본문 바로가기

전체 글40

GameInstance - 레벨이 바뀌어도 죽지 않는 불멸의 객체 1. GameInstance의 핵심 개념일반적으로 액터(Actor)나 레벨(Level)은 새로운 맵으로 이동할 때마다 메모리에서 삭제되고 다시 생성됩니다. 하지만 GameInstance는 다릅니다.생명주기: 게임 프로세스가 실행될 때 생성되어, 프로그램을 완전히 종료할 때까지 단 한 번만 생성되고 유지됩니다.유일성: 게임 내에 딱 하나만 존재하는 싱글톤(Singleton) 패턴의 역할을 합니다.전역성: 어떤 레벨, 어떤 액터에서도 쉽게 접근할 수 있는 허브 역할을 합니다.2. 주요 용도 (데이터의 영속성)레벨이 바뀌어도 유지되어야 하는 데이터는 모두 이곳에서 관리합니다.레벨 간 데이터 전송: 1스테이지에서 획득한 아이템 목록이나 점수를 2스테이지로 넘길 때 사용합니다.플레이어 설정: 옵션 메뉴에서 설정한.. 2025. 12. 26.
[UE5] 유니티 개발자를 위한 언리얼 액터 생명주기 완벽 가이드 안녕하세요! 오늘은 유니티의 Awake와 Start 함수가 언리얼 엔진 C++에서는 어떤 함수와 대응되는지, 그리고 언리얼만의 독특한 호출 순서는 어떻게 되는지 알아보겠습니다.1. 한눈에 보는 실행 순서 비교유니티와 언리얼은 컴포넌트를 초기화하고 게임을 시작하는 방식이 비슷하면서도 다릅니다. 아래 표를 보시면 감이 오실 거예요.실행 순서유니티 (Unity)언리얼 엔진 (UE)주요 역할1단계(없음)Constructor (생성자)컴포넌트 생성, 에디터 기본값 설정2단계AwakePostInitializeComponents모든 컴포넌트 조립 완료, 내부 참조 연결3단계StartBeginPlay게임 월드 입장, 본격적인 플레이 로직 시작2. 단계별 상세 설명① Constructor (생성자): "설계도 작성"언리.. 2025. 12. 26.
앱 광고 수익금 보호! GitHub Pages로 app-ads.txt 5분 만에 설정하기 안녕하세요! 앱 개발 후 광고 수익을 승인받으려다 보면 'app-ads.txt가 발견되지 않음' 혹은 **'수익 손실 위험'**이라는 경고 문구를 마주하게 됩니다.이 파일은 내 앱의 광고 인벤토리를 판매할 권한이 있는 판매자가 누구인지 명시하는 일종의 '정품 인증서'인데요. 서버가 없는 1인 개발자나 소규모 팀이 가장 쉽고 무료로 설정할 수 있는 GitHub Pages(방법 A: 전용 저장소) 활용법을 완벽 정리해 드립니다.1. app-ads.txt 왜 설정해야 하나요?광고 사기 방지: 제3자가 내 앱의 광고 수익을 가로채는 것을 방지합니다.수익 극대화: 광고주들이 인증된 인벤토리에만 입찰하므로, 광고 단가가 올라갑니다.경고 해결: 애드몹(AdMob) 등 광고 네트워크의 경고 문구를 제거합니다.2. 단계.. 2025. 12. 25.
텍스트 분류의 핵심 도구와 기술 AI에서 텍스트 분류(Text Classification)는 비정형 데이터인 텍스트를 컴퓨터가 이해할 수 있는 숫자로 바꾸고, 이를 적절한 카테고리로 할당하는 과정입니다. 텍스트 분류를 가능하게 하는 핵심 도구와 기술은 크게 텍스트 전처리, 벡터화, 모델링 세 단계로 나뉩니다.1. 텍스트 전처리 (Preprocessing)컴퓨터가 텍스트의 본질적인 의미에 집중할 수 있도록 노이즈를 제거하는 과정입니다.토큰화 (Tokenization): 문장을 단어, 형태소, 혹은 문자 단위(Token)로 잘게 나누는 작업입니다. 한국어는 KoNLPy(Mecab, Okt 등), 영어는 NLTK, SpaCy 같은 도구가 필수적입니다.불용어 제거 (Stopwords Removal): '은/는', '이/가', 'the', 'a.. 2025. 12. 22.
군집화와 분류의 차이 AI 분야에서 **분류(Classification)**와 **군집화(Clustering)**는 데이터를 나누는 목적은 비슷하지만, **'정답(Label)의 유무'**라는 결정적인 차이가 있습니다.가장 쉬운 차이는 **지도 학습(Supervised Learning)**이냐, **비지도 학습(Unsupervised Learning)**이냐의 구분입니다.1. 분류 (Classification)"이미 알고 있는 카테고리로 나누기"분류는 각 데이터가 어떤 그룹에 속하는지 이미 정답(Label)이 정해진 데이터를 학습하여, 새로운 데이터의 정답을 맞히는 과정입니다.학습 방식: 지도 학습 (Supervised Learning)작동 원리: "이건 고양이 사진이야", "이건 강아지 사진이야"라고 알려준 뒤, 새로운 사진.. 2025. 12. 22.
군집화(Clustering) **군집화(Clustering)**는 데이터의 숨겨진 구조를 파악하기 위해 정답(Label)이 없는 상태에서 유사한 특징을 가진 데이터끼리 그룹을 만드는 비지도 학습(Unsupervised Learning)의 핵심 기술입니다.어떤 기준으로 묶느냐에 따라 다양한 알고리즘이 존재하는데, 가장 대표적인 3가지 방식을 중심으로 자세히 설명해 드릴게요.1. K-평균 군집화 (K-Means Clustering)가장 대중적이고 직관적인 알고리즘입니다. 데이터를 K개의 점(중심점)을 기준으로 묶습니다.작동 방식:사용자가 묶을 그룹의 개수($K$)를 정합니다.임의의 위치에 $K$개의 중심점을 배치합니다.각 데이터는 가장 가까운 중심점에 소속됩니다.소속된 데이터들의 평균 위치로 중심점을 이동합니다.중심점이 더 이상 변하지.. 2025. 12. 22.

티스토리툴바