전체 글 291

HCI - Task Model

Goms vs Task Analysis - 표현 기법이나 분해방법은 유샤 - 목적이 다르다 * 사람의 내부 인지모델 vs 관찰되는 행위 - GOMS는 내부 정신상태에 관심 vs Task Analysis는 객체 관찰 행위에 관심 - 목표 계층은 복잡도나 학습 가능성 분석에 사용되며, 작업분석결과는 디자이너가 사용 - GOMS는 개발의 후기단계인 평가 과정에서 사용 vs Task Analysis는 개발 초기에 작업분석 System Analysis vs Task Analysis - 시스템 디자인에 집중 vs 유저에 집중 Cognitive Analysis vs Task Analysis - 내부 정신상태에 집중 vs 외부 행동에 집중 - 태스크의 일부 집중 vs 전체 행동에 집중 Persona : 유저를 대신할 ..

Basics/HCI 2014.06.17

HCI - Interaction Design

상호작용 디자인프로세스 분석력과 창의적이고 예술적 감각이 요구된다공학적이면서도 예술성이 필요하다 - 디자인 : 무엇인가, 목표 - 디자인 프로세스 : 언제, 무엇이 일어나는가? - 유저 : 누가 사용할 것인가? 누가 우리의 유저인가? - 시나리오 : 디자인의 스토리, 해야 할 일 - 네비게이션 : 시스템에서 목표를 위해 다가가는 과정 - 이터레이션 & 프로토타입 : 무한반복 (고갱님이 만족하실 때 까지) - 상호작용은 인터페이스만을 이야기하지 않는다 * 인터페이스가 같더라도 상호작용 방법은 여러가지 * 스타벅스는 커피뿐만 아니라 UX를 판매한다 * Usefulless : 기능성 - 스펙이 UX를 100%만족시킬 수 없다 - 디자인이란? : 목표를 이루기 위한 제약사항 * Acheving goals wit..

Basics/HCI 2014.06.17

HCI - Interaction

상호작용 - HCI의 I, Interaction - 사람과 컴퓨터의 언어는 다르다, 그것을 해석 통역하는 것 - 유저 컴퓨터 상호간의 커뮤니케이션 상호작용 모델 - 종류 : Domain - Task의 영역 Goal - 이루어야 할 목표 Task - 행동 - 도널드 노먼의 모델 * 1 : 유저가 목표를 설정한다 * 2 : 목표에 대한 행동을 계획한다 (formulate intention) * 3 : 인터페이스에 대한 행동을 기술한다 * 4 : 행동으로 옮긴다 * 5 : 시스템이 그 행동을 입력받는다 * 6 : 시스템이 행동을 해석한다 * 7 : 시스템이 상태를 업데이트하고 목표를 이룬다 * 노먼은 유저가 인터페이스를 보는 관점에 초점이 맞춰져 있다. * 유저(2,3,4단계 : 실행), 컴퓨터(5,6,7단계..

Basics/HCI 2014.06.17

HCI - Human

HCI의 H, Human 사람은.. - 정보의 입출력 : 보고, 움직이고, 느끼고 등등 - 정보의 저장 : 장, 단기기억, 감각 - 정보처리, 적용 : 추론, 문제해결, 기술 등 - 감정은 사람의 중요한 능력 - 사람마다 다르다 시각 - 물리적 인식 - 상황에 대한 변환과 처리 신호의 변환 - 크기와 깊이 * 시야각은 얼마나 많은 물체를 보는가 * 유사한 물체는 일정한 크기를 갖는다 - 밝기 : 빛의 반응 수준 - 색 : 색, 명암, 대비로 이루어짐 - 사람은 착각을 하기 때문에 100% 신뢰를 할 수 없다. 읽기 - 시각적 패턴을 인지 -> 내부 언어 표현 해석으로 언어처리 - 글자의 모양은 인지에 많은 영향을 준다 듣기 - 거리, 위치, 객체 등의 정보를 갖고있다 - 소리 : pitch - 소리의 주..

Basics/HCI 2014.06.17

HCI - The Best Experience

2012.3.10일 강의를 듣고 복습차 작성했던 내용입니다. HCI : Human Computer Interaction - 컴퓨터와 유저 사이에서 일어나는 모든 일 - User Interface 등 Interactive System : 컴퓨터와 유저 사이를 잇는 모든 시스템 UX : User Experience - 사용자의 경험, 자연적인 상황, 동적 - 접근성, 사용성, UI, 정보, 컨텐츠, 기능성, 각종 접근장치 HCI 연구를 한다면 Best Experience를 추구하라 HCI 집ㅋㅋ - 사용자, 상황 : 사용자와 사용 맥락에 대한 이해 - 작업 : 컴퓨터 시스템과 해당 과업에 대한 이해 - 개발자는 사용자의 입장에서 생각해야 한다 * 99%의 개발자는 사용자에게 시스템을 강요한다. HCI의 목표..

Basics/HCI 2014.06.17

HCI - Human Computer Interaction

2011.09.02 작성된 내용입니다. HCI (Human-Computer Interaction) - 인간과 컴퓨터간의 상호작용에 관한 연구 - 인간과 컴퓨터가 쉽고 편하게 상호작용 할 수 있도록 작동시스템을 디자인하고 평가하는 과정을 다룬 학문 무엇보다도 가장 중요한 점은새로운 기술을 적용하여 새로운 응용이나, 시스템을 만들어내는데 집중하는 것이 아니라.인간과 컴퓨터 사이에서 최적의 경험을 만들어내는 것이 주가 되어야 한다. 그리고, 엔지니어의 입장이 아니라 실제 사용하는 사람의 입장이 되어서 생각하여야 한다.아무리 신기술을 적용해서 만들어냈다고해도, 사용하는 사람이 필요없다고 하면 그것은 HCI의 연구목적에 어긋나게 되는 것이다. 예를 들어, 유치원 영어교육 어플을 증강현실을 이용해서 만들어냈는데, ..

Basics/HCI 2014.06.17

멀티 스레드 TCP 서버/클라이언트

하나의 서버에 두개 이상의 클라이언트가 접속될 경우 교착상태에 빠진다. 이를 멀티스레드로 해결해본다. (해결방법은 여러가지) 어제 TCP 서버/클라이언트를 만들었는데, 거기서 스레드를 추가하는 거다. #include #include #include #define BUFSIZE 512 DWORD WINAPI ProcessClient(LPVOID arg) { SOCKET client_sock = (SOCKET)arg; char buf[BUFSIZE+1]; SOCKADDR_IN clientaddr; int addrlen; int retval; addrlen = sizeof(clientaddr); getpeername(client_sock, (SOCKADDR*)&clientaddr, &addrlen); // 클..

TCP 서버/클라이언트

TCP 프로토콜을 이용한 간단한 서버/클라이언트 애플리케이션을 만들어보자 서버, 클라이언트의 동작방식, 필요한 함수의 사용방법, 네트워크 연결과정, 패킷의 흐름까지 공부할 수 있겠다 우선 결과를 먼저 보고 코드를 아래쓰겠다 TCP 서버와, TCP 클라이언트의 모습 상단 : 서버 하단 : 클라이언트 클라이언트는 VMWARE로 돌린거 당연히 서버로 접속을 시도하고 입력한 문자를 서버로 전송하는 프로그램, 클라이언트가 메시지를 전송하고 서버는 메시지를 받는다. 이걸 도식화하면 서버가 먼저 실행되어 (메인모듈) 클라이언트가 접속되기를 기다린다. 잘 들어봐 Listen() 클라이언트가 서버에 접속하고 서버로 데이터를 보낸다 send() 서버는 클라이언트 접속을 허용 accept() 하고 클라이언트가 보낸 메시지를..

도메인 네임 서버

도메인네임서버 (Domain Name Server) 뭐,, 서버라고도하고 시스템이라고도하는데, 뭐가 맞는건지 아니면 서로 다른 용어인지는 잘 모르겠으나 어쨋든 알고있겠지만, www.naver.com 이런 도메인에서 실제 아이피를 얻어내는 작업이다. 지금 할거는 도메인 서버를 통한 아이피 얻어내기(도메인 -> ip) 해보자 1. DNS - IP주소와 대응되는 이름으로 사람이 기억해서 사용자가 쉽게 하려고 만든거다, TCP/IP 프로토콜은 도메인 이름을 인식하지 못하므로, 사용자가 입력한 도메인을 IP주소로 바꾸어주어야 한다. 2. gethostbyaddr - 구조 : struct HOSTENT FAR * gethostbyaddr { const char FAR * addr; int len; int type;..

K-Nearest Neighbor Classifier

K-Nearest Neighbor (kNN) classifier는 간단하지만 괜찮은 성능을 보이는 classifier이다. Training Data의 개수가 적거나 data dimension이 높은 경우, Training Data의 분포가 Multi modal인 경우, 최신의 classifier와 필적할만한 성능을 보여준다. 그냥 임의의 중심점에서 가장 가까운 데이터를 잡아내는 것으로 거리는 유클리드 거리를 사용한다, 끗 문제점 1. kNN classifier는 training data가 typical example로 구성된 경우를 가정한다. - 즉, data내에 outlier가 존재하면 성능에 영향을 미친다. 2. neighbor의 개수, k값에 영향을 크게 받는다. 3. neighbor의 선택 기준,..

DataMining 2014.06.16