Decimal (ASCII) value of each letter in the alphabet

Here is the decimal (ASCII) value of each letter in the alphabet:

Letter Decimal Value
A 65
B 66
C 67
D 68
E 69
F 70
G 71
H 72
I 73
J 74
K 75
L 76
M 77
N 78
O 79
P 80
Q 81
R 82
S 83
T 84
U 85
V 86
W 87
X 88
Y 89
Z 90
a 97
b 98
c 99
d 100
e 101
f 102
g 103
h 104
i 105
j 106
k 107
l 108
m 109
n 110
o 111
p 112
q 113
r 114
s 115
t 116
u 117
v 118
w 119
x 120
y 121
z 122

These values correspond to the ASCII encoding standard, which is commonly used for representing characters in computers and digital communications. Capital letters (A-Z) start from decimal 65, and lowercase letters (a-z) start from decimal 97.

댓글

댓글 쓰기

이 블로그의 인기 게시물

Using the MinIO API via curl

Using the MinIO API via curl is straightforward, as MinIO is compatible with Amazon S3 API, so most commands follow a similar syntax. Here’s a guide on how to use curl with the MinIO API for some common operations like uploading, downloading, and managing objects. Prerequisites Access Key and Secret Key : Obtain your MinIO Access Key and Secret Key. MinIO Endpoint : Know your MinIO server endpoint, e.g., http://localhost:9000 . Bucket : You may need an existing bucket name, or create a new one using the commands below. Authentication Header For requests to work with MinIO, you need to include authentication in the headers. MinIO uses AWS Signature Version 4 for signing requests. Common Examples 1. List Buckets To list all buckets in your MinIO account, use: curl -X GET \ - -url "http://localhost:9000/" \ - H "Authorization: AWS <AccessKey>:<Signature>" 2. Create a Bucket To create a new bucket, use: curl -X PUT \ - -url "htt...
자세한 내용 보기

MAX_POLL_RECORDS_CONFIG in Kafka

The default value of MAX_POLL_RECORDS_CONFIG in Apache Kafka is: 500 What is MAX_POLL_RECORDS_CONFIG ? The MAX_POLL_RECORDS_CONFIG configuration specifies the maximum number of records a Kafka consumer can retrieve in a single call to the poll() method. Key Details: Default Behavior : If not configured, the consumer will fetch up to 500 records per poll. This is a batch size limit and helps in controlling the volume of data processed at a time. Adjusting the Value : Smaller values (e.g., 10 ): Useful for low-latency processing or when you want to process fewer records at a time. Larger values (e.g., 1000 ): Useful for batch processing or applications designed to handle high throughput. Use Case Scenarios : High throughput: Increase the value to minimize the number of poll() calls. Low latency or real-time processing: Decrease the value to process smaller chunks faster. Example Configuration Java Configuration: Properties props = new Properties(); p...
자세한 내용 보기

Elasticsearch Ingest API

Elasticsearch Ingest is a feature that allows you to preprocess documents before indexing them. It consists of a pipeline of processors that can manipulate the contents of the documents. One way to test the effectiveness of an Ingest pipeline is to simulate its execution on a sample document. This can be done using the Elasticsearch Ingest API's "simulate" endpoint. To use the "simulate" endpoint, you need to provide a JSON object that represents the document you want to test, and a JSON object that represents the pipeline you want to simulate. Here is an example of how to use the "simulate" endpoint: curl -H 'Content - Type : application/json' -XGET 'localhost : 9200 /_ingest/pipeline/_simulate' -d '{ "pipeline" : { "description" : "Sample pipeline" , "processors" : [ { "set" : { "field" : "foo" , "value" :...
자세한 내용 보기

KNN(K-Nearest Neighbors) 활용한 이미지 분류

이미지 분류를 KNN(K-Nearest Neighbors) 알고리즘을 사용하여 구현할 수 있습니다. KNN은 레이블이 있는 데이터를 기반으로 새로운 데이터 포인트의 범주를 예측하는 비지도 학습 알고리즘으로, 이미지 분류에도 사용할 수 있습니다. 하지만 KNN은 이미지와 같이 고차원 데이터를 다룰 때 성능이 떨어질 수 있으며, 비교적 간단한 특징 벡터를 추출한 후 사용해야 효율적입니다. KNN을 사용한 이미지 분류 구현 방법 데이터 준비 및 전처리 이미지 데이터를 수집하고, 각 이미지를 벡터화합니다. 이미지 크기를 조정하고, 그레이스케일 또는 RGB 픽셀 값을 특징 벡터로 변환합니다. KNN 알고리즘을 사용한 분류 Python의 scikit-learn 라이브러리를 활용하여 KNN을 쉽게 구현할 수 있습니다. 1. 데이터 준비 CIFAR-10, MNIST 등의 이미지 데이터셋을 사용하여 예시를 보여줄 수 있습니다. 예를 들어, MNIST 데이터셋을 사용할 경우, 이미지는 28x28 크기의 손글씨 숫자 이미지입니다. from sklearn.datasets import fetch_openml from sklearn.model_selection import train_test_split from sklearn.neighbors import KNeighborsClassifier from sklearn.metrics import accuracy_score import numpy as np # MNIST 데이터셋 로드 mnist = fetch_openml('mnist_784') # 특징 벡터와 레이블 준비 X = mnist. data y = mnist.target # 데이터를 훈련 및 테스트 세트로 분리 (80% 훈련, 20% 테스트) X_train , X_test , y_train, y_test = train_test_split( X , y, test_size= 0.2 , random_st...
자세한 내용 보기

Reactjs datetime range picker

To create a datetime range picker in React, you can use a library such as react-datetime-range-picker . This library provides a customizable date and time range picker component that you can easily integrate into your React application. Here's an example of how you can use it: Install the library using npm or yarn: npm install react-datetime- range -picker Import the necessary components into your React component: import React, { useState } from 'react' ; import DateTimeRangePicker from 'react-datetime-range-picker' ; Create a state to hold the selected date and time range: const [selectedRange, setSelectedRange] = useState({ startDate: null , endDate: null }); Render the DateTimeRangePicker component and handle the selection changes: ```jsx const handleRangeChange = (range) => { setSelectedRange(range); }; return ( ); ``` In the example above, the DateTimeRangePicker component is rendered with the onChange event handler and th...
자세한 내용 보기

[Ubuntu] Apache2.4.x 설치

Apache2.4.x 버전부터는 APR 과 APR-util을 별로도 설치하여야 한다. 하위버전에서는 설치파일에 포함되어 있었으나 버전 업이 되면서 삭제되어 configure를 실행하면 아래와 같은 에러메시지를 발생하면서 종료된다. Configuring Apache Portable Runtime library ... Checking for APR... no Confgirue: error: APR not found. Please read the documentation http://apr.apache.org/   에서 다운받아 설치함 *APR(Apache Portable Runtime) 설치 $ wget http://mirror.sdunix.com/apache//apr/apr-1.4.6.tar.gz $ tar xvf apr-1.4.6.tar.gz ~/apr-1.4.6$ ./configure ~/apr-1.4.6$ ./make ~/apr-1.4.6$ ./sudo make install *ARP-Util 설치 $ wget http://apache.tt.co.kr//apr/apr-util-1.4.1.tar.gz $ tar xvf apr-util-1.4.1.tar.gz ~/apr-util-1.4.1$ ./configure --with-apr=/usr/local/apr ~/apr-util-1.4.1$ make ~/apr-util-1.4.1$ sudo make install Apache 재설치시 Error 발생. configure: error: pcre-config for libpcre not found.PCRE is required and available from http://pcre.org/ *PCRE(Perl Compatible Regular Expressions) 설치 $ ...
자세한 내용 보기

리눅스의 부팅과정 (프로세스, 서비스 관리)

보통 사용되지 않는 서비스나 사용 빈도가 적은 프로세스의 경우 stop 시켜두는 것이 시스템 사용 상의 이점이 있다. 자신에게 필요 없는 프로세스를 정지 한다거나 nice 값을 조정하여 실행 시에 프로세스의 우선순위를 변화시킬 수 있다. 이렇게 시스템 상황에 따라 적절히 서비스들을 관리하려면 현재 자신의 시스템의 여러가지 상황을 알아야 하는데, 이런 경우 프로세스 및 실시간 시스템 상황을 보는 명령어인 top 을 사용할 수 있다.  top [-][d delay][q][c][S][s][i][n][b] -d delay : delay 의 시간이 경과하면 현재 스크린을 갱신한다. -q : 이 옵션을 사용하면 스크린을 계속 갱신한다. -c : command list 전체를 보여준다. 즉 욥선을 사용한 것까지 모두 보여준다. -i : idle 상태와 zombie 프로세스는 무시한다.   * 이 외의 옵션은 man 파일을 참고 top 실행 화면 1. First Line :  2:59am up 6days, 10:36,  4 users,  load average    : 현재 시간 2:59 am , 부팅된지 6days and 10시간 36분, 접속해 있는 사용자수, 평균부하 2. Second Line : 61 processes: 56 sleeping, 3 running, 1 xombie, 1 stopped 3. Third Line : CPU states: 36.4% user, 63.5% system, 0.0% nice, 0.0% idle     유저모드에서의 CPU 시간이 36.4%     시스템모드(프로세스를 위해서 커널이 사용한 CPU의 시간)에서의 CPU시간이 63.5%     0.0% nice는 nice로 nice value를 음수로 주어 우선순위를 높이는 경우에 해당하는 모드     0.0% idle(...
자세한 내용 보기

Read a file in Java, 자바 파일 읽기

To convert a File object into an InputStream in Java, you can use the FileInputStream class. Here's an example: import java.io.File; import java.io.FileInputStream; import java.io.IOException; import java.io.InputStream; public class FileToInputStreamExample { public static void main(String[] args) { File file = new File( "path/to/file.txt" ); try { InputStream inputStream = new FileInputStream(file); // Use the inputStream as needed... // Close the inputStream when you're done inputStream.close(); } catch (IOException e) { e.printStackTrace(); } } } In the code above, replace "path/to/file.txt" with the actual path to your file. The FileInputStream class is used to create an input stream from the file. You can then use the inputStream object to read the contents of the file or perform any other operations you need. Finally, rem...
자세한 내용 보기

리눅스의 부팅과정

1. 컴퓨터에 전원이 들어오면 POST 과정에 의한 시스템 초기화 2. Boot Record나 하드인 경우 MBR(Master Boot Record)를 읽어들인다. 3. LILO(Linux Loader)가 실행된다. 만일, 디폴트인 리눅스가 로딩되기 전에 Ctrl,Shift,Alt 중 하나를 누르고 있으면, LILO는 부팅할 운영체제를 물어 본다. 4. Kernel이 메모리로 로딩되며, 만일 커널이 압축되었다면 압축을 해제한다. 5. 커널은 하드, 플로피, 네트웍 어댑터 등을 검사하며, 디바이스 드라이버를 설정한다. 6. 리눅스는 프로세서를 보호모드로 전환시키다. 화면상의 변화는 나타나지 않는다. 7. root 파일 시스템을 마운트 시킨다. root 파일 시스템은 'rdev' 나 LILO 에 의해 설정되어 있으며, 파일 시스템의 형태는 자동적으로 검출된다. 8. 커널은 /etc/init 을 백그라운드로 실행한다. 'init' 는 'inittab' 파일의 내용에 따라 실행된다. 9. init 는 /etc/rc 를 실행한다. 10. 'rc' 는 /etc/rc.local 이나 /etc/rc[0-9] 등을 실행시킨다. 11. 'init' 프로그램은 가상 콘솔을 위해 /etc/gettytabs 에 의해 설정된 직렬 라인으로 getty 를 실행한다. 12. ID 와 패스워드를 입력한다. 13. shell 이 작동하고 bash shell 이면 .bashrc 를, tcsh shell 이면 .profile 을 불러들인다. 14. 프롬프트가 표시된다. 위 부팅과정의 8번에서 있는 것처럼 리눅스는 처음 부팅을 하면서 init 프로세스가 /etc/inittab 이라는 파일을 불러들이게 되는데, 이 파일에는 부팅시 불러올 런레벨을 결정하는 부분이 있는데, 이 파일의 내용은 아래와 같다. [root@hostname /etc]# vi /etc/inittab # # inittab ...
자세한 내용 보기

일본어 회화 1

日本は美しい国です。 일본은 아름다운 나라입니다. [니혼와 우츠쿠시이 쿠니데스] 私の名前は田中です。 제 이름은 다나카입니다. [와타시노 나마에와 다나카데스] 明日、映画を見に行きます。 내일 영화를 보러 갑니다. [아시타, 에이가오 미니 이키마스] 私は日本語を勉強しています。 저는 일본어를 공부하고 있습니다. [와타시와 니혼고오 벤쿄우 시테이마스] 東京には有名な観光地がたくさんあります。 도쿄에는 유명한 관광지가 많이 있습니다. [토쿄우니와 유우메이나 칸코우치가 타쿠상 아리마스] この料理はとても美味しいです。 이 요리는 매우 맛있습니다. [코노 료오리와 토테모 오이시이데스] 駅まで歩いて10分です。 역까지 걸어서 10분입니다. [에키마데 아루이테 쥬분데스] 今日は寒いのでコートを着てください。 오늘은 추우니 코트를 입으세요. [쿄우와 사무이노데 코오토오 키테쿠다사이] 日本の文化はとても興味深いです。 일본의 문화는 매우 흥미롭습니다. [니혼노 분카와 토테모 쿄우미부카이데스] お元気ですか？ 건강하신가요? [오겐키데스카]
자세한 내용 보기