공하는 Cluster auto-scaling / Container pod auto-scaling 적용
+
+#### 상품 유사도 확인 프로그램 개발
+
+- Skills
+  - Server Runtime: Dotnet Core
+  - Programming Language: C#
+  - Cloud Service Provider: Google Cloud Platform
+    - 사내 서버 자원 대용으로 GCP의 Compute Engine만 사용
+- 상품 데이터 중 선택된 항목들에 대해 LSH(Locality Sensitive Hashing) algorithm / Min hashing을 적용해 유사도 계산
+- Cron 작업으로 일정 주기마다 전체 상품에 대해 계산하도록 구현
+- 계산된 유사도를 바탕으로 동일상품으로 의심되는 경우 관리자에게 리포트하여 조치를 취하고, 유사한 상품의 정보는 사용자에게 제공
+
+### (주)스카이시드
+
+- 회사 주요 업무: 웹서비스 개발 및 마케팅 외주 / 학원업
+- 2013.12.01 - 2017.08.07
+
+#### 2013.12 - 2016.01
+
+- 마케팅 외주 업무 지원
+
+#### 2016.01 - 2017.08
+
+- 학원 수강생 관리 시스템 제작 (Ruby on Rails)
+  - 수강생 및 결제/등록 이력 DB 설계
+  - 대량 문자메시지 발송 프로그램 제작 및 OpenAPI 연동
+- 자기소개서 작성 지원 웹서비스 개발
+  - 사용자의 경우 회원가입 / 자기소개서 작성 및 저장 / 자기소개서 인쇄 기능을,
+  - 관리자의 경우 사용자가 동의한 자기소개서 열람 / 회원관리 / 자기소개서 관련 정보 추가 및 편집 기능을 제공.
+  - .NET Framework와 C#으로 개발되었으며, 프론트엔드는 Razor 기반으로 간략하게 제작.
+- 도서 원고 버전관리 웹서비스 개발
+  - 회사에서 제작한 내부용 혹은 외부 출판용 도서 원고의 버전 관리를 지원.
+  - 여러 명이 작업할 경우 개인이 작업한 파일을 업로드하면 자동으로 모든 버전이 보관되고 도서 제작 작업 과정에 따��� 이력을 쉽게 파악할 수 있도록 제공.
+  - .NET Framework와 C#으로 개발.
+- 고등학교 수학 기출문제 분류 및 관리 웹서비스
+  - 교재 제작과 스타트업에서 운영하는 학원에서 사용하기 위해 수능 및 모의고사 수학 기출문제를 자체적인 기준에 따라 분류하고 결과를 제공하는 웹서비스 제작.
+  - 사용자가 최대한 문제 이해와 카테고리 분류에만 집중할 수 있도록 나머지 과정을 최대한 줄여주도록 지원하는 것을 목적으로 함.
+  - .NET Framework와 C#으로 개발.
+- 고등학생 대상 수학 강의
+
+## Personal / Toy projects
+
+### Periodic Dataloader
+
+- Typescript로 만든, 특정 주기마다 load function을 실행할 수 있는 dataloader.
+- GraphQL 방식의 API를 구현할 때 graphqljs에서 제공하는 dataloader에 해당 기능이 없어서 직접 사용하려고 만든 뒤 일반적으로 사용할 수 있도록 약간의 변형을 거쳐서 public package로 배포됨.
+- 기존 Dataloader에 없던 기능 중 추가한 2개의 기능
+  - Periodic execution of batch load function: Load를 기다리는 key가 있을 경우에, 주어진 시간 간격마다 batch load function을 실행하는 기능.
+  - Unique keys only to batch load function: Load를 기다리는 key가 있을 경우에, 모든 key를 batch load function에 넘겨주는 대신 unique key들만 골라서 이들에 대해서만 batch load function을 실행하게 하는 기능.
+- [Github Repository](https://github.com/amoretspero/periodic-dataloader)
+
+### FSharp Linear Algebra
+
+- F#을 처음 접한 뒤, 간단한 라이브러리를 구현해보고 싶어 대학교 수업시간에 배운 선형대수의 개념들을 일부나마 직접 구현해 본 라이브러리.
+- [Github Repository](https://github.com/amoretspero/FSharp_Linear_Algebra)
+
+### Hml Equation Parser
+
+- 한글 문서에서 수식 부분만 추출해내어 사용할 일이 있어 기존에 다른 곳에서 개발해서 오픈소스로 공개한 repository를 fork해서 기능을 더 보완한 프로그램.
+- 기본적으로 한글에서 수식을 입력할 때 사용하는 string을 LaTeX math string으로 변환해주는 기능을 지원.
+- [Github Repository](https://github.com/amoretspero/hml-equation-parser)
+
+## Skills
+
+- **굵게 처리된 내용**: 최근 자주 사용해서 익숙한 skill set
+- *이탤릭 처리된 내용*: 일에서 자주 사용하지는 않았으나 소규모 프로그램 개발 및 유지가 가능한 skill set
+- 그 이외: 주로 대학교 수업 프로젝트 등에 사용했거나, 한 번쯤 다뤄봤던 정도의 skill set
+
+### Programming Languages
+
+- **JavaScript / TypeScript**
+- **Python**
+- **SQL**(MySQL)
+- *C#*
+- *F#*
+- C/C++
+- Java
+- PHP
+
+### Frameworks / Databases
+
+- **Node.js**
+- **MySQL**
+- *Dotnet Framework / Dotnet Core*
+- ArangoDB
+
+### Others
+
+- **Google Cloud Platform**
+- **Nginx**
+- **React**
+- Azure
+
+## Interests
+
+- Programming Languages
+  - Typescript
+  - F#
+  - Python
+- Frameworks
+  - Dotnet Core
+  - Node.js
+  - Tensorflow
+- Others
+  - Functional Programming
+  - React/Recoil
+  - GraphQL
+  - Machine Learning
+  - Quantum Computing
+
+---
+
+Thank you for reading this portfolio.
+
+You can see the github version at: [Github Link](https://github.com/amoretspero/portfolio/blob/main/tl_dr.md)

markdown/archlinux-korea__archlinux-korea.github.io__uim.md

@@ -0,0 +1,73 @@
+# uim 설치법
+## uim 설치
+먼저 AUR에 있는 uim을 설치합니다.
+```
+git clone https://aur.archlinux.org/uim.git
+cd ./uim
+makepkg -si
+cd ..
+rm -rf uim
+```
+설치 도중 컴파일을 진행하기 때문에 시간이 1~2분 정도 걸릴 수 있습니다.
+
+(만약 yay로 설치하시려면 `yay uim`을 하시면 됩니다.)
+## uim 실행
+uim이 시작할때 실행이 되어야 하므로 xprofile 수정을 해야 합니다.
+```
+# nano
+sudo nano ~/.xprofile
+# vim
+sudo vim ~/.xprofile
+
+(그 외에도 vi, emacs, ee등으로도 각자 방법으로 열 수 있습니다.)
+```
+그리고, 밑에 있는 내용을 적어주세요. vi 또는 vim은 적기전에 i를 눌러야 합니다.
+```
+export GTK_IM_MODULE=uim
+export QT_IM_MODULE=uim
+uim-xim &
+export XMODIFIERS=@im=uim
+```
+그후, 그 문서를 저장하고 나갑니다.
+```
+# nano
+ctrl + z, y, 엔터
+# vim 또는 vi
+Esc, :wq
+```
+## uim 한글 설정
+밑의 명령어를 입력합니다.
+```
+uim-pref=gtk
+```
+그러면 설정 프로그램이 나오실건데 위쪽에 있는 specity default IM을 체크합니다.
+
+그후, Default input method에서 많은것들이 나오실건데 거기서 위로 쭉 가서 Byeoru를 선택합니다.
+
+다음으로, 옆에 목록에서 밑으로 내려 Byeoru를 잧습니다.
+
+거기 안에서 ESC turns off Hangul mode (for vi users) 체크 표시를 끕니다.
+
+그리고, 옆에 Byeoru key bindings 1을 찾습니다.
+
+거기서 [Byeoru] on에서 오른쪽에 있는 Edit 버튼을 누릅니다.
+
+그리고 Grab 버튼을 누른 후, 한/영 키를 누릅니다.
+
+Add 버튼을 누른후, <Shift>space를 누르고 Remove를 누릅니다.
+
+마찬가지로 [Byeoru] off에서 오른쪽에 있는 Edit 버튼을 누릅니다.
+
+그리고 Grab 버튼을 누른 후, 한/영 키를 누릅니다.
+
+Add 버튼을 누른후, <Shift>space를 누르고 Remove를 누릅니다.
+
+다음으로,  [Byeoru] convert Hangul to Chinese characters에서 오른쪽에 있는 Edit 버튼을 누릅니다.
+
+그리고 Grab 버튼을 누른 후, 한자 키를 누릅니다.
+
+Add 버튼을 누른후, hangul-hanja를 누르고 Remove를 누릅니다.
+
+드디어! 마지막으로 밑에 있는 OK버튼을 누릅니다.
+
+그리고 재부팅하면 다음부터 한글로 사용이 가능해집니다!

markdown/bbongcol__deep-learning-bookmarks__index.md

@@ -0,0 +1,259 @@
+딥러닝 관련 강의, 자료, 읽을거리들에 대한 모음입니다. 
+
+
+###  강의 모음
+- **김성훈 교수님 강의**
+  - [모두를 위한 딥러닝 강좌 시즌 1](https://www.youtube.com/playlist?list=PLlMkM4tgfjnLSOjrEJN31gZATbcj_MpUm)
+  - [모두를 위한 RL강좌](https://www.youtube.com/watch?v=dZ4vw6v3LcA&list=PLlMkM4tgfjnKsCWav-Z2F-MMFRx-2gMGG&index=1)
+  - [수업웹페이지/슬라이드](https://hunkim.github.io/ml/)
+  - [Github (DeepLearningZeroToAll) 코드](https://github.com/hunkim/DeepLearningZeroToAll/)
+  - [PR12 딥러닝 논문읽기 모임](https://www.youtube.com/playlist?list=PLlMkM4tgfjnJhhd4wn5aj8fVTYJwIpWkS)
+
+- **구글 머신러닝 단기집중과정**
+  - [머신러닝 단기집중과정](https://developers.google.com/machine-learning/crash-course/?hl=ko)
+  - [Learn with Google AI](https://developers.google.com/machine-learning/crash-course/?hl=ko)
+
+- **Dive into Deep Learning**
+  - [Dive into Deep Learning](http://d2l.ai)
+  - [Dive into Deep Learning (D2L Book) Github](https://github.com/d2l-ai/d2l-en)
+
+- **스텐포드 AI 강의 리스트**
+  - [Stanford Artificial Intelligence Laboratory](http://ai.stanford.edu/courses/)
+
+- **CS231n: Convolutional Neural Networks for Visual Recognition (2016)**
+  - [Stanford 유튜브 강의 플레이리스트](https://www.youtube.com/playlist?list=PLkt2uSq6rBVctENoVBg1TpCC7OQi31AlC)
+  - [Stanford 강의 웹페이지](http://cs231n.stanford.edu/2016/)
+  - [Stanford 강의 노트, 슬라이드](http://cs231n.stanford.edu/2016/syllabus)
+  - [유튜브 강의 (Kyoseok Song님 한글설명)](https://www.youtube.com/playlist?list=PL1Kb3QTCLIVtyOuMgyVgT-OeW0PYXl3j5)
+  - [유튜브 강의 (KoreaUniv DSBA)](https://www.youtube.com/playlist?list=PLetSlH8YjIfXMONyPC1t3uuDlc1Mc5F1A)
+  - [강의노트 한글 번역 1 - AI Korea](http://aikorea.org/cs231n/)
+  - [강의노트 한글 번역 2 - ishuca](http://ishuca.tistory.com/category/CS231n)
+  - [유튜브 동영상 강좌 한글 자막](https://github.com/aikorea/cs231n/tree/master/captions/Ko)
+
+- **CS231n: Convolutional Neural Networks for Visual Recognition (Spring 2017)**
+  - [Stanford 유튜브 강의 플레이리스트](https://www.youtube.com/playlist?list=PLC1qU-LWwrF64f4QKQT-Vg5Wr4qEE1Zxk)
+  - [Stanford 강의 웹페이지](http://cs231n.stanford.edu/2017/)
+  - [Stanford 강의노트, 슬라이드](http://cs231n.stanford.edu/2017/syllabus)
+  - [유튜브 동영상 강좌 한글 자막](https://github.com/insurgent92/CS231N_17_KOR_SUB)
+
+- **CS231n: Convolutional Neural Networks for Visual Recognition (Spring 2018)**
+  - [Stanford 강의 웹페이지](http://cs231n.stanford.edu/2018/)
+  - [Stanford 강의노트, 슬라이드](http://cs231n.stanford.edu/2018/syllabus.html)
+  - [Stanford Course Note](http://cs231n.github.io/)
+
+- **CS224n: NLP with Deep Learning**
+  - [유튜브 강의 플레이리스트](https://www.youtube.com/playlist?list=PL3FW7Lu3i5Jsnh1rnUwq_TcylNr7EkRe6)
+  - [강의 웹페이지](http://web.stanford.edu/class/cs224n/)
+
+- **CS 20SI - Tensorflow for Deep Learning Research**
+  - [강의 웹페이지](https://web.stanford.edu/class/cs20si/)
+  - [강의노트](http://web.stanford.edu/class/cs20si/syllabus.html)
+  - [강의용 GitHub](https://github.com/chiphuyen/stanford-tensorflow-tutorials)
+  - [유튜브 동영상 강좌 1 (비공식)](https://www.youtube.com/playlist?list=PLIDllPt3EQZoS8gCP3cw273Cq9puuPLTg)
+  - [유뷰브 동영상 강좌 2 (비공식)](https://www.youtube.com/channel/UCMq6IdbXar_KtYixMS_wHcQ/videos)
+
+- **CS 230 - Deep Learning**
+  - [강의 웹페이지](http://cs230.stanford.edu)
+  - [강의노트](http://cs230.stanford.edu/syllabus.html)
+  - [강의용 GitHub](https://github.com/cs230-stanford/cs230-stanford.github.io)
+  - [Convolutional Neural Networks cheatsheet](https://stanford.edu/~shervine/teaching/cs-230/cheatsheet-convolutional-neural-networks?fbclid=IwAR1j2Q9sAX8GF__XquyOY53fEUY_s8DK2qJAIsEbEFEU7WAbajGg39HhJa8)
+  - [Recurrent Neural Networks cheatsheet](https://stanford.edu/~shervine/teaching/cs-230/cheatsheet-recurrent-neural-networks?fbclid=IwAR2Y7Smmr-rJIZuwGuz72_2t-ZEi-efaYcmDMhabHhUV2Bf6GjCZcSbq4ZI)
+  - [Deep Learning Tips and Tricks cheatsheet](https://stanford.edu/~shervine/teaching/cs-230/cheatsheet-deep-learning-tips-and-tricks?fbclid=IwAR3kZSFd1QhAdjRU4js3ZJvukaMSNZL__eWzWGK1AxL-S0BHhCVLiC1t3vU)
+  - [Deep Learning cheatsheets for Stanford's CS 230 PDF](https://github.com/afshinea/stanford-cs-230-deep-learning?fbclid=IwAR0xG1k7B5JreLGMaG8TWJd2H6xNR6SgKSux3SM0qWyGpkR9YPAWVfypTJk)
+
+- **MIT 6.S094: Deep Learning for Self-Driving Cars**
+  - [강의 웹페이지](http://selfdrivingcars.mit.edu)
+  - [유튜브 강의 플레이리스트](https://www.youtube.com/playlist?list=PLrAXtmErZgOeiKm4sgNOknGvNjby9efdf)
+
+- **DeepLearning TV**
+  - [Deep Learning SIMPLIFIED](https://www.youtube.com/playlist?list=PLjJh1vlSEYgvGod9wWiydumYl8hOXixNu)
+  - [Deep Learning LIBRARIES](https://www.youtube.com/playlist?list=PLjJh1vlSEYgspxwsa5be5TVm3n9JNNC9G)
+  - [Deep Learning CONCEPTS](https://www.youtube.com/playlist?list=PLjJh1vlSEYgvZ3ze_4pxKHNh1g5PId36-)
+
+- **Andrew Ng Machine Learning**
+  - [Coursera 강의 홈페이지](https://www.coursera.org/learn/machine-learning)
+  - [강의노트 정리(영문)](http://www.holehouse.org/mlclass/)
+  - [강의노트 정리(한글)](https://wikidocs.net/book/587)
+  - [코세라 머신러닝(ML) 강의 – 공부 방법 및 후기](https://www.uturtle.com/blog/archives/619)
+  - [수학을 포기한 직업 프로그래머가 머신러닝 학습을 시작하기위한 학습법 소개](http://www.moreagile.net/2015/05/how-to-start-machine-learning-study.html)
+
+- **Andrew Ng Deep Learning Specialization**
+  - [Coursera 강의 홈페이지](https://www.coursera.org/specializations/deep-learning)
+  - [Course 1 - Neural Networks and Deep Learning](https://www.coursera.org/learn/neural-networks-deep-learning)
+  - [Course 2 - Improving Deep Neural Networks](https://www.coursera.org/learn/deep-neural-network)
+  - [Course 3 - Structuring Machine Learning Projects](https://www.coursera.org/learn/machine-learning-projects)
+  - [Course 4 - Convolutional Neural Networks](https://www.coursera.org/learn/convolutional-neural-networks)
+  - [Course 5 - Sequence Models](https://www.coursera.org/learn/nlp-sequence-models)
+  - [앤드류 응의 코세라 딥러닝 전문가 과정 소개](http://1boon.kakao.com/kakao-it/kakaoaireport_07)
+
+- **Deep Learning Summer School**
+  - [Montreal 2015 Video Lectures](http://videolectures.net/deeplearning2015_montreal/)
+  - [Montreal 2016 Video Lectures](http://videolectures.net/deeplearning2016_montreal/)
+  - [Montreal 2017 Video Lectures](http://videolectures.net/deeplearning2017_montreal/)
+
+- **최신 논문으로 시작하는 딥러닝**
+  - [edwith 강의 홈페이지](http://www.edwith.org/deeplearningchoi)
+  - [강사 최성준님의 github](https://github.com/sjchoi86)
+
+- **케라스 강좌**
+  - [(블록과 함께하는) 파이썬 딥러닝 “케라스” 기초](https://tykimos.github.io/lecture/)
+  - [Keras 레퍼런스](https://www.codeonweb.com/course/9e663a9d-7788-4874-bfd6-987a679fb70e)
+
+- **Reinforcement Learning**
+  - [Fundamental of Reinforcement Learning 깃북](https://dnddnjs.gitbooks.io/rl/content/)
+
+- **Tensorflow 공식 강좌**
+  - [Introduction to TensorFlow for Artificial Intelligence, Machine Learning, and Deep Learning](https://www.coursera.org/learn/introduction-tensorflow)
+  - [Intro to TensorFlow for Deep Learning by TensorFlow](https://www.udacity.com/course/intro-to-tensorflow-for-deep-learning--ud187)
+
+- **11-785 Introduction to Deep Learning (CMU)**
+  - [강의 홈페이지](http://deeplearning.cs.cmu.edu/)
+  - [CMU Deep Learning 유튜브 플레이 리스트](https://www.youtube.com/channel/UC8hYZGEkI2dDO8scT8C5UQA/videos)
+
+###  Conferences
+
+- **CVPR (IEEE Conference on Computer Vision and Pattern Recognition)**
+  - [홈페이지](https://www.thecvf.com/)
+  - [CVPR 2018](http://cvpr2018.thecvf.com/)
+  - [CVPR 2017](http://cvpr2017.thecvf.com/)
+  - [CVPR 2017 open access](http://openaccess.thecvf.com/CVPR2017.py)
+  
+- **ICCV (International Conference on Computer Vision)**
+  - [ICCV 2017](http://iccv2007.rutgers.edu/)
+  - [ICCV 2017 open access](http://openaccess.thecvf.com/ICCV2017.py)
+
+- **ECCV (European Conference on Computer Vision)**
+  - [ECCV 2018](https://eccv2018.org/)
+  - [ECCV 2016](http://www.eccv2016.org/main-conference/)
+
+- **NIPS (Neural Information Processing Systems)**
+  - [홈페이지](https://papers.nips.cc/)
+  - [논문모음](https://nips.cc/)
+  
+- **ICLR (International Conference on Learning Representations)**
+  - [홈페이지](https://iclr.cc/)
+  - [ICLR 2018](https://openreview.net/group?id=ICLR.cc/2018/Conference)
+
+- **ICML (International Conference on Machine Learning)**
+  - [홈페이지](https://icml.cc/)
+  - [ICML 2017](https://icml.cc/Conferences/2017/Schedule?type=Poster)
+
+- **논문정리**
+  - [Awesome - Most Cited Deep Learning Papers](https://github.com/terryum/awesome-deep-learning-papers)
+  - [Deep Learning Papers Reading Roadmap](https://github.com/songrotek/Deep-Learning-Papers-Reading-Roadmap)
+  - [Awesome Deep Vision](https://github.com/kjw0612/awesome-deep-vision)
+
+
+### GitHub
+
+- **TensorFlow**
+  - [TensorFlow-Tutorials by golbin](https://github.com/golbin/TensorFlow-Tutorials)
+  - [DeepLearningZeroToAll by hunkim](https://github.com/hunkim/DeepLearningZeroToAll/)
+  - [TensorFlow-Examples by aymericdamien](https://github.com/aymericdamien/TensorFlow-Examples)
+  - [first-steps-with-tensorflow by rickiepark](https://github.com/rickiepark/first-steps-with-tensorflow)
+  - [tensorflow_tutorials by pkmital](https://github.com/pkmital/tensorflow_tutorials)
+  - [TensorFlow-Tutorials by nlintz](https://github.com/nlintz/TensorFlow-Tutorials)
+  - [tensorflow-generative-model-collections by hwalsuklee](https://github.com/hwalsuklee/tensorflow-generative-model-collections)
+  - [TensorFlow-Book](https://github.com/BinRoot/TensorFlow-Book)
+  - [Awesome TensorFlow](https://github.com/jtoy/awesome-tensorflow)
+  - [Tensorflow Tutorials using Jupyter Notebook](https://github.com/sjchoi86/Tensorflow-101)
+  - [tensorflow-wavenet](https://github.com/ibab/tensorflow-wavenet)
+  - [A general-purpose encoder-decoder framework for Tensorflow](https://github.com/google/seq2seq)
+
+- **PyTorch**
+  - [PyTorch-FastCampus by GunhoChoi](https://github.com/GunhoChoi/PyTorch-FastCampus)
+  - [pytorch-generative-model-collections by znxlwm](https://github.com/znxlwm/pytorch-generative-model-collections)
+  - [pytorch-tutorial by yunjey](https://github.com/yunjey/pytorch-tutorial.git)
+  - [examples by pytorch](https://github.com/pytorch/examples)
+  - [pytorch_exercises by Kyubyong](https://github.com/Kyubyong/pytorch_exercises)
+  - [PyTorchZeroToAll for hunkim](https://github.com/hunkim/PyTorchZeroToAll)
+
+- **응용**
+  - [style2paints](https://github.com/lllyasviel/style2paints)
+  - [mobile-deep-learning](https://github.com/baidu/mobile-deep-learning)
+  - [auto-alt-text-lambda-api](https://github.com/abhisuri97/auto-alt-text-lambda-api)
+  - [Fabrik](https://github.com/Cloud-CV/Fabrik)
+  - [convnetjs](https://github.com/karpathy/convnetjs)
+  - [CNN_Own_Dataset](https://github.com/YeongHyeon/CNN_Own_Dataset)
+
+
+### 모바일
+
+- **Android**
+  - [Tensorflow Android Demo](https://github.com/tensorflow/tensorflow/tree/master/tensorflow/examples/android)
+  - [Android & TensorFlow: Artistic Style Transfer](https://codelabs.developers.google.com/codelabs/tensorflow-style-transfer-android/index.html?index=..%2F..%2Fio2017#0)
+  - [TensorFlow for Poets 2: Optimize for Mobile](https://codelabs.developers.google.com/codelabs/tensorflow-for-poets-2/#0)
+  - [Artistic style transfer & other advanced image editing](https://codelabs.developers.google.com/codelabs/android-style-transfer/#0)
+  - [Tutorial: Build Your First Tensorflow Android App](https://omid.al/posts/2017-02-20-Tutorial-Build-Your-First-Tensorflow-Android-App.html)
+  - [Real-time object detection on Android using the YOLO network with TensorFlow](https://github.com/natanielruiz/android-yolo)
+  - [Android O Neural Networks API](https://developer.android.com/ndk/guides/neuralnetworks/index.html)
+  - [Baidu CNN(Convolutional Neural Network) on mobile devices](https://github.com/baidu/mobile-deep-learning)
+
+
+### 유용한 링크
+
+- **한글**
+  - [쉽게 풀어쓴 딥 러닝의 거의 모든 것](http://slownews.kr/41461)
+  - [해커에게 전해들은 머신러닝 - 텐서 플로우 블로그](https://tensorflow.blog/2016/10/31/%ED%95%B4%EC%BB%A4%EC%97%90%EA%B2%8C-%EC%A0%84%ED%95%B4%EB%93%A4%EC%9D%80-%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D/)
+  - [딥 러닝을 위한 콘볼루션 계산 가이드 - 텐서 플로우 블로그](https://tensorflow.blog/a-guide-to-convolution-arithmetic-for-deep-learning/#ch2-3)
+  - [텐서플로우 문서 한글 번역본](https://www.gitbook.com/book/tensorflowkorea/tensorflow-kr/details)
+  - [빅데이터와 머신러닝에 대한 즐겨찾기 모음](http://ddmix.blogspot.kr/2015/11/favorites-bigdata-ml.html)
+  - [라온피플 머신러닝 아카데미](http://laonple.blog.me/220463627091)
+  - [구글 머신러닝 용어집](https://developers.google.com/machine-learning/glossary/)
+  - [고흐의 그림을 따라그리는 Neural Network, a Neural Algorithm of Artistic Style (2015)](http://sanghyukchun.github.io/92/)
+  - [딥러닝 학습 기술들](https://ratsgo.github.io/deep%20learning/2017/04/22/NNtricks/)
+  - [NVIDIA Media Tech Talk : GPU 딥러닝, 최신 자율주행 기술 근황](http://drmola.com/pc_column/236811)
+  - [오토 인코더를 이용한 비정상 거래 검출 모델의 구현](http://bcho.tistory.com/m/1197)
+  - [텐서플로우 첫걸음](https://tensorflow.blog/2016/04/28/first-contact-with-tensorflow/)
+  - [머신러닝 책 로드맵](https://www.mindmeister.com/812276967/)
+  - [수학포기자를 위한 딥러닝과 텐서플로우의 이해](http://bcho.tistory.com/1208)
+  - [Tensor Flow를 이용한 음향인식기 제작](http://cscp2.sogang.ac.kr/CSE5311/index.php/Tensor_Flow%EB%A5%BC_%EC%9D%B4%EC%9A%A9%ED%95%9C_%EC%9D%8C%ED%96%A5%EC%9D%B8%EC%8B%9D%EA%B8%B0_%EC%A0%9C%EC%9E%91#.ED.94.84.EB.A1.9C.EC.A0.9D.ED.8A.B8_.EB.AA.85)
+  - [DeepLearning-Summary](https://github.com/taki0112/Awesome-DeepLearning-Study)
+
+- **영문**
+  - [Python Numpy Tutorial](http://cs231n.github.io/python-numpy-tutorial/)
+  - [Deep Learning - Ian Goodfellow and Yoshua Bengio and Aaron Courville](http://www.deeplearningbook.org/)
+  - [Hacker's guide to Neural Networks - Andrej Karpathy blog](http://karpathy.github.io/neuralnets/) ([번역](https://tensorflow.blog/2016/09/13/%ED%95%B4%EC%BB%A4%EA%B0%80-%EC%95%8C%EB%A0%A4%EC%A3%BC%EB%8A%94-%EB%89%B4%EB%9F%B4-%EB%84%A4%ED%8A%B8%EC%9B%8C%ED%81%AC/))
+  - [Deep Reinforcement Learning: Pong from Pixels - Andrej blog](http://karpathy.github.io/2016/05/31/rl/)
+  - [Learn TensorFlow and deep learning, without a Ph.D.](https://cloud.google.com/blog/big-data/2017/01/learn-tensorflow-and-deep-learning-without-a-phd)
+  - [Deep Learning for NLP Best Practices](http://ruder.io/deep-learning-nlp-best-practices/)
+  - [Google Colaboratory](https://colab.research.google.com)
+  - [Machine Learning Cheatsheet](https://ml-cheatsheet.readthedocs.io/en/latest/index.html)
+  - [Building an Automated Image Captioning Application](https://daniel.lasiman.com/post/image-captioning/)
+
+- **Deep Learning in 2017**
+  - [The Google Brain Team — Looking Back on 2017 (Part 1 of 2)](https://research.googleblog.com/2018/01/the-google-brain-team-looking-back-on.html) ([한글](https://developers-kr.googleblog.com/2018/02/the-google-brain-team-looking-back-on-2017.html))
+  - [The Google Brain Team — Looking Back on 2017 (Part 2 of 2)](https://developers-kr.googleblog.com/2018/02/the-google-brain-team-looking-back-on-2017.html) ([한글](https://developers-kr.googleblog.com/2018/02/the-google-brain-team-looking-back-on-2017_6.html))
+  - [AI and Deep Learning in 2017 – A Year in Review](http://www.wildml.com/2017/12/ai-and-deep-learning-in-2017-a-year-in-review/)
+  - [2017: DeepMind's year in review](https://deepmind.com/blog/2017-deepminds-year-review/)
+  - [2017 Annual Report - AI Index](https://aiindex.org/2017-report.pdf)
+  - [Machine Learning Top 10 Articles for the Past Year (v.2017)](https://medium.mybridge.co/machine-learning-top-10-of-the-year-v-2017-7552599935c0)
+  - [MY FAVORITE DEEP LEARNING PAPERS OF 2017](http://cachestocaches.com/2017/12/favorite-deep-learning-2017/)
+  - [Deep Learning Achievements Over the Past Year – Stats and Bots](https://blog.statsbot.co/deep-learning-achievements-4c563e034257)
+
+- **유튜브**
+  - [Machine Learning Recipes with Josh Gordon](https://www.youtube.com/playlist?list=PLOU2XLYxmsIIuiBfYad6rFYQU_jL2ryal)
+  - [Siraj Raval Youtube Channel](https://www.youtube.com/channel/UCWN3xxRkmTPmbKwht9FuE5A)
+  - [Siraj Raval AI for Business](https://www.youtube.com/playlist?list=PL2-dafEMk2A6oABirZ1Ug805Ag-8W54rN) :  Siraj Raval의 스타트업들을 위한 코스 (한글 자막)
+
+- **SlideShare**
+  - [자습해도 모르겠던 딥러닝, 머리속에 인스톨 시켜드립니다](https://www.slideshare.net/yongho/ss-79607172)
+  - [Generative adversarial networks](https://www.slideshare.net/YunjeyChoi/generative-adversarial-networks-75916964)
+  - [Python과 Tensorflow를 활용한 AI Chatbot 개발 및 실무 적용](https://www.slideshare.net/healess/python-tensorflow-ai-chatbot)
+  - [Applying deep learning to medical data](https://www.slideshare.net/hyunseokmin/applying-deep-learning-to-medical-data)
+
+- **AI 관련 Blog**
+  - [Google Research Blog](https://research.googleblog.com)
+  - [Microsoft Research](https://www.microsoft.com/en-us/research/)
+  - [Facebook Research](https://research.fb.com) 
+  - [Apple Machine Learning Journal](https://machinelearning.apple.com)
+  - [Baidu Research](http://research.baidu.com)
+  - [Berkeley Artificial Intelligence Research](http://bair.berkeley.edu/blog/?refresh=1)
+  - [Deepmind](https://deepmind.com/blog/)
+  - [다음 카카오 AI리포트](https://brunch.co.kr/magazine/kakaoaireport)
+  
+- **커뮤니티**
+  - [TensorFlow KR](https://www.facebook.com/groups/TensorFlowKR/), [FB Sight TF-KR](http://fbsight.com/c/TF-KR)
+  - [AI Korea (Deep Learning)](https://www.facebook.com/groups/AIKoreaOpen)
+  - [PyTorch KR](https://www.facebook.com/groups/PyTorchKR/)
+  - [Reddit MachineLearning](https://www.reddit.com/r/MachineLearning/)

markdown/bookkg2__TIL__DB3.md

@@ -0,0 +1,229 @@
+### 다양한 함수
+
+- 함수에는 크게 나누어 산술 함수, 문자열 함수, 날짜 함수, 변환 함수, 집약 함수가 있다.
+- 함수 종류가 많기 때문에 모든 것을 기억할 필요는 없다. 자주 사용하는 대표저인 것만 기억해 두었다가 그 이외의 것은 필요한 시점에 찾아 보도록 한다.
+
+### 산술 함수 (Oracle)
+
+- 절대값 (ABS)
+
+```sql
+SELECT ENAME, ABS(SAL) FROM EMP;
+```
+
+- 나머지(MOD)
+
+```sql
+SELECT ENAME, MOD(SAL,3) FROM EMP;
+```
+
+- 반올림(ROUND)
+
+```sql
+SELECT ENAME, SAL,ROUND(SAL/7,3) FROM EMP; -- ROUND(SAL/7,3) 에서 ,3 은 몇자리 ?
+```
+
+### 문자열 함수
+
+
+
+- 연결 (||) 
+
+```sql
+SELECT ENAME || ' ' || JOB FROM EMP; -- ' ': 스페이스
+```
+
+`` SQL server 나 Mysql 에서는 '+' 로 사용``
+
+- 소문자화 (LOWER) , 대문자는(UPPER)
+
+```sql
+SELECT LOWER(ENAME) || ' ' || JOB FROM EMP;
+```
+
+- 문자열 길이(LENGTH)
+
+```sql
+SELECT LENGTH(ENAME) FROM EMP;
+```
+
+- 문자열 잘라내기(SUBSTR)
+
+```sql
+SELECT ENAME, SUBSTR(ENAME,1,3) FROM EMP --(해당 COLOUM명,어디에서 부터,어디까지)
+```
+
+``SUBSTR(대상문자열,잘라내기 시작 위치 ,잘라낼 문자수 )``
+
+- 문자열 치환(REPLACE)
+
+```sql
+SELECT REPLACE(ENAME,SUBSTR(ENAME,1,3), 'AAA') FROM EMP;--'AAA' 무엇으로 바꾸겠는가
+-- 즉 ENAME의 1~3까지를 AAA로 바꾸어라
+```
+
+ `` REPLACE(대상 문자열, 치환 전 문자열, 치환 후 문자열)``
+
+- 문제 -  첫문자만 대문자로 만들어서 가져와라
+
+```sql
+
+SELECT REPLACE(ENAME,SUBSTR(ENAME,2,LENGTH(ENAME)), LOWER(SUBSTR(ENAME,2,LENGTH(ENAME)))) FROM EMP;
+```
+
+- OR의 다른 표현 법★
+
+```sql
+SELECT ENAME,SAL FROM EMP
+WHERE DEPTNO IN (20,30); -- 20과 30이 있는 (OR)
+```
+
+### 날짜 함수
+
+
+
+- 날짜 사용
+
+```sql
+SELECT ENAME, HIREDATE,CURRENT_DATE FROM EMP;--1
+
+SELECT ENAME, HIREDATE,SYSDATE FROM EMP;--2
+
+SELECT ENAME, HIREDATE,CURRENT_TIMESTAMP FROM EMP; --CURRENT_TIMESTAMP : 시간
+```
+
+- 시간과 날짜
+
+  ```sql
+  SELECT ENAME, HIREDATE,TO_CHAR(CURRENT_TIMESTAMP,'YYYY:HH:MM:SS') FROM EMP;
+  
+  SELECT ENAME, HIREDATE,TO_CHAR(CURRENT_TIMESTAMP,'YYYY:MM:DD:HH:MM:SS') FROM EMP;
+  ```
+
+
+
+- TO_CHAR - 날짜를 원하는 문자로 바꾸고 싶을 때  , TO_DATE 다시 날짜 형태로 바꾸고 싶을 때
+
+  ```sql
+  SELECT ENAME, HIREDATE,TO_CHAR(HIREDATE,'YYYY/MM/DD') FROM EMP;
+  
+  INSERT INTO T_PRODUCT VALUES('id98','pants',10000,TO_DATE('2010/10/11','YY:MM:DD')); -- 문자열을 DATE type 형태로 !
+  
+  ```
+
+
+
+- NULL 값에 값 처리(NVL. NVL2)
+
+```sql
+SELECT ENAME,NVL(COMM,'0') FROM EMP; -- 해당COMM의 NULL 값을 0으로 처리
+
+SELECT ENAME,NVL2(COMM,'0','1') FROM EMP; -- NULL이면 0으로 표시 아니면 1로 표시
+```
+
+
+
+
+
+- 두 날짜 사이의 간격
+
+```sql
+SELECT ENAME,HIREDATE,SYSDATE - HIREDATE,-- SYSDATE - HIREDATE : 두 현재와 해당 날짜의 '일수' 차이
+MONTHS_BETWEEN(SYSDATE,HIREDATE)-- 두 현재와 해당 날짜의 '월' 차이
+FROM EMP;
+```
+
+### 술어
+
+- LIKE
+
+```sql
+SELECT ENAME,SAL FROM EMP
+WHERE SAL LIKE '5%';
+```
+
+- BETWEEN
+
+```sql
+SELECT ENAME,SAL FROM EMP
+WHERE SAL BETWEEN 2000 AND 5000 -- 단 BETWEEN은 양쪽 값을 포함한다.(초과, 미만은 안됨)
+```
+
+- IN(OR의 다른 표현 법★)
+
+```
+SELECT ENAME,SAL FROM EMP
+WHERE DEPTNO IN (20,30); -- 20과 30이 있는 (OR)
+```
+
+
+
+### CASE 식
+
+```sql
+SELECT ENAME,
+CASE WHEN JOB ='PRESIDEMT'
+     THEN '왕'
+     WHEN JOB ='MANAGER'
+     THEN '관리자'
+     ELSE '직원'-- 둘다 아니면
+END -- 끝나면 항상 !!!
+FROM EMP;
+
+SELECT ENAME,
+CASE WHEN SAL >= 5000
+     THEN '왕'
+     WHEN SAL >= 3000 AND SAL < 5000
+     THEN '관리자'
+     ELSE '직원'
+END
+FROM EMP;
+
+SELECT ENAME,SAL,
+CASE WHEN SAL >= 5000
+     THEN '왕'
+     WHEN SAL >= 3000 AND SAL < 5000
+     THEN '관리자'
+     ELSE '직원'
+END AS GRADE -- AS를 써서 이름을 깔끔하게 바꿔준다.
+FROM EMP;
+
+```
+
+
+
+
+
+#### 주의
+
+- ORACLE 에서 한글 하나는 3Byte 차지!!!
+
+  ```sql
+  
+  INSERT INTO T_USER VALUES('id78','pwd78','가나다라마바'); -- '가' : 3byte
+  ```
+
+  
+
+- SUBSTR에서 값이 숫자 이면 문자를 숫자로 가져와서 계산이 가능하고 문자가 들어가면 안된다.
+
+```sql
+SELECT ENAME,SUBSTR(SAL,1,2)*10 FROM EMP; - 가능
+
+SELECT ENAME,SUBSTR(ENAME,1,2)*10 FROM EMP; - 불가능 : ENAME에 문자가 들어가서
+```
+
+- 객체들 끼리는 가능 연산 가능 하지만 TO_CHAR 끼리는 불가능 
+
+```sql
+SELECT ENAME, 
+TO_CHAR(CURRENT_TIMESTAMP,'YYYY:MM:DD:HH:MM:SS'),
+TO_CHAR(HIREDATE,'YYYY/MM/DD'),SYSDATE,SYSDATE - HIREDATE FROM EMP; -- 가능
+
+TO_CHAR(SYSDATE,'YYY/MM') - TO_CHAR(HIREDATE,'YYYY/MM') -- 불가능
+
+
+
+
+```
+

markdown/crapas1974__army_lecture__Tips.md

@@ -0,0 +1,114 @@
+# 실습 관련 이슈 해결에 대하여
+
+## 빠른 해결 방법
+
+- 이 방법은 윈도우 터미널을 사용하지 않습니다.
+- 미니콘다를 설치하면 기본 설치되는 아나콘다 프롬프트(anaconda prompt)를 활용합니다.
+
+![alt text](resources/tip_1.png)
+
+- 아나콘다 프롬프트 환경에서 다음과 같이 가상 환경을 생성 할 수 있습니다.
+  - `...> conda create -n env_name`
+
+![alt text](resources/tip_2.png)
+
+- visual studio code에서 아나콘다 프롬프트 환경에서 생성한 가상 환경을 사용할 수 있습니다. 예를 들어 아래 그림은 노트북에서 커널을 선택할 때, 생성한 가상 환경을 선택하는 상황의 예시입니다. 목록 제일 아래에 예시로 생성한 env_name 가상환경이 있습니다.
+
+![alt text](resources/tip_3.png)
+
+- 노트북을 실행하다가 특정 모듈 (예를 들어 matplotlib)가 필요하면 다음과 같이 오류가 발생할겁니다.
+
+![alt text](resources/tip_3_5.png)
+
+- 이 경우 아나콘다 프롬프트에서 패키지를 추가 실행하면 됩니다.
+- 단 설치할 때의 가상환경이 반드시 생성한 가상 환경 (예를 들어 env_name) 이어야 합니다. 다른 가상환경에서 설치하면, 커널에 선택한 가상환경에서는 이 패키지를 사용할 수 없습니다.
+  - `...> conda activate env_name`
+- 다음 스크린샷은 아나콘다 프롬프트에서 가상 환경을 활성화하는 예시입니다.
+
+![alt text](resources/tip_4.png)
+
+- 이렇게 활성화 한 다음에 필요한 패키지를 설치해야 합니다.
+
+![alt text](resources/tip_4_5.png)
+
+- 실습을 위해서 설치해야 하는 외부 패키지는 다음과 같습니다.
+  - pandas - `conda install pandas`
+  - numpy - pandas를 설치하면 자동으로 설치됩니다. 별도로 설치하려면 `conda install numpy`로 설치할 수 있습니다.
+  - statsmodels - `conda install statsmodels`
+  - seaborn - `cona install seaborn`
+  - scipy - statsmodels를 설치하면 자동으로 설치됩니다. 별도로 설치하려면 `conda install scipy`로 설치할 수 있습니다.
+
+## 주피터 노트북 실행 관련
+
+- Visual Studio Code에서 ipynb 파일을 오픈한 후 커널을 선택하면, 자동으로 필요한 패키지를 설치합니다. 다만 일부 버전, 일부 환경, 또는 그 시점에 인터넷 연결이 되어 있지 않은 경우 등의 상황에 이 작업이 자동으로 진행되지 않는 것 같습니다. 이 경우 인터넷이 연결된 환경의 아나콘다 프롬프트에서 다음을 입력해 보세요. 아래 `-n env_name`은 각자 실습에 사용할 가상 환경 이름을 사용해야 합니다.
+
+  - `conda install -n ctest ipykernel --update-deps --force-reinstall`
+
+## 터미널로 실행한 파워셸과 아나콘다 프롬프트의 차이
+
+- 윈도우 10 또는 윈도우 11에는 두 종류의 명령행 프롬프트가 있습니다. 하나는 파워셸이고 하나는 명령 프롬프트인데, 아나콘다 프롬프트는 명령 프롬프트 기반으로 동작합니다.
+  - 실행중인 명령행 프롬프트가 파워셀인지 명령 프롬프트인지를 구분하려면 화면에 PS가 출력되는지를 확인하면 됩니다.
+  - 파워셸로 동작하는 터미널 앱의 경우
+
+![alt text](resources/tip_6.png)
+
+- 명령 프롬프트로 동작하는 아나콘다 프롬프트의 경우
+
+![alt text](resources/tip_1.png)
+
+- 파워셸의 사용법은 별도로 공부하셔야 하지만, 명령 프롬프트와 파워셸의 차이를 간단하게 설명하면 다음과 같습니다.
+
+| 차이점                      | 명령 프롬프트                               | 파워셸                                      | 호환 | 비고                                                                                                                     |
+| --------------------------- | ------------------------------------------- | ------------------------------------------- | ---- | ------------------------------------------------------------------------------------------------------------------------ |
+| 현재 디렉토리 표시          | `cd`                                        | `pwd`                                       | X    |
+| 디렉토리 변경               | `cd 경로`                                   | `Set-Location 경로`                         | O    |
+| 디렉토리의 내용을 보는 명령 | `dir`                                       | `ls`                                        | O    |
+| 파일 복사                   | `copy 원본 목적`                            | `Copy-Item 원본 목적`                       | O    | `목적`이 존재하는 디렉토리이면 디렉토리에 같은 이름으로 복사, 그 이외의 경우는 `목적`의 이름으로 파일 이름을 바꾸어 복사 |
+| 파일 이동                   | `move 원본 목적`                            | `Move-Item 원본 목적`                       | O    | 상동                                                                                                                     |
+| 파일 생성                   | `copy con 파일이름`                         | `New-Item 파일이름 -ItemType File`          | X    |
+| 파일 삭제                   | `del 파일이름`                              | `Remove-Item 파일이름`                      | O    |
+| 텍스트 파일 내용 보기       | `type 파일이름`                             | `Get-Content 파일이름`                      | O    |
+| 디렉토리 생성               | `mkdir 디렉토리이름` 또는 `md 디렉토리이름` | `New-Item 디렉토리이름 -ItemType Directory` | O    |
+| 디렉토리 삭제               | `rmdir 디렉토리이름` 또는 `rd 디렉토리이름` | `Remove-Item 디렉토리이름`                  | O    | 파워셸 `Remove-Item` 명령의 경우 `-Recurse` 옵션을 추가하면 하위 디렉토리도 삭제 가능                                    |
+| 실행중인 프로세스 확인      | `tasklist`                                  | `Get-Process`                               | O    |
+
+- 명령어 입력시 대소문자는 꼭 구분해 입력할 필요는 없습니다.
+- 호환의 의미는 명령 프롬프트에서 사용할 수 있는 명령을 같은 용도로 파워셸에서 사용할 수 있는지의 여부입니다.
+  - 예를 들어서 명령 프롬프트의 `tasklist`는 파워셸에서 사용할 수 있습니다.
+  - 하지만 명령 프롬프트의 현재 디렉토리를 확인하는 명령 `cd`는 파워셸에서 다른 방식으로 동작하며
+  - 명령 프롬프트의 `copy con 파일이름`은 파워셸에서는 사용할 수 없습니다.
+  - 파워셸의 명령은 명령 프롬프트에서는 사용할 수 없습니다.
+
+## 권한 문제로 터미널 앱에서 미니콘다 실습환경을 구성할 수 없는 경우
+
+- 파워셸을 실행합니다. (설치한 터미널앱을 실행했을 때 PS가 찍히는 환경 또는 Windows PowerShell 앱을 실행합니다.)
+- 다음 명령을 실행해봅니다.
+  - `Get-ExecutionPolicy` (입력할 때 대소문자는 꼭 구분해 입력할 필요는 없습니다.)
+- 결과는 다음 중 하나입니다.
+  - `Restricted`
+  - `AllSigned`
+  - `RemoteSigned`
+  - `Unrestrictede`
+  - `Bypass`
+- 만약 결과가 Restricted 또는 AllSigned인 경우 다음과 같이 실행 권한을 변경합니다.
+  - `Set-ExecutionPolicy RemoteSigned -Scope CurrentUser`
+  - 만약 여러 사람이 사용하는 컴퓨터이고, 모든 사용자에게 같은 권한을 부여하려면 `CurrentUser` 대신 `LocalMachine`으로 바꾸면 됩니다.
+  - 변경 시에 권한이 필요하다고 요청할 수 있습니다. 만약 "관리자 권한으로 실행"해야 한다는 오류 메시지가 나오면 실행 중인 파워셸을 관리자 권한으로 실행해야 합니다.
+    - 관리자 권한으로 실행하는 방법은 앱을 실행할 때 바로 클릭하는 대신 마우스 오른쪽 클릭을 하면 메뉴가 나오고, 이 메뉴에서 관리자 권한 실행 여부를 선택할 수 있습니다.
+
+![alt text](resources/tip_7.png)
+
+# 데이터 실습 관련 팁
+
+## `matplotlib`의 한글 관련 이슈
+
+- `matplotlib`에서 한글로 그래프 제목 등을 붙이려고 하면 정상적으로 처리되지 않을 수 있습니다. 이는 폰트 문제로 별도로 한글 출력이 가능한 폰트를 지정해 주어야 합니다.
+- 폰트 지정은 다음과 같이 할 수 있습니다.
+
+```python
+import matplotlib.pyplot as plt
+from matplotlib import font_manager, rc
+rc("font", family="Malgun Gothic")  # 맑은 고딕 폰트
+# 한글 폰트 설정 시 - 부호에 문제가 될 수 있습니다. 이를 방지하기 위함입니다.
+plt.rcParams['axes.unicode_minus'] = False
+```

markdown/dahlia__cjk-compsci-terms__ko.md

@@ -0,0 +1,158 @@
+한·중·일 전산학 용어 대조
+=========================
+
+[![GitHub](https://img.shields.io/github/stars/dahlia/cjk-compsci-terms?style=social)][GitHub]
+[![Netlify](https://api.netlify.com/api/v1/badges/2ae1a16c-e345-4863-90c0-080e520855a5/deploy-status)][Netlify]
+[![크리에이티브 커먼즈 라이선스](cc-by-sa.svg)][CC BY-SA 4.0]
+[![GitHub Sponsors](https://img.shields.io/github/sponsors/dahlia?logo=github)][GitHub Sponsors]
+
+한국·일본·중화권은 이른바 [한자문화권]으로 불리며,
+근대 이후 서양의 여러 개념을 한자의 조어력을 이용해 번역차용했습니다.
+그 중에서는 각자 다른 번역어를 만든 것도 있지만,
+옆 나라의 번역어를 수입한 경우도 있습니다.
+옆 나라에서 수입한 어근과 자국의 고유어를 합쳐서 번역차용어를
+만드는 경우도 있습니다.
+그 결과, 한자문화권의 나라들은 많은 말을 공유하면서도 어느 정도
+각자의 고유한 부분을 갖게 됐습니다.
+그리고 이는 전산학 번역어에서도 다르지 않습니다.
+
+이 페이지는 주로 영어가 원어인 전산학의 여러 용어들을 한자문화권의
+여러 지역에서 어떻게 옮겨서 부르고 있는지를 비교한 대조표를 싣고 있습니다.
+
+이 저작물은 [크리에이티브 커먼즈 저작자표시-동일조건변경허락 4.0 국제
+라이선스][CC BY-SA 4.0]에 따라 이용할 수 있습니다.
+
+[한자문화권]: https://ko.wikipedia.org/wiki/%ED%95%9C%EC%9E%90_%EB%AC%B8%ED%99%94%EA%B6%8C
+[GitHub]: https://github.com/dahlia/cjk-compsci-terms
+[Netlify]: https://app.netlify.com/sites/cjk-compsci-terms/deploys
+[CC BY-SA 4.0]: https://creativecommons.org/licenses/by-sa/4.0/
+[GitHub Sponsors]: https://github.com/sponsors/dahlia
+
+
+<!-- TOC: 목차 -->
+
+
+일러두기
+--------
+
+### 동계어 <span lang="en">(cognate)</span>
+
+동계어는 한 쪽이 다른 한 쪽에서 파생했거나 공통된 어원을 공유하는 단어들을
+뜻합니다.
+
+예를 들어, 영어 <q lang="en">computer</q>와 한국어 <q>컴퓨터</q>, 일본어 <q
+lang="ja">情報</q>(조우호우)와 한국어 <q>정보</q>(情報)는 동계어입니다.
+
+동계어는 같은 색의 테두리로 표시됩니다.
+
+### 번역차용 <span lang="fr">(calque)</span>
+
+번역차용이란 원어를 어근 단위로 번역하여 단어를 차용하는 방식입니다.
+
+예를 들어, 영어 <q lang="en">artificial intelligence</q>의 한국어 번역어
+<q lang="ko">인공 지능</q>은 영어의 어근 <q lang="en">artificial</q> →
+<q lang="ko">인공</q>과 <q lang="en">intelligence</q> →
+<q lang="ko">지능</q>을 각각 번역하여 차용했습니다.
+
+이와 같이 여러 언어 사이에서 대응되는 어근은 같은 색과 모양의 밑줄로
+표시됩니다.
+
+### 한자어
+
+어근이 한자어일 경우, 한국식 한자 독음을 글자 위에 표시합니다.
+
+예를 들어, 일본어 <q lang="ja">情報</q>(조우호우)는 한국어
+<q>정보</q>(情報)와 동계어임을 알아보기 쉽도록, 글자 위에는 일본어 독음인
+<q>조우호우</q>가 아닌 한국 한자음 <q>정보</q>를 표시합니다: <q
+lang="ja"><ruby>情<rt lang="ko">정</rt>報<rt lang="ko">보</rt></ruby></q>.
+
+### 음차
+
+어근이 외국어의 음차일 경우, 원문 표기를 어근 위에 표시합니다.
+
+예를 들어, 중국어 <q lang="zh">圖靈</q>(투링)은 영국 수학자 앨런
+튜링(<span lang="en">Alan Turing</span>)의 음차이므로,
+글자 위에는 한국 한자음 <q>도령</q>이 아니라 원어 <q lang="en">Turing</q>을
+표시합니다: <q lang="zh"><ruby>圖靈<rt lang="en">Turing</rt></ruby></q>.
+
+### 현지음 로마자 표기
+
+단어의 현지음은 단어 아래 괄호 안에 로마자로 표기됩니다.
+언어별 전사 방식은 다음과 같습니다.
+
+한국어
+:   [국립국어원 로마자 표기법] (한글 복원을 전제로 한 학술 표기[^1])
+
+일본어
+:   [헵번식 로마자 표기법]
+
+표준 중국어 (중국·대만)
+:   [한어 병음]
+
+광동어 (홍콩)
+:   [월병]
+
+*[월병]: 홍콩 언어학 학회 월어 병음 방안
+
+[^1]: 국립국어원 [〈국어의 로마자 표기법〉 제3장 제8항].
+
+[국립국어원 로마자 표기법]: https://kornorms.korean.go.kr/regltn/regltnView.do?regltn_code=0004
+[헵번식 로마자 표기법]: https://ko.wikipedia.org/wiki/%ED%97%B5%EB%B2%88%EC%8B%9D_%EB%A1%9C%EB%A7%88%EC%9E%90_%ED%91%9C%EA%B8%B0%EB%B2%95
+[한어 병음]: https://ko.wikipedia.org/wiki/%ED%95%9C%EC%96%B4_%EB%B3%91%EC%9D%8C
+[월병]: https://ko.wikipedia.org/wiki/%ED%99%8D%EC%BD%A9_%EC%96%B8%EC%96%B4%ED%95%99_%ED%95%99%ED%9A%8C_%EC%9B%94%EC%96%B4_%EB%B3%91%EC%9D%8C_%EB%B0%A9%EC%95%88
+[〈국어의 로마자 표기법〉 제3장 제8항]: https://kornorms.korean.go.kr/regltn/regltnView.do?regltn_code=0004#a489
+
+
+기본 용어
+---------
+
+[표 보기](tables/basic.yaml)
+
+
+단위
+----
+
+[표 보기](tables/units.yaml)
+
+
+연구 분야
+---------
+
+[표 보기](tables/studies.yaml)
+
+
+프로그래밍
+----------
+
+[표 보기](tables/programming.yaml)
+
+
+도구
+----
+
+[표 보기](tables/tools.yaml)
+
+
+계산 이론
+---------
+
+[표 보기](tables/theory-comp.yaml)
+
+
+프로그래밍 패러다임
+-------------------
+
+[표 보기](tables/paradigms.yaml)
+
+
+동시성 프로그래밍
+----------------
+
+[표 보기](tables/concurrency.yaml)
+
+
+
+자유·오픈 소스 소프트웨어
+-------------------------
+
+[표 보기](tables/foss.yaml)

markdown/datanada__Awesome-Korean-NLP__README.md

@@ -0,0 +1,204 @@
+# Awesome-Korean-NLP
+
+A curated list of Natural Language Processing (NLP) of 
+- NLP of Korean Text
+- NLP information written in Korean.
+
+Feel free to contribute! or [blab it here](http://collabedit.com/ttqun)
+
+Maintainer: [Jaemin Cho](https://github.com/j-min/)
+
+
+## Index
+
+1. [Tools](#1.-Tools)
+2. [Dataset](#2.-Dataset)
+3. [Blogs / Slides / Researchers](#3.-Blogs-/-Slides-/-Researchers-)
+4. [Papers](#4.-Papers)
+5. [Lectures](#5.-Lectures)
+6. [Journals / Conferences / Institutes / Events](#6.-Journals-/-Conferences-/-Institutes-/-Events)
+7. [Online Communities](#7.-Online-Communities)
+8. [How to contribute](#8.-How-to-contribute)
+
+## 1. Tools
+
+(Korean-specific tools are listed ahead of language-agnostic tools.)
+
+### 1.1. Morpheme/형태소 분석기 +  Part of Speech(PoS)/품사 Tagger 
+- Hannanum (한나눔) (Java, C) [[link](https://kldp.net/hannanum/)]
+	- KoNLPy (Python) [[link](http://konlpy.org/en/v0.4.4/api/konlpy.tag/#module-konlpy.tag._hannanum)]
+- Kkma (꼬꼬마) (Java) [[link](http://kkma.snu.ac.kr/documents/index.jsp)] [[paper](http://ids.snu.ac.kr/w/images/f/f8/CPL2010-therocks.pdf)]
+	- KoNLPy (Python) [[link](http://konlpy.org/en/v0.4.4/api/konlpy.tag/#module-konlpy.tag._kkma)]
+- Komoran (Java) [[link](http://www.shineware.co.kr/?page_id=835)]
+	- KoNLPy (Python) [[link](http://konlpy.org/en/v0.4.4/api/konlpy.tag/#module-konlpy.tag._komoran)]
+- Mecab-ko (C++) [[link](https://bitbucket.org/eunjeon/mecab-ko)]
+	- KoNLPy (Python) [[link](http://konlpy.org/en/v0.4.4/api/konlpy.tag/#mecab-class)]
+- Twitter (Scala, Java) [[link](https://github.com/twitter/twitter-korean-text)]
+	- KoNLPy (Python) [[link](http://konlpy.org/en/v0.4.4/api/konlpy.tag/#module-konlpy.tag._twitter)]
+	- .NET, Node.js, Python, Ruby, Elasitc Search bindings
+- dparser (REST API) [[link](http://findyou.readthedocs.io/ko/latest/dparser.html)]
+- UTagger [[link](http://nlplab.ulsan.ac.kr/doku.php?id=utagger)]
+- Arirang (Lucence, Java) [[link](http://cafe.naver.com/korlucene)]
+- Rouzeta [[link](https://shleekr.github.io/)] [[slide](http://www.slideshare.net/JieunLee5/ss-67333029?ref=https://readme.skplanet.com/?p=13166)] [[video](https://www.youtube.com/watch?v=tkSVbfWZgn8)]
+- seunjeon (Scala, Java) [[link](https://bitbucket.org/eunjeon/seunjeon)]
+- RHINO (라이노) [[link](https://sourceforge.net/projects/koreananalyzer/)]
+- KTS [[paper](http://scholar.ndsl.kr/schDetail.do?cn=NPAP07926299#)]
+- 깜짝새 [[link](https://ryubook.wordpress.com/%EA%B9%9C%EC%A7%9D%EC%83%88-1-5-5-beta/)]
+
+### 1.2. Named Entity(NE) Tagger / 개체명 인식기
+- annie [[link](https://github.com/krikit/annie)]
+
+### 1.3. Spell Checker / 맞춤법 검사기
+- PNU Spell Checker [[link](http://speller.cs.pusan.ac.kr/)]
+- Naver Spell Checker [[link](https://search.naver.com/search.naver?where=nexearch&sm=tab_jum&ie=utf8&query=%ED%95%9C%EA%B8%80+%EB%A7%9E%EC%B6%A4%EB%B2%95+%EA%B2%80%EC%82%AC%EA%B8%B0)]
+- Daum Spell Checker [[link](http://alldic.daum.net/grammar_checker.do)]
+- hunspell-ko [[link](https://github.com/changwoo/hunspell-dict-ko)]
+
+### 1.4. Syntax Parser / 구문 분석기
+- dparser (REST API) [[link](http://findyou.readthedocs.io/ko/latest/dparser.html)]
+- NLP HUB (Java) [[link](http://semanticweb.kaist.ac.kr/home/index.php/NLP_HUB)]
+
+### 1.5. Sentimental Analysis / 감정 분석기
+- OpenHangul (오픈한글) [[link](http://openhangul.com/)] [[paper](http://web.yonsei.ac.kr/dslab/Journal/sentiment%20dictionary.pdf)]
+
+### 1.6. Translator / 번역기
+- Naver NMT [[link](http://labspace.naver.com/nmt/)]
+- OpenNMT [[link](http://opennmt.net/)]
+- Google Translator [[link](https://translate.google.com/)]
+
+### 1.7. Packages
+- KoNLP (R\) [[link](https://cran.r-project.org/web/packages/KoNLP/index.html)]
+- KoNLPy (Python) [[link](konlpy.org)] [[paper](http://dmlab.snu.ac.kr/~lucypark/docs/2014-10-10-hclt.pdf)]
+- KoalaNLP (Scala) [[link](https://nearbydelta.github.io/KoalaNLP/)]
+- NLTK (Python) [[link](http://www.nltk.org/)] [[paper](http://www.aclweb.org/anthology/P04-3031)]
+- gensim (Python) [[link](https://radimrehurek.com/gensim/)]
+- FastText (C) [[link](https://github.com/facebookresearch/fastText)]
+	- FastText.py (Python) [[link](https://github.com/salestock/fastText.py)]
+
+### 1.8. Others / 기타
+- Hangulpy (Python) [[link](https://github.com/rhobot/Hangulpy)]
+	- 자동 조사/접미사 첨부, 자모 분해 및 결합
+- Hangulize (Python) [[link](https://github.com/sublee/hangulize)]
+	- 외래어 한글 변환
+- Hanja (Python) [[link](https://pypi.python.org/pypi/hanja)]
+	- 한자 한글 변환
+- kroman [[link](https://github.com/zhangkaiyulw/kroman)]
+	- Hangul Romanization
+	- [Ruby](https://github.com/cheunghy/kroman-gem), [Python](https://github.com/zhangkaiyulw/kroman-py), [NodeJS](https://github.com/cheunghy/kroman-js), [Objective-C](https://github.com/cheunghy/kroman-objc), [Swift](https://github.com/cheunghy/kroman-swift)
+- hangul (Perl) [[link](https://github.com/dragoncrane/hangul)]
+	- Hangul Romanization
+- textrankr (Python) [[link](https://github.com/theeluwin/textrankr)] [[demo](https://summariz3.herokuapp.com)]
+	- TextRank 기반 한국어 문서 요약
+- 한국어 Word2Vec [[demo](http://virgon.snu.ac.kr:8000/)] [[paper](https://docs.google.com/viewer?a=v&pid=sites&srcid=ZGVmYXVsdGRvbWFpbnwyMDE2aGNsdHxneDozMjkyYjRkYWViM2Q0MzU2)]
+	- 한국어 Word2Vec의 analogy test 데모
+- 나쁜 단어 사전 [[link](http://badworddictionary.xyz/)]
+	- crowdsourced dic about badword in korean
+
+
+## 2. Dataset
+- Sejong Corpus [[link](https://ithub.korean.go.kr/user/corpus/corpusSearchManager.do)]
+- KAIST Corpus [[link](http://semanticweb.kaist.ac.kr/home/index.php/KAIST_Corpus)]
+- Yonsei Univ. Corpus
+- Korea Univ. Corpus
+- Ulsan Univ. Corpus [[link](http://nlplab.ulsan.ac.kr/doku.php?id=ucorpus)]
+- Wikipedia Dump [[link](https://dumps.wikimedia.org/kowiki/)] [[Extractor](https://github.com/j-min/WikiExtractor_To_the_one_text)]
+- NamuWiki Dump [[link](https://namu.wiki/w/%EB%82%98%EB%AC%B4%EC%9C%84%ED%82%A4:%EB%8D%B0%EC%9D%B4%ED%84%B0%EB%B2%A0%EC%9D%B4%EC%8A%A4%20%EB%8D%A4%ED%94%84)] [[Extractor](https://github.com/j-min/Easy-Namuwiki-Extractor)]
+- Naver News Archive [[link](http://dna.naver.com)]
+- Chosun Archive [[link](http://srchdb1.chosun.com/pdf/i_archive/)]
+- Naver sentiment movie corpus [[link](https://github.com/e9t/nsmc/)]
+- sci-news-sum-kr-50 [[link](https://github.com/theeluwin/sci-news-sum-kr-50)]
+
+
+## 3. Blogs / Slides / Researchers
+### 3.1. Blogs
+- dsindex's blog [[link](http://dsindex.github.io/)]
+- 엑사젠, "혼자 힘으로 한국어 챗봇 개발하기" [[link](http://exagen.tistory.com/notice/63)]
+- Beomsu Kim, "word2vec 관련 이론 정리" [[link](https://shuuki4.wordpress.com/2016/01/27/word2vec-%EA%B4%80%EB%A0%A8-%EC%9D%B4%EB%A1%A0-%EC%A0%95%EB%A6%AC/)]
+- CPUU, "Google 자연어 처리 오픈소스 SyntaxNet 공개" (Korean tranlsation of [Google blog](http://googleresearch.blogspot.kr/2016/05/announcing-syntaxnet-worlds-most.html)) [[link](http://cpuu.postype.com/post/166917/)]
+- theeluwin, "python-crfsuite를 사용해서 한국어 자동 띄어쓰기를 학습해보자" [[link](http://blog.theeluwin.kr/post/147587579528/python-crfsuite%EB%A5%BC-%EC%82%AC%EC%9A%A9%ED%95%B4%EC%84%9C-%ED%95%9C%EA%B5%AD%EC%96%B4-%EC%9E%90%EB%8F%99-%EB%9D%84%EC%96%B4%EC%93%B0%EA%B8%B0%EB%A5%BC-%ED%95%99%EC%8A%B5%ED%95%B4%EB%B3%B4%EC%9E%90)]
+- Jaesoo Lim, "한국어 형태소 분석기 동향" [[link](https://github.com/krikit/hanal/wiki/%ED%95%9C%EA%B5%AD%EC%96%B4-%ED%98%95%ED%83%9C%EC%86%8C-%EB%B6%84%EC%84%9D%EA%B8%B0-%EB%8F%99%ED%96%A5)]
+
+### 3.2. Slides
+- Lucy Park, "한국어와 NLTK, Gensim의 만남" (PyCon APAC 2015) [[link](https://www.lucypark.kr/slides/2015-pyconkr/)]
+- Jeongkyu Shin, "Building AI Chat bot using Python 3 & TensorFlow" (PyCon APAC 2016) [[link](https://speakerdeck.com/inureyes/building-ai-chat-bot-using-python-3-and-tensorflow)]
+- Changki Lee, "RNN & NLP Application" (Kangwon Univ. Machine Learning course) [[link](http://cs.kangwon.ac.kr/~leeck/ML/RNN_NLP.pdf)]
+- Kyunghoon Kim, "뉴스를 재미있게 만드는 방법; 뉴스잼" (PyCon APAC 2016) [[link](http://www.slideshare.net/koorukuroo/20160813-pycon2016apac)]
+- Hongjoo Lee, "Python 으로 19대 국회 뽀개기" (PyCon APAC 2016) [[link](http://www.slideshare.net/hongjoo/python-19-pycon-apac-2016)]
+- Kyumin Choi,"word2vec이 추천시스템을 만났을 때" (PyCon APAC 2015) [[link](http://www.slideshare.net/ssuser2fe594/2015-py-con-word2vec)]
+- 進藤裕之 (translated by Hongbae Kim), "딥러닝을 이용한 자연어처리의 연구동향" [[link](http://www.slideshare.net/ssuser06e0c5/ss-64417928)]
+- Hongbae Kim, "머신러닝의 자연어 처리기술(I)" [[link](http://www.slideshare.net/ssuser06e0c5/i-64267027)]
+- Changki Lee, "자연어처리를 위한 기계학습 소개" [[link](http://www.slideshare.net/deview/f2-14341235?qid=12363290-1fe5-4903-9a5a-71a4e0c3842f&v=&b=&from_search=7)]
+- Taeil Kim, Daeneung Son, "기계 번역 모델 기반 질의 교정 시스템" (Naver DEVIEW 2015) [[link](http://www.slideshare.net/deview/242-52779038)]
+
+
+## 4. Papers
+## 4.1. Korean
+- ~~김동준, 이연수, 장정선, 임해창, 고려대학교, (주)엔씨소프트, "한국어 대화 화행 분류를 위한 어휘 자질의 임베딩(2015년 동계학술발표회 논문집)" [[paper](http://www.eiric.or.kr/KeyDocs/tmp/FN_1512160195019.pdf)]~~ link dead 
+
+## 4.2. English
+- 
+
+
+## 5. Lectures
+## 5.1. Korean Lectures
+- Kangwon Univ. 자연언어처리 [[link](http://cs.kangwon.ac.kr/~leeck/NLP/)]
+- 데이터 사이언스 스쿨 [[link](https://www.datascienceschool.net/)]
+- SNU Data Mining / Business Analytics [[link](https://www.lucypark.kr/courses/)]
+
+## 5.2. English Lectures
+- Stanford CS224n: Natural Language Processing [[link](http://web.stanford.edu/class/cs224n/)] [[YouTube](https://www.youtube.com/playlist?list=PL6397E4B26D00A269)]
+- Stanford CS224d: Deep Learning for Natural Language Processing [[link](http://cs224d.stanford.edu/index.html)] [[YouTube](https://www.youtube.com/playlist?list=PLmImxx8Char9Ig0ZHSyTqGsdhb9weEGam)]
+- NLTK with Python 3 for NLP (by Sentdex) [[YouTube](https://www.youtube.com/playlist?list=PLQVvvaa0QuDf2JswnfiGkliBInZnIC4HL)]
+- LDA Topic Models [[link](https://www.youtube.com/watch?v=3mHy4OSyRf0)]
+
+
+## 6. Conferences / Institutes / Events 
+
+### 6.1. Conferences
+- 한글 및 한국어 정보처리 학술대회 [[link](https://sites.google.com/site/2016hclt/home)]
+- KIPS (한국정보처리학회) [[link](http://www.kips.or.kr/)]
+- 한국음성학회 학술대회 [[link](https://ksss.jams.or.kr/co/com/EgovMenu.kci?s_url=/ac/config/guid/acGuidview.kci?guidId=000000001258&s_MenuId=MENU-000000000032000&s_tabId=1&accnId=AC0000000006)]
+
+### 6.2. Institutes
+- 언어공학연구회 [[link](https://sites.google.com/site/sighclt/)]
+	- 한글 및 한국어 정보처리 학술대회 (Since 1989, 매년 개최) [[link](https://sites.google.com/site/2016hclt/home)]
+	- 국어 정보 처리 시스템 경진대회 (Since 2010, 매년 개최, 주최: 문화체육관광부 및 국립국어원) [[link](http://ithub.korean.go.kr/user/contest/contestIntroLastView.do)]
+	- 자연언어처리 튜토리얼 (비정기적) [[link](https://sites.google.com/site/sighclt/haengsasogae/jayeon-eon-eocheoli-tyutolieol)]
+	- 자연어처리 및 정보검색 워크샵 [[link](https://sites.google.com/site/sighclt/haengsasogae/jayeon-eocheoli-mich-jeongbogeomsaeg-wokeusyab-1)]
+- 한국음성학회 [[link](https://ksss.jams.or.kr/co/main/jmMain.kci)]
+
+### 6.3. Events / Contests
+- 국어 정보 처리 시스템 경진 대회 [[link](http://ithub.korean.go.kr/user/contest/contestIntroLastView.do)]
+
+
+## 7. Online Communities
+- Tensorflow KR (Facebook Group) [[link](https://www.facebook.com/groups/TensorFlowKR/)]
+- AI Korea (Facebook Group) [[link](https://www.facebook.com/groups/AIKoreaOpen/)]
+- Bot Group (Facebook Group) [[link](https://www.facebook.com/groups/botgroup/)]
+- 바벨피쉬 (Facebook Group) [[link](https://www.facebook.com/groups/babelPish/)]
+- Reddit Machine Learning Top posts [[link](https://www.reddit.com/r/MachineLearning/top/?sort=top&t=month/)]
+
+
+## 8. How to contribute
+1) Fork this Repository, by clicking on "fork" icon at the top right corner.
+
+2) Get the link for the forked repo, by clicking on the green button on your page. something like, "https://github.com/[username]/Awesome-Korean-NLP.git"
+
+3) On your local machine, "git clone https://github.com/[username]/Awesome-Korean-NLP.git"
+
+4) "cd Awesome-Korean-NLP"
+
+5) open "README.md" with your favorite text editor.
+
+6) Edit.
+
+7) git commit -a -m "added section 8: emoticons"
+
+8) git push, and verify on your fork
+
+9) goto https://github.com/datanada/Awesome-Korean-NLP and create pull request. 
+
+10) "compare across forks" with base: datanada/Awesome.. and head: [username]/Awesome..
+ 
+
+[[beginners guide](https://akrabat.com/the-beginners-guide-to-contributing-to-a-github-project/)]

markdown/dhrim__MDC_2021__TODO.md

@@ -0,0 +1,91 @@
+# TODO
+
+작성 기준일 : 2022/01/28
+
+- 전체 자료 리스트 작성
+- 개선
+    - ~~model.history~~
+    - data file directory
+    - list data files
+    - ~~mae를 mape로 변경~~
+    - 전이학습 Template. category count 자동으로.
+    - word2vec을 TFhub 
+- 추가
+    - folder split
+    - ~~PCA~~
+    - ~~t-SNE~~
+    - ~~Tensorboard in Colab~~
+    - ~~kfold cross validation~~
+    - ROC,AUC
+        - FPR-TPR
+        - Precision-Recall
+        - Sensitivity-Specilfity 
+    - ~~callback - LearningRateScheduler 추가~~
+    - ~~sequence data~~
+        - ~~regression~~ <-- 템플릿 항목에서 처리
+        - ~~classification~~ <-- 템플릿 항목에서 처리
+        - ~~util을 사용한 sequence 데이터 처리~~
+    - scikit-learn
+        - scaler
+        - ~~train_test_split~~
+        - treating sequence data
+    - 흥미로운 사례 
+        - ~~갤럭시 배경에 물체 지우기~~
+        - 얼굴 변경
+    - MS facial Recognition
+    - ~~howto - 쌍 유지하면서 섞기~~
+    - ~~ImageDataGenerator.fit()~~ <- 하지 말자
+    - ~~Dacon hidden MNIST 추가~~
+    - ~~Dacon Wine classifcation 추가~~
+    - 실시간 Image classification 추가
+    - 실시간 Image Regression 추가
+    - ~~tfds 추가~~
+    - ~~tfds image 추가~~
+    - ~~모델 그리기~~
+    - ~~howto : 이미지 crop & resize~~
+    - NLP
+      - ~~Bert 한글 분류 추가~~
+      - ~~Bert 한글 예측 추가~~
+      - Bert 한글 유사도 추가
+      - Bert 한글 개체명 인식(NER) 추가
+      - Bert 기계 독해 추가
+      - ~~Bert 한글 괄호 예측~~
+      - GTP2 한글 예측 추가
+      - GTP2 한글 예측 추가
+      - GTP2 한글 유사도 추가
+      - GPT2 한글 언어 생성 추가
+    - Template
+      - ~~속성~~
+        - ~~예측~~
+        - ~~분류~~
+        - ~~binary 분류~~
+      - ~~영상~~
+        - ~~분류 - vanlilla CNN~~
+        - ~~분류 - 전이학습~~
+        - ~~예측 - 전이학습~~
+        - ~~binary 분류~~
+      - 순차
+        - ~~숫자열~~
+           - ~~단일 숫자열 예측~~
+           - ~~단일 숫자열 분류~~
+           - ~~다중 숫자열 분류~~
+           - ~~다중 숫자열 다중 예측~~
+           - ~~다중 숫자열 단일 예측~~
+        - ~~문자열~~
+          - ~~예측~~
+          - ~~분류~~
+          - ~~연속 예측~~
+        - 단어열
+          - ~~단어열 분류~~
+          - ~~단어열 예측~~
+          - Bert 사용 분류
+          - Bert 사용 예측
+      - sequence AutoEncoder : https://velog.io/@jaehyeong/Autoencoder%EC%99%80-LSTM-Autoencoder
+          
+
+- 정리
+    - 사용하지 않는 dnn_in_keras_xxx.ipynb 삭제
+    - ~~tensorflow_tutorial_xxx.ipynb 삭제~~
+    - remove legacy data_aug***.ipynb
+- 픽스
+    - ~~tf-pose-estimation_with_webcam.ipynb 복원~~

markdown/dhrim__cau_2021__TODO.md

@@ -0,0 +1,84 @@
+# TODO
+
+작성 기준일 : 2021/09/23
+
+- 전체 자료 리스트 작성
+- 개선
+    - ~~model.history~~
+    - data file directory
+    - list data files
+    - ~~mae를 mape로 변경~~
+    - 전이학습 Template. category count 자동으로.
+    - word2vec을 TFhub 
+- 추가
+    - PCA
+    - t-SNE
+    - k-cross validation
+    - ROC,AUC
+        - FPR-TPR
+        - Precision-Recall
+        - Sensitivity-Specilfity 
+    - ~~callback - LearningRateScheduler 추가~~
+    - ~~sequence data~~
+        - ~~regression~~ <-- 템플릿 항목에서 처리
+        - ~~classification~~ <-- 템플릿 항목에서 처리
+        - ~~util을 사용한 sequence 데이터 처리~~
+    - scikit-learn
+        - scaler
+        - train_test_split
+        - treating sequence data
+    - 흥미로운 사례 
+        - ~~갤럭시 배경에 물체 지우기~~
+        - 얼굴 변경
+    - MS facial Recognition
+    - ~~howto - 쌍 유지하면서 섞기~~
+    - ~~ImageDataGenerator.fit()~~ <- 하지 말자
+    - ~~Dacon hidden MNIST 추가~~
+    - ~~Dacon Wine classifcation 추가~~
+    - 웹캠을 사용한 실시간 Image classification 추가
+    - 웹캠을 사용한 실시간 Image Regression 추가
+    - AutoEncoder 사용한 이상탐지 추가
+    - ~~custom data generator~~
+    - NLP
+      - ~~Bert 한글 분류 추가~~
+      - ~~Bert 한글 예측 추가~~
+      - Bert 한글 유사도 추가
+      - Bert 한글 개체명 인식(NER) 추가
+      - Bert 기계 독해 추가
+      - ~~Bert 한글 괄호 예측~~
+      - GTP2 한글 예측 추가
+      - GTP2 한글 예측 추가
+      - GTP2 한글 유사도 추가
+      - GPT2 한글 언어 생성 추가
+    - Template
+      - ~~속성~~
+        - ~~예측~~
+        - ~~분류~~
+        - ~~binary 분류~~
+      - ~~영상~~
+        - ~~분류 - vanlilla CNN~~
+        - ~~분류 - 전이학습~~
+        - ~~예측 - 전이학습~~
+        - ~~binary 분류~~
+      - 순차
+        - ~~숫자열~~
+           - ~~단일 숫자열 예측~~
+           - ~~단일 숫자열 분류~~
+           - ~~다중 숫자열 분류~~
+           - ~~다중 숫자열 다중 예측~~
+           - ~~다중 숫자열 단일 예측~~
+        - ~~문자열~~
+          - ~~예측~~
+          - ~~분류~~
+          - ~~연속 예측~~
+        - 단어열
+          - ~~단어열 분류~~
+          - ~~단어열 예측~~
+          - Bert 사용 분류
+          - Bert 사용 예측
+
+- 정리
+    - 사용하지 않는 dnn_in_keras_xxx.ipynb 삭제
+    - tensorflow_tutorial_xxx.ipynb 삭제
+- 픽스
+    - ~~tf-pose-estimation_with_webcam.ipynb 복원~~

markdown/dhrim__cau_2022__TODO.md

@@ -0,0 +1,88 @@
+# TODO
+
+작성 기준일 : 2022/01/10
+
+- 전체 자료 리스트 작성
+- 개선
+    - ~~model.history~~
+    - data file directory
+    - list data files
+    - ~~mae를 mape로 변경~~
+    - 전이학습 Template. category count 자동으로.
+    - word2vec을 TFhub 
+- 추가
+    - ~~PCA~~
+    - ~~t-SNE~~
+    - ~~Tensorboard in Colba~~
+    - ~~kfold cross validation~~
+    - ROC,AUC
+        - FPR-TPR
+        - Precision-Recall
+        - Sensitivity-Specilfity 
+    - ~~callback - LearningRateScheduler 추가~~
+    - ~~sequence data~~
+        - ~~regression~~ <-- 템플릿 항목에서 처리
+        - ~~classification~~ <-- 템플릿 항목에서 처리
+        - ~~util을 사용한 sequence 데이터 처리~~
+    - scikit-learn
+        - scaler
+        - train_test_split
+        - treating sequence data
+    - 흥미로운 사례 
+        - ~~갤럭시 배경에 물체 지우기~~
+        - 얼굴 변경
+    - MS facial Recognition
+    - ~~howto - 쌍 유지하면서 섞기~~
+    - ~~ImageDataGenerator.fit()~~ <- 하지 말자
+    - ~~Dacon hidden MNIST 추가~~
+    - ~~Dacon Wine classifcation 추가~~
+    - 실시간 Image classification 추가
+    - 실시간 Image Regression 추가
+    - ~~tfds 추가~~
+    - ~~tfds image 추가~~
+    - ~~모델 그리기~~
+    - ~~howto : 이미지 crop & resize~~
+    - NLP
+      - ~~Bert 한글 분류 추가~~
+      - ~~Bert 한글 예측 추가~~
+      - Bert 한글 유사도 추가
+      - Bert 한글 개체명 인식(NER) 추가
+      - Bert 기계 독해 추가
+      - ~~Bert 한글 괄호 예측~~
+      - GTP2 한글 예측 추가
+      - GTP2 한글 예측 추가
+      - GTP2 한글 유사도 추가
+      - GPT2 한글 언어 생성 추가
+    - Template
+      - ~~속성~~
+        - ~~예측~~
+        - ~~분류~~
+        - ~~binary 분류~~
+      - ~~영상~~
+        - ~~분류 - vanlilla CNN~~
+        - ~~분류 - 전이학습~~
+        - ~~예측 - 전이학습~~
+        - ~~binary 분류~~
+      - 순차
+        - ~~숫자열~~
+           - ~~단일 숫자열 예측~~
+           - ~~단일 숫자열 분류~~
+           - ~~다중 숫자열 분류~~
+           - ~~다중 숫자열 다중 예측~~
+           - ~~다중 숫자열 단일 예측~~
+        - ~~문자열~~
+          - ~~예측~~
+          - ~~분류~~
+          - ~~연속 예측~~
+        - 단어열
+          - ~~단어열 분류~~
+          - ~~단어열 예측~~
+          - Bert 사용 분류
+          - Bert 사용 예측
+          
+
+- 정리
+    - 사용하지 않는 dnn_in_keras_xxx.ipynb 삭제
+    - tensorflow_tutorial_xxx.ipynb 삭제
+- 픽스
+    - ~~tf-pose-estimation_with_webcam.ipynb 복원~~

markdown/dongho-jung__DragFinder__ReadMe.md

@@ -0,0 +1,40 @@
+# DragFinder
+
+![](assets/ReadMe-aef37.png)
+
+**파일은 https://github.com/0xB4DF4C3D/DragFinder/blob/master/bin/Release/DragFinder.exe 여기서 다운로드하시면 됩니다.**
+
+## 설명
+
+드래그 하면 찾아주는 도구입니다.
+
+좀 더 부연설명을 하면 다음과 같습니다.
+
+1. 찾을 단어를 **드래그** 합니다.
+1. 그리고 *Window키 + F* 를 누르면 **사전적 정의** 가 나옵니다.
+1. 또는 *Window키 + T* 를 누르면 **단어의 번역** 이 나옵니다.
+
+사전적 정의는 먼저 5개를 보여주고 스크롤을 통해 마지막까지 보게되면 추가로 찾아서 보여줍니다.
+
+ClipBoard를 이용하기 때문에 만약 현재 복사된 단어를 찾으려고 하면 에러가 납니다. 이 때는 임시로 아무거나
+복사한 뒤 검색하면 됩니다.
+
+## 사용 예
+
+### 일본어 번역
+![](assets/ReadMe-e2235.png)
+
+### 한글 사전 정의
+![](assets/ReadMe-c61ce.png)
+
+### 사전 정의 링크
+![](assets/ReadMe-9facc.png)
+
+자세히 보고 싶은 사전 정의를 클릭하면 브라우저에서 열립니다.
+
+![](assets/ReadMe-a1903.png)
+
+### 영어 번역
+![](assets/ReadMe-58521.png)
+
+### 중국어도 되긴 할텐데 제가 중국어를 몰라서 테스트를 못했습니다.

markdown/dropdb220__lfs-korean__0_6.md

@@ -0,0 +1,61 @@
+# 타이포그래피
+
+따라가기 쉽게 하기 위해, 이 책에는 몇가지 글자 스타일 규칙이 있습니다. 이 섹션은 Linux From Scratch에 있는 몇 가지 글자 스타일에 관한 예시를 포함합니다.
+
+```sh
+./configure --prefix=/usr
+```
+
+이러한 형식의 텍스트는 주변 텍스트에 명시되지 않는 한 있는 그대로 입력하십시오. 이는 어떤 명령어가 언급되는지를 식별하기 위해 설명 섹션에도 사용됩니다.
+
+
+몇몇 경우에는, 논리적인 줄이 각 줄 끝에 역슬래시(한글 Windows에서는 원화 기호로 보임)달아 2개 이상의 물리적인 줄로 확장됩니다.
+
+```sh
+CC="gcc -B/usr/bin/" ../binutils-2.18/configure \
+  --prefix=/tools --disable-nls --disable-werror
+```
+
+
+참고로 이 역슬래시 바로 뒤에는 줄바꿈이 있어야 합니다. 탭이나 스페이스 등의 다른 공백 문자는 잘못된 결과를 초래합니다.
+
+<pre>install-info: unknown option '--dir-file=/mnt/lfs/usr/info/dir'
+</pre>
+
+이 형식의 텍스트는 화면 출력, 주로 입력한 명령어의 결과를 보여줍니다. 이 형식은 `/etc/ld.so.conf` 등의 파일 이름을 보여주는 데에도 사용됩니다.
+
+
+*강조*
+
+
+이 형식의 텍스트는 책에서 여러 용도로 사용돱니다. 주요 목적은 중요한 내용을 강조하기 위한 것입니다.
+
+
+[여기](http://www.linuxfromscratch.org)
+
+
+이 형식의 텍스트는 LFS 커뮤니티 내부와 외부 페이지로의 하이퍼링크에 사용됩니다. 이는 HOWTO, 다운로드 위치, 웹사이트를 포함합니다.
+
+
+<pre>
+cat > $LFS/etc/group << "EOF"
+<code>root:x:0:
+bin:x:1:
+......</code>
+EOF
+</pre>
+
+이 형식의 텍스트는 구성 파일을 만드는 데 사용합니다. 첫 번째 명령어는 시스템에게 $LFS/etc/group을 그 다음 줄부터 파일의 끝(EOF) 시퀀스가 입력되기 전까지의 내용으로 만들도록 지시합니다. 그러므로, 이 섹션은 일반적으로 있는 그대로 입력됩니다.
+
+
+*`<변경된 텍스트>`*
+
+이 형식의 텍스트는 있는 그대로 입력되거나 복사 붙여넣기되지 않는 텍스트를 감싸지 위한 것입니다.
+
+*`[선택적 텍스트]`*
+
+이 형식의 텍스트는 선택적 텍스트를 감싸기 위한 것입니다.
+
+`passwd(5)`
+
+이 형식은 특정 매뉴얼(man) 페이지를 언급하기 위한 것입니다. 괄호 안의 번호는 특정 섹션의 매뉴얼을 의미합니다. 예를 들어, **passwd**는 두 개의 man 페이지가 있습니다. LFS 설치 단계별로, 이 2개의 man 페이지는 `/usr/share/man/man1/passwd.1`과 `/usr/share/man/man5/passwd.5`에 있습니다. 이 책이 `passwd(5)`를 사용하면 이는 `/usr/share/man/man5/passwd.5`를 나타냅니다. **man passwd**는 `passwd`와 맞는 첫 번째 man 패이지(`/usr/share/man/man1/passwd.1`)를 출력합니다. 이 예시에서, 특정된 페이지를 읽으려면 **man 5 passwd**를 실행해야 합니다. 대부분의 man 페이지는 다른 섹션에 중복된 페이지 이름이 없기 때문에, `man <프로그램 이름>`은 일반적으로 충분합니다.

markdown/ehbong__Study__AI.md

@@ -0,0 +1,12 @@
+# AI 관련 링크 및 자료
+
+
+* [데이터를 자연어로 조회 pandas ai](https://dodonam.tistory.com/429)
+* [MS bing AI 사용 방법](https://blackb1rd.tistory.com/241)
+* [chat GPT API 키 발급 및 테스트 방법](https://jeeu147.tistory.com/149)
+
+## LangChain
+
+* [LangGraph 공식](https://langchain-ai.github.io/langgraph/)
+* [LangChain 한글 튜토리얼](https://wikidocs.net/233341)
+* [LLM 설치 툴 Ollama](https://ollama.com/)

markdown/ehbong__Study__figma.md

@@ -0,0 +1,45 @@
+# Figma
+
+* [figma 인프런 강의](https://www.inflearn.com/course/%ED%94%BC%EA%B7%B8%EB%A7%88-%EC%9E%85%EB%AC%B8-%EC%9D%B8%ED%94%84%EB%9F%B0-%EC%98%A4%EB%A6%AC%EC%A7%80%EB%84%90/dashboard)
+* [figma download](https://www.figma.com/downloads/)
+* [figma 유용한 단축키](https://nicecarrot2.tistory.com/93)
+* [figma 한글 자음 모음 분리 현상 해결방법](https://2test.tistory.com/entry/Figma-%EA%B5%AD%EB%AC%B8-%ED%83%80%EC%9D%B4%ED%95%91-%EC%8B%9C-%EC%9D%BC%EC%96%B4%EB%82%98%EB%8A%94-%EC%9E%90%EC%9D%8C%EB%AA%A8%EC%9D%8C-%EB%B6%84%EB%A6%AC%ED%98%84%EC%83%81-%ED%95%B4%EA%B2%B0%EB%B2%95)
+---
+```
+  team 은 하나의 작업 그룹
+  project 는 하나의 상품 정도로 구분
+  
+  canvas는 바탕
+  frame 그려질 영역
+  layer 는 포토샵의 의미와 동일
+  page 는 여러 canvas를 구분짓기 위한 것
+  
+  asset 탭 component를 담은 탭
+  component 재활용하는 객체
+  
+  자주사용하는 객체는 component 화해서 활용
+  
+  # frame 과 group의 차이
+  frame은 속성변경이 내부 객체에 영향을 주지 않음.
+  group은 속성변경이 내부 객체에 영향을 끼침.
+  
+  예) 사이즈변경시 frame은 자신만 변하고, group는 같이 변함
+  
+  frame은 내부 객체가 없어도 존재 할 수 있고,
+  group은 존재할 수 없음. 
+  
+  ouline stroke 는 선을 면으로 변경해줘서 사이즈변경시 두깨 비율이 유지됨(같이 두꺼워지거나 얇아짐)
+  flatten은 선의 개별 속성을 기억해서 사이즈 변경시 선의 두깨가 이전과 동일하게 유지됨.
+  
+```
+
+* [플러그인 설치방법](https://designer-story.tistory.com/26)
+
+#### 유용한 플러그인
+
+* [Autoflow 플로우 차트 기능](https://www.figma.com/community/plugin/733902567457592893/Autoflow)
+* [iconify 아이콘 플러그인](www.figma.com/community/plugin/735098390272716381/Iconify)
+* [viewports 뷰포트 플러그인](https://www.figma.com/community/plugin/732240841094697441/Viewports)
+* [Find and Replace 찾기, 찾아바꾸기 플러그인](https://www.figma.com/community/plugin/735072959812183643/Find-and-Replace)
+* [추천 플러그인 목록](https://designcompass.org/2021/05/09/figma-plugin/)
+* [UX 디자인 활용 플러그인](https://brunch.co.kr/@hailey-hyunjee/59)

markdown/greatsong__hssh2019_opensourceproject__2110.md

@@ -0,0 +1,585 @@
+0.	학번 2110 <br>
+[프로젝트 1: ] <br>
+(1)	연구소 이름: 고기만두연구소 <br>
+(2)	연구소가 해결하려는 문제: 태양계 구현 <br>
+(3)	연구소의 깃헙 링크: https://github.com/bborish/BBORISH <br>
+(4)	 내가 기여한 내용 <br>
+      from visual import * <br>
+	from visual.graph import * <br>
+	
+
+	scene = display (title = 'Planets Orbiting the Sun', width = 800, height = 800, range = vec(25000, 25000, 25000), center = vec(1000, 0, 0)) <br>
+	scene.autoscale = True #그래프를 설정함 <br>
+	
+
+	sun = sphere (pos=vec(0,0,0), radius = 100, texture = textures.stucco, color = color.yellow, mass = 10) # 태양의 초기 위치, 반지름, 색깔, 질량 등을 설정함 <br>
+	
+
+	mercury = sphere (pos = vec(200,0,0), radius = 50, texture = textures.wood, color = color.red) <br>
+	mercury.trail = curve(color = mercury.color) <br>
+	mercury.velocity = vector(0,0,295) <br>
+	# 수성의 초기 위치, 반지름, 색깔, 질량 등을 설정함 <br>
+그에 따른 공전 궤도와 공전 속도 설정 <br>
+
+	venus = sphere (pos = vec(373.664,0,0), radius = 50, texture = textures.wood, color = color.orange) <br>
+	venus.trail = curve(color = venus.color) <br>
+	venus.velocity = vector(0,0,225) <br>
+	# 금성의 초기 위치, 반지름, 색깔, 질량 등을 설정함 <br>
+그에 따른 공전 궤도와 공전 속도 설정 <br>
+
+	earth = sphere (pos = vec(516.664,0,0), radius = 50, texture = textures.earth, mass=2) <br>
+	earth.trail = curve(color = color.yellow) <br>
+	earth.velocity = vector(0,0,195) <br>
+	# 지구의 초기 위치, 반지름, 색깔, 질량 등을 설정함 <br>
+그에 따른 공전 궤도와 공전 속도 설정 <br>
+
+	moon = sphere (pos=vec(516.664+5.0016, 0,0), radius = 10, color=color.white) <br>
+	moon.trail = curve (color = moon.color) <br>
+	moon.velocitylocal = vector(0,0,195+1) <br>
+	# 달의 초기 위치, 반지름, 색깔, 질량 등을 설정함 <br>
+그에 따른 공전 궤도와 공전 속도 설정 <br>
+
+	mars = sphere(pos= vec(787.222,0,0), radius = 50, texture= textures.wood, color = color.green) <br>
+	mars.trail = curve(color=mars.color) <br>
+	mars.velocity = vector(0,0,155) <br>
+	# 화성의 초기 위치, 반지름, 색깔, 질량 등을 설정함 <br>
+그에 따른 공전 궤도와 공전 속도 설정 <br>
+	jupiter = sphere (pos = vec(2688.068,0,0), radius = 75, texture = textures.gravel, color = color.cyan) <br>
+	jupiter.trail = curve(color = jupiter.color) <br>
+	jupiter.velocity = vector(0,0,70) <br>
+	# 목성의 초기 위치, 반지름, 색깔, 질량 등을 설정함 <br>
+그에 따른 공전 궤도와 공전 속도 설정 <br>
+
+	saturn = sphere (pos = vec(4920.048,0,0), radius = 75, texture = textures.gravel, color = color.blue) <br>
+	saturn.trail = curve(color = saturn.color) <br>
+	saturn.velocity = vector(0,0,50) <br>
+	# 토성의 초기 위치, 반지름, 색깔, 질량 등을 설정함 <br>
+그에 따른 공전 궤도와 공전 속도 설정 <br>
+	uranus = sphere (pos = vec(9924.19,0,0), radius = 75, texture = textures.wood, color = color.magenta) <br>
+	uranus.trail = curve(color = uranus.color) <br>
+	uranus.velocity = vector(0,0,30) <br>
+	# 천왕성의 초기 위치, 반지름, 색깔, 질량 등을 설정함 <br>
+그에 따른 공전 궤도와 공전 속도 설정 <br>
+	neptune = sphere (pos = vec(15544.811,0,0), radius = 75, texture = textures.wood, color = color.red) <br>
+	neptune.trail = curve(color =neptune.color) <br>
+	neptune.velocity = vector(0,0,23) <br>
+	# 해왕성의 초기 위치, 반지름, 색깔, 질량 등을 설정함 <br>
+그에 따른 공전 궤도와 공전 속도 설정 <br>
+	pluto = sphere (pos = vec(20534.968,0,0), radius = 75, texture = textures.wood, color = color.orange) <br>
+	pluto.trail = curve(color = pluto.color) <br>
+	pluto.velocity = vector(0,0,.01) <br>
+	# 명왕성의 초기 위치, 반지름, 색깔, 질량 등을 설정함 <br>
+그에 따른 공전 궤도와 공전 속도 설정 <br>
+
+	G = -6.7*10**-4 <br>
+	#중력 상수 설정 <br>
+
+	m_sun = 2*10**10 <br>
+	m_mercury = 3.29*10**3 <br>
+	m_venus = 4.87*10**4 <br>
+	m_earth = 6.0*10**4 <br>
+	m_moon = 7.35*10**2 <br>
+	m_mars = 6.39*10**3 <br>
+	m_jupiter = 1.90*10**7 <br>
+	m_saturn = 5.68*10**6 <br>
+	m_uranus = 8.68*10**5 <br>
+	m_neptune = 1.02*10**6 <br>
+	m_pluto = 1.31*10**2 <br>
+	m_spaceship =  7.0*10**5 <br>
+	# 태양계의 행성과 우주선의 실제 질량 고려 <br>
+
+	mercury_RealRatio = 1.600 <br>
+	venus_RealRatio = 1.177 <br>
+	earth_RealRatio = 1.000 <br>
+	mars_RealRatio = 0.805 <br>
+	jupiter_RealRatio = 0.437 <br>
+	saturn_RealRatio = 0.324 <br>
+	uranus_RealRatio = 0.228 <br>
+	neptune_RealRatio = 0.182 <br>
+	pluto_RealRatio = 0.158 <br>
+	#태양계의 행성의 실제 공전 속도 고려 <br>
+
+	t = 0 <br>
+	deltat = .01 <br>
+	time_interval = 0.05 <br>
+	time_interval_int = int(time_interval/deltat) <br>
+	
+
+	graphpos = gdisplay (x=600, y=0, xtitle = "Time", ytitle="Position", width = 600, height=400, title="Position vs.Time of Earth") <br>
+	earthposx = gcurve(gdisplay=graphpos, color = color.blue) <br>
+	#그래프의 초기 설정 <br>
+
+	graphv = gdisplay(x=600, y=500, xtitle = "Time", ytitle="Velocity", width = 600, height = 400, foreground = color.black, background = color.white, title= "Velocity vs. Time of Earth") #시간의 따른 지구의 속도 그래프<br>
+	earthvelocity = gcurve(gdisplay = graphv, color = color.blue) <br>
+	tlist = [] <br>
+	vlist = [] <br>
+	graphGPE = gdisplay (x=800, y=500, xtitle = "Position", ytitle ="Gravitational Potential Energy", width = 600, height = 400, title = "GPE vs. Position of Earth to Sun") <br>
+	earthGPE = gcurve(gdisplay = graphGPE, color = color.green) <br>
+	#지구에 위치에 따른 태양에 대한 퍼텐셜 에너지 그래프 <br>
+
+	graphSpeedRatios = gdisplay (x=600, y=500, xtitle = "Time", ytitle="Speed Ratio", width = 600, height = 400, title = "Planet Speed Ratios to Earth vs. Time")# 지구에 대한 행성들의 상대 속도 <br>
+	mercuryRatio = gcurve(gdisplay = graphSpeedRatios, color = color.red) <br>
+	mercuryRealRatio = gdots(gdisplay = graphSpeedRatios, color = color.red) <br>
+	 
+
+	venusRatio = gcurve(gdisplay = graphSpeedRatios, color = color.orange) <br>
+	venusRealRatio = gdots(gdisplay = graphSpeedRatios, color = color.orange) <br>
+	
+
+	earthRatio = gcurve(gdisplay = graphSpeedRatios, color = color.yellow) <br>
+	earthRealRatio = gdots(gdisplay = graphSpeedRatios, color = color.yellow) <br>
+	 
+
+	marsRatio = gcurve(gdisplay = graphSpeedRatios, color = color.green) <br>
+	marsRealRatio = gdots(gdisplay = graphSpeedRatios, color = color.green) <br>
+	
+
+	jupiterRatio = gcurve(gdisplay = graphSpeedRatios, color = color.cyan) <br>
+	jupiterRealRatio = gdots(gdisplay = graphSpeedRatios, color = color.cyan) <br>
+	
+
+	saturnRatio = gcurve(gdisplay = graphSpeedRatios, color = color.blue) <br>
+	saturnRealRatio = gdots(gdisplay = graphSpeedRatios, color = color.blue) <br>
+	
+
+	uranusRatio = gcurve(gdisplay = graphSpeedRatios, color = color.magenta) <br>
+	uranusRealRatio = gdots(gdisplay = graphSpeedRatios, color = color.magenta) <br>
+	
+
+	neptuneRatio = gcurve(gdisplay = graphSpeedRatios, color = color.red) <br>
+	neptuneRealRatio = gdots(gdisplay = graphSpeedRatios, color = color.red) <br>
+	
+
+	plutoRatio = gcurve(gdisplay = graphSpeedRatios, color = color.orange) <br>
+	plutoRealRatio = gdots(gdisplay = graphSpeedRatios, color = color.orange) <br>
+	
+
+	while True : <br>
+	    rate(10000) <br>
+	    
+	    mercury.trail.append(pos=mercury.pos) <br>
+	    distanceMercury = mag(mercury.pos) <br>
+	    UnitVectorMercury = (mercury.pos - sun.pos)/distanceMercury #행성들의 위치를 설정한 좌표와의 차를 나타내는 벡터로 설정함 <br>
+	    FgravMercury = (G*m_sun*m_mercury*UnitVectorMercury)/distanceMercury* <br>
+    #중력을 GMm/r^2로 나타냄. <br>
+	    mercury.velocity = mercury.velocity +(FgravMercury/m_mercury)*deltat <br>
+	    mercury.pos = mercury.pos + mercury.velocity*deltat <br>
+    #그에 맞게 위치와 속도를 나타냄 <br>
+	    mercury.rotate(angle = radians(10), axis = vec(0,1,0)) <br>
+	    if distanceMercury <= sun.radius : break <br>
+    #거리가 태양 반지름보다 작아질 수 없음 <br>
+	    mercury_Ratio = mag(mercury.velocity)/mag(earth.velocity) <br>
+	     
+	    venus.trail.append(pos=venus.pos) <br>
+	    distanceVenus = mag(venus.pos) <br>
+	    UnitVectorVenus = (venus.pos - sun.pos)/distanceVenus <br>
+	    FgravVenus = (G*m_sun*m_venus*UnitVectorVenus)/distanceVenus**2 <br>
+	    venus.velocity = venus.velocity + (FgravVenus/m_venus)*deltat <br>
+	    venus.pos = venus.pos + venus.velocity*deltat <br>
+	    venus.rotate(angle = radians(20), axis = vec(0,1,0)) <br>
+	    if distanceVenus <= sun.radius : break <br>
+	    venus_Ratio = mag(venus.velocity)/mag(earth.velocity) <br>
+	    
+	    earth.trail.append(pos=earth.pos) <br>
+	    distanceEarth = mag(earth.pos) <br>
+	    UnitVectorEarth = (earth.pos - sun.pos)/distanceEarth <br>
+	    FgravEarth = (G*m_sun*m_earth*UnitVectorEarth)/distanceEarth**2 <br>
+	    earth.velocity = earth.velocity + (FgravEarth/m_earth)*deltat <br>
+	    earth.pos = earth.pos + earth.velocity*deltat <br>
+	    earth.rotate(angle = radians(30), axis = vec(0,1,0)) <br>
+	    earth_GPE = (G*m_sun*m_earth)/distanceEarth <br>
+	    if distanceEarth <= sun.radius : break <br>
+	    earth_Ratio = mag(earth.velocity)/mag(earth.velocity) <br>
+	
+
+	    mars.trail.append(pos=mars.pos) <br>
+	    distanceMars = mag(mars.pos) <br>
+	    UnitVectorMars = (mars.pos - sun.pos)/distanceMars <br>
+	    FgravMars = (G*m_sun*m_mars*UnitVectorMars)/distanceMars**2 <br>
+	    mars.velocity = mars.velocity +(FgravMars/m_mars)*deltat <br>
+	    mars.pos = mars.pos + mars.velocity*deltat <br>
+	    mars.rotate(angle = radians(15), axis = vec(0,1,0)) <br>
+	    if distanceMars <= sun.radius : break <br>
+	    mars_Ratio = mag(mars.velocity)/mag(earth.velocity) <br>
+	    
+	    jupiter.trail.append(pos=jupiter.pos) <br>
+	    distanceJupiter = mag(jupiter.pos) <br>
+	    UnitVectorJupiter = (jupiter.pos - sun.pos)/distanceJupiter <br>
+	    FgravJupiter = (G*m_sun*m_jupiter*UnitVectorJupiter)/distanceJupiter**2 <br>
+	    jupiter.velocity = jupiter.velocity +(FgravJupiter/m_jupiter)*deltat <br>
+	    jupiter.pos = jupiter.pos + jupiter.velocity*deltat <br>
+	    jupiter.rotate(angle = radians(15), axis = vec(0,1,0)) <br>
+	    if distanceJupiter <= sun.radius : break <br>
+	    jupiter_Ratio = mag(jupiter.velocity)/mag(earth.velocity) <br>
+	    
+	    saturn.trail.append(pos=saturn.pos) <br>
+	    distanceSaturn = mag(saturn.pos) <br>
+	    UnitVectorSaturn = (saturn.pos - sun.pos)/distanceSaturn <br>
+	    FgravSaturn = (G*m_sun*m_saturn*UnitVectorSaturn)/distanceSaturn**2 <br>
+	    saturn.velocity = saturn.velocity +(FgravSaturn/m_saturn)*deltat <br>
+	    saturn.pos = saturn.pos + saturn.velocity*deltat <br>
+	    saturn.rotate(angle = radians(15), axis = vec(0,1,0)) <br>
+	    if distanceSaturn <= sun.radius : break <br>
+	    saturn_Ratio = mag(saturn.velocity)/mag(earth.velocity) <br>
+	    
+	    uranus.trail.append(pos=uranus.pos) <br>
+	    distanceUranus = mag(uranus.pos) <br>
+	    UnitVectorUranus = (uranus.pos - sun.pos)/distanceUranus <br>
+	    FgravUranus = (G*m_sun*m_uranus*UnitVectorUranus)/distanceUranus**2 <br>
+	    uranus.velocity = uranus.velocity +(FgravUranus/m_uranus)*deltat <br>
+	    uranus.pos = uranus.pos + uranus.velocity*deltat <br>
+	    uranus.rotate(angle = radians(15), axis = vec(0,1,0)) <br>
+	    if distanceUranus <= sun.radius : break <br>
+	    uranus_Ratio = mag(uranus.velocity)/mag(earth.velocity) <br>
+	    
+	    neptune.trail.append(pos=neptune.pos) <br>
+	    distanceNeptune = mag(neptune.pos) <br>
+	    UnitVectorNeptune = (neptune.pos - sun.pos)/distanceNeptune <br>
+	    FgravNeptune = (G*m_sun*m_neptune*UnitVectorNeptune)/distanceNeptune**2 <br>
+	    neptune.velocity = neptune.velocity +(FgravNeptune/m_neptune)*deltat <br>
+	    neptune.pos = neptune.pos + neptune.velocity*deltat <br>
+	    neptune.rotate(angle = radians(15), axis = vec(0,1,0)) <br>
+	    if distanceNeptune <= sun.radius : break <br>
+	    neptune_Ratio = mag(neptune.velocity)/mag(earth.velocity) <br>
+	    
+	    pluto.trail.append(pos=pluto.pos) <br>
+	    distancePluto = mag(pluto.pos) <br>
+	    UnitVectorPluto  = (pluto.pos - sun.pos)/distancePluto <br>
+	    FgravPluto  = (G*m_sun*m_pluto*UnitVectorPluto )/distancePluto **2 <br>
+	    pluto.velocity = pluto.velocity +(FgravPluto /m_pluto)*deltat <br>
+	    pluto.pos = pluto.pos + pluto.velocity*deltat <br>
+	    pluto.rotate(angle = radians(15), axis = vec(0,1,0)) <br>
+	    if distancePluto  <= sun.radius : break <br>
+	    pluto_Ratio = mag(pluto.velocity)/mag(earth.velocity)  <br>
+	    
+	    earthposx.plot(pos=(t,earth.pos.x)) <br>
+	    earthvelocity.plot(pos=(t,earth.velocity.x)) <br>
+	    earthGPE.plot(pos=(earth.pos.x,earth_GPE)) <br>
+	    
+	    
+	    vlist.append(earth.velocity.x) <br>
+	    tlist.append(t) <br>
+	    t = t + deltat <br>
+	
+
+	    mercuryRatio.plot(pos=(t,mercury_Ratio)) <br>
+	    mercuryRealRatio.plot(pos=(t,mercury_RealRatio)) <br>
+	    
+	    venusRatio.plot(pos=(t,venus_Ratio)) <br>
+	    venusRealRatio.plot(pos=(t,venus_RealRatio)) <br>
+	    
+	    earthRatio.plot(pos=(t,earth_Ratio)) <br>
+	    earthRealRatio.plot(pos=(t,earth_RealRatio))<br>
+	    
+	    marsRatio.plot(pos=(t,mars_Ratio)) <br>
+	    marsRealRatio.plot(pos=(t,mars_RealRatio))<br>
+	    
+	    jupiterRatio.plot(pos=(t,jupiter_Ratio))
+	    jupiterRealRatio.plot(pos=(t,jupiter_RealRatio))
+	    
+	    saturnRatio.plot(pos=(t,saturn_Ratio)) <br>
+	    saturnRealRatio.plot(pos=(t,saturn_RealRatio))<br>
+	    
+	    uranusRatio.plot(pos=(t,uranus_Ratio))<br>
+	    uranusRealRatio.plot(pos=(t,uranus_RealRatio)) <br>
+	    
+	    neptuneRatio.plot(pos=(t,neptune_Ratio)) <br>
+	    neptuneRealRatio.plot(pos=(t,neptune_RealRatio)) <br>
+	    
+	    plutoRatio.plot(pos=(t,pluto_Ratio)) <br>
+	    plutoRealRatio.plot(pos=(t,pluto_RealRatio)) <br>
+	    #행성별 공전 경로와 실제 경로를 시간에 따라 나타냄 <br>
+	    t = t + deltat <br>
+    #시간이 지남에 따라 시간을 변화 시켜줌 <br>
+
+(5)	내가 기여한 내용에 대한 설명: 주석을 첨부하였다. <br>
+(6)	내가 기여한 내용의 반영 여부: X <br>
+
+[프로젝트 2: ] <br>
+(1)연구소 이름: 연구소 이름을 까먹은 연구팀의 연구소(진짜 까먹었어요 죄송합니다) <br>
+(2)연구소가 해결하려는 문제: 탄소 순환을 이용한 지구온난화 분석 및 '인류 멸망 주식회사' <br>
+(3)연구소의 깃헙 링크: https://github.com/Usernam02/2508-2510 <br>
+(4)내가 기여한 내용 <br>
+class Queue : <br>
+    def __init__(self) : <br>
+        self.items = [] <br>
+    def enqueue(self,item) : <br>
+        self.items.insert(0,item) <br>
+    def dequeue(self) : <br>
+        return self.items.pop() <br>
+    def isEmpty(self) : <br>
+        return self.items == [] <br>
+    def size(self) : <br>
+        return len(self.items) <br>
+g = Queue() <br>
+k = Queue() <br>
+b = Queue() <br>
+s = Queue() <br>
+for i in range(0,100): <br>
+    g.enqueue(1) <br>
+    k.enqueue(1) <br>
+    b.enqueue(1) <br>
+    s.enqueue(1) <br>
+a1 = g.size() // 3 <br>
+a2 = k.size() // 4 <br>
+a3 = b.size() // 2 <br>
+a4 = s.size() // 5 <br>
+for i in range(a1) : <br>
+    g.dequeue() <br>
+for i in range(a2) : <br>
+    k.dequeue() <br>
+for i in range(a3) : <br>
+    b.dequeue() <br>
+for i in range(a4) : <br>
+    s.dequeue() <br>
+for i in range(a2) : <br>
+    g.enqueue(1) <br>
+for i in range(a3) : <br>
+    k.enqueue(1) <br>
+for i in range(a4) : <br>
+    b.enqueue(1) <br>
+for i in range(a1) : <br>
+    s.enqueue(1) <br>
+print(g.size()) <br>
+print(k.size()) <br>
+print(b.size()) <br>
+print(s.size()) <br>
+q=True <br>                                      #f= 수확량 <br>
+wf=input('뭐 먹을래? 감자 보리 밀 옥수수 쌀 인공 음식 빵     ') <br>
+if wf=='감자' : <br>
+    f=292 <br>
+elif wf=='보리' : <br>
+    f=176 <br>
+elif wf=='밀' : <br>
+    f=248 <br>
+elif wf=='쌀' : <br>
+    f=264 <br>
+elif wf=='채소' : <br>
+    f=2 <br>
+elif wf=='빵' : <br>
+    print('빵이 없으면 캐이크를 먹어-말이 안통하네트') <br>
+    q=False <br>
+elif wf=='인공 음식' : <br>
+    f=10000000 <br>
+elif wf=='옥수수' : <br>
+    f=496 <br>
+elif wf=='안 먹을래': <br>
+    f=0 <br>
+else : <br>
+    print('그런 거 없다 반동분자야') <br>
+    q=False <br>
+a=10000 <br>
+g=10000 <br>
+h=70 <br>
+at=[] <br>
+gt=[] <br>
+wt=[] <br>
+ht=[] <br>
+w=1000 <br>
+y=2019 <br>
+while q : <br>
+    b=int(input('편안함')) <br>
+    for i in range(1,41): <br>
+        at.append(a) <br>
+        gt.append(g) <br>
+        wt.append(w) <br>
+        ht.append(h) <br>
+        y=y+1 <br>                     #해는 1년씩 늘어남 <br>
+        nw=int(a*0.1) <br>
+        bh=int(b*h) <br>
+        bh1=int(bh*0.4) <br>
+        bh2=int(bh*0.1) <br>
+        f1=int(f*0.1) <br>
+        a=a+w-nw+h+bh2-f1 <br>          #1년 후 이산화탄소의 양
+        g=g-bh+f-h <br>                 #1년 후 화석 연료의 양
+        w=nw <br>
+        dh=int(0.08*h) <br>
+        nh=int(0.02*bh) <br>
+         
+        if a<3000 :                      #이산화탄소 농도가 너무 낮으면 호흡이 안되서 농사가 망함 <br>
+            print('서기', end='') <br>
+            print(y, end='') <br>
+            print('년', end=' ') <br>
+            print(wf, end='') <br>
+            print('농사가 망했습니다 you die') <br>
+            at.append(a) <br>
+            q=False <br>
+            break <br>
+        
+        elif f-h<0 :                #인구에 비해 수확량이 적으면 정부에 반기를 든 분노한 시민들이 폭동을 일으킵니다. <br>
+            print('서기', end='')<br>
+            print(y, end='') <br>
+            print('년', end=' ') <br>
+            print(wf, end='') <br>
+            print('수확량이 부족합니다 폭동이 일어났습니다 you die') <br>
+            q=False <br>
+            break <br>
+        elif b>5000: <br>
+            print('과연 괜찮을 까요 식량은요? 화석연료는요? 이산화 탄소는요?')<br>
+            print('서기', end='') <br>
+            print(y, end='') <br>
+            print('년', end=' ') <br>
+            print(wf, end='') <br>
+            q=False <br>
+            break <br>
+        elif  f-h-300>0 :                #인구에 비해 수확량이 압도적으로 많으면 농지를 처분해야 합니다. <br>
+            print('서기', end='') <br>
+            print(y, end='') <br>
+            print('년', end=' ') <br>
+            print(wf, end='') <br>
+            print('수확량이 많습니다. 슬슬 농업용 토지를 처분해야 합니다.') <br>
+            q=False<br>
+            break
+        elif g<0 :                  #화석 연료가 없어서 너는 굶어 죽습니다. <br>
+            print('서기', end='') <br>
+            print(y, end='') <br>
+            print('년', end=' ') <br>
+            print('화석 연료가 다 떨어졌습니다 가장 현실에 가깝습니다 you die') <br>
+            gt.append(g) <br>
+            q=False <br>
+            break <br>
+        elif a>30000:               #이산화탄소 농도가 너무 높으면 질식사합니다. <br>
+            print('서기', end='') <br>
+            print(y, end='') <br>
+            print('년', end=' ') <br>
+            print('숨이 막혀 오는 것이 느껴집니다 you die') <br>
+            at.append(a) <br>
+            q=False <br>
+            break <br>
+        elif f-h>500 :             #수확량이 인구에 비해 너무 많으면 넘쳐나는 음식물 쓰레기를 주체할 수 없게 됩니다. <br>
+            print('서기', end='') <br>
+            print(y, end='') <br>
+            print('년', end=' ') <br>
+            print('음식물 쓰레기가 너무 많습니다 you die') <br>
+            q=False <br>
+            break <br>
+        elif h>12000000000 :   #인구가 너무 많으면 주거공간이 모자라게 됩니다. <br>
+            print('서기', end='') <br>
+            print(y, end='') <br>
+            print('년', end=' ') <br>
+            print(wf, end='') <br>
+            print('주거공간이 모자랍니다 폭동이 일어났습니다. you die') <br>
+            q=False <br>
+        elif h<1 :   # 지구에 살아있는 인류가 없습니다. <br>
+            print('서기', end='') <br>
+            print(y, end='') <br>
+            print('년', end=' ') <br>
+            print(wf, end='') <br>
+            print('지구위에 살아있는 인류는 없습니다. you die') <br>
+            q=False <br>
+        else : <br>
+            h=h-dh+nh <br>
+    import matplotlib.pyplot as plt <br>
+    plt.figure(figsize = (5,3), dpi = 300) # 그래프 크기 및 해상도 조절 <br>
+    plt.rc('font',family='Malgun Gothic') # 한글 폰트설정 <br>
+    plt.plot(at, '.') <br>
+    plt.title('a') # 제목 넣기 <br>
+    plt.xlim(0,len(at)+1) # x축 값 범위 <br>
+    plt.ylim(1000,21000) # y축 값 범위 <br>
+    plt.xlabel('x축') # x축 레이블 <br>
+    plt.ylabel('y축') # y축 레이블 <br>
+    plt.savefig('data.png') # 파일 저장 <br>
+    plt.show() # 그래프 보여주기 <br>
+    print(at) <br>
+    print(gt) <br>
+    print(wt) <br>
+    print(ht) <br>
+ (5)내가 기여한 내용에 대한 설명 : 코드를 일부 수정함 지구가 멸망하는 경우의 수를 추가하였고 빵을 목록에 추가하고 안 먹을래를 추가하여 수확량이 0인 경우를 제시함 <br>
+(6)내가 기여한 내용의 반영 여부:X <br>
+
+[프로젝트 3: ] <br>
+(1)연구소 이름: 거인 연구소 <br>
+(2)연구소가 해결하려는 문제: 임의의 염기서열이 주어졌을 때 폴리펩타이드 아미노산 구하기 <br>
+(3)연구소의 깃헙 링크: https://github.com/aminoacidteam/ang <br>
+(4)내가 기여한 내용 <br>
+def comp(seq):  #상보적 방식 함수 <br>
+	    comp_dict={'A':'T', 'T':'A', 'C':'G', 'G':'C'} <br>
+    # 염기의 상보적 결합 설정 <br>
+	    seq_comp="" <br>
+	    for char in seq: <br>
+	        if char in comp_dict: <br>
+	            seq_comp = seq_comp + comp_dict[char] <br>
+	        else: <br>
+	            seq_comp = seq_comp + '?' <br>
+	    return seq_comp # 5’, 3’ 설정이 없는 배열 <br>
+	 
+	def rev(seq): #역순 방식 함수 <br>
+	    comp_dict={'A':'A', 'T':'T', 'C':'C', 'G':'G'} <br>
+# 염기 서열 설정 <br>
+	    rev_str = "".join(reversed(seq)) <br>
+	    seq_rev = "" <br>
+	    for char in rev_str: <br>
+	        if char in comp_dict: <br>
+	            seq_rev = seq_rev + comp_dict[char] <br>
+	        else: <br>
+	            seq_rev = seq_rev + '?' <br>
+	    return seq_rev # 염기 서열을 뒤집어 5’, 3’ 반영 <br>
+	  
+	def rev_comp(seq): #상보적 역순 방식 함수 <br>
+	    return (rev(comp(seq))) <br>
+	 
+	
+
+	src = input("DNA seq: ") DNA 염기 서열 받기 <br>
+	cnvt = int(input("1(Comp) 2(Rev) 3(Rev_Comp)")) <br>
+	
+
+	if cnvt == 1: <br>
+	    rslt = comp(src) <br>
+	elif cnvt == 2: <br>
+	    rslt = rev(src) <br>
+	else: <br>
+	    rslt = rev_comp(src) <br>
+	    
+	print(rslt) # 이 두 함수의 기능을 합쳐 전사를 하는 코드 <br>
+          
+(def translate(): <br>
+	    table = {  <br>
+	'ATA':'ILEU-', 'ATC':'ILEU-', 'ATT':'ILEU-', 'ATG':'MET-',  <br>
+	        'ACA':'THR-', 'ACC':'THR-', 'ACG':'THR-', 'ACT':'THR-', <br>
+	        'AAC':'ASN-', 'AAT':'ASN-', 'AAA':'LYS-', 'AAG':'LYS-', <br>
+	        'AGC':'SER-', 'AGT':'SER-', 'AGA':'ARG-', 'AGG':'ARG-', <br>               
+	        'CTA':'LEU-', 'CTC':'LEU-', 'CTG':'LEU-', 'CTT':'LEU-', <br>
+	        'CCA':'PRO-', 'CCC':'PRO-', 'CCG':'PRO-', 'CCT':'PRO-', <br>
+	        'CAC':'HIS-', 'CAT':'HIS-', 'CAA':'GLN-', 'CAG':'GLN-', <br>
+	        'CGA':'ARG-', 'CGC':'ARG-', 'CGG':'ARG-', 'CGT':'ARG-', <br> 
+	        'GTA':'VAL-', 'GTC':'VAL-', 'GTG':'VAL-', 'GTT':'VAL-', <br> 
+	        'GCA':'ALA-', 'GCC':'ALA-', 'GCG':'ALA-', 'GCT':'ALA-', <br>
+	        'GAC':'ASP-', 'GAT':'ASP-', 'GAA':'GLU-', 'GAG':'GLU-', <br>
+	        'GGA':'GLY-', 'GGC':'GLY-', 'GGG':'GLY-', 'GGT':'GLY-', <br>
+	        'TCA':'SER-', 'TCC':'SER-', 'TCG':'SER-', 'TCT':'SER-', <br>
+	        'TTC':'PHE-', 'TTT':'PHE-', 'TTA':'LEU-', 'TTG':'LEU-', <br>
+	        'TAC':'TYR-', 'TAT':'TYR-', 'TAA':'_', 'TAG':'_', <br>
+	        'TGC':'CYS-', 'TGT':'CYS-', 'TGA':'_', 'TGG':'TRY-', <br>
+	
+
+	    } # 코돈 별 염기서열을 저장함 <br>
+	    protein =""  <br>
+	    sm = False <br>
+	    if len(rslt)%3 == 0: <br>
+	        for i in range(0, len(rslt), 3): <br>
+	
+
+	            codon = rslt[i:i + 3] <br>
+	               #코돈을 3개씩 쪼개는 코드 <br>
+
+	            if codon == 'ATG': <br>
+	                sm = True <br>
+	
+
+	            if sm == True: <br>
+	                if codon == ('TAA' or 'TAG' or 'TGA'): <br>
+	                    return protein # 스탑 코돈을 서정함 <br>
+	                else: <br>
+	                    protein+= table[codon] <br>
+	                 
+	    return False # 3개씩 나눠떨어지지 ���는다면 폴리펩타이드를 출력하지 않는다. <br>
+	             ) <br>
+
+
+
+
+(5)내가 기여한 내용에 대한 설명 주석을 추가함 <br>
+(6)내가 기여한 내용의 반영 여부: X <br>
+
+

markdown/greatsong__hssh2019_opensourceproject__2119.md

@@ -0,0 +1,352 @@
+전체 프로젝트 공유 : https://bit.ly/2ZaI9sJ<br>
+0. 학번 :2119<br>
+[프로젝트 1 : 부등식을 만족하는 영역안의 점묘화 그리기]<br>
+1)연구소 이름 : 폴라짱의 카와이한 연구소<br>
+2)연구소가 해결하려는 문제 : 점묘화 미술숙제에 어려움을 겪고 있는 폴라짱을위해 점묘화 그려주는 코드<br>
+3)연구소의 깃헙 링크 : https://github.com/1507Kimdongkyu/information-project-2019-<br>
+4)내가 기여한 내용<br>
+```python
+x_1 = input("1째 점의 x좌표를 입력해 주세요")
+y_1 = input("1째 점의 y좌표를 입력해 주세요")
+ #1,3번 방정식의 해
+x_2 =input("2째 점의 x좌표를 입력해 주세요")
+y_2 =input("2째 점의 y좌표를 입력해 주세요")
+ #2,3번 방정식의 해
+x_3=input("2째 점의 x좌표를 입력해 주세요")
+y_3=input("2째 점의 y좌표를 입력해 주세요")
+#랜덤하게 뿌린 점을 담을 리스트와 그 중에서 영역 안에 포함된 점을 담을 리스트 설정
+randompoint=[]
+conditionpoint=[]
+#세 방정식으로 만들어진 도형(삼각형)을 포함하는 최소의 직사각형 안에 랜덤하게 점을 뿌리기
+a=max(x_1,x_2,x_3)
+b=min(x_1,x_2,x_3)
+c=max(y_1,y_2,y_3)
+d=min(y_1,y_2,y_3)
+for i in range(1000):
+    randompoint += [[0.01*random.randint(100*int(b),100*(int(a)+1)), 0.01*random.randint(100*int(d),100*(int(c)+1))]]
+# 이 중 조건을 만족하는 점들을 다른 리스트에 담기
+for i in range(len(randompoint)):
+    if a_1*randompoint[i][0]+b_1*randompoint[i][1]+c_1>0 and a_2*randompoint[i][0]+b_2*randompoint[i][1]+c_2>0 and a_3*randompoint[i][0]+b_3*randompoint[i][1]+c_3>0:
+        conditionpoint.append(randompoint[i])
+#그래프 그리기
+list_x=[]
+list_y=[]
+for i in range(len(conditionpoint)):
+    list_x = list_x + [conditionpoint[i][0]]
+    list_y = list_y + [conditionpoint[i][1]]
+plt.scatter(list_x ,list_y)
+plt.show()
+```
+5)내가 기여한 내용에 대한 설명<br>
+원래의 코드에서는 점묘화로 채울 삼각형을 세변의 직선의 <br>
+방정식을 이용해 정의했지만 나는 실제로 그리러 하는 영역의 <br>
+각변을 직선의 방정식으로 구하는 것은 귀찮다고 생각하여<br>
+삼각형의 세꼭짓점의 좌표를 정해서 정의해 보았다.<br>
+이것을 응용하면 폴라짱은 삼각형 말고도 여러 도형을 그릴 수 있지<br>
+않을 까??<br>
+6)내가 기여한 내용의 반영 여부 : (O,X 중 선택해주세요)<br>
+
+
+[프로젝트 2 : 탄소 순환을 이용한 지구온난화 분석 및 '인류 멸망 주식회사']<br>
+1)연구소 이름 : 연구소 이름을 까먹은 연구팀의 연구소(진짜 까먹었어요 죄송합니다)<br>
+2)연구소가 해결하려는 문제 : 인류에 대한 증오심을 품고 있는 반상어 씨의 마음으로 인류의 식생활에 따른 인류의 멸망을 시뮬레이션<br>
+3)연구소의 깃헙 링크 : https://github.com/Usernam02/2508-2510<br>
+4)내가 기여한 내용<br>
+(코드, 주석, 문서화 등 내가 기여한 내용을 복붙해주세요)<br>
+```python
+class Queue :
+    def __init__(self) :
+        self.items = []
+    def enqueue(self,item) :
+        self.items.insert(0,item) 
+    def dequeue(self) :
+        return self.items.pop()
+    def isEmpty(self) :
+        return self.items == []
+    def size(self) :
+        return len(self.items)
+g = Queue()
+k = Queue()
+b = Queue()
+s = Queue()
+for i in range(0,100):
+    g.enqueue(1)
+    k.enqueue(1)
+    b.enqueue(1)
+    s.enqueue(1)
+a1 = g.size() // 3
+a2 = k.size() // 4
+a3 = b.size() // 2
+a4 = s.size() // 5
+for i in range(a1) :
+    g.dequeue()
+for i in range(a2) :
+    k.dequeue()
+for i in range(a3) :
+    b.dequeue()
+for i in range(a4) :
+    s.dequeue()
+for i in range(a2) :
+    g.enqueue(1)
+for i in range(a3) :
+    k.enqueue(1)
+for i in range(a4) :
+    b.enqueue(1)
+for i in range(a1) :
+    s.enqueue(1)
+print(g.size())
+print(k.size())
+print(b.size())
+print(s.size())
+q=True                                       #f= 수확량
+wf=input('뭐 먹을래? 감자 보리 밀 옥수수 쌀 인공 음식     ')
+if wf=='감자' :
+    f=292
+elif wf=='보리' :
+    f=176
+elif wf=='밀' :
+    f=248
+elif wf=='쌀' :
+    f=264
+elif wf=='채소' :
+    f=2
+elif wf=='빵' :
+    print('빵이 없으면 캐이크를 먹어-말이 안통하네트')
+    q=False
+elif wf=='인공 음식' :
+    f=10000000
+elif wf=='옥수수' :
+    f=496
+else :
+    print('그런 거 없다 반동분자야')
+    q=False
+a=10000
+g=10000
+h=70
+at=[]
+gt=[]
+wt=[]
+ht=[]
+w=1000
+y=2019
+while q :
+    b=int(input('편안함'))
+    for i in range(1,41):
+        at.append(a)
+        gt.append(g)
+        wt.append(w)
+        ht.append(h)
+        y=y+1                         #해는 1년씩 늘어남
+        nw=int(a*0.1)
+        bh=int(b*h)
+        bh1=int(bh*0.4)
+        bh2=int(bh*0.1)
+        f1=int(f*0.1)
+        a=a+w-nw+h+bh2-f1            #1년 후 이산화탄소의 양
+        g=g-bh+f-h                   #1년 후 화석 연료의 양
+        w=nw
+        dh=int(0.08*h)
+        nh=int(0.02*bh)
+        if a<3000 :                     #이산화탄소 농도가 너무 낮으면 호흡이 안되서 농사가 망함
+            print('서기', end='')
+            print(y, end='')
+            print('년', end=' ')
+            print(wf, end='')
+            print('농사가 망했습니다 you die')
+            at.append(a)
+            q=False
+            break
+        elif f-h<0 :                #인구에 비해 수확량이 적으면 정부에 반기를 든 분노한 시민들이 폭동을 일으킵니다.
+            print('서기', end='')
+            print(y, end='')
+            print('년', end=' ')
+            print(wf, end='')
+            print('수확량이 부족합니다 폭동이 일어났습니다 you die')
+            q=False
+            break
+        elif g<0 :                  #화석 연료가 없어서 너는 굶어 죽습니다.
+            print('서기', end='')
+            print(y, end='')
+            print('년', end=' ')
+            print('화석 연료가 다 떨어졌습니다 가장 현실에 가깝습니다 you die')
+            gt.append(g)
+            q=False
+            break
+        elif a>30000:               #이산화탄소 농도가 너무 높으면 질식사합니다
+            print('서기', end='')
+            print(y, end='')
+            print('년', end=' ')
+            print('숨이 막혀 오는 것이 느껴집니다 you die')
+            at.append(a)
+            q=False
+            break
+        elif f-h>500 :             #수확량이 인구에 비해 너무 많으면 넘쳐나는 음식물 쓰레기를 주체할 수 없게 됩니다.
+            print('서기', end='')
+            print(y, end='')
+            print('년', end=' ')
+            print('음식물 쓰레기가 너무 많습니다 you die')
+            q=False
+            break
+        elif h>12000000000 :   #인구가 너무 많으면 주거공간이 모자라게 됩니다.
+            print('서기', end='')
+            print(y, end='')
+            print('년', end=' ')
+            print(wf, end='')
+            print('주거공간이 모자랍니다 폭동이 일어났습니다. you die')
+            q=False
+         elif h<1 :   #지구에 살아있는 인류가 없습니다.
+            print('서기', end='')
+            print(y, end='')
+            print('년', end=' ')
+            print(wf, end='')
+            print('지구위에 살아있는 인류는 없습니다. you die')
+            q=False
+        else :
+            h=h-dh+nh
+    import matplotlib.pyplot as plt
+    plt.figure(figsize = (5,3), dpi = 300) # 그래프 크기 및 해상도 조절
+    plt.rc('font',family='Malgun Gothic') # 한글 폰트설정
+    plt.plot(at, '.')
+    plt.title('a') # 제목 넣기
+    plt.xlim(0,len(at)+1) # x축 값 범위
+    plt.ylim(1000,21000) # y축 값 범위
+    plt.xlabel('x축') # x축 레이블
+    plt.ylabel('y축') # y축 레이블
+    plt.savefig('data.png') # 파일 저장
+    plt.show() # 그래프 보여주기
+    print(at)
+    print(gt)
+    print(wt)
+    print(ht)
+```
+5)내가 기여한 내용에 대한 설명<br>
+시뮬레이션의 결과에 몇가지 케이스를 추가 해보았다.<br>
+인류의 인구수인 h가 120억을 넘으면 주거공간이 부족해 멸망하고 <br>
+1보다 작게 되면 인류가 단 1명도 없게 되는 것이므로 멸망한 것으로 판단<br>
+했다. 또한 식량의 종류중 옥수수가 없어서 추가해 보았다. 옥수수의 수확량은<br>
+http://kosis.kr/statHtml/statHtml.do?orgId=101&tblId=DT_2KAA405_OECD<br>
+자료를 이용해 밀의 생산량과 비교하여 대략적으로 계산해 보았다.<br>
+6)내가 기여한 내용의 반영 여부 : (O,X 중 선택해주세요)<br>
+
+[프로젝트 3 : 길 찾기 문제 해결 프로그램의 코드 오류 수정]<br>
+1)연구소 이름 : gold챠오니 도깨비 연구소<br>
+
+2)연구소가 해결하려는 문제 : classcard형식의 지구과학 암기 학습 게임을 개발해 <br>
+통합과학을 배우면서 암기과목에 어려움을 느끼고 있는 평범한 1학년 고등학생을 도우려 한다. <br>
+
+3)연구소의 깃헙 링크<br>
+  https://github.com/keumchaewon/keumjeong/blob/greatsong/project<br>
+4)내가 기여한 내용<br>
+(코드, 주석, 문서화 등 내가 기여한 내용을 복붙해주세요)<br>
+```python
+import matplotlib.pyplot as plt
+from matplotlib.image import imread
+
+import random
+
+pic = ['갑주어_고생대_.PNG', '공룡_중생대_.PNG', '매머드_신생대_.PNG', '방추충_고생대_.PNG',
+       '삼엽충_고생대_.PNG', '스트로마톨라이트_선캄브리아_.PNG', '암모나이트_중생대_.PNG', 
+       '디킨소니아_선캄브리아_.PNG', '필석_고생대_.PNG', '화폐석_신생대_.PNG']
+
+easy = [ '공룡_중생대_.PNG', '매머드_신생대_.PNG', '화폐석_신생대_.PNG']
+
+hard = ['갑주어_고생대_.PNG', '방추충_고생대_.PNG',
+       '삼엽충_고생대_.PNG', '스트로마톨라이트_선캄브리아_.PNG', '암모나이트_중생대_.PNG', 
+       '디킨소니아_선캄브리아_.PNG', '필석_고생대_.PNG']
+
+
+game = True
+
+nscore = 0
+score = 0
+
+#cho = input("이름 학습을 플레이하려면 1, 시대 학습을 플레이하려면 2를 입력해주세요.")
+
+while game == True :
+    
+    cho = input("이름 학습을 플레이하려면 1, 시대 학습을 플레이하려면 2를 입력해주세요.")
+    
+    if cho in "1, 2" :
+
+        while pic != [] :
+            a = random.randint(0, len(pic)-1)
+            play = pic.pop(a)
+            img = imread(play)
+            plt.imshow(img)
+            plt.show()
+
+            name = input("답을 입력해주세요. (학습을 중단하시려면 '그만'을 입력하세요)")
+
+            if name == "그만" :
+                print("학습을 중단하셨습니다. 현재까지 누적 점수는", nscore, "점 입니다.")
+                break
+
+            elif cho == '1' :
+                if name == play.split('_')[0] :
+                    if play.split('_')[0] in easy:
+                        print("정답입니다. +1")
+                    	score += 1
+                    	nscore += 1
+                    else :
+                        print("정답입니다. +2")
+                    	score += 2
+                    	nscore += 2
+                else :
+                	 if play.split('_')[0] in easy:
+                        print("오답입니다. -1", "( 답 :", play.split('_')[0], “)”)
+                    	score -= 1
+                    	nscore -= 1
+                    else :
+                        print("오답입니다. -2", "( 답 :", play.split('_')[0], “)”)
+                    	score -= 2
+                    	nscore -= 2
+                    pic.append(play)
+
+            elif cho == '2' :
+                if name == play.split('_')[1] :
+                    if play.split('_')[1] in easy:
+                        print("정답입니다. +1")
+                    	score += 1
+                    	nscore += 1
+                    else :
+                        print("정답입니다. +2")
+                    	score += 2
+                    	nscore += 2
+                else :
+                	 if play.split('_')[1] in easy:
+                        print("오답입니다. -1", "( 답 :", play.split('_')[1], “)”)
+                    	score -= 1
+                    	nscore -= 1
+                    else :
+                        print("오답입니다. -2", "( 답 :", play.split('_')[1], “)”)
+                    	score -= 2
+                    	nscore -= 2
+                    pic.append(play)        
+
+        print("학습 완료. 당신의 점수는", score, "점 입니다.(누적 점수 :", nscore, ")")
+        
+        new = input("새 게임을 시작하시겠습니까? 예 / 아니오")
+        
+        if new == '예' :
+            game = True
+            score = 0
+            pic = ['갑주어_고생대_.PNG', '공룡_중생대_.PNG', '매머드_신생대_.PNG', '방추충_고생대_.PNG',
+           '삼엽충_고생대_.PNG', '스트로마톨라이트_선캄브리아_.PNG', '암모나이트_중생대_.PNG', 
+           '디킨소니아_선캄브리아_.PNG', '필석_고생대_.PNG', '화폐석_신생대_.PNG']
+        else : 
+            game = False
+
+                
+    else :
+        game = False
+        print("입력이 잘못되었습니다.")
+        
+print("학습이 종료됩니다.")
+```
+5)내가 기여한 내용에 대한 설명<br>
+(자신이 어떤 기여를 한 것인지 설명해주세요)<br>
+문제를 채점하는 데 있어 각 문제의 배점을 다르게 하였다. <br>
+예를 들어 메머드, 공룡 같은 맞추기 쉬운 문제를 1점으로 배점하였고, <br>
+갑주어,필석 같은 어려운 문제는 2점으로 배점하였다. 틀렸을 때 빼는 점수도 이에 맞추어 채점하도록 하였다.<br>
+
+6)내가 기여한 내용의 반영 여부 : (O,X 중 선택해주세요)<br>

markdown/greatsong__hssh2019_opensourceproject__2515.md

@@ -0,0 +1,324 @@
+전체 프로젝트 공유 : https://bit.ly/2ZaI9sJ
+
+0. 학번 : 2515
+
+[프로젝트 1 :탄소 순환을 이용한 지구온난화 분석 및 '인류 멸망 주식회사']
+1)연구소 이름 : (Kite nine cow)
+2)연구소가 해결하려는 문제 : (인류에 대한 증오심을 품고 있는 반상어 씨)
+3)연구소의 깃헙 링크 : (https://github.com/Usernam02/2508-2510)
+4)내가 기여한 내용
+(
+class Queue :
+    def __init__(self) :
+        self.items = []
+    def enqueue(self,item) :
+        self.items.insert(0,item) 
+    def dequeue(self) :
+        return self.items.pop()
+    def isEmpty(self) :
+        return self.items == []
+    def size(self) :
+        return len(self.items)
+g = Queue()
+k = Queue()
+b = Queue()
+s = Queue()
+for i in range(0,100):
+    g.enqueue(1)
+    k.enqueue(1)
+    b.enqueue(1)
+    s.enqueue(1)
+a1 = g.size() // 3
+a2 = k.size() // 4
+a3 = b.size() // 2
+a4 = s.size() // 5
+for i in range(a1) :
+    g.dequeue()
+for i in range(a2) :
+    k.dequeue()
+for i in range(a3) :
+    b.dequeue()
+for i in range(a4) :
+    s.dequeue()
+for i in range(a2) :
+    g.enqueue(1)
+for i in range(a3) :
+    k.enqueue(1)
+for i in range(a4) :
+    b.enqueue(1)
+for i in range(a1) :
+    s.enqueue(1)
+print(g.size())
+print(k.size())
+print(b.size())
+print(s.size())
+
+
+
+q=True                                       #f= 수확량
+wf=input('뭐 먹을래? 감자 보리 밀 쌀 인공 음식     ')
+if wf=='감자' :
+    f=292
+elif wf=='보리' :
+    f=176
+elif wf=='밀' :
+    f=248
+elif wf=='쌀' :
+    f=264
+elif wf=='채소' :
+    f=2
+elif wf=='빵' :
+    print('빵이 없으면 캐이크를 먹어-말이 안통하네트')
+    q=False
+elif wf=='인공 음식' :
+    f=10000000
+else :
+    print('그런 거 없다 반동분자야')
+    q=False
+a=10000
+g=10000
+h=70
+at=[]
+gt=[]
+wt=[]
+ht=[]
+w=1000
+y=2019
+while q :
+    b=int(input('편안함'))
+    for i in range(1,41):
+        at.append(a)
+        gt.append(g)
+        wt.append(w)
+        ht.append(h)
+        y=y+1                         #해는 1년씩 늘어남
+        nw=int(a*0.1)
+        bh=int(b*h)
+        bh1=int(bh*0.4)
+        bh2=int(bh*0.1)
+        f1=int(f*0.1)
+        a=a+w-nw+h+bh2-f1            #1년 후 이산화탄소의 양
+        g=g-bh+f-h                   #1년 후 화석 연료의 양
+        w=nw
+        dh=int(0.08*h)
+        nh=int(0.02*bh)
+        if a<3000 :                     #이산화탄소 농도가 너무 낮으면 호흡이 안되서 농사가 망함
+            print('서기', end='')
+            print(y, end='')
+            print('년', end=' ')
+            print(wf, end='')
+            print('농사가 망했습니다 you die')
+            at.append(a)
+            q=False
+            break
+        elif f-h<0 :                #인구에 비해 수확량이 적으면 정부에 반기를 든 분노한 시민들이 폭동을 일으킵니다.
+            print('서기', end='')
+            print(y, end='')
+            print('년', end=' ')
+            print(wf, end='')
+            print('수확량이 부족합니다 폭동이 일어났습니다 you die')
+            q=False
+            break
+        elif g<0 :                  #화석 연료가 없어서 너는 굶어 죽습니다.
+            print('서기', end='')
+            print(y, end='')
+            print('년', end=' ')
+            print('화석 연료가 다 떨어졌습니다 가장 현실에 가깝습니다 you die')
+            gt.append(g)
+            q=False
+            break
+        elif a>30000:               #이산화탄소 농도가 너무 높으면 질식사합니다
+            print('서기', end='')
+            print(y, end='')
+            print('년', end=' ')
+            print('숨이 막혀 오는 것이 느껴집니다 you die')
+            at.append(a)
+            q=False
+            break
+        elif f-h>500 :             #수확량이 인구에 비해 너무 많으면 넘쳐나는 음식물 쓰레기를 주체할 수 없게 됩니다.
+            print('서기', end='')
+            print(y, end='')
+            print('년', end=' ')
+            print('음식물 쓰레기가 너무 많습니다 you die')
+            q=False
+            break
+        else :
+            h=h-dh+nh
+    import matplotlib.pyplot as plt
+    plt.figure(figsize = (5,3), dpi = 300) # 그래프 크기 및 해상도 조절
+
+    plt.rc('font',family='Malgun Gothic') # 한글 폰트설정
+    plt.plot(at, '.')
+    plt.title('a') # 제목 넣기
+
+    plt.xlim(0,len(at)+1) # x축 값 범위
+    plt.ylim(1000,21000) # y축 값 범위
+
+    plt.xlabel('x축') # x축 레이블
+    plt.ylabel('y축') # y축 레이블
+
+    plt.savefig('data.png') # 파일 저장
+
+    plt.show() # 그래프 보여주기
+    print(at)
+    print(gt)
+    print(wt)
+    print(ht))
+5)내가 기여한 내용에 대한 설명
+(편안함과 그래프의 축이 무엇을 의미하는지 잘 모르겠다.)
+6)내가 기여한 내용의 반영 여부 : (O)
+
+[프로젝트 2 : DNA 염기서열과 프라이머를 입력받아 절편생성. 프라이머 위치 파악. 상보적인 염기서열을 알아내는 프로젝트입니다.]
+1)연구소 이름 : (보노보노의 정보 탐험)
+2)연구소가 해결하려는 문제 : (우리들은 요즘에 생물에서 PCR과 RFLP를 비롯해서 유전자 재조합기술을 사용하고 있습니다. 그에 따라서 엄청나게 많은 염기서열을 파악하고 그에 따른 문제를 해결해야합니다. 그렇기 때문에 그러한 수고를 조금이라도 덜기 위해서 프로그래밍을 해서 문제를 해결하기 위해 노력해보았습니다.)
+3)연구소의 깃헙 링크 : (https://github.com/robot292/bonobonoDNA/blob/master/FINALUPLOADINGCODE)
+4)내가 기여한 내용
+dna = input('염기서열을 입력해줘:') ### 염기서열을 사용자로부터 받는다.
+fullprimer = input('프라이머 입력해줘:') ### 프라이머를 사용자로부터 받는다.
+checker = True 
+print("주형가닥 DNA는",dna) ### 사용자가 입력한 염기서열이 맞는지 확인 하기 위해서 한번 출력시켜준다. 
+print("primer의 서열은",fullprimer) ### 사용자가 입력한 프라이머가 맞는지 확인 하기 위해서 한번 출력시켜준다. 
+yumgi = list(dna) ### DNA 주형가닥을 YUMGI의 형채로 list로 저장
+primer = list(fullprimer) ### 프라이머를 list의 형태로 저장
+
+a=len(yumgi)
+num=0
+yumgi.insert(0,0)
+for i in range(a):
+    del yumgi[0]
+    for j in range(len(primer)):
+        if checker:
+            if yumgi[int(j)]== primer[int(j)]:
+                checker=True
+            else:
+                checker=False
+        else:
+            checker=False
+    if checker:
+        num +=1
+        print(num, '번째 서열에서 프라이머가 존재합니다')
+        checker=True
+    else:
+        num +=1
+        checker=True
+
+def enzyme(dna,fullprimer) :
+    dna_saver = []
+    cnt = 0
+    check = 0
+    while len(dna[0:-1] ) != 1 :
+        for i in range(len(dna)-1) :
+            if dna[i:i+len(fullprimer)] == fullprimer :
+                dna1 = dna[0:i+1]
+                print(dna1)
+                check += 1
+                break
+        else : 
+            print(dna)
+            cnt += 1
+            break
+        if check == 0 :
+            break
+        dna_saver.append(dna1)
+        cnt +=1
+        dna = dna[len(dna1):len(dna)]
+    if check != 0 :
+        print('RFLP의 갯수는' , cnt , '입니다')
+    else :
+        print('만들어진 절편은 존재하지 않습니다.')
+enzyme(dna,fullprimer)
+
+
+def comp(seq):  #상보적 방식 함수
+    comp_dict={'A':'T', 'T':'A', 'C':'G', 'G':'C'}
+    seq_comp=""
+    for char in seq:
+        if char in comp_dict:
+            seq_comp = seq_comp + comp_dict[char]
+        else:
+            seq_comp = seq_comp + '?'
+    return seq_comp
+ 
+def rev(seq): #역순 방식 함수
+    comp_dict={'A':'A', 'T':'T', 'C':'C', 'G':'G'}
+    rev_str = "".join(reversed(seq))
+    seq_rev = ""
+    for char in rev_str:
+        if char in comp_dict:
+            seq_rev = seq_rev + comp_dict[char]
+        else:
+            seq_rev = seq_rev + '?'
+    return seq_rev
+ 
+def rev_comp(seq): #상보적 역순 방식 함수
+    return (rev(comp(seq)))
+ 
+while True: #입력값 루프, 0 입력 시 루프 종료
+    src = dna
+    cnvt = int(input("1(Comp) 2(Rev) 3(Rev_Comp)"))
+    if cnvt == 1:
+        rslt = comp(src)
+        print(src, "->", rslt)
+    elif cnvt == 2:
+        rslt = rev(src)
+        print(src, "->", rslt)
+    elif cnvt == 3:
+        rslt = rev_comp(src)
+        print(src,"->",rslt)
+    elif cnvt == 0:
+        break
+    else:
+        print("종료를 원하시면 0을 입력, 상보적으로 전환할 시 1, 역순 방향을 원할시 2, 상보적 연순을 원할 시 3을 누르세요
+5)내가 기여한 내용에 대한 설명
+(불필요한 if 문을 제거하여 더 간결하게 표현하였다. 또한 입력창에 자세한 설명을 넣어 사용자가 더 편하게 하도록하였다.)
+6)내가 기여한 내용의 반영 여부 : (X)
+
+[프로젝트 3 : 헨더슨-하셀 바흐 식을 통해 산-염기 적정 곡선 그리기]
+1)연구소 이름 : (럭셔리 연구소)
+2)연구소가 해결하려는 문제 : (화학실험시간에 산염기 적정곡선을 해석하지 못하여 어려움을 겪고 있는 신정서 학생의 문제를 해결하기 위한 프로젝트입니다.)
+3)연구소의 깃헙 링크 : https://github.com/jeongseo0503/luxuryproject)
+4)내가 기여한 내용
+import numpy as np
+pk=float(input('산의 pKa를 입력해주세요'))
+k=10**((-1)*(pk))
+c=float(input('산의 농도를 입력해주세요(M)'))
+v=float(input('산의 부피를 입력해주세요(mL)'))
+cNaOH= float(input('NaOH의 농도를 입력해주세요(M)'))
+vNaOH=float(input('NaOH의 부피를 입력해주세요(mL)'))
+a=(k/c)**0.5 #5%근사, 농도가 매우 낮을시 실제상황과 다르기 때문에 미리 명시해 줘야됨.
+
+def pH(x, cNaOH, c, v, k):
+    acidmmol=c*v
+    l=[]
+    for i in range(len(x)):
+        if x[i]==0 :
+            answer = (-0.5)*np.log10(c*k)
+            l.append(answer)
+        elif acidmmol>x[i]*cNaOH:
+            basemmol = cNaOH * x[i]
+            answer = pk + np.log10(basemmol/(acidmmol - basemmol))
+            l.append(answer)
+        elif acidmmol==x[i]*cNaOH:
+            answer = 14 + 0.5* np.log10((10**(-14))*(c*v/(v+x[i]))/k)
+            l.append(answer)
+        else :
+            otherNaOH = cNaOH*x[i]-c*v
+            answer = 14+ np.log10(otherNaOH/(v+x[i]))
+            l.append(answer)
+    return l
+
+def dang(x, cNaOH, c, v, k):
+    answer = 14 + 0.5* np.log10((10**(-14))*(c*v/(v+x))/k)
+    return answer 
+import matplotlib.pyplot as plt 
+get_ipython().run_line_magic('matplotlib', 'inline')
+x1= np.arange(0, vNaOH, 0.001).tolist()
+y1= pH(x1, cNaOH, c, v, k)
+plt.plot(x1,y1)
+plt.show()
+a=c*v/cNaOH
+b= dang(a, cNaOH, c, v, k)
+print(int(a), 'mL를 넣었을 때 당량점 입니다. 이때 pH는',float(b), '입니다.')
+5)내가 기여한 내용에 대한 설명
+(5% 근사는 특수 상황에서만 성립되기 때문에 미리 경고를 해줘야 한다. 미리 5% 근사가 되는지 알아봐주는 코드가 있었으면 좋겠다.)
+6)내가 기여한 내용의 반영 여부 : (O)

markdown/greatsong__hssh2019_opensourceproject__2609.md

@@ -0,0 +1,164 @@
+전체 프로젝트 공유 : https://bit.ly/2ZaI9sJ
+
+0. 학번 : 2609
+
+## [프로젝트 1 : 여러 점파원 파동의 형태와 그때의 상쇄,보강 간섭을 Vpython을 통해 시각화 해보기]<br>
+1)연구소 이름 : 물리 연구소<br>
+2)연구소가 해결하려는 문제 : 물리선생님께서  수업 시간에 파동을 그리시는 것에 어려움을 겪으신다.<br>
+3)연구소의 깃헙 링크 : https://github.com/mike0218/2415-2419<br>
+4-1)수정하거나 추가하고 싶은 내용<br>
+파동의 간섭이 확연히 드러나도록 해주고 싶다.<br>
+4-2)내가 기여한 내용<br>
+ㄱ. 
+```python
+#(z-24)^2/(2.4*n)^2 - (x-24)^2/((2.4)^2*(16-n^2))=1  
+def hyperbola(n,x):
+    return ((2.4*n)**2 + (n*(x-24))**2/(16-n**2))**0.5
+#constructive interference
+c0 = curve(radius = 0.2)
+c0.append(vector(0,25,24), vector(48,25,24))
+c1 = curve(radius = 0.2)
+for i in range(0,49) :
+    c1.append(vector(i,25,hyperbola(1,i)+24))
+c2 = curve(radius = 0.2)
+for i in range(0,49) :
+    c2.append(vector(i,25,hyperbola(2,i)+24))
+c3 = curve(radius = 0.2)
+for i in range(0,49) :
+    c3.append(vector(i,25,hyperbola(3,i)+24))
+c_1 = curve(radius = 0.2)
+for i in range(0,49) :
+    c_1.append(vector(i,25,-hyperbola(1,i)+24))
+c_2 = curve(radius = 0.2)
+for i in range(0,49) :
+    c_2.append(vector(i,25,-hyperbola(2,i)+24))
+c_3 = curve(radius = 0.2)
+for i in range(0,49) :
+    c_3.append(vector(i,25,-hyperbola(3,i)+24))
+
+#destructive interference
+d1 = curve(radius = 0.2, color = color.black)
+for i in range(0,49) :
+    d1.append(vector(i,24,hyperbola(0.5,i)+24))
+d2 = curve(radius = 0.2, color = color.black)
+for i in range(0,49) :
+    d2.append(vector(i,24,hyperbola(1.5,i)+24))
+d3 = curve(radius = 0.2, color = color.black)
+for i in range(0,49) :
+    d3.append(vector(i,24,hyperbola(2.5,i)+24))
+d4 = curve(radius = 0.2, color = color.black)
+for i in range(0,49) :
+    d4.append(vector(i,24,hyperbola(3.5,i)+24))
+d_1 = curve(radius = 0.2, color = color.black)
+for i in range(0,49) :
+    d_1.append(vector(i,24,-hyperbola(0.5,i)+24))
+d_2 = curve(radius = 0.2, color = color.black)
+for i in range(0,49) :
+    d_2.append(vector(i,24,-hyperbola(1.5,i)+24))
+d_3 = curve(radius = 0.2, color = color.black)
+for i in range(0,49) :
+    d_3.append(vector(i,24,-hyperbola(2.5,i)+24))
+d_4 = curve(radius = 0.2, color = color.black)
+for i in range(0,49) :
+    d_4.append(vector(i,24,-hyperbola(3.5,i)+24))
+```
+
+ㄴ.
+
+```python
+wave1=swave(1,1,10,20,0)
+wave2=swave(1,1,10,-20,0)
+```
+ 
+<br>
+5)내가 기여한 내용에 대한 설명<br>
+ㄱ. <br>
+파동의 간섭을 확연하게 볼 수 있도록 두 파동이 보강간섭하는 점들을 이어 하얀 선(curve)으로, 상쇄간섭하는 점들을 이어 검은 선으로 이었다.<br>
+선은 49개의 점들을 직선으로 이어 곡선처럼 보이게 하였다.<br>
+이를 위해 두 초점이 파원인 쌍곡선의 방정식을 이용하였다.<br>
+보강간섭을 구현하기 위해, 경로차가 파장의 정수배인 쌍곡선의 방정식을 세우고, <br>
+상쇄간섭을 구현하기 위해, 경로차가 파장의 정수배 + 반파장의 쌍곡선의 방정식을 세웠다.<br>
+이 때, 보강간섭 쌍곡선은 파도에 의해 덮여버려서 높이를 합성파의 최대진폭의 높이로 맞춰주었다.<br>
+
+ㄴ. <br>
+물결파의 진폭을 줄여서 보기 좋게 만들었고, 파동의 간섭을 잘 보기 위해 파원 사이 거리를 늘렸다.<br>
+6)내가 기여한 내용의 반영 여부 : (O,X 중 선택해주세요)<br>
+
+### [프로젝트 2 : 중력 보정을 통한 지형 보정 값 출력]<br>
+1)연구소 이름 : 탈론 연구소<br>
+2)연구소가 해결하려는 문제 : 지형 보정 값을  구하는데 어려움을 겪고 있는 햄스터 해먼드<br>
+3)연구소의 깃헙 링크 : https://github.com/McCree081318/McCree<br>
+4-1)수정하거나 추가하고 싶은 내용<br>
+원래의 코드에 주석을 추가하여 각각의 보정값들과 이상값들의 이름을 한글로 설명해주고 싶다.<br>
+4-2)내가 기여한 내용<br>
+```#표준중력
+def standardG( o):
+    sin2 = (m.sin(m.radians(o)))**2
+    return g*(1+0.005278895*sin2+0.000023462*sin2**2)
+
+#프리에어 보정
+def freeAirCorrection(h):
+    return 0.308*h
+
+#프리에어 이상
+def freeAirAnomaly(g, h, o):
+    return (g - standardG(o)+freeAirCorrection(h))
+
+#부게 보정
+def bouguerCorrection(p, h):
+    return 0.0419 * p * h
+
+#부게 이상
+def bouguerAnomaly(g, h, o, p):
+    return freeAirAnomaly(g, h, o) - bouguerCorrection(p, h)
+
+#지형 보정
+def terrainCorrection(g, h, o, p, gBC):
+    return gBC - bouguerAnomaly(g,h,o,p)
+```
+
+5)내가 기여한 내용에 대한 설명<br>
+기존의 코드에서 한글 이름을 주석으로 추가하여 이해가 쉽도록 하였다.<br>
+6)내가 기여한 내용의 반영 여부 : (O,X 중 선택해주세요)<br>
+
+### [프로젝트 3 : 격자점 세기 문제]
+1)연구소 이름 : 하찮은 연구소<br>
+2)연구소가 해결하려는 ��제 : 수능/모의고사에서 난이도가 높은 격자점 문제를 푸는데 어려움을 겪는 전국의 수험생들<br>
+3)연구소의 깃헙 링크 : https://github.com/kkjun2582/261116-informatics-project<br>
+4-1)수정하거나 추가하고 싶은 내용<br>
+처음 코드를 보았을 때 잘 이해가 가지 않았다. 이해한 후에 처음보는 사람들도 이해할 수 있게 설명을 해주고 싶다.<br>
+4-2)내가 기여한 내용
+
+ㄱ.
+```
+#두개의 평면을 ax+by+cz+d=0의 형태로 만들어주기 위해 계수들을 입력받는다.
+a1 = float(input('a1'))
+b1 = float(input('b1'))
+c1 = float(input('c1'))
+d1 = float(input('d1'))
+a2 = float(input('a2'))
+b2 = float(input('b2'))
+c2 = float(input('c2'))
+d2 = float(input('d2'))
+
+#cnt 로 하나의 (x,y)값에 대해 두 평면 사이 격자점의 수를 저장한다.
+#z = (a*x + b*y + d)/-c 를 이용한 것이다.
+cnt = 0
+for i in range(x_min,x_max+1) :
+    for j in range(y_min,y_max+1) :
+        if (a1*i + b1*j + d1)/-c1 >= (a2*i + b2*j + d2)/-c2 :
+            cnt =+ int((a1*i + b1*j + d1)/-c1 - (a2*i + b2*j + d2)/-c2)
+        else : 
+            cnt =+ int((a2*i + b2*j + d2)/-c2 - (a1*i + b1*j + d1)/-c1)
+print(cnt)
+```
+ㄴ.
+```
+#eval 함수의 기능 : input 되어 들어온 문자열을 파이썬에서 인식 가능한 컴파일 코드로 바꿔 준다. 따라서 함수로의 기능을 할 수 있게 된다. 
+
+     if eval(a) - eval(b) >= 0 :
+        cnt += int(eval(a) - eval(b))
+```
+5)내가 기여한 내용에 대한 설명<br>
+코드를 처음 보는 사람들도 이해를 할 수 있도록 설명을 간단히 추가하였다.<br>
+6)내가 기여한 내용의 반영 여부 : (O,X 중 선택해주세요)<br>

markdown/greedysiru__TIL__C_C05.md

@@ -0,0 +1,362 @@
+# [나도코딩]C 프로그래밍 - 입문부터 게임 개발까지 (5)(2020.12.27)
+
+
+
+**상세 내용 [블로그]() 참고**
+
+
+
+## 배열
+
+> `자료형` 배열명[`배열 범위`];
+>
+> 배열명[`인덱스`] = 값;
+>
+> ...
+
+`자료형` : 배열 값의 자료형
+
+`배열 범위` : 배열이 가질 데이터의 수
+
+`인덱스` : 각 배열값의 번호(0부터)
+
+```C
+#include <stdio.h>
+int main(void)
+{
+  int subway_array[3]; //정수형 변수 3개 인덱스는 0부터 시작 [0],[1],[2]
+  subway_array[0] = 30;
+  subway_array[1] = 40;
+  subway_array[2] = 50;
+  for(int i = 0; i < 3; i++)
+  {
+    printf("지하철 %d호차에 %d명이 타고 있습니다\n", i+1, subway_array[i]);
+  }
+  return 0;
+}
+```
+
+
+
+## 값 설정
+
+배열의 예시들
+
+```C
+#include <stdio.h>
+int main(void)
+{
+  int arr[10] = {1,2,3,4,5,6,7,8,9,10};
+  for (int i =0; i < 10; i++)
+  {
+    printf("%d\n", arr[i]); // 1,2,3,4,5,6,7,8,9,10 출력
+  }
+  return 0;
+}
+```
+
+배열을 선언하기
+
+```C
+#include <stdio.h>
+int main(void)
+{
+  int arr[10]
+  for (int i = 0; i < 10; i++)
+  {
+   printf("%d\n", arr[i]); // 오류 발생
+  }
+  return 0;
+}
+```
+
+초기값 미입력시 쓰레기값 출력
+
+```C
+#include <stdio.h>
+int main(void)
+{
+  int size = 10;
+  int arr[size]; //배열 선언할 시 변수로 사용할 수 없다.오류발생
+  return 0;
+}
+```
+
+배열 범위는 항상 상수로 주어야 한다.
+
+```C
+#include <stdio.h>
+int main(void)
+{
+  int arr[10] = {1,2};
+  for(int i = 0; i < 10; i++)
+  {
+    printf("%d\n", arr[i]); //3번쨰 값 부터는 자동으로'0'으로 초기화 됨
+  }
+  return 0;
+}
+```
+
+일부에만 값을 넣은 경우. 두 번째 값까지 정의한 배열값이 출력되고, 그 이후는 0이 출력.
+
+```C
+#include <stdio.h>
+int main(void)
+{
+  int arr[] = {1,2}; // arr[2]와 같음
+  return 0;
+}
+```
+
+배열을 선언할때 배열범위를 넣지 않고 중괄호로 바로 넣어줄 수 있다.
+
+```C
+#include <stdio.h>
+int main(void)
+{
+  float arr_f[5] = {1.0f, 2.0f, 3.0f};
+    for (int i = 0; i < 5; i++)
+    {
+        printf("%.2f\n", arr_f[i]);
+    }
+    //1.00 2.00 3.00 0.00 0.00
+
+  return 0;
+}
+```
+
+실수형 `float`로 배열을 선언할 수 있다. 
+
+
+
+## 문자 vs 문자열
+
+문자는 한글자 ,문자열은 여러글자
+
+```C
+#include <stdio.h>
+int main(void)
+{
+  char c = 'A';
+  printf("%c\n", c); //A 출력
+  return 0;
+}
+```
+
+ 작은 따옴표를 사용,  불러올 때는 `%c`를 쓴다.
+
+```C
+#include <stdio.h>
+int main(void)
+{
+  char str[6] = "coding";
+  printf("%s\n", str); //이상한 값 출력
+  return 0;
+}
+```
+
+ 문자열 끝에는 '끝'을 의미하는 `\0`이 포함되어야 함
+
+```C
+#include <stdio.h>
+int main(void)
+{
+  char str[7] = "coding"; //[c][o][d][i][n][g][\0]
+  printf("%s\n", str); //coding 출력
+  return 0;
+}
+```
+
+문자열은 불러올 때 `%s`를 사용
+
+```C
+#include <stdio.h>
+int main(void)
+{
+  char str [] = "coding";
+  printf("%s\n", str); //coding 출력
+  printf("%d\n", sizeof(str)); //7 출력
+  return 0;
+}
+```
+
+빈 괄호만을 입력가능. 자동으로 null을 집어넣어서 정상 출력이 된다.
+
+`sizeof` : 변수의 크기를 알아내는 함수
+
+```C
+#include <stdio.h>
+int main(void)
+{
+  char kor[] = "나도코딩";
+    printf("%s\n", kor);
+    printf("%d\n", sizeof(kor));
+    // 영어는 한글자가 1 byte
+    // 한글은 2byte
+    // 사이즈 9
+    // 왜 나는 13?
+    // 한글 구조상 더 복잡해서 2바이xm
+    // char 자료형 크기 : 1byte
+  
+  return 0;
+}
+```
+
+* 영어는 글자당 1byte를 사용
+* `char` 자료형 자체 크기는 1byte
+* 한글은 글자당 2byte 사용
+*  macOS는 UTF-8 방식을 사용
+*  UTF-8은 한글이 글자당 3byte를 차지
+
+
+
+## 문자열 심화
+
+```C
+#include <stdio.h>
+int main(void)
+{
+  char c_array[7] = {'c','o','d','i','n','g','\n'};
+  printf("%s\n", c_array); //coding 출력
+  return 0;
+}
+```
+
+문자열의 선언은 위처럼 문자 하나하나와 `NULL`값을 입력하는 것과 같다.
+
+```C
+#include <stdio.h>
+int main(void)
+{
+  char c_array[10] = {'c','o','d','i','n','g'};
+  for(int i=0; i < sizeof(c_array); i++)
+  {
+    printf("%c\n", c_array[i]);
+  }
+  return 0;
+}
+```
+
+문자열 선언에서, 여유있게 크기를 만드는 것이 좋다.
+
+
+
+```C
+#include <stdio.h>
+int main(void)
+{
+  char c_array[10] = {'c','o','d','i','n','g'};
+  for(int i=0; i < sizeof(c_array); i++)
+  {
+    printf("%d\n", c_array[i]);  //ASCII 코드 값 출력
+  }
+  return 0;
+}
+```
+
+포맷을 `%d`(정수형)으로 하면 ASCII 코드 값 출력된다. `NULL`은 0으로 출력된다.
+
+
+
+## ASCII 코드
+
+ASCII 코드란, 미국표준협회(ANSI)에서 제시한 표준 코드 체계이다. 7bit, 총 128개 코드로 0에서 127까지 숫자로 표시한다. 
+
+> a : 97
+>
+> A : 65
+>
+> 0 : 48
+>
+> \0 : 0
+
+문자나 숫자 하나당 코드를 할당하는 방식이다. 
+
+
+
+## ���빠는 대머리 게임
+
+```C
+#include <stdio.h>
+#include <time.h>
+#include <stdlib.h>
+
+int main(void)
+{
+  srand(time(NULL)); //난수 촉
+  printf("\n\n === 아빠는 대머리 게임 === \n\n");
+  int answer; //사용자 입력값
+  int treatment = rand() % 4; //발모제 선택 (0~3)
+  int cntShowBottle = 0; //이번 게임에 보여줄 병 갯수
+  int precCntShowBottle = 0; //앞 게임에 보여준 병 갯수
+  // 서로 보여주는 병 갯수를 다르게 하여 정답률 향상 (처음에 2개 -> 다음에 3개 ...)
+  //3번의 기회 (3번의 발모제 투여 시도)
+  for(int i = 1; i <= 3; i++)
+  {
+    int bottle[4] = {0, 0, 0, 0}; //4개의 병을 배열로 입력
+    do {
+      cntShowBottle = rand() % 2 + 2; //보여줄 병 갯수 (0~1 +2 -> 2,3)
+    } while(cntShowBottle == precCntShowBottle); //정답률 향상을 위해 현게임과 전게임의 보여준 병 갯수가 같으면 난수 뽑기 반복
+    precCntShowBottle = cntShowBottle; //뽑힌 병 갯수를 앞 게임에 보여준 병 갯수에 입력
+    int isIncluded = 0; //보여줄 병 중에 발모제가 포함되었는지 여부
+    printf("> %d 번째 시도 : ",i);
+
+    // 보여줄 병 종류를 선택
+    for(int j=0; j <cntShowBottle; j++)
+    {
+      int randBottle = rand() %4; // 0~3 난수 입력
+
+      // 아직 선택되지 않은 병이면, 선택 처리
+      if (bottle[randBottle] == 0)
+      {
+        bottle[randBottle] =1; //배열의 인덱스 난수번에 1을 입력
+        if(randBottle == treatment) //난수가 발모제와 같을때
+        {
+          isIncluded = 1; //보여줄 병에 발모제가 포함
+        }
+      }
+      //이미 선택된 병이면, 중복이므로 다시 선택
+      else
+      {
+        j--; //한번 더 반복해야하므로 j를 -1
+      }
+    }
+    // 사용자에게 문제 표시
+    for (int k =0; k<4; k++) //세 번의 문제 표시 0~3
+    {
+      if(bottle[k] == 1) //배열에 1(보여줄 병)이 있으면
+        printf("%d ", k + 1); //해당 병 번호 출력 (1차이나므로 +1)
+    }
+    printf(" 물약을 머리에 바릅니다\n\n");
+    if (isIncluded == 1) // 발모제가 있을 경우
+    {
+      printf(" >>성공 ! 머리가 났어요 !!\n");
+    }
+    else // 발모제가 없을 경우
+    {
+      printf(" >>실패 ! 머리가 나지 않았어요.. ㅠㅠ\n");
+    }
+    printf("\n ... 계속 하려면 아무키나 누르세요 ...");
+    getchar(); //사용자가 key를 입력할 때 까지 대기
+  }
+  printf("\n\n발모제는 몇 번일까요?");
+  scanf("%d", &answer);
+  if(answer == treatment + 1) //정답을 맞췄을 때, treatment는 난수가 0~3이므로 +1
+  {
+    printf("\n >> 정답입니다!\n");
+  }
+  else                                //오답처리
+  {
+    printf("\n >> 땡 ! 틀렸어요. 정답은 %d 입니다\n", treatment+1);
+  }
+  return 0;
+}
+```
+
+`getchar()` 사용자가 key를 입력할 때 까지 대기
+
+
+
+# Reference
+
+https://www.youtube.com/watch?v=q6fPjQAzll8&t=714s

markdown/greedysiru__TIL__C_C06.md

@@ -0,0 +1,426 @@
+# [나도코딩]C 프로그래밍 - 입문부터 게임 개발까지 (6)(2020.12.28)
+
+
+
+**상세 내용 [블로그](https://greedysiru.tistory.com/73) 참고**
+
+
+
+## 포인터
+
+변수는 저장될 때, 특정 메모리 공간을 차지한다. 이때 공간의 위치를 주소값으로 한다.
+
+```C
+#include <stdio.h>
+int main(void)
+{
+  int 철수 = 1; //변수 선언, 집의 암호
+  int 영희 = 2;
+  int 민수 = 3;
+  printf("철수네 주소 : %p, 암호 : %d\n", &철수, 철수);
+  printf("영희네 주소 : %p, 암호 : %d\n", &영희, 영희);
+  printf("민수네 주소 : %p, 암호 : %d\n", &민수, 민수);
+  return 0;
+}
+```
+
+각 변수의 주소값은 `&`로 불러올 수 있다. 포인터 출력타입은 `%p`이다.
+
+### 주소값 불러오기
+
+`포인터` 는 변수의 주소값을 불러올 수 있다.
+
+```C
+#include <stdio.h>
+int main(void)
+{
+  int 철수 = 1;
+  int 영희 = 2;
+  int 민수 = 3;
+  int * 미션맨; // 포인터 변수
+  미션맨 = &철수; //철수의 주소값을 가진다.
+  printf("미션맨이 방문하는 곳 주소 : %p, 암호 : %d\n", 미션맨, *미션맨);
+  미션맨 = &영희;
+  printf("미션맨이 방문하는 곳 주소 : %p, 암호 : %d\n", 미션맨, *미션맨);
+  미션맨 = &민수;
+  printf("미션맨이 방문하는 곳 주소 : %p, 암호 : %d\n", 미션맨, *미션맨); //주소값에 있는 값이므로 *을 붙임
+  return 0;
+}
+```
+
+`*`을 포인터 변수 선언시 붙여준다.  주소값의 값은 다시 `*`를 붙여준다.
+
+### 포인터로 곱하기
+
+포인터 변수로 변수의 값을 곱할 수 있다. 
+
+```C
+#include <stdio.h>
+int main(void)
+{
+  int 철수 = 1;
+  int 영희 = 2;
+  int 민수 = 3;
+  int * 미션맨;
+  미션맨 = &철수;
+  *미션맨 = *미션맨 * 3;
+  printf("미션맨이 방문하는 곳 주소 : %p, 암호 : %d\n", 미션맨, *미션맨);
+  미션맨 = &영희;
+  *미션맨 = *미션맨 * 3;
+  printf("미션맨이 방문하는 곳 주소 : %p, 암호 : %d\n", 미션맨, *미션맨);
+  미션맨 = &민수;
+  *미션맨 = *미션맨 * 3;
+  printf("미션맨이 방문하는 곳 주소 : %p, 암호 : %d\n", 미션맨, *미션맨);
+  return 0;
+}
+```
+
+### 포인터로 빼기
+
+포인터로 변수의 값을 뺄 수 있다.
+
+```C
+#include <stdio.h>
+int main(void)
+{
+  int 철수 = 1;
+  int 영희 = 2;
+  int 민수 = 3;
+  int * 미션맨;
+  미션맨 = &철수;
+  //위의 코드 생략
+  int * 스파이 = 미션맨; //스파이 포인터 변수 선언
+  printf("\n... 스파이가 미션 수행하는 중 ...\n\n");
+  스파이 = &철수;  //철수의 주소 입력
+  *스파이 = *스파이 -2; //철수 = 철수 -2
+  printf("스파이가 방문하는 곳 주소 : %p, 암호: %d\n", 스파이, *스파이);
+  스파이 = &영희;
+  *스파이 = *스파이 -2;
+  printf("스파이가 방문하는 곳 주소 : %p, 암호: %d\n", 스파이, *스파이);
+  스파이 = &민수;
+  *스파이 = *스파이 -2;
+  printf("스파이가 방문하는 곳 주소 : %p, 암호: %d\n", 스파이, *스파이);
+  return 0;
+}
+```
+
+### 포인터로 변수 값 변경
+
+포인터 변수에 의해서 바뀐 값들은 변수에 적용
+
+```C
+#include <stdio.h>
+int main(void)
+{
+  //위의 코드 생략
+  printf("\n...철수 영희 민수는 집에 오고서는 바뀐 암호를 보고 깜놀 ...\n");    
+  printf("철수네 주소 : %p, 암호 : %d\n", &철수, 철수);
+  printf("영희네 주소 : %p, 암호 : %d\n", &영희, 영희);
+  printf("민수네 주소 : %p, 암호 : %d\n", &민수, 민수);  
+}
+```
+
+### 포인터 변수의 주소값
+
+포인터 변수들 또한 주소값을 가진다.
+
+```C
+#include <stdio.h>
+int main(void)
+{
+  //위의 코드 생략
+  printf("미션맨의 주소 : %p\n", &미션맨);
+  printf("스파이의 주소 : %p\n", &미션맨);
+  return 0;
+}
+```
+
+## 주소값
+
+ 메모리 주소는 16진수로 표현된다. 형식은 `0x16진수`이다. 시스템이 32비트이면 8자리이고 64비트이면 16자리이다. 또한, 높은 자릿수의 0은 생략된다.
+
+## 배열과 포인터의 관계
+
+포인터를 사용해서 배열을 표현
+
+```C
+#include <stdio.h>
+int main(void)
+{
+  int arr[3] = { 5, 10, 15 };
+  int * ptr = arr; //포인터에 배열이 입력
+  for(int i=0; i<3; i++)  //배열의 모든 데이터 출력
+  {
+    printf("배열 arr[%d]의 값 : %d\n", i, arr[i]);
+  }
+  for(int i=0; i<3; i++)  //포인터에 입력된 모든 배열의 데이터 출력
+  {
+    printf("포인터 ptr[%d]의 값 : %d\n", i, ptr[i]);
+  }
+  return 0;
+}
+```
+
+포인터 `ptr`에 배열`arr`이 입력되면 그 각각의 원소들도 들어가게 된다. 즉, `ptr[0]==arr[0]` 이다.
+
+### 포인터로 배열값 대입하기
+
+포인터의 각 인덱스에 다른 데이터를 대입할 수 있다.
+
+```C
+#include <stdio.h>
+int main(void)
+{
+  //위의 코드 생략
+  ptr[0] = 100; //포인터에 새로운 데이터 입력
+  ptr[1] = 200;
+  ptr[2] = 300;
+  for(int i=0; i<3; i++)
+  {
+    printf("배열 arr[%d]의 값 : %d\n", i, arr[i]); 
+  }
+  for(int i=0; i<3; i++)
+  {
+    printf("포인터 ptr[%d]의 값 : %d\n", i, ptr[i]);
+  }
+  return 0;
+}
+```
+
+### 다른 표현법
+
+```C
+#include <stdio.h>
+int main(void)
+{
+  //위의 코드 생략
+  ptr[0] = 100;
+  ptr[1] = 200;
+  ptr[2] = 300;
+  for(int i=0; i<3; i++)
+  {
+    printf("배열 arr[%d]의 값 : %d\n", i, *(arr + i));
+  }
+  for(int i=0; i<3; i++)
+  {
+    printf("포인터 ptr[%d]의 값 : %d\n", i, *(ptr + i));
+  }
+  return 0;
+}
+```
+
+  `*(arr + i) == arr[i]` 
+
+정리해서, 아래에 코드를 해보면,
+
+```C
+#include <stdio.h>
+int main(void)
+{
+  //위의 코드 생략
+  printf("arr 자체의 값 : %p\n", arr);
+  printf("arr[0]의 주소 : %p\n", &arr[0]);
+  printf("arr 자체의 값이 가지는 주소의 실제 값 : %d\n", *arr);
+  printf("arr[0] 의 실제 값 : %d\n", *&arr[0]);
+  //*&는 아무것도 없는 것과 같다 &는 주소, *는 그것의 값이기 때문 서로 상쇄
+  return 0;
+}
+```
+
+`arr` : 해당 배열의 첫 주소 == `&arr[0]`
+
+`*arr` : 주소의 실제 값 == `*&arr[0]`
+
+인 것을 알 수 있다. 기호 `*`는 주소의 값을 부르고 `&`는 주소를 불러온다. `*&`처럼 서로 붙어있으면 의미가 상쇄된다.
+
+## swap
+
+다른 두 값을 바꾸는 함수 `swap`을 만들자. 주소를 이용해야 값을 옮길 수 있다.
+
+```C
+#include <stdio.h>
+void swap_addr(int *a, int *b); //함수 선언
+int main(void)
+{
+  int a = 10;
+  int b = 20;
+  printf("(주소값 전달)Swap 함수 전 => a : %d, b : %d\n", a, b);
+  swap_addr(&a, &b);             //각 변수의 주소를 전달
+  printf("(주소값 전달)Swap 함수 후 => a : %d, b : %d\n", a, b);
+  return 0;
+}
+void swap_addr(int * a, int * b)	//포인터 변수를 받음
+{
+  int temp = *a; //주소를 값으로 변환
+  *a = *b;
+  *b = temp;
+  printf("(주소값 전달)Swap함수 내 a : %d, b : %d\n", *a, *b);
+}
+```
+
+함수 내에서도 동일한 메모리 주소값을 가지므로 정상적으로 `swap`이 실행된다.
+
+
+
+## 포인터로 배열 값 변경하기
+
+포인터를 이용한 함수로 배열 값을 변경할 수 있다.
+
+```C
+#include <stdio.h>
+void changeArray(int *ptr);
+int main(void)
+{
+  int arr2[3] = {10,20,30};
+  changeArray(arr2);         //arr2은 주소이므로 &를 붙일 필요 없음
+  for(int i = 0; i < 3; i++)
+  {
+    printf("%d\n", arr2[i]);
+  }
+  return 0;
+}
+void changeArray(int * ptr)
+{
+  ptr[2] = 50;
+}
+```
+
+​    `arr2` 대신 `changeArray(&arr2[0])`을 넣어도 된다.
+
+## 물고기 키우기
+
+```C
+#include <stdio.h>
+#include <time.h>
+#include <stdlib.h>
+//물고가 6마리가 어항에 살고 있다.
+//물이 증발한다.
+//다 증발하기 전에 부지런히 어항에 물을 줘서 물고기를 살리자.
+//물고기는 점점 성장한다.
+int level;
+int arrayFish[6]; //arrayFish 선언
+int * cursor;
+void decreaseWater(long ElapsedTIme);
+int checkFishAlive();
+void printFishes();
+void initData(); //initData 선언
+
+int main(void)
+{
+  long startTime = 0; //게임 시작 시간, 시간은 주로 long자료형 사용
+  long totalElapsedTime = 0; //총 경과 시간
+  long prevElapsedTime = 0; //직전 경과 시간 (최근에 물을 준 시간 간격)
+
+  int num; //몇 번 어항에 물을 줄 것인지 사용자 입력
+  initData();
+
+  cursor = arrayFish; //cursor[0]..cursor[1]..
+  startTime = clock(); //현재 시간을 milisecnod(1000분의 1초)단위로 반환
+  while(1)
+  {
+    printFishes();
+    printf("몇 번 어항에 물을 주시겠어요? ");
+    scanf("%d", &num);
+
+    // 입력값 체크
+    if(num < 1 || num > 6)
+    {
+      printf("\n입력값이 잘못되었습니다\n");
+      continue;
+    }
+    //총 경과 시간
+    totalElapsedTime = (clock()-startTime) /CLOCKS_PER_SEC; //현재시간-시작시간 맨 처음 시작으로부터 입력을 받은 시간
+    printf("총 경과 시간 : %ld 초\n", totalElapsedTime);
+    //직전 물 준 시간(마지막으로 물 준 시간) 이후로 흐른 시간
+    prevElapsedTime = totalElapsedTime - prevElapsedTime;
+    printf("최근 경과 시간 : %ld 초\n", prevElapsedTime);
+    //어항의 물을 감소(증발)
+    decreaseWater(prevElapsedTime);
+    //사용자가 입력한 어항에 물을 준다
+    //1.어항의 물이 0이면? 물을 주지 않는다.
+    if(cursor[num-1] <= 0)
+    {
+      printf("%d번 물고기는 이미 죽었습니다. 물을 주지 않습니다\n",num);
+    }
+    //2.어항의 물이 0이 아닌 경우? 물을 준다. 100을 넘지 않는지 체크
+    else if(cursor[num-1]+1 <= 100)
+    {
+      //물을 준다
+      printf("%d번 어항에 물을 줍니다\n\n", num);
+      cursor[num-1]+=1;
+    }
+    //레벨업을 할 건지 확인(레벨업은 20초마다 한번씩 수행)
+    if (totalElapsedTime / 20>level-1) //20초에 한 번씩 레벨업 수행
+    {
+      //레벨업
+      level++; // level : 1 -> level : 2 -> level : 3...
+      printf(" ***축 레벨업! 기존 %d 레벨에서 %d레벨로 업그레이드 ***\n\n", level-1, level);
+      //최종 레벨 : 5
+      if (level ==5)
+      {
+        printf("\n\n축하합니다. 최고 레벨을 달성하였습니다. 게임을 종료합니다!");
+        exit(0);
+      }
+    }
+    //모든 물고기가 죽었는지 확인
+    if (checkFishAlive()==0)
+    {
+      //물고기 전부 사망
+      printf("모든 물고기가 사망했습니다\n");
+    }
+    else
+    {
+      //최소 한 마리 이상의 물고기는 살아 있음
+      printf("물고기가 아직 살아있습니다\n");
+    }
+    prevElapsedTime = totalElapsedTime; //임시로 현재 시간을 입력
+    // 10초 -> 15초 (5초 :prevElapsedTime -> 15초) -> 25초 (10초 계산은>)
+  }
+  return 0;
+}
+void initData()
+{
+  level = 1; //게임 레벨(1~5)
+  for (int i = 0; i < 6; i++)
+  {
+    arrayFish[i] = 100; //어항의 물 높이 (0~100)
+  }
+}
+void printFishes()
+{
+  printf("%3d번 %3d번 %3d번 %3d번 %3d번 %3d번\n", 1,2,3,4,5,6); //%3d 세칸, 한글 두칸, 공백 한칸 6칸 할당
+  for(int i=0; i <6; i++)
+  {
+    printf(" %4d ", arrayFish[i]); //6칸 할당
+  }
+  printf("\n\n");
+}
+void decreaseWater(long elapsedTIme)
+{
+  for(int i=0; i<6; i++)
+  {
+    arrayFish[i] -=(level *3*(int)elapsedTIme); //3: 난이도 조절을 위한 값
+    if(arrayFish[i]<0)
+    {
+      arrayFish[i]=0;
+    }
+  }
+}
+int checkFishAlive()
+{
+  for(int i=0; i<6; i++)
+  {
+    if(arrayFish[i]>0)
+    {
+      return 1; //하나라도 어항에 물이 있으면 참
+    }
+    return 0;
+  }
+}
+```
+
+
+
+# Reference
+
+https://www.youtube.com/watch?v=q6fPjQAzll8&t=714s

markdown/greedysiru__TIL__C_C08.md

@@ -0,0 +1,432 @@
+# [나도코딩]C 프로그래밍 - 입문부터 게임 개발까지 (8)(2020.12.29)
+
+
+
+**상세 내용 [블로그](https://greedysiru.tistory.com/76) 참고**
+
+
+
+## 구조체
+
+변수들을 관련있는 것끼리 묶어서 선언할 수 있다. 이를 구조체라고 한다.
+
+```C
+#include <stdio.h>
+struct GameInfo //구조체 선언
+{
+  char * name; //받을 데이터들
+  int year;
+  int price;
+  char * company;
+};
+int main(void)
+{
+  return 0;
+}
+```
+
+구조체는 `main` 함수 전에 선언
+
+
+
+### 구조체 사용
+
+```C
+#include <stdio.h>
+struct GameInfo //구조체 선언
+{
+  char * name; 
+  int year;
+  int price;
+  char * company;
+};
+int main(void)
+{
+  struct GameInfo gameInfo1; //struct GameInfo가 자료형처럼 앞에 붙임
+
+  gameInfo1.name = "나도게임"; //구조체에 데이터 입력
+  gameInfo1.year = 2017;
+  gameInfo1.price = 50;
+  gameInfo1.company = "나도회사";
+  return 0;
+}
+```
+
+
+
+### 구조체 출력
+
+```C
+#include <stdio.h>
+struct GameInfo
+{
+  char * name;
+  int year;
+  int price;
+  char * company;
+};
+int main(void)
+{
+  struct GameInfo gameInfo1; //gameInfo1 입력
+
+  gameInfo1.name = "나도게임";
+  gameInfo1.year = 2017;
+  gameInfo1.price = 50;
+  gameInfo1.company = "나도회사";
+
+  printf("-- 게임 출시 정보 --\n"); //gameInfo1 출력
+  printf(" 게임명    : %s\n", gameInfo1.name);
+  printf(" 발매년도  : %d\n", gameInfo1.year);
+  printf(" 가격     : %d\n", gameInfo1.price);
+  printf(" 제작사    : %s\n", gameInfo1.company);
+  return 0;
+}
+```
+
+
+
+### 구조체를 배열처럼 초기화
+
+```C
+#include <stdio.h>
+struct GameInfo 
+{
+  char * name;
+  int year;
+  int price;
+  char * company;
+};
+int main(void)
+{
+  
+  struct GameInfo gameInfo2 = {"너도게임",2017,100,"너도회사"}; //gameInfo2 입력
+
+  printf("-- 또다른 게임 출시 정보 --\n"); //gameInfo2 출력
+  printf(" 게임명    : %s\n", gameInfo2.name);
+  printf(" 발매년도  : %d\n", gameInfo2.year);
+  printf(" 가격     : %d\n", gameInfo2.price);
+  printf(" 제작사    : %s\n", gameInfo2.company);
+  return 0;
+}
+```
+
+
+
+### 구조체 배열
+
+2개 이상의 정보들을 배열의 형식으로 구조체에 한번에 넣을 수 있다.
+
+```C
+#include <stdio.h>
+struct GameInfo 
+{
+  char * name;
+  int year;
+  int price;
+  char * company;
+};
+int main(void)
+{
+  struct Gameinfo gameArray[2] = 
+  {
+    {"나도게임",2017,50,"나도회사"},
+    {"너도게임",2017,100,"너도회사"}
+  }
+  return 0;
+}
+```
+
+`gameArray`에 두 개의 공간이 생기고 그 곳에 각각의 데이터가 들어간다.
+
+
+
+### 구조체 포인터
+
+```C
+#include <stdio.h>
+struct GameInfo 
+{
+  char * name;
+  int year;
+  int price;
+  char * company;
+};
+int main(void)
+{
+  ---위 생략---
+  gamePtr = &gameInfo1; //주소 입력
+  printf("\n\n-- 미션맨의 게임 출시 정보 --\n");
+  printf(" 게임명    : %s\n", (*gamePtr).name); //주소->값
+  printf(" 발매년도  : %d\n", (*gamePtr).year);
+  printf(" 가격     : %d\n", (*gamePtr).price);
+  printf(" 제작사    : %s\n", (*gamePtr).company);
+  return 0;
+}
+```
+
+불러올 때는 `(*gamePtr)` 처럼 괄호와 별을 사용
+
+화살표를 사용한 방법
+
+```C
+#include <stdio.h>
+struct GameInfo 
+{
+  char * name;
+  int year;
+  int price;
+  char * company;
+};
+int main(void)
+{
+  ---위 생략---
+  gamePtr = &gameInfo1;
+  printf("\n\n-- 미션맨의 게임 출시 정보 --\n");
+  printf(" 게임명    : %s\n", gamePtr->name);
+  printf(" 발매년도  : %d\n", gamePtr->year);
+  printf(" 가격     : %d\n", gamePtr->price);
+  printf(" 제작사    : %s\n", gamePtr->company);
+  return 0;
+}
+```
+
+
+
+### 구조체 안의 구조체
+
+구조체 안에 구조체를 만들 수 있다. 연관 업체 게임을 저장하기 위해 구조체 선언에 아래처럼 추가한다. 
+
+```C
+#include <stdio.h>
+struct GameInfo 
+{
+  char * name;
+  int year;
+  int price;
+  char * company;
+  struct GameInfo * friendGame; //연관 업체 게임(포인터)
+};
+int main(void)
+{
+  ---위 생략---
+  gameInfo1.friendGame =  &gameInfo2; //gameInfo2의 주소를 입력
+  printf("\n\n-- 연관 업체의 게임 출시 정보 --\n");
+  printf(" 게임명    : %s\n", gameInfo1.friendGame->name);
+  printf(" 발매년도  : %d\n", gameInfo1.friendGame->year);
+  printf(" 가격     : %d\n", gameInfo1.friendGame->price);
+  printf(" 제작사    : %s\n", gameInfo1.friendGame->company);
+  return 0;
+}
+```
+
+
+
+## typedef
+
+자료형의 별명 지정
+
+```C
+#include <stdio.h>
+int main(void)
+{
+  typedef int 정수;
+  typedef float 실수;
+  정수 정수변수 = 3; // int i = 3;
+  실수 실수변수 = 3.23f; // float f = 3.23f;
+  return 0;
+}
+```
+
+
+
+### 구조체에서 응용
+
+구조체에서 `typedef`를 사용
+
+```C
+#include <stdio.h>
+struct GameInfo 
+{
+  char * name;
+  int year;
+  int price;
+  char * company;
+};
+int main(void)
+{
+  typedef struct GameInfo 게임정보;
+  게임정보 game1;
+  game1.name = "한글 게임";
+  game1.year = 2015;
+  return 0;
+}
+```
+
+`GameInfo`를 `게임정보`로 사용 가능하게 됨
+
+
+
+### 구조체 선언에서 사용하기
+
+ `typedef`와 함께 선언
+
+```C
+#include <stdio.h>
+typedef struct GameInformation {
+  char * name;
+  int year;
+  int price;
+  char * company;
+  struct GameInfo * friendGame;
+} GAME_INFO;
+int main(void)
+{
+  GAME_INFO game2;
+  game2.name ="한글 게임2";
+  game2.year = 2014;
+  return 0;
+}
+```
+
+
+
+## 너, 내 집사가 되어라
+
+```C
+#include <stdio.h>
+#include <stdlib.h>
+#include <time.h>
+
+//5마리의 고양이가 있다.
+//아무 키나 눌러서 랜덤으로 고양이를 뽑는다.
+//5마리 모두 다 수집을 해서 열심히 키우면 되는 게임.
+//중복발생 가능. 
+
+//고양이
+//이름, 나이, 성격, 키우기 난이도(레벨)
+
+typedef struct {
+  char * name; //이름
+  int age; //나이
+  char * character; //성격
+  int level; //키우기 난이도 (1~5, 올라갈 수록 어려움)
+} CAT;
+
+//현재까지 보유한 고양이
+int collection[5] = {0,0,0,0,0};
+
+//전체 고양이 리스트
+CAT cats[5];
+
+void initCats(); //고양이 정보 초기화
+
+void printCat(int selected);
+
+int checkCollection();
+
+
+
+int main(void)
+{
+  srand(time(NULL));
+
+  initCats();
+  while (1)
+  {
+    printf("두근두근~! 어느 고양이의 집사가 될까요?\n아무 키나 눌러서 확인하세요!");
+    getchar(); //키입력 대기
+
+    int selected = rand() % 5; //0~4 사이의 숫자 반환
+    printCat(selected);    //뽑은 고양이 정보 출력
+    collection[selected] =1;//고양이 뽑기 처리
+
+    int collectAll = checkCollection(); //고양이를 다 모았는지 검사한 후 break
+    if(collectAll== 1)
+    {
+      break;
+    }
+
+
+  }
+
+  return 0;
+}
+
+void initCats() //선택될 고양이
+{
+  cats[0].name = "깜냥이";
+  cats[0].age = 5;
+  cats[0].character = "온순";
+  cats[0].level = 1;
+
+  cats[1].name = "귀요미";
+  cats[1].age = 3;
+  cats[1].character = "예민";
+  cats[1].level = 2;
+
+  cats[2].name = "수줍이";
+  cats[2].age = 7;
+  cats[2].character = "잠만잠";
+  cats[2].level = 3;
+
+  cats[3].name = "까꿍이";
+  cats[3].age = 2;
+  cats[3].character = "시끄러움";
+  cats[3].level = 4;
+
+  cats[4].name = "시루";
+  cats[4].age = 1;
+  cats[4].character = "욕심쟁이";
+  cats[4].level = 5;
+}
+
+void printCat(int selected) //선택된 고양이의 정보
+{
+  printf("\n\n===당신은 이 고양이의 집사가 되었어요! ===\n\n");
+  printf(" 이름      : %s\n", cats[selected].name);
+  printf(" 나이      : %d\n", cats[selected].age);
+  printf(" 특징(성격) : %s\n", cats[selected].character);
+  printf(" 성격      : ");
+  for(int i=0;i<cats[selected].level;i++)
+  {
+    printf("%s", "★");
+  }
+  printf("\n\n");
+}
+
+int checkCollection()
+{
+  //1.현재 보유한 고양이 목록 출력 2.다 모았는지 여부 반환
+  int collectAll = 1;  //기본값 1
+
+  printf("\n\n ===보유한 고양이 목록입니다=== \n\n");
+  for(int i=0; i<5; i++)
+  {
+    if(collection[i]==0) // 고양이 수집 X
+    {
+      printf("%10s", "(빈 박스)");
+      collectAll = 0; //다 모으지 못한 상태
+    }
+    else //고양이 수집 O
+    {
+      printf("%10s", cats[i].name);
+    }
+
+  }
+  printf("\n=============================================\n\n");
+
+  if (collectAll) 
+  {
+    printf("\n\n 축하합니다! 모든 고양이를 다 모았어요. 열심히 키워주세요\n\n");
+  }
+
+  return collectAll;   
+
+}
+```
+
+
+
+# Reference
+
+https://www.youtube.com/watch?v=q6fPjQAzll8&t=21087s

markdown/gureum__gureum__README.md

@@ -0,0 +1,120 @@
+![logo](OSX/Assets.xcassets/AppIcon.appiconset/icon_256x256.png)
+
+![platform](https://img.shields.io/badge/platform-macos-lightgrey)
+[![CI](https://github.com/gureum/gureum/actions/workflows/ci.yaml/badge.svg)](https://github.com/gureum/gureum/actions/workflows/ci.yaml)
+
+# 구름 입력기
+
+macOS를 위한 새로운 한글 입력기
+
+## 소개
+
+구름 입력기는 빠르고 쓰기 편한 macOS용 한글 입력기입니다. 세 가지 가치를 목표로 개발하고 있습니다.
+
+- **편리하게.** [libhangul](https://github.com/libhangul/libhangul) 기반으로 모아치기를 지원합니다. 모아치기 기능은 세벌식 사용자에게 특히 더 유용합니다.
+- **가볍게.** 최소한의 기능만 구현하여 가볍게 돌아갑니다.
+- **자유롭게.** 구름 입력기는 오픈 소스 소프트웨어입니다. 소스 코드는 BSD와 LGPL로 배포됩니다.
+
+## 장점
+
+- `libhangul` 기반으로 만들어져 한글 두벌식 및 세벌식 등 다양한 자판을 지원하고, 드보락이나 콜맥을 포함해 어떤 시스템 자판과도 결합해 사용할 수 있습니다.
+- 입력기 전환을 막기 위해 쿼티 자판을 추가로 내장하고 있어 한글-쿼티 전환이 빠릅니다. 일부 환경에서 자판 전환이 느릴 때 도움을 줍니다.
+
+## 설치
+
+### Homebrew 사용
+
+[Homebrew](https://brew.sh/) 사용자는 다음의 명령으로 간편하게 설치할 수 있습니다.
+
+```sh
+brew install --cask gureumkim
+```
+
+### 패키지 설치
+
+1. [다운로드 페이지](http://bi.gureum.org)에서 가장 높은 버전의 GureumKIM1.x.pkg를 다운받아 실행하고 지시대로 설치합니다. 설치 할 디스크는 바꾸시면 안됩니다.
+1. '시스템 환경설정 → 키보드 → 입력 소스'에 들어가 구름 입력기가 제공하는 입력 소스를 추가합니다.
+
+### 수동 설치
+
+위의 설치 과정을 마쳤음에도 입력기가 나타나지 않는다면 설치 패키지가 입력기를 올바르게 설치하지 못한 것입니다. 다음 방법으로 수동으로 설치합니다.
+
+1. 위 다운로드 페이지에서 가장 높은 버전의 GureumKIM1.x.zip을 다운받아 압축을 해제합니다.
+2. GureumKIM.app을 `/Library/Input Methods`에 복사합니다. (Finder에서 루트 디스크 선택 → 라이브러리 → Input Methods)
+3. 로그아웃 후 다시 로그인하여 입력 소스에서 구름 입력기를 선택합니다.
+
+---
+
+- '시스템 환경설정 → 키보드 → 입력 소스'의 '메뉴 막대에서 입력 메뉴 보기' 설정을 활성화하면 화면 우측 상단에 위치한 메뉴 막대에서 입력 메뉴를 통해 입력기를 선택할 수 있습니다.
+- 주 한글 자판을 선택하기 위해 사용할 한글 자판을 수동으로 한번 선택해 줍니다. `Caps Lock 키로 입력 소스 전환` 설정을 해두었다면, 다음부터는 <kbd>Caps Lock</kbd>으로 자동으로 선택한 자판으로 이동합니다.
+  - <kbd>⇧Space</kbd> 등의 전통적인 단축키를 쓰고 싶으면 환경설정에서 자판 전환 단축키를 지정해 주세요.
+
+## 제거
+
+제거하기 전에 **사용 중인 입력기를 OS 기본 입력기로 전환**해 주세요.
+
+### Homebrew 사용
+
+Homebrew로 설치한 경우 다음의 명령으로 간편하게 삭제할 수 있습니다.
+
+```sh
+brew uninstall --cask gureumkim
+```
+
+### 빠른 삭제
+
+1. `터미널.app (Terminal.app)`을 실행합니다.
+2. 다음의 명령을 터미널에 입력하고 Enter 키를 눌러 명령을 실행합니다. 패스워드를 요구한다면 패스워드를 입력해 줍니다.
+
+   ```sh
+   curl -fsSL https://raw.githubusercontent.com/gureum/gureum/main/tools/uninstall.sh | bash
+   ```
+
+### 수동 삭제
+
+1. `활성 상태 보기.app (Activity Monitor.app)`을 실행하고, 구름 입력기를 찾아 프로세스를 종료합니다.
+   - `gureum`을 검색하여 빠르게 찾을 수 있습니다.
+2. Finder에서 `/Library/Input Methods` 경로로 이동하여 `Gureum.app`을 삭제합니다.
+
+## 개발 환경 설정
+
+구름 입력기의 개발 환경을 설정하고 디버깅 할 수 있는 방법을 제공합니다. [개발하기](https://github.com/gureum/gureum/blob/main/HACKING.md) 문서를 참고해 주세요.
+
+개선 제안과 관련된 사항은 [기여하기](https://github.com/gureum/gureum/blob/main/CONTRIBUTING.md) 문서를 참고해 주세요.
+
+## 버그 신고
+
+입력기 사용 중 문제가 있으면 어떤 문제가 있나 알려주시면 도움이 됩니다.
+
+버그가 재현되는지 확인해 주시고 [이슈 페이지](https://github.com/gureum/gureum/issues)에 사용 환경과 버그를 재현하는 방법을 알려주시면 고치도록 노력하겠습니다.
+
+이슈 템플릿 작성은 [기여하기](https://github.com/gureum/gureum/blob/main/CONTRIBUTING.md) 문서를 참고해 주세요.
+
+## 만든 사람들
+
+구름 입력기는 많은 분들의 도움으로 함께 개발되고 있습니다.
+
+### 코드 기여자
+
+[![](https://opencollective.com/gureum/contributors.svg?width=890&button=false)](https://github.com/gureum/gureum/graphs/contributors)
+
+### 재정 후원
+
+재정 후원은 프로젝트의 유지에 큰 힘이 됩니다. [후원하기](https://opencollective.com/gureum/contribute)
+
+#### 개인
+
+[![](https://opencollective.com/gureum/individuals.svg?width=890)](https://opencollective.com/gureum)
+
+#### 단체
+
+[![](https://opencollective.com/gureum/organization/0/avatar.svg)](https://opencollective.com/gureum/organization/0/website)
+[![](https://opencollective.com/gureum/organization/1/avatar.svg)](https://opencollective.com/gureum/organization/1/website)
+[![](https://opencollective.com/gureum/organization/2/avatar.svg)](https://opencollective.com/gureum/organization/2/website)
+[![](https://opencollective.com/gureum/organization/3/avatar.svg)](https://opencollective.com/gureum/organization/3/website)
+[![](https://opencollective.com/gureum/organization/4/avatar.svg)](https://opencollective.com/gureum/organization/4/website)
+[![](https://opencollective.com/gureum/organization/5/avatar.svg)](https://opencollective.com/gureum/organization/5/website)
+[![](https://opencollective.com/gureum/organization/6/avatar.svg)](https://opencollective.com/gureum/organization/6/website)
+[![](https://opencollective.com/gureum/organization/7/avatar.svg)](https://opencollective.com/gureum/organization/7/website)
+[![](https://opencollective.com/gureum/organization/8/avatar.svg)](https://opencollective.com/gureum/organization/8/website)
+[![](https://opencollective.com/gureum/organization/9/avatar.svg)](https://opencollective.com/gureum/organization/9/website)

markdown/haedal-with-knu__WebHacking__1.md

@@ -0,0 +1,499 @@
+
+# 모의해킹이란?/실습환경 세팅   
+
+***   
+
+
+# 모의해킹
+
+## 1. 모의해킹(Pen Testing) 이란?
+
+: 시스템 장비, 네트워크 장비 등 실제 운영중인 서비스를 대상으로 공격자와 동일한 환경에서 여러 해킹 툴을 이용해 내부 시스템에 침투가 가능한지 테스트하는 작업.
+
+- ※ 모의해킹은 크래킹과 같지 않다!
+
+    모의해킹은 서로 합의가 된 상태에서 합법적으로 테스트 하는 것이고, 크래킹은 악의적인 목적을 가지고 서비스에 영향을 주는 것.
+    
+
+## 2. 모의해킹을 하는 이유?
+
+: 모의해킹을 한다 = 보안에 신경을 쓴다
+
+금융권, 쇼핑몰, 게임서비스 등의 상황에서 시스템이 다운될 경우 기업 이미지와 신뢰도, 재정에 상당한 타격이 생긴다.
+
+
+## 3. 모의해킹 수행 표준(PTES)
+
+**PTES(Penetration Testing Execution Standard)** : 모의해킹을 체계화된 방법으로 수행하기 위해 만든 표준. 7단계로 구성되어 있다.
+
+1. 대상 선정(Pre-Engagement Interactions)
+
+    모의해킹 수행 전에 고객과 진단 대상을 협의하는 과정.
+
+2. 정보 수집(Intelligence Gathering)
+
+    모의해킹을 수행하기 위한 진단 대상의 최대한 많은 정보를 수집.
+
+3. 위협 모델링(Threat Modeling)
+
+    조직의 내/외부적인 위협을 목록화.
+
+4. 취약점 분석(Vulnerability Analysis)
+
+    내부 시스템 침투를 수행하기 위해 자체 취약점을 분석하는 과정.
+
+5. 공격(Exploitation)
+
+    취약점을 이용해 내부 시스템 침투가 가능하다는 것을 증명, 공격 대상 시스템 침투 공격.
+
+6. 후속 공격(Post-Exploitation)
+
+    공격(exploit)이 성공한 후 수행하는 공격, 시스템 점령 후 공격자가 원하는 정보를 획득하려고 시도하는 과정.
+
+7. 결과 보고(Reporting)
+
+    최종 보고서 작성 및 대응책 제시
+
+
+---
+
+
+# Metasploit을 이용한 모의해킹
+
+## Metsaploit Basics
+
+**Metasploit** : 공격코드, 페이로더, 인코더, 정찰도구, 보안 테스팅 등을 제공하는 취약점 진단 및 공격 툴.
+
+1) 주요 용어 정리
+
+- Exploit :  취약점을 이용하여 목표로 하는 컴퓨터 시스템에 공격을 가하는 소프트웨어.
+- Payload :  쉘코드, 취종 목적 코드, 취약점 공격이 끝난 후 추가적으로 수행하는 공격 코드(원격 명령 실행, 시스템 파괴 등)
+- Shellcode : 시스템이 실행하기를 원하는 코드. 프레임워크에 의해 선택되고 전달된다.
+
+    (ex) Reverse Shell은 타겟 머신으로부터 공격자까지 커넥션을 만들어주는 코드이다
+
+    ※ Shellcode는 C, Ruby, Javascript 등 여러 포맷으로 만들어질 수 있다.
+
+- Module : Metasploit Framework에서 사용될 수 있는 소프트웨어.
+
+    (ex) exploit module, auxiliary module 등
+
+- Listener : 연결 요청을 기다릴 수 있도록 해주는 기능. 공격 전 핸들러 설정, 바인드 커넥션, 리버스 커넥션
+
+---
+
+# 실습환경 세팅
+
+## 1. Virtual Box 설치하기
+
+우리가 모의해킹을 진행하기 위해서는 가상환경인 VirtualBox나 VMware을 설치해 주어야 한다. 우리는 VirtualBox를 이용할 것이다. 
+
+
+![vtbox_00](./image1/(150).png)
+
+구글 검색창에 'VirtualBox' 를 입력하거나, [www.virtualbox.org](http://www.virtualbox.org) 로 접속하여 Downloads 메뉴로 들어간다.
+
+
+![vtbox_01](./image1/(124).png)
+
+여기서 hosts란 본인이 사용하는 메인 OS를 뜻하는 것으로, Windows를 사용한다면 'Windows hosts'를, MacOS를 사용한다면 'OS X hosts'를 눌러 설치파일을 다운받는다.
+
+
+![vtbox_02](./image1/(128).png)
+
+Extension Pack도 다운받아 줘야 한다. 
+
+페이지를 아래로 내려 VirtualBox Extension Pack을 발견한 뒤, 파란 글씨로 되어있는 'All supported platform'을 클릭하여 설치파일을 다운받는다.
+
+
+![vtbox_03](./image1/(122).png)
+
+![vtbox_04](./image1/(125).png)
+
+다운받은 VirtualBox 설치파일을 눌러 설치를 시작한다.  설치가 완료되면 바로 실행한다는 체크박스를 해제하고 창을 종료한다.
+
+
+![vtbox_05](./image1/(126).png)
+
+아까 다운받았던 Extension Pack 설치파일을 누르면 위와 같이 뜨는데, '설치' 버튼을 눌러 설치를 진행해 주면 VirtualBox 설치가 완료된다.
+
+
+## 2. Virtual Box에 Kali Linux 설치하기
+
+Kali Linux는 고급 Pen Testing과 보안에 특화된 리눅스 환경으로, 수많은 정보 보안에 관련된 툴들을 포함하고 있다. 우리는 Kali Linux를 공격 시스템으로 이용할 것이다.
+
+
+![vtbox_06](./image1/(127).png)
+
+구글 검색창에 'Kali Linux'라고 입력하거나, 'www.kali.org'로 접속해 Downloads-Download Kali Linux탭으로 들어간다.
+
+
+![vtbox_07](./image1/(129).png)
+
+아래로 내려가다 보면 'Kali Linux ()bit Virtualbox' 를 발견할 수 있다. 본인의 pc ���경에 맞는 버전(64bit, 32bit)을 선택하여 'Offensive Security VM Download Page'를 클릭한다.
+
+
+![vtbox_08](./image1/(130).png)
+
+그러면 이러한 페이지가 나오는데, 'Kali Linux VirtualBox Images' 탭을 선택하고, 본인 pc에 맞는 버전의 파일을 다운받는다.
+
+
+![vtbox_09](./image1/(131).png)
+
+다운받은 Kali Linux 이미지파일을 더블클릭하면 자동으로 VirtualBox에서 가져오기 창을 띄운다. 그대로 가져오기 버튼을 눌러 Kali Linux를 VirtualBox에 설치한다.
+
+
+![vtbox_10](./image1/(133).png)
+
+Kali Linux가 다 설치되었다면 우클릭을 눌러 설정으로 들어간다.
+
+
+![vtbox_11](./image1/2020-07-15.png)
+
+왼쪽에서 '네트워크' 탭을 선택한 후, 네트워크 설정을 'NAT 네트워크'로 해 주고 확인 버튼을 누른다.
+
+
+## 3. Kali Linux 기본 세팅하기
+
+### **1) root 계정 진입 및 한글설정**
+
+
+![vtbox_12](./image1/(141).png)
+
+이제 Kali Linux를 실행해 보자. 처음에 로그인 화면이 뜰 것이다. 최신 버전 Kali Linux의 공용 계정의 ID/PW는 kali/kali 이다.
+
+
+![vtbox_13](./image1/(137).png)
+
+![vtbox_14](./image1/(140).png)
+
+처음 접속하여 좌측 상단의 칼리리눅스 로고를 클릭하면 여러 인터페이스가 나온다. Web Browser을 클릭하여 우리가 흔히 사용하는 (한국)검색페이지에 접속해보면 한글이 모두 깨져서 나오는 걸 발견할 수 있다. 그렇기에 우리는 이제 한글을 깨지지 않게, 그리고 입력할 수 있도록 할 것이다.
+
+
+![vtbox_15](./image1/Screenshot_2020-07-15_01-18-08.png)
+
+![vtbox_16](./image1/2020-07-15_(1).png)
+
+
+최신 버전의 Kali Linux 에서는 로그인할 때부터 root 계정으로 접속하는 것이 불가능하다. 그렇기 때문에 터미널 창에서 따로 root 계정으로 진입할 수 있게 하여야 한다. 
+
+- (1) 첫번째 방법으로는 root계정에 진입하기 위한 자신만의 패스워드를 설정하는 방법이 있다.
+
+```
+sudo passwd
+[sudo]password for kali: kali
+New password: [본인이 설정할 패스워드]
+Retype new password: [본인이 설정한 패스워드 재입력]
+passwd: password updated successfully
+```
+
+[password updated successfully]라는 문구가 뜨면 이제부터는 다음 커맨드를 통해 root계정으로 진입할 수 있다.
+
+```
+su -
+Password: [본인이 설정한 패스워드]
+```
+
+- (2) 두번째 방법은 본인만의 패스워드를 설정하지 않고 root계정을 이용하는 방법이다.
+
+```
+sudo su -
+[sudo]password for kali: kali
+```
+
+이 두 줄만으로 root계정에 진입할 수 있게 된다. 
+
+이제 root계정을 사용할 수 있게 되었다면, 한글 설정을 할 수 있게 된다!
+
+
+![vtbox_17](./image1/Screenshot_2020-07-15_00-53-07.png)
+
+이제는 한글설정을 해 주어야 한다. 우선 root계정으로 전환한 다음 
+
+```
+~# apt-get update
+~# apt-get install fcitx-hangul
+~# apt-get install fcitx-lib*
+~# apt-get install fonts-nanum*
+init 6 
+```
+
+을 차례대로 입력하여 설치를 해준 다음, init 6을 사용해 재부팅 해준다.
+
+이 때, fcitx-hangul과 fcitx-lib*을 설치할 때에는 [Do you want to continue? [Y/n]]라는 물음이 나오는데, 둘 다 y를 입력하여 설치를 진행해준다.
+
+
+![vtbox_18](./image1/Screenshot_2020-07-15_00-58-57.png)
+
+
+![vtbox_19](./image1/Screenshot_2020-07-15_00-59-09.png)   
+
+재부팅 후, 이제는 한글이 깨지지는 않지만 입력할 수는 없는 단계이므로 한글 입력 설정을 해 주어야 한다.
+
+좌측 상단 아이콘을 클릭해 Input Method로 들어간다. 모두 동의를 눌러 넘어간다.
+
+
+![vtbox_20](./image1/Screenshot_2020-07-15_00-59-22.png)
+
+![vtbox_21](./image1/Screenshot_2020-07-15_00-59-35.png)   
+
+configuration 선택 창이 나오는데, 'fcitx'를 선택하고 OK를 누른다.
+
+
+![vtbox_22](./image1/Screenshot_2020-07-15_01-01-05.png)
+
+![vtbox_23](./image1/Screenshot_2020-07-15_01-01-36.png)
+
+![vtbox_24](./image1/Screenshot_2020-07-15_01-01-59.png)
+
+다시한번 메뉴에 들어가서 Fcitx Configuration을 클릭한다.
+
+여기서 한글을 추가할 수 있는데, Method Configuration 창에서 하단의 + 버튼을 누르고 Only Show Current Language 체크박스를 해제한 후 Hangul을 입력한 뒤 OK를 누른다.
+
+마지막으로 한/영 변환을 위해 Global Config창으로 들어가 Trigger Input Method에서 Ctrl+Space를 누른 후 한/영 버튼(혹은 RAlt)을 눌러 설정을 완료한다. 
+
+
+### **2) 네트워크 설정**
+
+
+![vtbox_25](./image1/Screenshot_2020-07-15_02-43-58.png)
+
+이제는 Kali Linux의 네트워크 설정을 해 주어야 한다. 
+
+메뉴창에서 'Advanced Network Configuration'을 클릭하여 들어가거나, 화면 우측 상단 시간표시 옆에 네트워크 버튼을 우클릭하여 'Edit Connections'로 들어갈 수도 있다.
+
+
+![vtbox_26](./image1/Screenshot_2020-07-15_02-44-53.png)
+
+![vtbox_27](./image1/Screenshot_2020-07-15_02-58-38.png)
+
+그러면 Wired Connection 1 이라는 네트워크가 하나 뜨는데, 창 왼쪽 하단의 톱니바퀴 표시를 클릭해주고, IPv4 Settings로 들어가 위 사진과 같이 입력해준다.
+
+
+![vtbox_28](./image1/Screenshot_2020-07-15_02-54-56.png)
+
+이젠 네트워크 연결이 제대로 되었는지 확인해보자. 
+
+터미널 창을 열어 root계정으로 진입한 후 다음과 같이 입력해준다.
+
+```
+~# ifconfig
+```
+
+그러면 현재 Kali 환경에서의 네트워크 정보를 확인할 수 있다.
+
+
+![vtbox_29](./image1/Screenshot_2020-07-15_02-55-37.png)
+
+혹시 모르니까 이중으로 확인해보자.
+
+```
+~# ping 8.8.8.8
+```
+
+이라고 터미널창에 입력하면 ping 테스트를 통해 해당 호스트와 통신이 가능한 상태라는 것을 확인할 수 있다.
+
+이로써 Kali Linux 환경에서의 기본설정은 완료되었다.
+
+
+## 4. VirtualBox에 Metasploitable2 설치하기
+
+Metasploitable은 Metasploit에서 제공하는 취약한 환경이다. Windows에 비해 훨씬 취약하여 모의해킹 연습용으로 사용하기에 용이하다.
+
+우리는 Metasploitable2를 사용할 것이다.
+
+
+![vtbox_30](./image1/2020-07-15_(5).png)
+
+구글 검색창에 metasploitable2를 검색하여 나오는 링크들 중, SourceForge.net에서 제공하는 다운로드 사이트로 들어간다.
+
+Download 버튼을 눌러 압축파일을 다운받고, 압축을 해제한다.
+
+
+![vtbox_31](./image1/2020-07-15_(6).png)
+
+VirtualBox를 실행한 뒤, '새로 만들기'를 클릭하고 다음과 같이 입력한다.
+
+이 때, 버전은 자신의 운영체제에 맞는 것으로 선택한다(32bit/64bit)
+
+
+![vtbox_32](./image1/7.png)
+
+하드 드라이브 선택에서 '기존 가상 하드 드라이브 파일 사용'을 선택하고, 자신이 다운받은 Metasploitable2.vmdk파일을 선택해준 뒤 '만들기'를 클릭한다.
+
+
+![vtbox_33](./image1/2020-07-15_(8).png)
+
+![vtbox_34](./image1/2020-07-15_(9).png)
+
+설치된 Metasploitable2를 우클릭하여 설정에 들어간 후, 네트워크 탭에서 'NAT 네트워크'를 설정해준다.
+
+
+![vtbox_35](./image1/2020-07-15_(10).png)
+
+이제 Metasploitable2를 실행할 수 있다!
+
+기본 ID/PW는 msfadmin/msfadmin 이다.
+
+
+![vtbox_36](./image1/2020-07-15_(11).png)
+
+그럼 Metasploitable2 의 IP도 확인해보자.
+
+```
+~$ ifconfig
+```
+
+Kali Linux와 마찬가지로 ifconfig를 입력하면 IP를 확인할 수 있다.
+
+
+## 5. VirtualBox에 Windows 설치하기
+
+우리는 공격을 시행할 대상(victim) 환경으로 Windows XP와 Windows 8.1을 사용할 것이다.
+
+Microsoft 홈페이지에서 Windows XP와 8.1 ISO 파일을 다운받는다.
+
+
+### 1) Windows XP 설치
+
+![vtbox_37](./image1/2020-07-15_(20).png)
+
+VirtualBox에서 '새로 만들기'를 누른다. 이름은 WinXP로 지정하고, 위와 같이 지정한다.
+
+
+![vtbox_38](./image1/2020-07-15_(13).png)
+
+메모리 크기는 추천 메모리 크기 그대로 진행한다.
+
+
+![vtbox_39](./image1/2020-07-15_(18).png)
+
+'지금 새 가상 하드디스크 만들기'를 선택하고 '만들기'를 누른다.
+
+디스크 파일 종류는 VDI, 그 다음 동적할당을 선택하고, 가상 하드 디스크 만들기를 실행한다.
+
+
+![vtbox_40](./image1/2020-07-15_(17).png)
+
+만들어진 WinXP를 선택하고, 우클릭하여 설정에 들어간다. 
+
+[저장소]-[비어있음]을 선택하고, 광학 드라이브 옆 CD모양 그림을 우클릭하여 '가상 광학 디스크 선택/만들기'를 눌러 자신의 PC에 있는 Windows XP ISO 파일을 선택한다. 
+
+
+![vtbox_41](./image1/2020-07-15_(23).png)
+
+네트워크 탭에서 마찬가지로 NAT 네트워크를 설정한다.
+
+
+![vtbox_42](./image1/2020-07-15_(24).png)
+
+![vtbox_43](./image1/2020-07-15_(29).png)
+
+![vtbox_44](./image1/2020-07-15_(30).png)
+
+그리고 WinXP를 실행하면 드디어 설치가 시작된다.
+
+차례대로 [Enter]=[F8]-[Enter]-[Enter] 순으로 입력하면 Windows XP 설치가 진행된다.
+
+
+![vtbox_45](./image1/2020-07-15_(31).png)
+
+![vtbox_46](./image1/2020-07-15_(33).png)
+
+설치가 완료되면 계속 [다음]-[사용자 이름]-[Product Key] 순으로 입력한다.
+
+그 다음 컴퓨터 이름과 날짜는 수정하지 않고 진행한다.
+
+
+![vtbox_47](./image1/2020-07-15_(36).png)
+
+Windows XP가 업데이트 되며 몇분간의 시간이 소요된다.
+
+
+![vtbox_48](./image1/2020-07-15_(40).png)
+
+업데이트가 완료되면 XP에서 자동으로 해상도를 설정한다.
+
+
+![vtbox_49](./image1/2020-07-15_(42).png)
+
+![vtbox_50](./image1/2020-07-15_(43).png)
+
+마지막으로 권장사항인 자동 업데이트를 선택하고, LAN으로 인터넷 연결을 선택한다.
+
+
+![vtbox_51](./image1/2020-07-15_(47).png)
+
+이제 Windows XP 설치가 완료됐다.
+
+XP에서도 Metasploitable2 설치와 마찬가지로 IP를 확인하기 위해 cmd창을 열어 ipconfig를 입력해준다.
+
+```
+> ipconfig
+```
+
+
+### 2) Windows 8.1 설치
+
+Windows 8.1 설치도 새 가상 하드디스크를 만들어 ISO 파일을 가상 광학 디스크에 선택한 후 네트워크 설정을 NAT 네트워크로 설정하는 과정까지는 Windows XP 설치와 동일하다.
+
+
+![vtbox_52](./image1/2020-07-15_(51).png)
+
+VirtualBox에서 Win8.1을 실행한다.
+
+위와 같이 Time and Currency를 Korean으로 설정한 뒤 Next를 누른다.
+
+
+![vtbox_53](./image1/2020-07-15_(53).png)
+
+Product Key에는 Windows 8.1에 주어지는 Generic Key를 입력한다.
+
+
+![vtbox_54](./image1/2020-07-15_(54).png)
+
+![vtbox_55](./image1/2020-07-15_(55).png)
+
+'Install Windows Only'를 선택한 후, 드라이브 설정은 그대로 둔 채 Next 버튼을 누른다.
+
+
+![vtbox_56](./image1/2020-07-15_(58).png)
+
+![vtbox_57](./image1/2020-07-15_(59).png)
+
+![vtbox_58](./image1/2020-07-15_(61).png)
+
+PC 이름을 설정하면 Microsoft 계정을 생성할지 물어본다.
+
+[Create a new account]-[Sign in without a Microsoft account]-[User name 설정] 순으로 적어주고 Finish 버튼을 눌러 설치를 진행한다.
+
+
+![vtbox_59](./image1/2020-07-15_(62).png)
+
+Windows 8.1 설치가 진행된다. 시간이 다소 걸릴 수 있다.
+
+
+![vtbox_60](./image1/2020-07-15_(67).png)
+
+Windows 8.1 설치가 완료됐다!
+
+여기서 마찬가지로 IP를 확인하기 위해 cmd 창에 ipconfig를 입력한다.
+
+```
+> ipconfig
+```
+
+IPv4 Address 옆에 나타나는 IP가 우리가 사용할 Windows 8.1에서의 IP주소이다.
+
+
+## ※ 네트워크 설정
+
+우리가 Kali, Metasploitable2, Windows XP, 8.1에서 각각 네트워크를 모두 NAT 네트워크로 설정했지만, VirtualBox 환경설정에서 NatNetwork가 만들어져 있지 않을 수 있다. 
+
+
+![vtbox_61](./image1/2020-07-24.png)
+
+![vtbox_62](./image1/2020-07-24_(1).png)
+
+VirtualBox에서 [파일]-[환경설정]-[네트워크] 탭에서 위와 같이 NatNetwork가 생성되어 있지 않다면, 새 NatNetwork를 추가해준다.
+

markdown/hatemogi__misaeng__TODO.md

@@ -0,0 +1,11 @@
+# 해결할 문제들
+
+* 모든 소스파일에서 (use [misaeng.core])를 하지 않아도 되는 방법은?
+  -> 컴파일러 코드를 건드려야할지도 모르겠다.
+
+* 문서화 도구와의 호환 확인 (한글판을 만들어야할 수도 있겠다)
+
+# 고민할 문제들
+
+* 소스파일 제일 위에 나오는 (ns ...)는 어떻게 처리할까?
+  -> (use [misaeng.core] 문제와 동일)

markdown/hephaex__deeplearning-note__BERT.md

@@ -0,0 +1,1030 @@
+# Transfer-related Papers
+a list of BERT-related papers. 
+Any feedback is welcome.
+
+## Table of Contents
+
+
+- [Downstream task](#downstream-task)
+- [Generation](#generation)
+- [Modification (multi-task, masking strategy, etc.)](#modification-multi-task-masking-strategy-etc)
+- [Probe](#probe)
+- [Inside BERT](#inside-bert)
+- [Multi-lingual](#multi-lingual)
+- [Other than English models](#other-than-english-models)
+- [Domain specific](#domain-specific)
+- [Multi-modal](#multi-modal)
+- [Model compression](#model-compression)
+- [Misc.](#misc)
+
+## Downstream task
+### QA, MC, Dialogue
+- [A BERT Baseline for the Natural Questions](https://arxiv.org/abs/1901.08634)
+- [MultiQA: An Empirical Investigation of Generalization and Transfer in Reading Comprehension](https://arxiv.org/abs/1905.13453) (ACL2019)
+- [Unsupervised Domain Adaptation on Reading Comprehension](https://arxiv.org/abs/1911.06137)
+- [BERTQA -- Attention on Steroids](https://arxiv.org/abs/1912.10435)
+- [A Multi-Type Multi-Span Network for Reading Comprehension that Requires Discrete Reasoning](https://arxiv.org/abs/1908.05514) (EMNLP2019)
+- [SDNet: Contextualized Attention-based Deep Network for Conversational Question Answering](https://arxiv.org/abs/1812.03593)
+- [Multi-hop Question Answering via Reasoning Chains](https://arxiv.org/abs/1910.02610)
+- [Select, Answer and Explain: Interpretable Multi-hop Reading Comprehension over Multiple Documents](https://arxiv.org/abs/1911.00484)
+- [Multi-step Entity-centric Information Retrieval for Multi-Hop Question Answering](https://arxiv.org/abs/1909.07598) (EMNLP2019 WS)
+- [End-to-End Open-Domain Question Answering with BERTserini](https://arxiv.org/abs/1902.01718) (NAALC2019)
+- [Latent Retrieval for Weakly Supervised Open Domain Question Answering](https://arxiv.org/abs/1906.00300) (ACL2019)
+- [Multi-passage BERT: A Globally Normalized BERT Model for Open-domain Question Answering](https://arxiv.org/abs/1908.08167) (EMNLP2019)
+- [Learning to Retrieve Reasoning Paths over Wikipedia Graph for Question Answering](https://arxiv.org/abs/1911.10470) (ICLR2020)
+- [Learning to Ask Unanswerable Questions for Machine Reading Comprehension](https://arxiv.org/abs/1906.06045) (ACL2019)
+- [Unsupervised Question Answering by Cloze Translation](https://arxiv.org/abs/1906.04980) (ACL2019)
+- [Reinforcement Learning Based Graph-to-Sequence Model for Natural Question Generation](https://arxiv.org/abs/1908.04942)
+- [A Recurrent BERT-based Model for Question Generation](https://www.aclweb.org/anthology/D19-5821/) (EMNLP2019 WS)
+- [Learning to Answer by Learning to Ask: Getting the Best of GPT-2 and BERT Worlds](https://arxiv.org/abs/1911.02365)
+- [Enhancing Pre-Trained Language Representations with Rich Knowledge for Machine Reading Comprehension](https://www.aclweb.org/anthology/papers/P/P19/P19-1226/) (ACL2019)
+- [Incorporating Relation Knowledge into Commonsense Reading Comprehension with Multi-task Learning](https://arxiv.org/abs/1908.04530) (CIKM2019)
+- [SG-Net: Syntax-Guided Machine Reading Comprehension](https://arxiv.org/abs/1908.05147)
+- [MMM: Multi-stage Multi-task Learning for Multi-choice Reading Comprehension](https://arxiv.org/abs/1910.00458)
+- [Cosmos QA: Machine Reading Comprehension with Contextual Commonsense Reasoning](https://arxiv.org/abs/1909.00277) (EMNLP2019)
+- [ReClor: A Reading Comprehension Dataset Requiring Logical Reasoning](https://arxiv.org/abs/2002.04326) (ICLR2020)
+- [Robust Reading Comprehension with Linguistic Constraints via Posterior Regularization](https://arxiv.org/abs/1911.06948)
+- [BAS: An Answer Selection Method Using BERT Language Model](https://arxiv.org/abs/1911.01528)
+- [Beat the AI: Investigating Adversarial Human Annotations for Reading Comprehension](https://arxiv.org/abs/2002.00293)
+- [A Simple but Effective Method to Incorporate Multi-turn Context with BERT for Conversational Machine Comprehension](https://arxiv.org/abs/1905.12848) (ACL2019 WS)
+- [FlowDelta: Modeling Flow Information Gain in Reasoning for Conversational Machine Comprehension](https://arxiv.org/abs/1908.05117) (ACL2019 WS)
+- [BERT with History Answer Embedding for Conversational Question Answering](https://arxiv.org/abs/1905.05412) (SIGIR2019)
+- [GraphFlow: Exploiting Conversation Flow with Graph Neural Networks for Conversational Machine Comprehension](https://arxiv.org/abs/1908.00059) (ICML2019 WS)
+- [Beyond English-only Reading Comprehension: Experiments in Zero-Shot Multilingual Transfer for Bulgarian](https://arxiv.org/abs/1908.01519) (RANLP2019)
+- [XQA: A Cross-lingual Open-domain Question Answering Dataset](https://www.aclweb.org/anthology/P19-1227/) (ACL2019)
+- [Cross-Lingual Machine Reading Comprehension](https://arxiv.org/abs/1909.00361) (EMNLP2019)
+- [Zero-shot Reading Comprehension by Cross-lingual Transfer Learning with Multi-lingual Language Representation Model](https://arxiv.org/abs/1909.09587)
+- [Multilingual Question Answering from Formatted Text applied to Conversational Agents](https://arxiv.org/abs/1910.04659)
+- [BiPaR: A Bilingual Parallel Dataset for Multilingual and Cross-lingual Reading Comprehension on Novels](https://arxiv.org/abs/1910.05040) (EMNLP2019)
+- [MLQA: Evaluating Cross-lingual Extractive Question Answering](https://arxiv.org/abs/1910.07475)
+- [Investigating Prior Knowledge for Challenging Chinese Machine Reading Comprehension](https://arxiv.org/abs/1904.09679) (TACL)
+- [SberQuAD - Russian Reading Comprehension Dataset: Description and Analysis](https://arxiv.org/abs/1912.09723)
+- [Giving BERT a Calculator: Finding Operations and Arguments with Reading Comprehension](https://arxiv.org/abs/1909.00109) (EMNLP2019)
+- [BERT-DST: Scalable End-to-End Dialogue State Tracking with Bidirectional Encoder Representations from Transformer](https://arxiv.org/abs/1907.03040) (Interspeech2019)
+- [Dialog State Tracking: A Neural Reading Comprehension Approach](https://arxiv.org/abs/1908.01946) 
+- [A Simple but Effective BERT Model for Dialog State Tracking on Resource-Limited Systems](https://arxiv.org/abs/1910.12995)
+- [Fine-Tuning BERT for Schema-Guided Zero-Shot Dialogue State Tracking](https://arxiv.org/abs/2002.00181)
+- [Goal-Oriented Multi-Task BERT-Based Dialogue State Tracker](https://arxiv.org/abs/2002.02450)
+- [Domain Adaptive Training BERT for Response Selection](https://arxiv.org/abs/1908.04812)
+- [BERT Goes to Law School: Quantifying the Competitive Advantage of Access to Large Legal Corpora in Contract Understanding](https://arxiv.org/abs/1911.00473)
+
+
+### Slot filling
+- [BERT for Joint Intent Classification and Slot Filling](https://arxiv.org/abs/1902.10909)
+- [Multi-lingual Intent Detection and Slot Filling in a Joint BERT-based Model](https://arxiv.org/abs/1907.02884)
+- [A Comparison of Deep Learning Methods for Language Understanding](https://www.isca-speech.org/archive/Interspeech_2019/abstracts/1262.html) (Interspeech2019)
+
+
+### Analysis
+- [Fine-grained Information Status Classification Using Discourse Context-Aware Self-Attention](https://arxiv.org/abs/1908.04755)
+- [GlossBERT: BERT for Word Sense Disambiguation with Gloss Knowledge](https://arxiv.org/abs/1908.07245) (EMNLP2019)
+- [Improved Word Sense Disambiguation Using Pre-Trained Contextualized Word Representations](https://arxiv.org/abs/1910.00194)  (EMNLP2019)
+- [Using BERT for Word Sense Disambiguation](https://arxiv.org/abs/1909.08358)
+- [Language Modelling Makes Sense: Propagating Representations through WordNet for Full-Coverage Word Sense Disambiguation](https://www.aclweb.org/anthology/P19-1569.pdf) (ACL2019)
+- [Neural Aspect and Opinion Term Extraction with Mined Rules as Weak Supervision](https://arxiv.org/abs/1907.03750) (ACL2019) 
+- [Assessing BERT’s Syntactic Abilities](https://arxiv.org/abs/1901.05287)
+- [Does BERT agree? Evaluating knowledge of structure dependence through agreement relations](https://arxiv.org/abs/1908.09892)
+- [Simple BERT Models for Relation Extraction and Semantic Role Labeling](https://arxiv.org/abs/1904.05255)
+- [LIMIT-BERT : Linguistic Informed Multi-Task BERT](https://arxiv.org/abs/1910.14296)
+- [A Simple BERT-Based Approach for Lexical Simplification](https://arxiv.org/abs/1907.06226)
+- [Multi-headed Architecture Based on BERT for Grammatical Errors Correction](https://www.aclweb.org/anthology/papers/W/W19/W19-4426/) (ACL2019 WS) 
+- [Towards Minimal Supervision BERT-based Grammar Error Correction](https://arxiv.org/abs/2001.03521)
+- [BERT-Based Arabic Social Media Author Profiling](https://arxiv.org/abs/1909.04181)
+- [Sentence-Level BERT and Multi-Task Learning of Age and Gender in Social Media](https://arxiv.org/abs/1911.00637)
+- [Evaluating the Factual Consistency of Abstractive Text Summarization](https://arxiv.org/abs/1910.12840)
+- [NegBERT: A Transfer Learning Approach for Negation Detection and Scope Resolution](https://arxiv.org/abs/1911.04211)
+- [xSLUE: A Benchmark and Analysis Platform for Cross-Style Language Understanding and Evaluation](https://arxiv.org/abs/1911.03663)
+- [TabFact: A Large-scale Dataset for Table-based Fact Verification](https://arxiv.org/abs/1909.02164)
+- [Rapid Adaptation of BERT for Information Extraction on Domain-Specific Business Documents](https://arxiv.org/abs/2002.01861)
+- [LAMBERT: Layout-Aware language Modeling using BERT for information extraction](https://arxiv.org/abs/2002.08087)
+
+### Word segmentation, parsing, NER
+- [BERT Meets Chinese Word Segmentation](https://arxiv.org/abs/1909.09292)
+- [Toward Fast and Accurate Neural Chinese Word Segmentation with Multi-Criteria Learning](https://arxiv.org/abs/1903.04190)
+- [Establishing Strong Baselines for the New Decade: Sequence Tagging, Syntactic and Semantic Parsing with BERT](https://arxiv.org/abs/1908.04943)
+- [Evaluating Contextualized Embeddings on 54 Languages in POS Tagging, Lemmatization and Dependency Parsing](https://arxiv.org/abs/1908.07448) 
+- [NEZHA: Neural Contextualized Representation for Chinese Language Understanding](https://arxiv.org/abs/1909.00204)
+- [Deep Contextualized Word Embeddings in Transition-Based and Graph-Based Dependency Parsing -- A Tale of Two Parsers Revisited](https://arxiv.org/abs/1908.07397) (EMNLP2019)
+- [Parsing as Pretraining](https://arxiv.org/abs/2002.01685) (AAAI2020)
+- [Cross-Lingual BERT Transformation for Zero-Shot Dependency Parsing](https://arxiv.org/abs/1909.06775)
+- [Named Entity Recognition -- Is there a glass ceiling?](https://arxiv.org/abs/1910.02403) (CoNLL2019)
+- [A Unified MRC Framework for Named Entity Recognition](https://arxiv.org/abs/1910.11476)
+- [Training Compact Models for Low Resource Entity Tagging using Pre-trained Language Models](https://arxiv.org/abs/1910.06294)
+- [Robust Named Entity Recognition with Truecasing Pretraining](https://arxiv.org/abs/1912.07095) (AAAI2020)
+- [LTP: A New Active Learning Strategy for Bert-CRF Based Named Entity Recognition](https://arxiv.org/abs/2001.02524)
+- [MT-BioNER: Multi-task Learning for Biomedical Named Entity Recognition using Deep Bidirectional Transformers](https://arxiv.org/abs/2001.08904)
+- [Portuguese Named Entity Recognition using BERT-CRF](https://arxiv.org/abs/1909.10649)
+- [Towards Lingua Franca Named Entity Recognition with BERT](https://arxiv.org/abs/1912.01389)
+
+### Pronoun/coreference resolution
+- [Resolving Gendered Ambiguous Pronouns with BERT](https://arxiv.org/abs/1906.01161) (ACL2019 WS)
+- [Anonymized BERT: An Augmentation Approach to the Gendered Pronoun Resolution Challenge](https://arxiv.org/abs/1905.01780) (ACL2019 WS)
+- [Gendered Pronoun Resolution using BERT and an extractive question answering formulation](https://arxiv.org/abs/1906.03695) (ACL2019 WS)
+- [MSnet: A BERT-based Network for Gendered Pronoun Resolution](https://arxiv.org/abs/1908.00308) (ACL2019 WS)
+- [Fill the GAP: Exploiting BERT for Pronoun Resolution](https://www.aclweb.org/anthology/papers/W/W19/W19-3815/) (ACL2019 WS)
+- [On GAP Coreference Resolution Shared Task: Insights from the 3rd Place Solution](https://www.aclweb.org/anthology/W19-3816/) (ACL2019 WS)
+- [Look Again at the Syntax: Relational Graph Convolutional Network for Gendered Ambiguous Pronoun Resolution](https://arxiv.org/abs/1905.08868) (ACL2019 WS)
+- [BERT Masked Language Modeling for Co-reference Resolution](https://www.aclweb.org/anthology/papers/W/W19/W19-3811/) (ACL2019 WS)
+- [Coreference Resolution with Entity Equalization](https://www.aclweb.org/anthology/P19-1066/) (ACL2019)
+- [BERT for Coreference Resolution: Baselines and Analysis](https://arxiv.org/abs/1908.09091) (EMNLP2019) [[github](https://github.com/mandarjoshi90/coref)]
+- [WikiCREM: A Large Unsupervised Corpus for Coreference Resolution](https://arxiv.org/abs/1908.08025) (EMNLP2019)
+- [Ellipsis and Coreference Resolution as Question Answering](https://arxiv.org/abs/1908.11141)
+- [Coreference Resolution as Query-based Span Prediction](https://arxiv.org/abs/1911.01746)
+
+### Sentiment analysis
+- [Utilizing BERT for Aspect-Based Sentiment Analysis via Constructing Auxiliary Sentence](https://arxiv.org/abs/1903.09588) (NAACL2019)
+- [BERT Post-Training for Review Reading Comprehension and Aspect-based Sentiment Analysis](https://arxiv.org/abs/1904.02232) (NAACL2019)
+- [Exploiting BERT for End-to-End Aspect-based Sentiment Analysis](https://arxiv.org/abs/1910.00883) (EMNLP2019 WS)
+- [Adapt or Get Left Behind: Domain Adaptation through BERT Language Model Finetuning for Aspect-Target Sentiment Classification](https://arxiv.org/abs/1908.11860) 
+- [An Investigation of Transfer Learning-Based Sentiment Analysis in Japanese](https://arxiv.org/abs/1905.09642) (ACL2019)
+- ["Mask and Infill" : Applying Masked Language Model to Sentiment Transfer](https://arxiv.org/abs/1908.08039)
+- [Adversarial Training for Aspect-Based Sentiment Analysis with BERT](https://arxiv.org/abs/2001.11316)
+- [Utilizing BERT Intermediate Layers for Aspect Based Sentiment Analysis and Natural Language Inference](https://arxiv.org/abs/2002.04815)
+
+### Relation extraction
+- [Matching the Blanks: Distributional Similarity for Relation Learning](https://arxiv.org/abs/1906.03158) (ACL2019)
+- [BERT-Based Multi-Head Selection for Joint Entity-Relation Extraction](https://arxiv.org/abs/1908.05908) (NLPCC2019)
+- [Enriching Pre-trained Language Model with Entity Information for Relation Classification](https://arxiv.org/abs/1905.08284)
+- [Span-based Joint Entity and Relation Extraction with Transformer Pre-training](https://arxiv.org/abs/1909.07755)
+- [Fine-tune Bert for DocRED with Two-step Process](https://arxiv.org/abs/1909.11898)
+- [Entity, Relation, and Event Extraction with Contextualized Span Representations](https://arxiv.org/abs/1909.03546) (EMNLP2019)
+- [Fine-tuning BERT for Joint Entity and Relation Extraction in Chinese Medical Text](https://arxiv.org/abs/1908.07721)
+
+
+### Knowledge base
+- [KG-BERT: BERT for Knowledge Graph Completion](https://arxiv.org/abs/1909.03193)
+- [Language Models as Knowledge Bases?](https://arxiv.org/abs/1909.01066) (EMNLP2019) [[github](https://github.com/facebookresearch/LAMA)]
+- [BERT is Not a Knowledge Base (Yet): Factual Knowledge vs. Name-Based Reasoning in Unsupervised QA](https://arxiv.org/abs/1911.03681)
+- [Inducing Relational Knowledge from BERT](https://arxiv.org/abs/1911.12753) (AAAI2020)
+- [Latent Relation Language Models](https://arxiv.org/abs/1908.07690) (AAAI2020)
+- [Pretrained Encyclopedia: Weakly Supervised Knowledge-Pretrained Language Model](https://openreview.net/forum?id=BJlzm64tDH) (ICLR2020)
+- [Zero-shot Entity Linking with Dense Entity Retrieval](https://arxiv.org/abs/1911.03814)
+- [Investigating Entity Knowledge in BERT with Simple Neural End-To-End Entity Linking](https://www.aclweb.org/anthology/K19-1063/) (CoNLL2019)
+- [Improving Entity Linking by Modeling Latent Entity Type Information](https://arxiv.org/abs/2001.01447) (AAAI2020)
+- [How Can We Know What Language Models Know?](https://arxiv.org/abs/1911.12543)
+- [REALM: Retrieval-Augmented Language Model Pre-Training](https://kentonl.com/pub/gltpc.2020.pdf)
+
+### Text classification
+- [How to Fine-Tune BERT for Text Classification?](https://arxiv.org/abs/1905.05583)
+- [X-BERT: eXtreme Multi-label Text Classification with BERT](https://arxiv.org/abs/1905.02331)
+- [DocBERT: BERT for Document Classification](https://arxiv.org/abs/1904.08398)
+- [Enriching BERT with Knowledge Graph Embeddings for Document Classification](https://arxiv.org/abs/1909.08402)
+- [Classification and Clustering of Arguments with Contextualized Word Embeddings](https://arxiv.org/abs/1906.09821) (ACL2019)
+- [BERT for Evidence Retrieval and Claim Verification](https://arxiv.org/abs/1910.02655)
+- [Conditional BERT Contextual Augmentation](https://arxiv.org/abs/1812.06705)
+- [Stacked DeBERT: All Attention in Incomplete Data for Text Classification](https://arxiv.org/abs/2001.00137)
+
+### WSC, WNLI, NLI
+- [Exploring Unsupervised Pretraining and Sentence Structure Modelling for Winograd Schema Challenge](https://arxiv.org/abs/1904.09705)
+- [A Surprisingly Robust Trick for the Winograd Schema Challenge](https://arxiv.org/abs/1905.06290)
+- [WinoGrande: An Adversarial Winograd Schema Challenge at Scale](https://arxiv.org/abs/1907.10641) (AAAI2020)
+- [Improving Natural Language Inference with a Pretrained Parser](https://arxiv.org/abs/1909.08217)
+- [Adversarial NLI: A New Benchmark for Natural Language Understanding](https://arxiv.org/abs/1910.14599)
+- [Adversarial Analysis of Natural Language Inference Systems](https://arxiv.org/abs/1912.03441) (ICSC2020)
+- [Evaluating BERT for natural language inference: A case study on the CommitmentBank](https://www.aclweb.org/anthology/D19-1630/) (EMNLP2019)
+
+### Commonsense
+- [CommonsenseQA: A Question Answering Challenge Targeting Commonsense Knowledge](https://arxiv.org/abs/1811.00937) (NAACL2019)
+- [HellaSwag: Can a Machine Really Finish Your Sentence?](https://arxiv.org/abs/1905.07830) (ACL2019) [[website](https://rowanzellers.com/hellaswag/)]
+- [Story Ending Prediction by Transferable BERT](https://arxiv.org/abs/1905.07504) (IJCAI2019)
+- [Explain Yourself! Leveraging Language Models for Commonsense Reasoning](https://arxiv.org/abs/1906.02361) (ACL2019)
+- [Align, Mask and Select: A Simple Method for Incorporating Commonsense Knowledge into Language Representation Models](https://arxiv.org/abs/1908.06725)
+- [Informing Unsupervised Pretraining with External Linguistic Knowledge](https://arxiv.org/abs/1909.02339)
+- [Commonsense Knowledge + BERT for Level 2 Reading Comprehension Ability Test](https://arxiv.org/abs/1909.03415)
+- [BIG MOOD: Relating Transformers to Explicit Commonsense Knowledge](https://arxiv.org/abs/1910.07713)
+- [Commonsense Knowledge Mining from Pretrained Models](https://arxiv.org/abs/1909.00505) (EMNLP2019)
+- [Do Massively Pretrained Language Models Make Better Storytellers?](https://arxiv.org/abs/1909.10705) (CoNLL2019)
+- [PIQA: Reasoning about Physical Commonsense in Natural Language](https://arxiv.org/abs/1911.11641v1) (AAAI2020)
+- [Why Do Masked Neural Language Models Still Need Common Sense Knowledge?](https://arxiv.org/abs/1911.03024)
+
+### Extractive summarization
+- [HIBERT: Document Level Pre-training of Hierarchical Bidirectional Transformers for Document Summarization](https://arxiv.org/abs/1905.06566) (ACL2019)
+- [Deleter: Leveraging BERT to Perform Unsupervised Successive Text Compression](https://arxiv.org/abs/1909.03223)
+- [Discourse-Aware Neural Extractive Model for Text Summarization](https://arxiv.org/abs/1910.14142)
+
+### IR
+- [Passage Re-ranking with BERT](https://arxiv.org/abs/1901.04085)
+- [Investigating the Successes and Failures of BERT for Passage Re-Ranking](https://arxiv.org/abs/1905.01758)
+- [Understanding the Behaviors of BERT in Ranking](https://arxiv.org/abs/1904.07531)
+- [Document Expansion by Query Prediction](https://arxiv.org/abs/1904.08375)
+- [CEDR: Contextualized Embeddings for Document Ranking](https://arxiv.org/abs/1904.07094) (SIGIR2019)
+- [Deeper Text Understanding for IR with Contextual Neural Language Modeling](https://arxiv.org/abs/1905.09217) (SIGIR2019)
+- [FAQ Retrieval using Query-Question Similarity and BERT-Based Query-Answer Relevance](https://arxiv.org/abs/1905.02851) (SIGIR2019)
+- [Multi-Stage Document Ranking with BERT](https://arxiv.org/abs/1910.14424)            
+
+## Generation
+- [BERT has a Mouth, and It Must Speak: BERT as a Markov Random Field Language Model](https://arxiv.org/abs/1902.04094) (NAACL2019 WS)
+- [Pretraining-Based Natural Language Generation for Text Summarization](https://arxiv.org/abs/1902.09243)
+- [Text Summarization with Pretrained Encoders](https://arxiv.org/abs/1908.08345) (EMNLP2019) [[github (original)](https://github.com/nlpyang/PreSumm)] [[github (huggingface)](https://github.com/huggingface/transformers/tree/master/examples/summarization)]
+- [Multi-stage Pretraining for Abstractive Summarization](https://arxiv.org/abs/1909.10599)
+- [PEGASUS: Pre-training with Extracted Gap-sentences for Abstractive Summarization](https://arxiv.org/abs/1912.08777)
+- [MASS: Masked Sequence to Sequence Pre-training for Language Generation](https://arxiv.org/abs/1905.02450) (ICML2019) [[github](https://github.com/microsoft/MASS)], [[github](https://github.com/microsoft/MASS/tree/master/MASS-fairseq)]
+- [Unified Language Model Pre-training for Natural Language Understanding and Generation](https://arxiv.org/abs/1905.03197) (NeurIPS2019)
+- [ProphetNet: Predicting Future N-gram for Sequence-to-Sequence Pre-training](https://arxiv.org/abs/2001.04063)
+- [Towards Making the Most of BERT in Neural Machine Translation](https://arxiv.org/abs/1908.05672)
+- [Improving Neural Machine Translation with Pre-trained Representation](https://arxiv.org/abs/1908.07688)
+- [On the use of BERT for Neural Machine Translation](https://arxiv.org/abs/1909.12744)
+- [Incorporating BERT into Neural Machine Translation](https://openreview.net/forum?id=Hyl7ygStwB) (ICLR2020)
+- [Recycling a Pre-trained BERT Encoder for Neural Machine Translation](https://www.aclweb.org/anthology/D19-5603/)
+- [Leveraging Pre-trained Checkpoints for Sequence Generation Tasks](https://arxiv.org/abs/1907.12461)
+- [Mask-Predict: Parallel Decoding of Conditional Masked Language Models](https://arxiv.org/abs/1904.09324) (EMNLP2019)
+- [BART: Denoising Sequence-to-Sequence Pre-training for Natural Language Generation, Translation, and Comprehension](https://arxiv.org/abs/1910.13461)
+- [ERNIE-GEN: An Enhanced Multi-Flow Pre-training and Fine-tuning Framework for Natural Language Generation](https://arxiv.org/abs/2001.11314)
+- [Cross-Lingual Natural Language Generation via Pre-Training](https://arxiv.org/abs/1909.10481) (AAAI2020) [[github](https://github.com/CZWin32768/XNLG)]
+- [Multilingual Denoising Pre-training for Neural Machine Translation](https://arxiv.org/abs/2001.08210)
+- [PLATO: Pre-trained Dialogue Generation Model with Discrete Latent Variable](https://arxiv.org/abs/1910.07931)
+- [Unsupervised Pre-training for Natural Language Generation: A Literature Review](https://arxiv.org/abs/1911.06171)
+
+
+## Modification (multi-task, masking strategy, etc.)
+- [Multi-Task Deep Neural Networks for Natural Language Understanding](https://arxiv.org/abs/1901.11504) (ACL2019)
+- [The Microsoft Toolkit of Multi-Task Deep Neural Networks for Natural Language Understanding](https://arxiv.org/abs/2002.07972)
+- [BERT and PALs: Projected Attention Layers for Efficient Adaptation in Multi-Task Learning](https://arxiv.org/abs/1902.02671) (ICML2019)
+- [Unifying Question Answering and Text Classification via Span Extraction](https://arxiv.org/abs/1904.09286)
+- [ERNIE: Enhanced Language Representation with Informative Entities](https://arxiv.org/abs/1905.07129) (ACL2019)
+- [ERNIE: Enhanced Representation through Knowledge Integration](https://arxiv.org/abs/1904.09223)
+- [ERNIE 2.0: A Continual Pre-training Framework for Language Understanding](https://arxiv.org/abs/1907.12412) (AAAI2020)
+- [Pre-Training with Whole Word Masking for Chinese BERT](https://arxiv.org/abs/1906.08101)
+- [SpanBERT: Improving Pre-training by Representing and Predicting Spans](https://arxiv.org/abs/1907.10529) [[github](https://github.com/facebookresearch/SpanBERT)]
+- [Blank Language Models](https://arxiv.org/abs/2002.03079)
+- [RoBERTa: A Robustly Optimized BERT Pretraining Approach](https://arxiv.org/abs/1907.11692) [[github](https://github.com/pytorch/fairseq/tree/master/examples/roberta)]
+- [ALBERT: A Lite BERT for Self-supervised Learning of Language Representations](https://arxiv.org/abs/1909.11942) (ICLR2020)
+- [ELECTRA: Pre-training Text Encoders as Discriminators Rather Than Generators](https://openreview.net/forum?id=r1xMH1BtvB) (ICLR2020)
+- [FreeLB: Enhanced Adversarial Training for Language Understanding](https://openreview.net/forum?id=BygzbyHFvB) (ICLR2020)
+- [KERMIT: Generative Insertion-Based Modeling for Sequences](https://arxiv.org/abs/1906.01604)
+- [DisSent: Sentence Representation Learning from Explicit Discourse Relations](https://arxiv.org/abs/1710.04334) (ACL2019)
+- [StructBERT: Incorporating Language Structures into Pre-training for Deep Language Understanding](https://arxiv.org/abs/1908.04577) (ICLR2020)
+- [Syntax-Infused Transformer and BERT models for Machine Translation and Natural Language Understanding](https://arxiv.org/abs/1911.06156)
+- [SenseBERT: Driving Some Sense into BERT](https://arxiv.org/abs/1908.05646)
+- [Semantics-aware BERT for Language Understanding](https://arxiv.org/abs/1909.02209) (AAAI2020)
+- [K-BERT: Enabling Language Representation with Knowledge Graph](https://arxiv.org/abs/1909.07606)
+- [Knowledge Enhanced Contextual Word Representations](https://arxiv.org/abs/1909.04164) (EMNLP2019)
+- [KEPLER: A Unified Model for Knowledge Embedding and Pre-trained Language Representation](https://arxiv.org/abs/1911.06136)
+- [Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks](https://arxiv.org/abs/1908.10084) (EMNLP2019)
+- [SBERT-WK: A Sentence Embedding Method By Dissecting BERT-based Word Models](https://arxiv.org/abs/2002.06652)
+- [Universal Text Representation from BERT: An Empirical Study](https://arxiv.org/abs/1910.07973)
+- [Symmetric Regularization based BERT for Pair-wise Semantic Reasoning](https://arxiv.org/abs/1909.03405)
+- [Transfer Fine-Tuning: A BERT Case Study](https://arxiv.org/abs/1909.00931) (EMNLP2019)
+- [Improving Pre-Trained Multilingual Models with Vocabulary Expansion](https://arxiv.org/abs/1909.12440) (CoNLL2019)
+- [ELECTRA: Pre-training Text Encoders as Discriminators Rather Than Generators](https://openreview.net/forum?id=r1xMH1BtvB)
+- [SesameBERT: Attention for Anywhere](https://arxiv.org/abs/1910.03176)
+- [Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer](https://arxiv.org/abs/1910.10683) [[github](https://github.com/google-research/text-to-text-transfer-transformer)]
+- [SMART: Robust and Efficient Fine-Tuning for Pre-trained Natural Language Models through Principled Regularized Optimization](https://arxiv.org/abs/1911.03437)
+## Transformer variants
+- [Transformer-XL: Attentive Language Models Beyond a Fixed-Length Context](https://arxiv.org/abs/1901.02860) (ACL2019) [[github](https://github.com/kimiyoung/transformer-xl)]
+- [The Evolved Transformer](https://arxiv.org/abs/1901.11117) (ICML2019)
+- [Reformer: The Efficient Transformer](https://arxiv.org/abs/2001.04451) (ICLR2020) [[github](https://github.com/google/trax/tree/master/trax/models/reformer)]
+- [Transformer on a Diet](https://arxiv.org/abs/2002.06170)
+
+## Probe
+- [A Structural Probe for Finding Syntax in Word Representations](https://aclweb.org/anthology/papers/N/N19/N19-1419/) (NAACL2019)
+- [Linguistic Knowledge and Transferability of Contextual Representations](https://arxiv.org/abs/1903.08855) (NAACL2019) [[github](https://github.com/nelson-liu/contextual-repr-analysis)]
+- [Probing What Different NLP Tasks Teach Machines about Function Word Comprehension](https://arxiv.org/abs/1904.11544) (*SEM2019)
+- [BERT Rediscovers the Classical NLP Pipeline](https://arxiv.org/abs/1905.05950) (ACL2019)
+- [Probing Neural Network Comprehension of Natural Language Arguments](https://arxiv.org/abs/1907.07355) (ACL2019)
+- [Cracking the Contextual Commonsense Code: Understanding Commonsense Reasoning Aptitude of Deep Contextual Representations](https://arxiv.org/abs/1910.01157) (EMNLP2019 WS)
+- [What do you mean, BERT? Assessing BERT as a Distributional Semantics Model](https://arxiv.org/abs/1911.05758)
+- [Quantity doesn't buy quality syntax with neural language models](https://arxiv.org/abs/1909.00111) (EMNLP2019)
+- [Are Pre-trained Language Models Aware of Phrases? Simple but Strong Baselines for Grammar Induction](https://openreview.net/forum?id=H1xPR3NtPB) (ICLR2020)
+- [oLMpics -- On what Language Model Pre-training Captures](https://arxiv.org/abs/1912.13283)
+- [How Much Knowledge Can You Pack Into the Parameters of a Language Model?](http://colinraffel.com/publications/arxiv2020how.pdf)
+
+## Inside BERT
+- [What does BERT learn about the structure of language?](https://hal.inria.fr/hal-02131630/document) (ACL2019)
+- [Open Sesame: Getting Inside BERT's Linguistic Knowledge](https://arxiv.org/abs/1906.01698) (ACL2019 WS)
+- [Analyzing the Structure of Attention in a Transformer Language Model](https://arxiv.org/abs/1906.04284) (ACL2019 WS)
+- [What Does BERT Look At? An Analysis of BERT's Attention](https://arxiv.org/abs/1906.04341) (ACL2019 WS)
+- [Do Attention Heads in BERT Track Syntactic Dependencies?](https://arxiv.org/abs/1911.12246)
+- [Blackbox meets blackbox: Representational Similarity and Stability Analysis of Neural Language Models and Brains](https://arxiv.org/abs/1906.01539) (ACL2019 WS)
+- [Inducing Syntactic Trees from BERT Representations](https://arxiv.org/abs/1906.11511) (ACL2019 WS)
+- [A Multiscale Visualization of Attention in the Transformer Model](https://arxiv.org/abs/1906.05714) (ACL2019 Demo)
+- [Visualizing and Measuring the Geometry of BERT](https://arxiv.org/abs/1906.02715)
+- [How Contextual are Contextualized Word Representations? Comparing the Geometry of BERT, ELMo, and GPT-2 Embeddings](https://arxiv.org/abs/1909.00512) (EMNLP2019) 
+- [Are Sixteen Heads Really Better than One?](https://arxiv.org/abs/1905.10650) (NeurIPS2019)
+- [On the Validity of Self-Attention as Explanation in Transformer Models](https://arxiv.org/abs/1908.04211)
+- [Visualizing and Understanding the Effectiveness of BERT](https://arxiv.org/abs/1908.05620) (EMNLP2019)
+- [Attention Interpretability Across NLP Tasks](https://arxiv.org/abs/1909.11218)
+- [Revealing the Dark Secrets of BERT](https://arxiv.org/abs/1908.08593) (EMNLP2019)
+- [Investigating BERT's Knowledge of Language: Five Analysis Methods with NPIs](https://arxiv.org/abs/1909.02597) (EMNLP2019)
+- [The Bottom-up Evolution of Representations in the Transformer: A Study with Machine Translation and Language Modeling Objectives](https://arxiv.org/abs/1909.01380) (EMNLP2019) 
+- [A Primer in BERTology: What we know about how BERT works](https://arxiv.org/abs/2002.12327)
+- [Do NLP Models Know Numbers? Probing Numeracy in Embeddings](https://arxiv.org/abs/1909.07940) (EMNLP2019)
+- [How Does BERT Answer Questions? A Layer-Wise Analysis of Transformer Representations](https://arxiv.org/abs/1909.04925) (CIKM2019)
+- [Whatcha lookin' at? DeepLIFTing BERT's Attention in Question Answering](https://arxiv.org/abs/1910.06431)
+- [What does BERT Learn from Multiple-Choice Reading Comprehension Datasets?](https://arxiv.org/abs/1910.12391)
+- [exBERT: A Visual Analysis Tool to Explore Learned Representations in Transformers Models](https://arxiv.org/abs/1910.05276) [[github](https://github.com/bhoov/exbert)]
+
+## Multi-lingual
+- [Multilingual Constituency Parsing with Self-Attention and Pre-Training](https://arxiv.org/abs/1812.11760) (ACL2019)
+- [Language Model Pretraining](https://arxiv.org/abs/1901.07291) (NeurIPS2019) [[github](https://github.com/facebookresearch/XLM)]
+- [75 Languages, 1 Model: Parsing Universal Dependencies Universally](https://arxiv.org/abs/1904.02099) (EMNLP2019) [[github](https://github.com/hyperparticle/udify)]
+- [Zero-shot Dependency Parsing with Pre-trained Multilingual Sentence Representations](https://arxiv.org/abs/1910.05479) (EMNLP2019 WS)
+- [Beto, Bentz, Becas: The Surprising Cross-Lingual Effectiveness of BERT](https://arxiv.org/abs/1904.09077) (EMNLP2019)
+- [How multilingual is Multilingual BERT?](https://arxiv.org/abs/1906.01502) (ACL2019)
+- [How Language-Neutral is Multilingual BERT?](https://arxiv.org/abs/1911.03310)
+- [Is Multilingual BERT Fluent in Language Generation?](https://arxiv.org/abs/1910.03806)
+- [BERT is Not an Interlingua and the Bias of Tokenization](https://www.aclweb.org/anthology/D19-6106/) (EMNLP2019 WS)
+- [Cross-Lingual Ability of Multilingual BERT: An Empirical Study](https://openreview.net/forum?id=HJeT3yrtDr) (ICLR2020)
+- [Multilingual Alignment of Contextual Word Representations](https://arxiv.org/abs/2002.03518) (ICLR2020)
+- [On the Cross-lingual Transferability of Monolingual Representations](https://arxiv.org/abs/1910.11856)
+- [Unsupervised Cross-lingual Representation Learning at Scale](https://arxiv.org/abs/1911.02116)
+- [Emerging Cross-lingual Structure in Pretrained Language Models](https://arxiv.org/abs/1911.01464)
+- [Can Monolingual Pretrained Models Help Cross-Lingual Classification?](https://arxiv.org/abs/1911.03913)
+- [Fully Unsupervised Crosslingual Semantic Textual Similarity Metric Based on BERT for Identifying Parallel Data](https://www.aclweb.org/anthology/K19-1020/) (CoNLL2019)
+
+## Other than English models
+- [CamemBERT: a Tasty French Language Model](https://arxiv.org/abs/1911.03894)
+- [FlauBERT: Unsupervised Language Model Pre-training for French](https://arxiv.org/abs/1912.05372)
+- [Multilingual is not enough: BERT for Finnish](https://arxiv.org/abs/1912.07076)
+- [BERTje: A Dutch BERT Model](https://arxiv.org/abs/1912.09582)
+- [RobBERT: a Dutch RoBERTa-based Language Model](https://arxiv.org/abs/2001.06286)
+- [Adaptation of Deep Bidirectional Multilingual Transformers for Russian Language](https://arxiv.org/abs/1905.07213)
+
+## Domain specific
+- [BioBERT: a pre-trained biomedical language representation model for biomedical text mining](https://arxiv.org/abs/1901.08746)
+- [Transfer Learning in Biomedical Natural Language Processing: An Evaluation of BERT and ELMo on Ten Benchmarking Datasets](https://arxiv.org/abs/1906.05474) (ACL2019 WS) 
+- [BERT-based Ranking for Biomedical Entity Normalization](https://arxiv.org/abs/1908.03548)
+- [PubMedQA: A Dataset for Biomedical Research Question Answering](https://arxiv.org/abs/1909.06146) (EMNLP2019)
+- [Pre-trained Language Model for Biomedical Question Answering](https://arxiv.org/abs/1909.08229)
+- [How to Pre-Train Your Model? Comparison of Different Pre-Training Models for Biomedical Question Answering](https://arxiv.org/abs/1911.00712)
+- [ClinicalBERT: Modeling Clinical Notes and Predicting Hospital Readmission](https://arxiv.org/abs/1904.05342)
+- [Publicly Available Clinical BERT Embeddings](https://arxiv.org/abs/1904.03323) (NAACL2019 WS)
+- [Progress Notes Classification and Keyword Extraction using Attention-based Deep Learning Models with BERT](https://arxiv.org/abs/1910.05786)
+- [SciBERT: Pretrained Contextualized Embeddings for Scientific Text](https://arxiv.org/abs/1903.10676) [[github](https://github.com/allenai/scibert)]
+- [PatentBERT: Patent Classification with Fine-Tuning a pre-trained BERT Model](https://arxiv.org/abs/1906.02124)
+        
+## Multi-modal
+- [VideoBERT: A Joint Model for Video and Language Representation Learning](https://arxiv.org/abs/1904.01766) (ICCV2019)
+- [ViLBERT: Pretraining Task-Agnostic Visiolinguistic Representations for Vision-and-Language Tasks](https://arxiv.org/abs/1908.02265) (NeurIPS2019)
+- [VisualBERT: A Simple and Performant Baseline for Vision and Language](https://arxiv.org/abs/1908.03557)
+- [Selfie: Self-supervised Pretraining for Image Embedding](https://arxiv.org/abs/1906.02940)
+- [ImageBERT: Cross-modal Pre-training with Large-scale Weak-supervised Image-Text Data](https://arxiv.org/abs/2001.07966)
+- [Contrastive Bidirectional Transformer for Temporal Representation Learning](https://arxiv.org/abs/1906.05743)
+- [M-BERT: Injecting Multimodal Information in the BERT Structure](https://arxiv.org/abs/1908.05787)
+- [LXMERT: Learning Cross-Modality Encoder Representations from Transformers](https://arxiv.org/abs/1908.07490) (EMNLP2019)
+- [Fusion of Detected Objects in Text for Visual Question Answering](https://arxiv.org/abs/1908.05054) (EMNLP2019)
+- [Unified Vision-Language Pre-Training for Image Captioning and VQA](https://arxiv.org/abs/1909.11059) [[github](https://github.com/LuoweiZhou/VLP)]
+- [Large-scale Pretraining for Visual Dialog: A Simple State-of-the-Art Baseline](https://arxiv.org/abs/1912.02379)
+- [VL-BERT: Pre-training of Generic Visual-Linguistic Representations](https://arxiv.org/abs/1908.08530) (ICLR2020)
+- [Unicoder-VL: A Universal Encoder for Vision and Language by Cross-modal Pre-training](https://arxiv.org/abs/1908.06066)
+- [UNITER: Learning UNiversal Image-TExt Representations](https://arxiv.org/abs/1909.11740)
+- [Supervised Multimodal Bitransformers for Classifying Images and Text](https://arxiv.org/abs/1909.02950)
+- [Weak Supervision helps Emergence of Word-Object Alignment and improves Vision-Language Tasks](https://arxiv.org/abs/1912.03063)
+- [BERT Can See Out of the Box: On the Cross-modal Transferability of Text Representations](https://arxiv.org/abs/2002.10832)
+- [BERT for Large-scale Video Segment Classification with Test-time Augmentation](https://arxiv.org/abs/1912.01127) (ICCV2019WS)
+- [SpeechBERT: Cross-Modal Pre-trained Language Model for End-to-end Spoken Question Answering](https://arxiv.org/abs/1910.11559)
+- [vq-wav2vec: Self-Supervised Learning of Discrete Speech Representations](https://arxiv.org/abs/1910.05453)
+- [Effectiveness of self-supervised pre-training for speech recognition](https://arxiv.org/abs/1911.03912)
+- [Understanding Semantics from Speech Through Pre-training](https://arxiv.org/abs/1909.10924)
+- [Towards Transfer Learning for End-to-End Speech Synthesis from Deep Pre-Trained Language Models](https://arxiv.org/abs/1906.07307)
+## Model compression
+- [Distilling Task-Specific Knowledge from BERT into Simple Neural Networks](https://arxiv.org/abs/1903.12136)
+- [Patient Knowledge Distillation for BERT Model Compression](https://arxiv.org/abs/1908.09355) (EMNLP2019)
+- [Small and Practical BERT Models for Sequence Labeling](https://arxiv.org/abs/1909.00100) (EMNLP2019)
+- [Pruning a BERT-based Question Answering Model](https://arxiv.org/abs/1910.06360)
+- [TinyBERT: Distilling BERT for Natural Language Understanding](https://arxiv.org/abs/1909.10351) [[github](https://github.com/huawei-noah/Pretrained-Language-Model/tree/master/TinyBERT)]
+- [DistilBERT, a distilled version of BERT: smaller, faster, cheaper and lighter](https://arxiv.org/abs/1910.01108) (NeurIPS2019 WS) [[github](https://github.com/huggingface/transformers/tree/master/examples/distillation)]
+- [PoWER-BERT: Accelerating BERT inference for Classification Tasks](https://arxiv.org/abs/2001.08950)
+- [WaLDORf: Wasteless Language-model Distillation On Reading-comprehension](https://arxiv.org/abs/1912.06638)
+- [Extreme Language Model Compression with Optimal Subwords and Shared Projections](https://arxiv.org/abs/1909.11687)
+- [BERT-of-Theseus: Compressing BERT by Progressive Module Replacing](https://arxiv.org/abs/2002.02925)
+- [Compressing BERT: Studying the Effects of Weight Pruning on Transfer Learning](https://arxiv.org/abs/2002.08307)
+- [MiniLM: Deep Self-Attention Distillation for Task-Agnostic Compression of Pre-Trained Transformers](https://arxiv.org/abs/2002.10957)
+- [Q-BERT: Hessian Based Ultra Low Precision Quantization of BERT](https://arxiv.org/abs/1909.05840)
+- [Q8BERT: Quantized 8Bit BERT](https://arxiv.org/abs/1910.06188) (NeurIPS2019 WS)
+## Misc.
+- [Cloze-driven Pretraining of Self-attention Networks](https://arxiv.org/abs/1903.07785)
+- [Learning and Evaluating General Linguistic Intelligence](https://arxiv.org/abs/1901.11373)
+- [To Tune or Not to Tune? Adapting Pretrained Representations to Diverse Tasks](https://arxiv.org/abs/1903.05987) (ACL2019 WS)
+- [BERTScore: Evaluating Text Generation with BERT](https://arxiv.org/abs/1904.09675) (ICLR2020)
+- [Machine Translation Evaluation with BERT Regressor](https://arxiv.org/abs/1907.12679)
+- [SumQE: a BERT-based Summary Quality Estimation Model](https://arxiv.org/abs/1909.00578) (EMNLP2019)
+- [Large Batch Optimization for Deep Learning: Training BERT in 76 minutes](https://arxiv.org/abs/1904.00962) (ICLR2020)
+- [Mixout: Effective Regularization to Finetune Large-scale Pretrained Language Models](https://openreview.net/forum?id=HkgaETNtDB) (ICLR2020)
+- [A Mutual Information Maximization Perspective of Language Representation Learning](https://openreview.net/forum?id=Syx79eBKwr) (ICLR2020)
+- [Is BERT Really Robust? Natural Language Attack on Text Classification and Entailment](https://arxiv.org/abs/1907.11932) (AAAI2020)
+- [Thieves on Sesame Street! Model Extraction of BERT-based APIs](https://arxiv.org/abs/1910.12366) (ICLR2020)
+- [Graph-Bert: Only Attention is Needed for Learning Graph Representations](https://arxiv.org/abs/2001.05140)
+- [CodeBERT: A Pre-Trained Model for Programming and Natural Languages](https://arxiv.org/abs/2002.08155)
+- [Fine-Tuning Pretrained Language Models: Weight Initializations, Data Orders, and Early Stopping](https://arxiv.org/abs/2002.06305)
+- [Extending Machine Language Models toward Human-Level Language Understanding](https://arxiv.org/abs/1912.05877)
+- [Glyce: Glyph-vectors for Chinese Character Representations](https://arxiv.org/abs/1901.10125)
+- [Back to the Future -- Sequential Alignment of Text Representations](https://arxiv.org/abs/1909.03464)
+- [Improving Cuneiform Language Identification with BERT](https://www.aclweb.org/anthology/papers/W/W19/W19-1402/) (NAACL2019 WS)
+- [BERT has a Moral Compass: Improvements of ethical and moral values of machines](https://arxiv.org/abs/1912.05238)
+- [SMILES-BERT: Large Scale Unsupervised Pre-Training for Molecular Property Prediction](https://dl.acm.org/citation.cfm?id=3342186) (ACM-BCB2019)
+- [On the comparability of Pre-trained Language Models](https://arxiv.org/abs/2001.00781)
+- [Transformers: State-of-the-art Natural Language Processing](https://arxiv.org/abs/1910.03771)
+- [Evolution of transfer learning in natural language processing](https://arxiv.org/abs/1910.07370)
+
+#  collect BERT related resources. 
+
+## Papers: 
+
+1. [arXiv:1810.04805](https://arxiv.org/abs/1810.04805), BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding
+, Authors: Jacob Devlin, Ming-Wei Chang, Kenton Lee, Kristina Toutanova
+
+2. [arXiv:1812.06705](https://arxiv.org/abs/1812.06705), Conditional BERT Contextual Augmentation, Authors: Xing Wu, Shangwen Lv, Liangjun Zang, Jizhong Han, Songlin Hu
+
+3. [arXiv:1812.03593](https://arxiv.org/pdf/1812.03593), SDNet: Contextualized Attention-based Deep Network for Conversational Question Answering, Authors: Chenguang Zhu, Michael Zeng, Xuedong Huang
+
+4. [arXiv:1901.02860](https://arxiv.org/abs/1901.02860), Transformer-XL: Attentive Language Models Beyond a Fixed-Length Context,  Authors: Zihang Dai, Zhilin Yang, Yiming Yang, William W. Cohen, Jaime Carbonell, Quoc V. Le and Ruslan Salakhutdinov.
+
+5. [arXiv:1901.04085](https://arxiv.org/pdf/1901.04085.pdf), Passage Re-ranking with BERT, Authors: Rodrigo Nogueira, Kyunghyun Cho
+
+6. [arXiv:1902.02671](https://arxiv.org/pdf/1902.02671.pdf), BERT and PALs: Projected Attention Layers for Efficient Adaptation in Multi-Task Learning, Authors: Asa Cooper Stickland, Iain Murray
+
+7. [arXiv:1904.02232](https://arxiv.org/abs/1904.02232), BERT Post-Training for Review Reading Comprehension and Aspect-based Sentiment Analysis, Authors: Hu Xu, Bing Liu, Lei Shu, Philip S. Yu, [[code](https://github.com/howardhsu/BERT-for-RRC-ABSA)]
+
+
+
+
+# Github Repositories: 
+
+## official implement:
+1.  [google-research/bert](https://github.com/google-research/bert),  **officical** TensorFlow code and pre-trained models for BERT ,
+![](https://img.shields.io/github/stars/google-research/bert.svg)
+
+
+## implement of BERT besides tensorflow: 
+1. [codertimo/BERT-pytorch](https://github.com/codertimo/BERT-pytorch),   Google AI 2018 BERT pytorch implementation,
+![](https://img.shields.io/github/stars/codertimo/BERT-pytorch.svg)
+
+2. [huggingface/pytorch-pretrained-BERT](https://github.com/huggingface/pytorch-pretrained-BERT),   A PyTorch implementation of Google AI's BERT model with script to load Google's pre-trained models,
+![](https://img.shields.io/github/stars/huggingface/pytorch-pretrained-BERT.svg)
+
+3. [Separius/BERT-keras](https://github.com/Separius/BERT-keras), Keras implementation of BERT with pre-trained weights, 
+![](https://img.shields.io/github/stars/Separius/BERT-keras.svg)
+
+4. [soskek/bert-chainer](https://github.com/soskek/bert-chainer),  Chainer implementation of "BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding",
+![](https://img.shields.io/github/stars/soskek/bert-chainer.svg)
+
+5. [innodatalabs/tbert](https://github.com/innodatalabs/tbert), PyTorch port of BERT ML model
+![](https://img.shields.io/github/stars/innodatalabs/tbert.svg)
+
+6. [guotong1988/BERT-tensorflow](https://github.com/guotong1988/BERT-tensorflow), BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding
+![](https://img.shields.io/github/stars/guotong1988/BERT-tensorflow.svg)
+
+7. [dreamgonfly/BERT-pytorch](https://github.com/dreamgonfly/BERT-pytorch), 
+PyTorch implementation of BERT in "BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding" 
+![](https://img.shields.io/github/stars/dreamgonfly/BERT-pytorch.svg)
+
+8. [CyberZHG/keras-bert](https://github.com/CyberZHG/keras-bert), Implementation of BERT that could load official pre-trained models for feature extraction and prediction
+![](https://img.shields.io/github/stars/CyberZHG/keras-bert.svg)
+
+9. [soskek/bert-chainer](https://github.com/soskek/bert-chainer), Chainer implementation of "BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding"
+![](https://img.shields.io/github/stars/soskek/bert-chainer.svg)
+
+10. [MaZhiyuanBUAA/bert-tf1.4.0](https://github.com/MaZhiyuanBUAA/bert-tf1.4.0), bert-tf1.4.0
+![](https://img.shields.io/github/stars/MaZhiyuanBUAA/bert-tf1.4.0.svg)
+
+11. [dhlee347/pytorchic-bert](https://github.com/dhlee347/pytorchic-bert), Pytorch Implementation of Google BERT,
+![](https://img.shields.io/github/stars/dhlee347/pytorchic-bert.svg)
+
+12. [kpot/keras-transformer](https://github.com/kpot/keras-transformer), Keras library for building (Universal) Transformers, facilitating BERT and GPT models,
+![](https://img.shields.io/github/stars/kpot/keras-transformer.svg)
+
+13. [miroozyx/BERT_with_keras](https://github.com/miroozyx/BERT_with_keras), A Keras version of Google's BERT model,
+![](https://img.shields.io/github/stars/miroozyx/BERT_with_keras.svg)
+
+14. [conda-forge/pytorch-pretrained-bert-feedstock](https://github.com/conda-forge/pytorch-pretrained-bert-feedstock), A conda-smithy repository for pytorch-pretrained-bert. ,
+![](https://img.shields.io/github/stars/conda-forge/pytorch-pretrained-bert-feedstock.svg)
+
+
+15. [Rshcaroline/BERT_Pytorch_fastNLP](https://github.com/Rshcaroline/BERT_Pytorch_fastNLP), A PyTorch & fastNLP implementation of Google AI's BERT model.
+![](https://img.shields.io/github/stars/Rshcaroline/BERT_Pytorch_fastNLP.svg)
+
+17. [nghuyong/ERNIE-Pytorch](https://github.com/nghuyong/ERNIE-Pytorch), ERNIE Pytorch Version,
+![](https://img.shields.io/github/stars/nghuyong/ERNIE-Pytorch.svg)
+
+
+18. [dmlc/gluon-nlp](https://github.com/dmlc/gluon-nlp), Gluon + MXNet implementation that reproduces BERT pretraining and finetuning on GLUE benchmark, SQuAD, etc,
+![](https://img.shields.io/github/stars/dmlc/gluon-nlp.svg)
+
+19. [dbiir/UER-py](https://github.com/dbiir/UER-py),  UER-py is a toolkit for pre-training on general-domain corpus and fine-tuning on downstream task. UER-py maintains model modularity and supports research extensibility. It facilitates the use of different pre-training models (e.g. BERT), and provides interfaces for users to further extend upon.  
+![](https://img.shields.io/github/stars/dbiir/UER-py.svg)
+
+## improvement over BERT:
+1. [thunlp/ERNIE](https://github.com/https://github.com/thunlp/ERNIE), Source code and dataset for ACL 2019 paper "ERNIE: Enhanced Language Representation with Informative Entities", imporove bert with heterogeneous information fusion. 
+![](https://img.shields.io/github/stars/thunlp/ERNIE.svg)
+
+2. [PaddlePaddle/LARK](https://github.com/PaddlePaddle/LARK),  LAnguage Representations Kit, PaddlePaddle implementation of BERT. It also contains an improved version of BERT, ERNIE, for chinese NLP tasks.  
+![](https://img.shields.io/github/stars/PaddlePaddle/LARK.svg)
+ 
+3. [ymcui/Chinese-BERT-wwm](https://github.com/ymcui/Chinese-BERT-wwm), Pre-Training with Whole Word Masking for Chinese BERT  https://arxiv.org/abs/1906.08101,  
+![](https://img.shields.io/github/stars/ymcui/Chinese-BERT-wwm.svg)
+
+4. [zihangdai/xlnet](https://github.com/zihangdai/xlnet), XLNet: Generalized Autoregressive Pretraining for Language Understanding, 
+![](https://img.shields.io/github/stars/zihangdai/xlnet.svg)
+
+5. [kimiyoung/transformer-xl](https://github.com/kimiyoung/transformer-xl), Transformer-XL: Attentive Language Models Beyond a Fixed-Length Context, This repository contains the code in both PyTorch and TensorFlow for our paper. 
+![](https://img.shields.io/github/stars/kimiyoung/transformer-xl.svg)
+
+6. [GaoPeng97/transformer-xl-chinese](https://github.com/GaoPeng97/transformer-xl-chinese), （transformer xl for text generation of chinese）, 
+![](https://img.shields.io/github/stars/GaoPeng97/transformer-xl-chinese.svg)
+ 
+
+## other resources for BERT: 
+1. [brightmart/bert_language_understanding](https://github.com/brightmart/bert_language_understanding), Pre-training of Deep Bidirectional Transformers for Language Understanding: pre-train TextCNN,
+![](https://img.shields.io/github/stars/brightmart/bert_language_understanding.svg)
+
+2. [Y1ran/NLP-BERT--ChineseVersion](https://github.com/Y1ran/NLP-BERT--ChineseVersion), 
+![](https://img.shields.io/github/stars/Y1ran/NLP-BERT--ChineseVersion.svg)
+
+3. [yangbisheng2009/cn-bert](https://github.com/yangbisheng2009/cn-bert), 
+![](https://img.shields.io/github/stars/yangbisheng2009/cn-bert.svg)
+
+4. [JayYip/bert-multiple-gpu](https://github.com/JayYip/bert-multiple-gpu), A multiple GPU support version of BERT,
+![](https://img.shields.io/github/stars/JayYip/bert-multiple-gpu.svg)
+
+5. [HighCWu/keras-bert-tpu](https://github.com/HighCWu/keras-bert-tpu), Implementation of BERT that could load official pre-trained models for feature extraction and prediction on TPU, 
+![](https://img.shields.io/github/stars/HighCWu/keras-bert-tpu.svg)
+
+6. [Willyoung2017/Bert_Attempt](https://github.com/Willyoung2017/Bert_Attempt), PyTorch Pretrained Bert,
+![](https://img.shields.io/github/stars/Willyoung2017/Bert_Attempt.svg)
+
+7. [Pydataman/bert_examples](https://github.com/Pydataman/bert_examples), some examples of bert, run_classifier.py
+![](https://img.shields.io/github/stars/Pydataman/bert_examples.svg)
+
+8. [guotong1988/BERT-chinese](https://github.com/guotong1988/BERT-chinese), BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding 
+![](https://img.shields.io/github/stars/guotong1988/BERT-chinese.svg)
+
+9. [zhongyunuestc/bert_multitask](https://github.com/zhongyunuestc/bert_multitask), 多任务task
+![](https://img.shields.io/github/stars/zhongyunuestc/bert_multitask.svg)
+
+10. [Microsoft/AzureML-BERT](https://github.com/Microsoft/AzureML-BERT), End-to-end walk through for fine-tuning BERT using Azure Machine Learning , 
+![](https://img.shields.io/github/stars/Microsoft/AzureML-BERT.svg)
+
+11. [bigboNed3/bert_serving](https://github.com/bigboNed3/bert_serving), export bert model for serving, 
+![](https://img.shields.io/github/stars/nghuyong/ERNIE-Pytorch.svg)
+
+12. [yoheikikuta/bert-japanese](https://github.com/yoheikikuta/bert-japanese), BERT with SentencePiece for Japanese text. 
+![](https://img.shields.io/github/stars/bigboNed3/bert_serving.svg)
+
+13. [whqwill/seq2seq-keyphrase-bert](https://github.com/whqwill/seq2seq-keyphrase-bert), add BERT to encoder part for https://github.com/memray/seq2seq-keyphrase-pytorch,
+![](https://img.shields.io/github/stars/whqwill/seq2seq-keyphrase-bert.svg)
+
+14. [algteam/bert-examples](https://github.com/algteam/bert-examples), bert-demo, 
+![](https://img.shields.io/github/stars/algteam/bert-examples.svg)
+
+15. [cedrickchee/awesome-bert-nlp](https://github.com/cedrickchee/awesome-bert-nlp), A curated list of NLP resources focused on BERT, attention mechanism, Transformer networks, and transfer learning. 
+![](https://img.shields.io/github/stars/cedrickchee/awesome-bert-nlp.svg)
+
+16. [cnfive/cnbert](https://github.com/cnfive/cnbert),  
+![](https://img.shields.io/github/stars/cnfive/cnbert.svg)
+
+17. [brightmart/bert_customized](https://github.com/brightmart/bert_customized), bert with customized features,
+![](https://img.shields.io/github/stars/brightmart/bert_customized.svg)
+
+
+19. [JayYip/bert-multitask-learning](https://github.com/JayYip/bert-multitask-learning), BERT for Multitask Learning, 
+![](https://img.shields.io/github/stars/JayYip/bert-multitask-learning.svg)
+
+20. [yuanxiaosc/BERT_Paper_Chinese_Translation](https://github.com/yuanxiaosc/BERT_Paper_Chinese_Translation), BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding 。Chinese Translation! https://yuanxiaosc.github.io/2018/12/…, 
+![](https://img.shields.io/github/stars/yuanxiaosc/BERT_Paper_Chinese_Translation.svg)
+
+21. [yaserkl/BERTvsULMFIT](https://github.com/yaserkl/BERTvsULMFIT), Comparing Text Classification results using BERT embedding and ULMFIT embedding,
+![](https://img.shields.io/github/stars/yaserkl/BERTvsULMFIT.svg)
+
+22. [kpot/keras-transformer](https://github.com/kpot/keras-transformer), Keras library for building (Universal) Transformers, facilitating BERT and GPT models, 
+![](https://img.shields.io/github/stars/kpot/keras-transformer.svg)
+
+23. [1234560o/Bert-model-code-interpretation](https://github.com/1234560o/Bert-model-code-interpretation), 
+![](https://img.shields.io/github/stars/1234560o/Bert-model-code-interpretation.svg)
+
+24. [cdathuraliya/bert-inference](https://github.com/cdathuraliya/bert-inference), A helper class for Google BERT (Devlin et al., 2018) to support online prediction and model pipelining. 
+![](https://img.shields.io/github/stars/cdathuraliya/bert-inference.svg)
+
+
+26. [gameofdimension/java-bert-predict](https://github.com/gameofdimension/java-bert-predict), turn bert pretrain checkpoint into saved model for a feature extracting demo in java
+![](https://img.shields.io/github/stars/gameofdimension/java-bert-predict.svg)
+
+27. [1234560o/Bert-model-code-interpretation](https://github.com/1234560o/Bert-model-code-interpretation), 
+![](https://img.shields.io/github/stars/1234560o/Bert-model-code-interpretation.svg)
+
+
+
+
+## domain specific BERT: 
+
+1. [allenai/scibert](https://github.com/allenai/scibert), A BERT model for scientific text. https://arxiv.org/abs/1903.10676,
+![](https://img.shields.io/github/stars/allenai/scibert.svg)
+
+2. [MeRajat/SolvingAlmostAnythingWithBert](https://github.com/MeRajat/SolvingAlmostAnythingWithBert), BioBert Pytorch
+![](https://img.shields.io/github/stars/MeRajat/SolvingAlmostAnythingWithBert.svg)
+
+3. [kexinhuang12345/clinicalBERT](https://github.com/kexinhuang12345/clinicalBERT), ClinicalBERT: Modeling Clinical Notes and Predicting Hospital Readmission https://arxiv.org/abs/1904.05342
+![](https://img.shields.io/github/stars/kexinhuang12345/clinicalBERT.svg)
+
+4. [EmilyAlsentzer/clinicalBERT](https://github.com/EmilyAlsentzer/clinicalBERT), repository for Publicly Available Clinical BERT Embeddings
+![](https://img.shields.io/github/stars/EmilyAlsentzer/clinicalBERT.svg)
+
+
+## BERT Deploy Tricks:
+
+1. [zhihu/cuBERT](https://github.com/zhihu/cuBERT), Fast implementation of BERT inference directly on NVIDIA (CUDA, CUBLAS) and Intel MKL
+![](https://img.shields.io/github/stars/zhihu/cuBERT.svg)
+
+2. [xmxoxo/BERT-train2deploy](https://github.com/xmxoxo/BERT-train2deploy), Bert Model training and deploy,  
+![](https://img.shields.io/github/stars/xmxoxo/BERT-train2deploy.svg)
+
+## BERT QA & RC task:
+
+1. [sogou/SMRCToolkit](https://github.com/sogou/SMRCToolkit), This toolkit was designed for the fast and efficient development of modern machine comprehension models, including both published models and original prototypes., 
+![](https://img.shields.io/github/stars/sogou/SMRCToolkit.svg)
+
+
+1. [benywon/ChineseBert](https://github.com/benywon/ChineseBert), This is a chinese Bert model specific for question answering,
+![](https://img.shields.io/github/stars/benywon/ChineseBert.svg)
+
+3. [matthew-z/R-net](https://github.com/matthew-z/R-net), R-net in PyTorch, with BERT and ELMo,
+![](https://img.shields.io/github/stars/matthew-z/R-net.svg)
+
+4. [nyu-dl/dl4marco-bert](https://github.com/nyu-dl/dl4marco-bert), Passage Re-ranking with BERT,
+![](https://img.shields.io/github/stars/nyu-dl/dl4marco-bert.svg)
+
+5. [xzp27/BERT-for-Chinese-Question-Answering](https://github.com/xzp27/BERT-for-Chinese-Question-Answering), 
+![](https://img.shields.io/github/stars/xzp27/BERT-for-Chinese-Question-Answering.svg)
+
+6. [chiayewken/bert-qa](https://github.com/chiayewken/bert-qa), BERT for question answering starting with HotpotQA,
+![](https://img.shields.io/github/stars/chiayewken/bert-qa.svg)
+
+8. [ankit-ai/BertQA-Attention-on-Steroids](https://github.com/ankit-ai/BertQA-Attention-on-Steroids), BertQA - Attention on Steroids,
+![](https://img.shields.io/github/stars/ankit-ai/BertQA-Attention-on-Steroids.svg)
+
+10. [NoviScl/BERT-RACE](https://github.com/NoviScl/BERT-RACE), This work is based on Pytorch implementation of BERT (https://github.com/huggingface/pytorch-pretrained-BERT). I adapted the original BERT model to work on multiple choice machine comprehension.
+![](https://img.shields.io/github/stars/NoviScl/BERT-RACE.svg)
+
+11. [eva-n27/BERT-for-Chinese-Question-Answering](https://github.com/eva-n27/BERT-for-Chinese-Question-Answering), 
+![](https://img.shields.io/github/stars/eva-n27/BERT-for-Chinese-Question-Answering.svg)
+
+12. [allenai/allennlp-bert-qa-wrapper](https://github.com/allenai/allennlp-bert-qa-wrapper),  This is a simple wrapper on top of pretrained BERT based QA models from pytorch-pretrained-bert to make AllenNLP model archives, so that you can serve demos from AllenNLP.
+![](https://img.shields.io/github/stars/allenai/allennlp-bert-qa-wrapper.svg)
+
+13. [edmondchensj/ChineseQA-with-BERT](https://github.com/edmondchensj/ChineseQA-with-BERT), EECS 496: Advanced Topics in Deep Learning Final Project: Chinese Question Answering with BERT (Baidu DuReader Dataset)
+![](https://img.shields.io/github/stars/edmondchensj/ChineseQA-with-BERT.svg)
+
+14. [graykode/toeicbert](https://github.com/graykode/toeicbert), TOEIC(Test of English for International Communication) solving using pytorch-pretrained-BERT model.,
+![](https://img.shields.io/github/starsgraykode/toeicbert.svg)
+
+15. [graykode/KorQuAD-beginner](https://github.com/graykode/KorQuAD-beginner), https://github.com/graykode/KorQuAD-beginner
+![](https://img.shields.io/github/stars/graykode/KorQuAD-beginner.svg)
+
+16. [krishna-sharma19/SBU-QA](https://github.com/krishna-sharma19/SBU-QA), This repository uses pretrain BERT embeddings for transfer learning in QA domain
+![](https://img.shields.io/github/stars/krishna-sharma19/SBU-QA.svg)
+
+
+
+## BERT classification task:
+
+1. [zhpmatrix/Kaggle-Quora-Insincere-Questions-Classification](https://github.com/zhpmatrix/Kaggle-Quora-Insincere-Questions-Classification), 
+![](https://img.shields.io/github/stars/zhpmatrix/Kaggle-Quora-Insincere-Questions-Classification.svg)
+
+2. [maksna/bert-fine-tuning-for-chinese-multiclass-classification](https://github.com/maksna/bert-fine-tuning-for-chinese-multiclass-classification), use google pre-training model bert to fine-tuning for the chinese multiclass classification
+![](https://img.shields.io/github/stars/maksna/bert-fine-tuning-for-chinese-multiclass-classification.svg)
+
+3. [NLPScott/bert-Chinese-classification-task](https://github.com/NLPScott/bert-Chinese-classification-task), 
+![](https://img.shields.io/github/stars/NLPScott/bert-Chinese-classification-task.svg)
+
+4. [Socialbird-AILab/BERT-Classification-Tutorial](https://github.com/Socialbird-AILab/BERT-Classification-Tutorial),
+![](https://img.shields.io/github/stars/Socialbird-AILab/BERT-Classification-Tutorial.svg)
+
+5. [fooSynaptic/BERT_classifer_trial](https://github.com/fooSynaptic/BERT_classifer_trial), BERT trial for chinese corpus classfication
+![](https://img.shields.io/github/stars/fooSynaptic/BERT_classifer_trial.svg)
+
+6. [xiaopingzhong/bert-finetune-for-classfier](https://github.com/xiaopingzhong/bert-finetune-for-classfier), 
+![](https://img.shields.io/github/stars/xiaopingzhong/bert-finetune-for-classfier.svg)
+
+8. [pengming617/bert_classification](https://github.com/pengming617/bert_classification), ,
+![](https://img.shields.io/github/stars/pengming617/bert_classification.svg)
+
+9. [xieyufei1993/Bert-Pytorch-Chinese-TextClassification](https://github.com/xieyufei1993/Bert-Pytorch-Chinese-TextClassification), Pytorch Bert Finetune in Chinese Text Classification,
+![](https://img.shields.io/github/stars/xieyufei1993/Bert-Pytorch-Chinese-TextClassification.svg)
+
+10. [liyibo/text-classification-demos](https://github.com/liyibo/text-classification-demos), Neural models for Text Classification in Tensorflow, such as cnn, dpcnn, fasttext, bert ...,
+![](https://img.shields.io/github/stars/liyibo/text-classification-demos.svg)
+
+11. [circlePi/BERT_Chinese_Text_Class_By_pytorch](https://github.com/circlePi/BERT_Chinese_Text_Class_By_pytorch), A Pytorch implements of Chinese text class based on BERT_Pretrained_Model,
+![](https://img.shields.io/github/stars/circlePi/BERT_Chinese_Text_Class_By_pytorch.svg)
+
+12. [kaushaltrivedi/bert-toxic-comments-multilabel](https://github.com/kaushaltrivedi/bert-toxic-comments-multilabel), Multilabel classification for Toxic comments challenge using Bert,
+![](https://img.shields.io/github/stars/kaushaltrivedi/bert-toxic-comments-multilabel.svg)
+
+13. [lonePatient/BERT-chinese-text-classification-pytorch](https://github.com/lonePatient/BERT-chinese-text-classification-pytorch), This repo contains a PyTorch implementation of a pretrained BERT model for text classification.,
+![](https://img.shields.io/github/stars/lonePatient/BERT-chinese-text-classification-pytorch.svg)
+
+
+
+## BERT Sentiment Analysis
+
+1. [Chung-I/Douban-Sentiment-Analysis](https://github.com/Chung-I/Douban-Sentiment-Analysis), Sentiment Analysis on Douban Movie Short Comments Dataset using BERT.
+![](https://img.shields.io/github/stars/Chung-I/Douban-Sentiment-Analysis.svg)
+
+14. [lynnna-xu/bert_sa](https://github.com/lynnna-xu/bert_sa), bert sentiment analysis tensorflow serving with RESTful API
+![](https://img.shields.io/github/stars/lynnna-xu/bert_sa.svg)
+
+15. [HSLCY/ABSA-BERT-pair](https://github.com/HSLCY/ABSA-BERT-pair), Utilizing BERT for Aspect-Based Sentiment Analysis via Constructing Auxiliary Sentence (NAACL 2019) https://arxiv.org/abs/1903.09588,
+![](https://img.shields.io/github/stars/HSLCY/ABSA-BERT-pair.svg)
+
+16. [songyouwei/ABSA-PyTorch](https://github.com/songyouwei/ABSA-PyTorch), Aspect Based Sentiment Analysis, PyTorch Implementations.,
+![](https://img.shields.io/github/stars/songyouwei/ABSA-PyTorch.svg)
+
+17. [howardhsu/BERT-for-RRC-ABSA](https://github.com/howardhsu/BERT-for-RRC-ABSA), code for our NAACL 2019 paper: "BERT Post-Training for Review Reading Comprehension and Aspect-based Sentiment Analysis",
+![](https://img.shields.io/github/stars/howardhsu/BERT-for-RRC-ABSA.svg)
+
+7. [brightmart/sentiment_analysis_fine_grain](https://github.com/brightmart/sentiment_analysis_fine_grain), Multi-label Classification with BERT; Fine Grained Sentiment Analysis from AI challenger,
+![](https://img.shields.io/github/stars/brightmart/sentiment_analysis_fine_grain.svg)
+
+
+## BERT  NER  task:  
+
+2. [zhpmatrix/bert-sequence-tagging](https://github.com/zhpmatrix/bert-sequence-tagging), 
+![](https://img.shields.io/github/stars/zhpmatrix/bert-sequence-tagging.svg)
+
+3. [kyzhouhzau/BERT-NER](https://github.com/kyzhouhzau/BERT-NER), Use google BERT to do CoNLL-2003 NER ! ,
+![](https://img.shields.io/github/stars/kyzhouhzau/BERT-NER.svg)
+
+4. [king-menin/ner-bert](https://github.com/king-menin/ner-bert), NER task solution (bert-Bi-LSTM-CRF) with google bert https://github.com/google-research.
+![](https://img.shields.io/github/stars/king-menin/ner-bert.svg)
+
+5. [macanv/BERT-BiLSMT-CRF-NER](https://github.com/macanv/BERT-BiLSMT-CRF-NER), Tensorflow solution of NER task Using BiLSTM-CRF model with Google BERT Fine-tuning  ,
+![](https://img.shields.io/github/stars/macanv/BERT-BiLSMT-CRF-NER.svg)
+
+6. [FuYanzhe2/Name-Entity-Recognition](https://github.com/FuYanzhe2/Name-Entity-Recognition), Lstm-crf,Lattice-CRF,bert-ner
+![](https://img.shields.io/github/stars/FuYanzhe2/Name-Entity-Recognition.svg)
+
+7. [mhcao916/NER_Based_on_BERT](https://github.com/mhcao916/NER_Based_on_BERT), this project is based on google bert model, which is a Chinese NER
+![](https://img.shields.io/github/stars/mhcao916/NER_Based_on_BERT.svg)
+
+8. [ProHiryu/bert-chinese-ner](https://github.com/ProHiryu/bert-chinese-ner),
+![](https://img.shields.io/github/stars/ProHiryu/bert-chinese-ner.svg)
+
+9. [sberbank-ai/ner-bert](https://github.com/sberbank-ai/ner-bert), BERT-NER (nert-bert) with google bert,
+![](https://img.shields.io/github/stars/sberbank-ai/ner-bert.svg)
+
+10. [kyzhouhzau/Bert-BiLSTM-CRF](https://github.com/kyzhouhzau/Bert-BiLSTM-CRF), This model base on bert-as-service. Model structure : bert-embedding bilstm crf. ,
+![](https://img.shields.io/github/stars/kyzhouhzau/Bert-BiLSTM-CRF.svg)
+
+11. [Hoiy/berserker](https://github.com/Hoiy/berserker), Berserker - BERt chineSE woRd toKenizER, Berserker (BERt chineSE woRd toKenizER) is a Chinese tokenizer built on top of Google's BERT model. ,
+![](https://img.shields.io/github/stars/Hoiy/berserker.svg)
+
+12. [Kyubyong/bert_ner](https://github.com/Kyubyong/bert_ner), Ner with Bert,
+![](https://img.shields.io/github/stars/Kyubyong/bert_ner.svg)
+
+13. [jiangpinglei/BERT_ChineseWordSegment](https://github.com/jiangpinglei/BERT_ChineseWordSegment),  A Chinese word segment model based on BERT, F1-Score 97%,
+![](https://img.shields.io/github/stars/jiangpinglei/BERT_ChineseWordSegment.svg)
+
+14. [yanwii/ChineseNER](https://github.com/yanwii/ChineseNER), 
+![](https://img.shields.io/github/stars/yanwii/ChineseNER.svg)
+
+15. [lemonhu/NER-BERT-pytorch](https://github.com/lemonhu/NER-BERT-pytorch), PyTorch solution of NER task Using Google AI's pre-trained BERT model.
+![](https://img.shields.io/github/stars/lemonhu/NER-BERT-pytorch.svg)
+
+
+## BERT Text Summarization Task: 
+
+1. [nlpyang/BertSum](https://github.com/nlpyang/BertSum), Code for paper Fine-tune BERT for Extractive Summarization,
+![](https://img.shields.io/github/stars/nlpyang/BertSum.svg)
+
+2. [santhoshkolloju/Abstractive-Summarization-With-Transfer-Learning](https://github.com/santhoshkolloju/Abstractive-Summarization-With-Transfer-Learning), Abstractive summarisation using Bert as encoder and Transformer Decoder,
+![](https://img.shields.io/github/stars/santhoshkolloju/Abstractive-Summarization-With-Transfer-Learning.svg)
+
+3. [nayeon7lee/bert-summarization](https://github.com/nayeon7lee/bert-summarization), Implementation of 'Pretraining-Based Natural Language Generation for Text Summarization', Paper: https://arxiv.org/pdf/1902.09243.pdf
+![](https://img.shields.io/github/stars/nayeon7lee/bert-summarization.svg)
+
+4. [dmmiller612/lecture-summarizer](https://github.com/dmmiller612/lecture-summarizer), Lecture summarizer with BERT
+![](https://img.shields.io/github/stars/dmmiller612/lecture-summarizer.svg)
+
+
+## BERT Text Generation Task: 
+1. [asyml/texar](https://github.com/asyml/texar), Toolkit for Text Generation and Beyond https://texar.io, Texar is a general-purpose text generation toolkit, has also implemented BERT here for classification, and text generation applications by combining with Texar's other modules.
+![](https://img.shields.io/github/stars/asyml/texar.svg)
+
+2. [voidful/BertGenerate](https://github.com/voidful/BertGenerate), Fine tuning bert for text generation,
+![](https://img.shields.io/github/stars/voidful/BertGenerate.svg)
+
+3. [Tiiiger/bert_score](https://github.com/Tiiiger/bert_score), BERT score for language generation,
+![](https://img.shields.io/github/stars/Tiiiger/bert_score.svg)
+
+
+## BERT  Knowledge Graph Task : 
+
+1. [lvjianxin/Knowledge-extraction](https://github.com/lvjianxin/Knowledge-extraction), 
+![](https://img.shields.io/github/stars/lvjianxin/Knowledge-extraction.svg)
+
+2. [sakuranew/BERT-AttributeExtraction](https://github.com/sakuranew/BERT-AttributeExtraction), USING BERT FOR Attribute Extraction in KnowledgeGraph. fine-tuning and feature extraction.,
+![](https://img.shields.io/github/stars/sakuranew/BERT-AttributeExtraction.svg)
+
+3. [aditya-AI/Information-Retrieval-System-using-BERT](https://github.com/aditya-AI/Information-Retrieval-System-using-BERT),
+![](https://img.shields.io/github/stars/aditya-AI/Information-Retrieval-System-using-BERT.svg)
+
+4. [jkszw2014/bert-kbqa-NLPCC2017](https://github.com/jkszw2014/bert-kbqa-NLPCC2017), A trial of kbqa based on bert for NLPCC2016/2017 Task 5, https://blog.csdn.net/ai_1046067944/article/details/86707784  ,
+![](https://img.shields.io/github/stars/jkszw2014/bert-kbqa-NLPCC2017.svg)
+
+5. [yuanxiaosc/Schema-based-Knowledge-Extraction](https://github.com/yuanxiaosc/Schema-based-Knowledge-Extraction), Code for http://lic2019.ccf.org.cn/kg,
+![](https://img.shields.io/github/stars/yuanxiaosc/Schema-based-Knowledge-Extraction.svg)
+
+6. [yuanxiaosc/Entity-Relation-Extraction](https://github.com/yuanxiaosc/Entity-Relation-Extraction),  Entity and Relation Extraction Based on TensorFlow.Schema based Knowledge Extraction, SKE 2019 http://lic2019.ccf.org.cn,
+![](https://img.shields.io/github/stars/yuanxiaosc/Entity-Relation-Extraction.svg)
+
+7. [WenRichard/KBQA-BERT](https://github.com/WenRichard/KBQA-BERT), https://zhuanlan.zhihu.com/p/62946533  ,
+![](https://img.shields.io/github/stars/WenRichard/KBQA-BERT.svg)
+
+
+## BERT  Coreference Resolution 
+1. [ianycxu/RGCN-with-BERT](https://github.com/ianycxu/RGCN-with-BERT), Gated-Relational Graph Convolutional Networks (RGCN) with BERT for Coreference Resolution Task
+![](https://img.shields.io/github/stars/ianycxu/RGCN-with-BERT.svg)
+
+2. [isabellebouchard/BERT_for_GAP-coreference](https://github.com/isabellebouchard/BERT_for_GAP-coreference),  BERT finetuning for GAP unbiased pronoun resolution
+![](https://img.shields.io/github/stars/isabellebouchard/BERT_for_GAP-coreference.svg)
+
+
+
+## BERT  visualization toolkit: 
+1. [jessevig/bertviz](https://github.com/jessevig/bertviz), Tool for visualizing BERT's attention,
+![](https://img.shields.io/github/stars/jessevig/bertviz.svg)
+
+## BERT chatbot :
+1. [GaoQ1/rasa_nlu_gq](https://github.com/GaoQ1/rasa_nlu_gq), turn natural language into structured data,
+![](https://img.shields.io/github/stars/GaoQ1/rasa_nlu_gq.svg)
+
+2. [GaoQ1/rasa_chatbot_cn](https://github.com/GaoQ1/rasa_chatbot_cn), 
+![](https://img.shields.io/github/stars/GaoQ1/rasa_chatbot_cn.svg)
+
+3. [GaoQ1/rasa-bert-finetune](https://github.com/GaoQ1/rasa-bert-finetune), 
+![](https://img.shields.io/github/stars/GaoQ1/rasa-bert-finetune.svg)
+
+5. [geodge831012/bert_robot](https://github.com/geodge831012/bert_robot)
+![](https://img.shields.io/github/stars/geodge831012/bert_robot.svg)
+
+6. [yuanxiaosc/BERT-for-Sequence-Labeling-and-Text-Classification](https://github.com/yuanxiaosc/BERT-for-Sequence-Labeling-and-Text-Classification), This is the template code to use BERT for sequence lableing and text classification, in order to facilitate BERT for more tasks. Currently, the template code has included conll-2003 named entity identification, Snips Slot Filling and Intent Prediction.
+![](https://img.shields.io/github/stars/yuanxiaosc/BERT-for-Sequence-Labeling-and-Text-Classification.svg)
+
+7. [guillaume-chevalier/ReuBERT](https://github.com/guillaume-chevalier/ReuBERT), A question-answering chatbot, simply.
+![](https://img.shields.io/github/stars/guillaume-chevalier/ReuBERT.svg)
+
+## BERT language model and embedding: 
+
+1.  [hanxiao/bert-as-service](https://github.com/hanxiao/bert-as-service),    Mapping a variable-length sentence to a fixed-length vector using pretrained BERT model,
+![](https://img.shields.io/github/stars/hanxiao/bert-as-service.svg)
+
+2. [YC-wind/embedding_study](https://github.com/YC-wind/embedding_study),
+![](https://img.shields.io/github/stars/YC-wind/embedding_study.svg)
+
+3. [Kyubyong/bert-token-embeddings](https://github.com/Kyubyong/bert-token-embeddings), Bert Pretrained Token Embeddings,
+![](https://img.shields.io/github/stars/Kyubyong/bert-token-embeddings.svg)
+
+4. [xu-song/bert_as_language_model](https://github.com/xu-song/bert_as_language_model), bert as language model, fork from https://github.com/google-research/bert,
+![](https://img.shields.io/github/stars/xu-song/bert_as_language_model.svg)
+
+5. [yuanxiaosc/Deep_dynamic_word_representation](https://github.com/yuanxiaosc/Deep_dynamic_word_representation), TensorFlow code and pre-trained models for deep dynamic word representation (DDWR). It combines the BERT model and ELMo's deep context word representation.,
+![](https://img.shields.io/github/stars/yuanxiaosc/Deep_dynamic_word_representation.svg)
+
+6. [imgarylai/bert-embedding](https://github.com/imgarylai/bert-embedding), Token level embeddings from BERT model on mxnet and gluonnlp http://bert-embedding.readthedocs.io/,
+![](https://img.shields.io/github/stars/imgarylai/bert-embedding.svg)
+
+7. [terrifyzhao/bert-utils](https://github.com/terrifyzhao/bert-utils),
+![](https://img.shields.io/github/stars/terrifyzhao/bert-utils.svg)
+
+8. [fennuDetudou/BERT_implement](https://github.com/fennuDetudou/BERT_implement),
+![](https://img.shields.io/github/stars/fennuDetudou/BERT_implement.svg)
+
+9. [whqwill/seq2seq-keyphrase-bert](https://github.com/whqwill/seq2seq-keyphrase-bert), add BERT to encoder part for https://github.com/memray/seq2seq-keyphrase-pytorch,
+![](https://img.shields.io/github/stars/whqwill/seq2seq-keyphrase-bert.svg)
+
+10. [charles9n/bert-sklearn](https://github.com/charles9n/bert-sklearn), a sklearn wrapper for Google's BERT model,
+![](https://img.shields.io/github/stars/charles9n/bert-sklearn.svg)
+
+
+12. [NVIDIA/Megatron-LM](https://github.com/NVIDIA/Megatron-LM), Ongoing research training transformer language models at scale, including: BERT,
+![](https://img.shields.io/github/stars/NVIDIA/Megatron-LM.svg)
+
+13. [hankcs/BERT-token-level-embedding](https://github.com/hankcs/BERT-token-level-embedding), Generate BERT token level embedding without pain
+![](https://img.shields.io/github/stars/hankcs/BERT-token-level-embedding.svg)
+
+
+
+## BERT Text Match: 
+
+1. [pengming617/bert_textMatching](https://github.com/pengming617/bert_textMatching), 利用预训练的中文模型实现基于bert的语义匹配模型 数据集为LCQMC官方数据
+![](https://img.shields.io/github/stars/pengming617/bert_textMatching.svg)
+
+14. [Brokenwind/BertSimilarity](https://github.com/Brokenwind/BertSimilarity), Computing similarity of two sentences with google's BERT algorithm
+![](https://img.shields.io/github/stars/Brokenwind/BertSimilarity.svg)
+
+25. [policeme/chinese_bert_similarity](https://github.com/policeme/chinese_bert_similarity), bert chinese similarity
+![](https://img.shields.io/github/stars/policeme/chinese_bert_similarity.svg)
+
+26. [lonePatient/bert-sentence-similarity-pytorch](https://github.com/lonePatient/bert-sentence-similarity-pytorch), This repo contains a PyTorch implementation of a pretrained BERT model for sentence similarity task.
+![](https://img.shields.io/github/stars/lonePatient/bert-sentence-similarity-pytorch.svg)
+
+27. [nouhadziri/DialogEntailment](https://github.com/nouhadziri/DialogEntailment), The implementation of the paper "Evaluating Coherence in Dialogue Systems using Entailment" https://arxiv.org/abs/1904.03371
+![](https://img.shields.io/github/stars/nouhadziri/DialogEntailment.svg)
+
+## ko bert
+https://github.com/jeongukjae/KR-BERT-SimCSE
+
+## BERT tutorials: 
+
+1. [graykode/nlp-tutorial](https://github.com/graykode/nlp-tutorial), Natural Language Processing Tutorial for Deep Learning Researchers https://www.reddit.com/r/MachineLearn…,
+![](https://img.shields.io/github/stars/graykode/nlp-tutorial.svg)
+
+2. [dragen1860/TensorFlow-2.x-Tutorials](https://github.com/dragen1860/TensorFlow-2.x-Tutorials), TensorFlow 2.x version's Tutorials and Examples, including CNN, RNN, GAN, Auto-Encoders, FasterRCNN, GPT, BERT examples, etc. TF 2.0。,
+![](https://img.shields.io/github/stars/dragen1860/TensorFlow-2.x-Tutorials.svg)
+
+## 한국어 sentence bert 모델
+- 깃허브에 sentence-transformers 다국어 모델과의 벤치마크 성능 비교를 기재해두었습니다) ko-sentence-transformers 라이브러리를 설치하시면 허깅페이스 허브에서 바로 다운받아 사용 가능합니다. 
+- 허깅페이스 모델: https://huggingface.co/jhgan/ko-sbert-multitask
+- 깃허브 저장소: https://github.com/jhgan00/ko-sentence-transformers
+- 
+## 논문 요약: https://www.marktechpost.com/.../researchers-from-china.../
+종이: https://arxiv.org/pdf/2207.07116v1.pdf
+Github: https://github.com/lightdxy/bootmae
+
+## Time Series Related Survey
+* Self-Supervised Learning for Time Series Analysis: Taxonomy, Progress, and Prospects, in *arXiv* 2023. [\[paper\]](https://arxiv.org/abs/2306.10125) [\[Website\]](https://github.com/qingsongedu/Awesome-SSL4TS)
+* A Survey on Graph Neural Networks for Time Series: Forecasting, Classification, Imputation, and Anomaly Detection, in *arXiv* 2023. [\[paper\]](https://arxiv.org/abs/2307.03759) [\[Website\]](https://github.com/KimMeen/Awesome-GNN4TS)
+* Time series data augmentation for deep learning: a survey, in *IJCAI* 2021. [\[paper\]](https://arxiv.org/abs/2002.12478)
+* Neural temporal point processes: a review, in *IJCAI* 2021. [\[paper\]](https://arxiv.org/abs/2104.03528v5)
+* Time-series forecasting with deep learning: a survey, in *Philosophical Transactions of the Royal Society A* 2021. [\[paper\]](https://royalsocietypublishing.org/doi/full/10.1098/rsta.2020.0209)
+* Deep learning for time series forecasting: a survey, in *Big Data* 2021. [\[paper\]](https://www.liebertpub.com/doi/abs/10.1089/big.2020.0159)
+* Neural forecasting: Introduction and literature overview, in *arXiv* 2020. [\[paper\]](https://arxiv.org/abs/2004.10240) 
+* Deep learning for anomaly detection in time-series data: review, analysis, and guidelines, in *Access* 2021. [\[paper\]](https://ieeexplore.ieee.org/abstract/document/9523565) 
+* A review on outlier/anomaly detection in time series data, in *ACM Computing Surveys* 2021. [\[paper\]](https://arxiv.org/abs/2002.04236)
+* A unifying review of deep and shallow anomaly detection, in *Proceedings of the IEEE* 2021. [\[paper\]](http://128.84.4.34/abs/2009.11732)
+* Deep learning for time series classification: a review, in *Data Mining and Knowledge Discovery* 2019. [\[paper\]](https://link.springer.com/article/10.1007/s10618-019-00619-1?sap-outbound-id=11FC28E054C1A9EB6F54F987D4B526A6EE3495FD&mkt-key=005056A5C6311EE999A3A1E864CDA986)
+* More related time series surveys, tutorials, and papers can be found at this [repo](https://github.com/qingsongedu/awesome-AI-for-time-series-papers).
+
+## Application Domains of Time Series Transformers
+
+### Transformers in Forecasting
+#### Time Series Forecasting
+* Make Transformer Great Again for Time Series Forecasting: Channel Aligned Robust Dual Transformer, in *arXiv* 2023. [\[paper\]](https://arxiv.org/abs/2305.12095)
+* A Time Series is Worth 64 Words: Long-term Forecasting with Transformers, in *ICLR* 2023. [\[paper\]](https://openreview.net/forum?id=Jbdc0vTOcol) [\[code\]](https://github.com/yuqinie98/PatchTST)
+* Crossformer: Transformer Utilizing Cross-Dimension Dependency for Multivariate Time Series Forecasting, in *ICLR* 2023. [\[paper\]](https://openreview.net/forum?id=vSVLM2j9eie)
+* Scaleformer: Iterative Multi-scale Refining Transformers for Time Series Forecasting, in *ICLR* 2023. [\[paper\]](https://openreview.net/forum?id=sCrnllCtjoE)
+* Non-stationary Transformers: Rethinking the Stationarity in Time Series Forecasting, in *NeurIPS* 2022. [\[paper\]](https://arxiv.org/abs/2205.14415) 
+* Learning to Rotate: Quaternion Transformer for Complicated Periodical Time Series Forecasting”, in *KDD* 2022. [\[paper\]](https://dl.acm.org/doi/10.1145/3534678.3539234) 
+* FEDformer: Frequency Enhanced Decomposed Transformer for Long-term Series Forecasting, in *ICML* 2022. [\[paper\]](https://arxiv.org/abs/2201.12740) [\[official code\]](https://github.com/MAZiqing/FEDformer)
+* TACTiS: Transformer-Attentional Copulas for Time Series, in *ICML* 2022. [\[paper\]](https://arxiv.org/abs/2202.03528) 
+* Pyraformer: Low-Complexity Pyramidal Attention for Long-Range Time Series Modeling and Forecasting, in *ICLR* 2022. [\[paper\]](https://openreview.net/forum?id=0EXmFzUn5I) [\[official code\]](https://github.com/alipay/Pyraformer) 
+* Autoformer: Decomposition transformers with auto-correlation for long-term series forecasting, in *NeurIPS* 2021. [\[paper\]](https://proceedings.neurips.cc/paper/2021/hash/bcc0d400288793e8bdcd7c19a8ac0c2b-Abstract.html) [\[official code\]](https://github.com/thuml/autoformer)
+* Informer: Beyond efficient transformer for long sequence time-series forecasting, in *AAAI* 2021. [\[paper\]](https://www.aaai.org/AAAI21Papers/AAAI-7346.ZhouHaoyi.pdf) [\[official code\]](https://github.com/zhouhaoyi/Informer2020) [\[dataset\]](https://github.com/zhouhaoyi/ETDataset) 
+* Temporal fusion transformers for interpretable multi-horizon time series forecasting, in *International Journal of Forecasting* 2021. [\[paper\]](https://www.sciencedirect.com/science/article/pii/S0169207021000637) [\[code\]](https://github.com/mattsherar/Temporal_Fusion_Transform)
+* Probabilistic Transformer For Time Series Analysis, in *NeurIPS* 2021. [\[paper\]](https://proceedings.neurips.cc/paper/2021/hash/c68bd9055776bf38d8fc43c0ed283678-Abstract.html)  
+* Deep Transformer Models for Time Series Forecasting: The Influenza Prevalence Case, in *arXiv* 2020. [\[paper\]](https://arxiv.org/abs/2001.08317)
+* Adversarial sparse transformer for time series forecasting, in *NeurIPS* 2020. [\[paper\]](https://proceedings.neurips.cc/paper/2020/hash/c6b8c8d762da15fa8dbbdfb6baf9e260-Abstract.html) [\[code\]](https://github.com/hihihihiwsf/AST)
+* Enhancing the locality and breaking the memory bottleneck of transformer on time series forecasting, in *NeurIPS* 2019. [\[paper\]](https://proceedings.neurips.cc/paper/2019/hash/6775a0635c302542da2c32aa19d86be0-Abstract.html) [\[code\]](https://github.com/mlpotter/Transformer_Time_Series)
+* SSDNet: State Space Decomposition Neural Network for Time Series Forecasting, in *ICDM* 2021, [\[paper\]](https://arxiv.org/abs/2112.10251)
+* From Known to Unknown: Knowledge-guided Transformer for Time-Series Sales Forecasting in Alibaba, in *arXiv* 2021. [\[paper\]](https://arxiv.org/abs/2109.08381)
+* TCCT: Tightly-coupled convolutional transformer on time series forecasting, in *Neurocomputing* 2022. [\[paper\]](https://www.sciencedirect.com/science/article/pii/S0925231222000571)
+* Triformer: Triangular, Variable-Specific Attentions for Long Sequence Multivariate Time Series Forecasting, in *IJCAI* 2022. [\[paper\]](https://arxiv.org/abs/2204.13767)
+
+
+ #### Spatio-Temporal Forecasting
+* AirFormer: Predicting Nationwide Air Quality in China with Transformers, in *AAAI* 2023. [\[paper\]](https://arxiv.org/abs/2211.15979) [\[official code\]](https://github.com/yoshall/AirFormer) 
+* Earthformer: Exploring Space-Time Transformers for Earth System Forecasting, in *NeurIPS* 2022. [\[paper\]](https://arxiv.org/abs/2207.05833) [\[official code\]](https://github.com/amazon-science/earth-forecasting-transformer)
+* Bidirectional Spatial-Temporal Adaptive Transformer for Urban Traffic Flow Forecasting, in *TNNLS* 2022. [\[paper\]](https://ieeexplore.ieee.org/abstract/document/9810964)
+* Spatio-temporal graph transformer networks for pedestrian trajectory prediction, in *ECCV* 2020. [\[paper\]](https://www.ecva.net/papers/eccv_2020/papers_ECCV/html/1636_ECCV_2020_paper.php) [\[official code\]](https://github.com/Majiker/STAR)
+* Spatial-temporal transformer networks for traffic flow forecasting, in *arXiv* 2020. [\[paper\]](https://arxiv.org/abs/2001.02908) [\[official code\]](https://github.com/xumingxingsjtu/STTN)
+* Traffic transformer: Capturing the continuity and periodicity of time series for traffic forecasting, in *Transactions in GIS* 2022. [\[paper\]](https://coolgiserz.github.io/publication/traffic-transformer-capturing-the-continuity-and-periodicity-of-time-series-for-traffic-forecasting/traffic-transformer-capturing-the-continuity-and-periodicity-of-time-series-for-traffic-forecasting.pdf)
+
+ #### Event Forecasting
+* HYPRO: A Hybridly Normalized Probabilistic Model for Long-Horizon Prediction of Event Sequences，in *NeurIPS* 2022. [\[paper\]](https://arxiv.org/abs/2210.01753) [\[official code\]](https://github.com/ant-research/hypro_tpp) 
+* Transformer Embeddings of Irregularly Spaced Events and Their Participants, in *ICLR* 2022. [\[paper\]](https://openreview.net/forum?id=Rty5g9imm7H) [\[official code\]](https://github.com/yangalan123/anhp-andtt)
+* Self-attentive Hawkes process, in *ICML* 2020. [\[paper\]](http://proceedings.mlr.press/v119/zhang20q.html) [\[official code\]](https://github.com/QiangAIResearcher/sahp_repo)
+* Transformer Hawkes process, in *ICML* 2020. [\[paper\]](https://proceedings.mlr.press/v119/zuo20a.html) [\[official code\]](https://github.com/SimiaoZuo/Transformer-Hawkes-Process)
+
+
+
+### Transformers in Anomaly Detection
+* CAT: Beyond Efficient Transformer for Content-Aware Anomaly Detection in Event Sequences, in *KDD* 2022. [\[paper\]](https://dl.acm.org/doi/abs/10.1145/3534678.3539155) [\[official code\]](https://github.com/mmichaelzhang/CAT)
+* DCT-GAN: Dilated Convolutional Transformer-based GAN for Time Series Anomaly Detection, in *TKDE* 2022. [\[paper\]](https://ieeexplore.ieee.org/abstract/document/9626552)
+* Concept Drift Adaptation for Time Series Anomaly Detection via Transformer, in *Neural Processing Letters* 2022. [\[paper\]](https://link.springer.com/article/10.1007/s11063-022-11015-0)
+* Anomaly Transformer: Time Series Anomaly Detection with Association Discrepancy, in *ICLR* 2022. [\[paper\]](https://arxiv.org/abs/2110.02642) [\[official code\]](https://github.com/thuml/Anomaly-Transformer)
+* TranAD: Deep Transformer Networks for Anomaly Detection in Multivariate Time Series Data, in *VLDB* 2022. [\[paper\]](https://arxiv.org/abs/2201.07284) [\[official code\]](https://github.com/imperial-qore/tranad)
+* Learning graph structures with transformer for multivariate time series anomaly detection in IoT, in *IEEE Internet of Things Journal* 2021. [\[paper\]](https://arxiv.org/abs/2104.03466) [\[official code\]](https://github.com/ZEKAICHEN/GTA)
+* Spacecraft Anomaly Detection via Transformer Reconstruction Error, in *ICASSE* 2019. [\[paper\]](http://www.utias.utoronto.ca/wp-content/uploads/2019/07/88-Spacecraft-anomaly-detection-via-transformer-reconstruction-error.pdf)
+* Unsupervised Anomaly Detection in Multivariate Time Series through Transformer-based Variational Autoencoder, in *CCDC* 2021. [\[paper\]](https://ieeexplore.ieee.org/abstract/document/9601669)
+* Variational Transformer-based anomaly detection approach for multivariate time series, in *Measurement* 2022. [\[paper\]](https://www.sciencedirect.com/science/article/abs/pii/S0263224122000914)
+
+### Transformers in Classification
+* TrajFormer: Efficient Trajectory Classification with Transformers, in *CIKM* 2022. [\[paper\]](https://dl.acm.org/doi/pdf/10.1145/3511808.3557481)
+* TARNet : Task-Aware Reconstruction for Time-Series Transformer, in *KDD* 2022. [\[paper\]](https://dl.acm.org/doi/pdf/10.1145/3534678.3539329) [\[official code\]](https://github.com/ranakroychowdhury/TARNet)
+* A transformer-based framework for multivariate time series representation learning, in *KDD* 2021. [\[paper\]](https://arxiv.org/abs/2010.02803) [\[official code\]](https://github.com/gzerveas/mvts_transformer)
+* Voice2series: Reprogramming acoustic models for time series classification, in *ICML* 2021. [\[paper\]](https://arxiv.org/abs/2106.09296) [\[official code\]](https://github.com/huckiyang/Voice2Series-Reprogramming)
+* Gated Transformer Networks for Multivariate Time Series Classification, in *arXiv* 2021. [\[paper\]](https://arxiv.org/abs/2103.14438) [\[official code\]](https://github.com/ZZUFaceBookDL/GTN)
+* Self-attention for raw optical satellite time series classification, in *ISPRS Journal of Photogrammetry and Remote Sensing* 2020. [\[paper\]](https://arxiv.org/abs/1910.10536) [\[official code\]](https://github.com/marccoru/crop-type-mapping)
+* Self-supervised pretraining of transformers for satellite image time series classification, in *IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing* 2020. [\[paper\]](https://ieeexplore.ieee.org/abstract/document/9252123)
+* Self-Supervised Transformer for Sparse and Irregularly Sampled Multivariate Clinical Time-Series, in *ACM TKDD* 2022. [\[paper\]](https://arxiv.org/abs/2107.14293) [\[official code\]](https://github.com/sindhura97/STraTS)
+
+### canvers-ko2en
+840만 번역쌍으로 bart 기반으로 튜닝이 되어 있습니다.
+GPU가 있다면, transformers 에서 flash attention 2 와 사용하실 수도 있고 ctranslate2 버전도 있어 cpu에서도 충분히 빠르게 모델을 사용할 수도 있습니다.
+저희 내부적인 전략이 영문 모델을 한글 튜닝하기 보다는 영문 모델을 기본으로 빠르게 follow-up 하되 앞뒤로 번역을 붙여서 쓰는 방식을 취하고 있는데, 관리차원에서 올린 모델중에 번역모델들이 꾸준하게 다운로드가 되고 있긴 하더라구요.
+https://huggingface.co/circulus/canvers-ko2en-v2
+https://huggingface.co/circulus/canvers-en2ko-v2
+https://huggingface.co/circulus/canvers-ko2en-ct2-v2
+https://huggingface.co/circulus/canvers-en2ko-ct2-v2
+
+