희주는 개발중

📍 단답형, 서술형 정리(2)📌 RAID(Redundant Array of Independent Disks)여러 개의 하드디스크로 디스크 배열을 구성하고 있는 데이터 블록들을 서로 다른 디스크들에 분산 저장하는 기술 📌 ITIL(IT Infrastructure Library)IT 서비스의 운영 및 관리를 돕기 위한 문서들의 집합 📌 커널 유형- 마이크로 커널 : OS 기능들을 사용자 영역에 놓고 하드웨어 추상화를 최소화한 커널 📌 병행 제어- 현황 파악 오류 : 트랜잭션의 중간 수행 결과를 다른 트랜잭션이 참조하여 발생하는 오류- 갱신 손실 : 먼저 실행된 트랜잭션의 결과를 나중에 실행된 트랜잭션이 덮어쓸 때 발생 📌 무차별 대입 공격영문자, 숫자, 특수문자 등을 ..

📍 단답형, 서술형 정리(1)📌 서비스 지향 아키텍처서비스라고 정의되는 분할된 애플리케이션 조각들을 연결해 하나의 완성된 애플리케이션을 구현하기 위한 아키텍처📌 무선통신기술- 피코넷 : 사전에 네트워크의 정의와 계획없이 상황에 따라 조정 프로토콜에 의하여 마스터와 슬레이브의 역할을 하면서 네트워크 형성수십미터 이내의 좁은 공간에서 네트워크를 형성정지 또는 이동하고 있는 장치를 모두 포함- 지그비 : 저속 전송 속도를 갖는 홈오토메이션버튼 하나로 전등 제어, 보안시스템 VCR on/off, 인터넷을 통한 전화접속으로 편리하게 홈오토메이션 이용 📌 세션 하이재킹공격자는 Server에게 RST 패킷 날리고 공격자의 새로운 Sequence Number로 Server와 세션을 맺어 인증 우회, Vict..

📍 SQL 쿼리 정리📌 찾기SELECT * FROM 테이블명 WHERE 조건; 조건 1. 한 글자가 추가된 문자열 찾기단어 LIKE '_symmetry' 조건 2. 앞글자, 뒷글자 문자열 찾기단어 LIKE '라면%'단어 LIKE '%라면'단어 LIKE '%라면%' 조건 3. 그룹화SELECT * FROM 테이블명 GROUP BY 컬럼명 HAVING 조건;예) SELECT 부서, SUM(급여) AS 급여합계 FROM 급여 GROUP BY 부서 HAVING 급여합계 >= 6000; SELECT * FROM 테이블명 GROUP BY ROLLUP(컬럼명1, 컬럼명2);예) SELECT 학년, 반, AVG(점수) AS 점수 FROM 점수 GROUP BY ROLLUP(학년, 반);..

ADsP에 이어 SQLD까지 합격!이제 빅분기, 정처기 실기만 잘 마무리하면 된다! 📌 시험 일정2월 24일 ADsP 시험치고 3월 9일 시험이었으니 준비기간은 약 2주정도라고 보면 될 듯하다. 📌 결과사전점수발표날 ADsP랑 점수가 같아서 순간 잘못 클릭한줄 알았는데 과목이 2개인거보고 안도했던 기억이 있다.. 휴ㅜ1문제가 이상했었는데 그 문제가 복수정답처리가 됐는지는 모르겠으나 사전점수발표랑 합격점수는 똑같이 나왔다. 📌 공부법 [ADsP] 비전공자 합격 후기(공부법 / 책) [ADsP] 비전공자 합격 후기(공부법 / 책)정처기치고 약 10일.. 뒤에 쳤던 ADsP 합격후기에 대해 작성해보겠다! 📌 시험 일정 정보처리기사 필기 2월 15일, ADsP 2월 24일에 치뤘으니 시험일을 제외하면 ..

4장에서는 신경망의 가중치 매개변수에 대한 손실 함수의 기울기는 수치 미분을 사용해 구했다.수치 미분은 단순하고 구현하기 쉽지만 계산시간이 오래 걸린다는 단점이 있는데, 이를 효율적으로 계산하는 오차역전파법에 대해 배워보도록 하자. 5.1. 계산 그래프문제 1. 슈퍼에서 1개에 100원인 사과를 2개 샀습니다. 이 때 지불 금액을 구하세요. 단, 소비세가 10% 부과됩니다.위의 문제 1을 계산 그래프로 나타내면 그림 5-2와 같다. 문제2. 슈퍼에서 사과를 2개, 귤을 3개 샀습니다. 사과는 1개에 100원, 귤은 1개 150원입니다. 소비세가 10% 일 때 지불 금액을 구하세요.위의 문제 2 또한 계산 그래프로 나타내면 그림 5-3과 같다. 이처럼 계산을 왼쪽에서 오른쪽으로 진행하는 단계를 순전파(fo..

학습 : 훈련 데이터로부터 가중치 매개변수의 최적값을 자동으로 획득하는 것 4.1. 데이터에서 학습한다!✔️ 데이터 주도 학습1. 그림을 분류하는 알고리즘을 사람이 직접 설계2. 이미지에서 특징(feature)을 추출하고 그 특징의 패턴을 기계학습 기술로 학습하는 방법3. 신경망 : 이미지를 있는 그대로 학습1, 2는 사람이 개입하지만 3은 기계가 스스로 학습한다.이와 같이 신경망은 모든 문제를 같은 맥락에서 풀 수 있다는 장점이 있다. '5'를 인식하든, '강아지'를 인식하든 세부사항과 관계없이 신경망은 주어진 데이터를 온전히 학습하고 주어진 문제의 패턴을 발견하려 시도한다. 즉, 모든 문제를 주어진 데이터 그대로 입력데이터로 활용해 'end-to-end'로 학습한다. ✔️ 훈련데이터와 시험데이터데이터..

신경망은 가중치 매개변수의 적절한 값을 데이터로부터 자동으로 학습하는 성질이 있다. 3.1 퍼셉트론에서 신경망으로✔️ 신경망의 예은닉층 : 입력층, 출력층과 달리 사람 눈에 보이지 않기 때문에 은닉층 ✔️ 퍼셉트론 복습앞 장에서 배웠던 퍼셉트론을 위와 같이 표현할 수 있다.   식 3-1을 h(x)를 이용하여 식 3-5로 표현할 수 있다. ✔️ 활성화 함수의 등장활성화함수 h(x) : 입력신호의 총합을 출력신호로 변환하는 함수신호의 총합이 활성화를 일으키는지를 정하는 역할 3.2. 활성화 함수✔️ 계단 함수계단함수 : 위와 같이 임계값을 경계로 출력이 바뀌는 활성화 함수그래서 퍼셉트론에서는 활성화 함수로 계단함수를 이용한다고 할 수 있다.def step_function(x): return np.ar..

2.1 퍼셉트론이란?퍼셉트론 : 다수의 신호를 입력으로 받아 하나의 신호로 출력(1 - 신호가 흐른다 / 0 - 신호가 흐르지 않는다) 입력신호 : x1, x2출력신호  : y가중치(weight) : w1, w2뉴런(or 노드) : 그림의 원 입력신호가 뉴런에 보내질 때 각각 고유한 가중치가 곱해진다. (w1x1, w2x2)뉴런에서 보내온 신호의 총합이 정해진 한계(임계값 θ)를 넘어설 때만 1을 출력한다. = 뉴런이 활성화한다. 가중치 : 각 신호가 결과에 주는 영향력을 조절하는 요소로, 가중치가 클수록 해당 신호가 더 중요함을 뜻함. 2.2 단순한 논리 회로✔️ AND 게이트(w1, w2, θ) = (0.5, 0.5, 0.7) ✔️ NAND 게이트와 OR 게이트(w1, w2, θ) = (-0.5, -..

1. 건물용도별 파이 그래프 2. 건물용도별, 층별 바 그래프 3. 버스정류장 folium 4. 전세가 folium 5. feature importance 와플차트 6. 구별 박스 플롯 7. 구별, 연식(색), 전세가(크기) 트리맵 참고 github : https://github.com/HeeJu-XiJu/BBOROROAD.git

모델을 선정하기 전 여러가지 회귀모델들을 비교해보았다.  📌 모델선정from sklearn.linear_model import LinearRegression, ElasticNet, Lasso, Ridgefrom sklearn.tree import DecisionTreeRegressorfrom sklearn.ensemble import RandomForestRegressorimport xgboost as xgbimport lightgbm as lgbreg = LinearRegression(n_jobs=-1)ridge = Ridge(alpha=0.8, random_state=1)lasso = Lasso(alpha = 0.01, random_state=1)Enet = ElasticNet(alpha=0.03..