Tech Stack (49) 썸네일형 리스트형 정보처리기사 필기 소프트웨어개발 정리 2-18 02 선형 비선형 선형 = 리스트 스택 큐 데크 비선형 = 트리 그래프 07 스택 자료삭제 알고리즘 삽입 Overflow 삭제 Underflow 10 정점(노드) 노드의 개수 5개. 최대 간선 수는? 5(5-1) = 20 중위순회 = Left Root Right 무방향 그래프는 n(n-1)/2 15 전위순회 root 좌 우 16 전위식을 후위식으로 표현 -/*A+BCDE ABC+*D/E- prefix = 전위식 postfix = 후위식 좌우root 18. 최악의 경우 검색 효율이 가장 나쁜 트리구조 트리의 경우 노드 왼쪽이나 오른쪽 한 곳만 노드가 존재하게 될 경우 효율이 매우 나쁨 AVL, 2-3, 레드 블랙 트리를 통해 전체트리의 균형을 맞춰주지만 이진탐색 트리는 균형을 맞추어주지 않음. 최.. 정보처리기사 필기 소프트웨어설계 정리 1-9 01 플랫폼 성능 특성 측정 항목 경사응가 경과시간 / 사용률 / 응답시간 / 가용성 02 DBMS 현행 시스템 분석 시 고려사항 가성호기구 가용성 / 성능 / 상호 호환성 / 기술지원 / 구축비용 03 현행 시스템 분석에서 고려하지 않아도 되는 항목 현행 시스템 분석시에는 운영체제 현행 시스템 분석, 네트워크 현행 시스템 분석, DBMS 현행 시스템 분석을 고려 한다 02 현행 시스템 분석을 위한 플랫폼 성능 특성 분석의 기법으로 옳지 않은 것 옳은것 사용자 인터뷰, 성능 테스트, 산출물 점검 기능테스트는 플랫폼 성능 특성분석이 아닌 테스트 단계에 활용 03 비즈니스 융합의 유형으로 옳지 않은 것 옳은것 고객가치(why), 공급 역량 (who), 시장 유통 (whom) 전통 유지형은 비즈니스 융.. docker의 이해 Vitualization - 가상화 - 하나의 물리적인 머신에서 여러개의 운영체제를 실행 클라우드 컴퓨팅에서의 가상화 - 운영체제내에 가상머신을 생성하는 하드웨어 가상화 리소스를 줄이거나 늘리거나 하는 작업도 가능 가상화의 장점 - 유연성 - 민첩성 - 내결함성 - 비용절감 하드웨어 위에다가 어플리케이션에서 확장하여 Docker를 사용하는 이유 애플리케이션을 관리하는 것과 동일한 방식으로 인프라를 관리할 수 있음 빠르고 일관된 애플리케이션 제공 애플리케이션을 신속하게 구축, 테스트 및 배포할 수 있는 소프트웨어 플랫폼 개발자가 애플리케이션과 서비스를 제공하는 로컬 컨테이너를 사용하여 표준화된 환경에서 작업할 수 있도록 하여 개발 수명 주기를 간소화 기능 용어 docker daemon Docker API .. docker 1 jar와 war를 묶는다 Apllication으로 담을 수 있음 ar = archive ex) 이미지를 업로드한다. uplade라는 경로에 1, 2, 3, 4, 계속 추가가 됨 밖에있는 것들과 연결해주는 주소를 만들어주는 것이 jar와 war java db 폴더 jar/war 또는 도커 ------ 다설치해놓고 ------ 개발자 환경에서 원격 빈컨테이너 안으로 우리가 만든 곳으로 올린다 01.Docker 개요 📌 용어 커널이란? 운영체제 중 항상 메모리에 올라가 있는 운영체제의 핵심 부분으로써 하드웨어와 응용 프로그램 사이에서 인터페이스를 제공하는 역할을 하며 컴퓨터 자원들을 관리하는 역할, 시스템의 모든 것을 완전히 통제 컨테이너란? 다른 프로세스와 격리된 상태로 OS에서 SW를 실행하는 기술 한정된.. spring boot 스프링부트 sprig boot starter를 활용하여 편하게 bin이라는 폴더로 등록을 해놓으면 생명주기를 스프링부트가 자체적으로 관리해줌 대규모 대용량 개발할때는 함수단위 동작이 아닌, 기능별로 분리를 해서 데이터베이스에 직접 접근해서 CRUD를 한다 3레이어드 아키텍쳐 이 SQL 같은거고 가 화면 객체랑 DB랑 연결시켜주는거고 이 화면단에서 명령 내리는거 그래서 화면 단에서는 DB랑 연결시켜주는 Service를 호출하는거고 Service에서는 실제 SQl 함수를 담은 Repository를 사용 4.0.0 org.springframework.boot spring-boot-starter-parent 3.2.2 com.example demo 0.0.1-SNAPSHOT demo first project f.. AICE - Associate 정리 데이터 로드 odf = pd.read_csv('titanic.csv', encoding='cp949') odf.head(2) 데이터 복사 df = odf.copy() 1.관측치 갯수, 데이터 수, 행 수, 인스턴스 수 2.컬럼수 3.결측치 = 891보다 작으면 여기에 결측치가 있는 피처가 있구나 df.info() 호구조사 df.describe() describe() = 통계정보 수치형만 요약정보를 제공함 결측치가 존재하는 데이터 파악 df.isnull.sum() 계약 이탈 예측 import pandas as pd import numpy as np import matplotlib.pyplot as plt df = pd.read_csv('경로') df 지도학습 레이블 이진분류 데이터 -> 이진분류용 알고리즘.. AICE - associate 실습1 Raw Data 라벨링이 되어있지 않음 Labeled Data 실시간 데이터가 아니라 정확도가 낮음 def html_num_whitespace(soup): try: # soup > body > text > count NullCount = soup.body.text.count(' ') return float(NullCount) except: return 0.0 NullCount = soup.body.text.count(' ') def html_num_characters(soup): try: #soup > body > text bodyLen = len(soup.body.text) return float(bodyLen) except: return 0.0 다음 코드와 def html_num_whitespace(.. AICE - Associate - 7 딥러닝 모델링 딥러닝 모델의 매개변수 (weight, bias)를 무작위로 부여한 후, 반복학습을 통해 모델의 출력값을 정답과 일치하도록 매개변수를 조금씩 조정함 Gradient Descent 최적화 알고리즘 Perceptron 사람 두뇌에 있는 뉴런을 모델링 한 것 간단한 함수를 학습할 수 있음 y =w0x0 + w1x1 + w2x2 + w3x3 수만은 피처들이 들어옴 --> 최적의 w를 구함 y = wx DNN 입력층과 출력층 사이에 여러 개의 은닉층으로 이루어진 인공 신경망 신경망 출력에 비선형 활성화 함수를 추가하여 복잡한 비선형 관계를 모델링 할 수 있음 Activation function Loss Function 출력과 정답의 차이를 계산 y-y^ MSE 제곱 MAE 절대값 이진 분류 : 남자여자 다중 분류.. 이전 1 2 3 4 5 6 7 다음
