코딩IT

✅ 7주차: 규제(Regularization)와 검증(Validation) 요약1. 🎯 머신러닝의 도전 과제문제설명대표성 부족훈련 데이터가 전체 데이터 분포를 잘 대표하지 못함낮은 품질의 데이터오류, 이상치, 노이즈가 많은 데이터관련 없는 특성유효하지 않은 변수들이 많으면 성능 저하과대적합(Overfitting)훈련 데이터에 너무 최적화되어 테스트에 약함과소적합(Underfitting)데이터 복잡성을 모델이 못 따라감2. 🧠 규제 기법기법설명L1 정규화 (Lasso)가중치의 절댓값을 줄여 일부 가중치를 0으로 → 특성 선택 효과L2 정규화 (Ridge)가중치 제곱합을 줄여 모든 가중치를 작게 유지Dropout학습 중 무작위 뉴런을 꺼서 과대적합 방지Early Stopping검증 성능이 더 이상 향상되..

✅ 6주차: 인공신경망(Artificial Neural Network) 요약1. 📘 인공신경망이란?ANN (Artificial Neural Network): 생물학적 뉴런에서 영감을 받은 모델MLP (Multi-Layer Perceptron): 여러 층이 완전연결(Fully connected)된 구조2. 🧠 핵심 구성 요소구성 요소설명활성화 함수 (Activation)뉴런의 출력을 비선형화하여 학습 가능하게손실 함수 (Loss)예측값과 정답의 차이를 계산 (예: MSE)최적화 함수 (Optimizer)손실을 줄이도록 가중치 조정 (예: SGD, Adam)3. 📈 주요 함수 종류🔹 활성화 함수함수설명Sigmoid (로지스틱)0~1로 변환, 이진 분류Tanh-1~1로 변환ReLU음수는 0, 양수는 그..

✅ 5주차: 클러스터링 요약1. 📘 클러스터링이란?데이터를 유사한 특성끼리 묶는 것같은 클러스터 안에서는 비슷, 다른 클러스터와는 다름비지도 학습(Unsupervised Learning) 에 해당 (정답 없음)2. 🔍 분류와의 차이분류 (Classification)클러스터링 (Clustering)정답(label)이 주어짐정답 없음지도학습(Supervised)비지도학습(Unsupervised)3. 🧠 클러스터링 알고리즘 종류알고리즘설명K-means중심점(k개)을 기준으로 데이터를 군집화DBSCAN밀도 기반 군집화. 잡음(noise) 데이터도 처리 가능4. 📏 평가 지표 – 실루엣 계수 (Silhouette Score)a: 같은 클러스터 내 거리의 평균 (작을수록 좋음)b: 다른 클러스터와의 거리 평..

✅ 4주차: 분류(Classification) 요약1. 📘 분류란?데이터를 여러 클래스(Label) 중 하나로 예측하는 작업예시: 사진이 ‘개’, ‘고양이’, ‘토끼’ 중 어떤 것인지 판별2. 🔍 주요 분류 알고리즘알고리즘개요로지스틱 회귀 (Logistic Regression)로지스틱 함수(시그모이드)를 통해 확률을 모델링k-최근접 이웃 (K-Nearest Neighbors, KNN)가장 가까운 데이터 K개를 기반으로 다수결 분류의사 결정 트리 (Decision Tree)조건 분기를 따라가는 트리 구조랜덤 포레스트 (Random Forest)여러 트리를 앙상블하여 분류 성능 향상나이브 베이즈 (Naive Bayes)조건부 확률을 기반으로 계산 (P(클래스3. 📏 성능 평가 지표지표설명Accuracy..

import pandas as pdimport numpy as npfrom sklearn.linear_model import LinearRegressionfrom sklearn.metrics import mean_squared_error, r2_score# 예제 데이터 생성X = np.array([[1], [2], [3], [4], [5]]) # 입력값y = np.array([2, 4, 5, 4, 5]) # 실제 출력값# 모델 생성 및 학습model = LinearRegression()model.fit(X, y)# 예측 수행y_pred = model.predict(X)# 결과 출력print("기울기(m):", model.coef_)print("절편(b):", model.interce..

정답:③  E-R 다이어그램은 개념적 설계 단계에서 사용되기 때문에 논리적 설계 단계에서 수행하는 작업이 아니다 개념설명 데이터베이스 설계 과정 (Database Design Process)데이터베이스를 설계하는 과정은 다섯 가지 단계로 나뉜다.① 요구사항 분석사용자의 요구사항을 분석하여 데이터와 기능을 정의② 개념적 설계 (Conceptual Design)E-R 다이어그램을 이용해 데이터 모델링 수행③ 논리적 설계 (Logical Design)관계형 데이터 모델을 기반으로 논리적 스키마 생성④ 물리적 설계 (Physical Design)저장 구조, 인덱스, 성능 최적화를 고려한 설계⑤ 구현 및 유지보수실제 DBMS에 적용하고 유지보수 수행 . 정답:③번: E1(KA1, A2), E2(KA2, A3), ..

3과목 데이터베이스 구축41. 다음 설명과 관련 있는 트랜잭션의 특징은?더보기트랜잭션의 연산은 모두 실행되거나, 모두 실행되지 않아야한다.->Atomically 트랜잭션은 데이터베이스에서 일련의 작업 또는 연산을 하나의 단위로 묶은 것 Consistency (일관성)트랜잭션이 시작하기 전과 후에 데이터베이스의 일관성이 유지되어야 한다.트랜잭션이 성공하면 데이터베이스는 이전 상태에서 새로운 일관성 있는 상태로 변해야 한다.데이터베이스의 규칙이나 제약 조건이 항상 유지되어야 한다.Isolation (독립성)동시에 실행되는 트랜잭션은 서로 독립적으로 처리되어야 한다.한 트랜잭션이 데이터에 변화를 줘도 다른 트랜잭션에는 영향을 미치지 않아야 한다.예를 들어, 같은 시간에 여러 사용자가 데이터를 읽고 쓸 때, 각..

3과목 데이터베이스 구축41. 릴레이션 R의 모든 결정자가 후보키이면 그 릴레이션 R은 어떤 정규형에 속하는가?->보이스/코드 정규형 보이스/코드 정규형(BCNF): 릴레이션 R에 있는 모든 비주요 속성이 후보키에 완전하게 의존해야 함. 모든 결정자가 후보키여야 함.제 1 정규형(1NF): 모든 속성이 원자값이어야 함.제 2 정규형(2NF): 제 1 정규형을 만족하고, 모든 비주요 속성이 기본키에 완전 함수 종속이어야 함.제 4 정규형(4NF): 다치 종속이 없는 릴레이션임.42. 다음 관계형 데이터 모델에 대한 설명으로 옳은 것은?->relation 1개, attribute 3개, tuple 5개 관계형 데이터 모델에서 "릴레이션(relation)"은 테이블을 의미하며, "속성(attribute)"은 ..

https://genshin.hoyoverse.com/ko/gift Genshin Impact – Step into a Vast Magical World for Adventure genshin.hoyoverse.comHNYM49IX9PDS기간 2025년 1월 25일

3과목 데이터베이스 구축41. SQL의 분류 중 DDL에 해당하지 않는 것은?->UPDATE UPDATE: 데이터베이스의 데이터 값을 수정하는 DML 명령어.ALTER: 기존 데이터베이스 객체의 구조(예: 테이블) 변경을 위한 DDL 명령어.DROP: 데이터베이스 객체를 삭제하기 위한 DDL 명령어.CREATE: 새로운 데이터베이스 객체를 생성하기 위한 DDL 명령어.42. 다음 두 릴레이션에서 외래키로 사용된 것은? (단 밑줄 친 속성은 기본키이다.)과목(과목번호,과목명)수강(수강번호, 학번, 과목번호, 학기)->과목번호 기본키: 각 튜플을 고유하게 식별하는 속성.외래키: 다른 릴레이션(테이블)에서의 기본키를 참조하는 속성.과목 릴레이션의 기본키: 과목번호는 다른 속성(과목명 등)과 조합하여 릴레이션의..