앜지

-Overview of Databases and DBMS 간단하게 DB와 DBMS를 살펴보자면 데이터베이스는 데이터와 메타데이터가 구조화된 형식으로 조직된 컬렉션이다. 데이터의 종류에는 통합 데이터: 중복되지 않는 데이터의 집합 저장된 데이터: 저장 매체에 저장된 데이터 집합 운영 데이터: 기능 수행에 필요한 데이터 공유 데이터: 하나 이상의 응용 프로그램에서 사용되는 구조화된 데이터 집합 데이터베이스의 특성: 원칙적으로, 데이터베이스는 동일한 데이터가 중복되지 않는 것을 의미한다. 데이터 항목 간의 관계 및 데이터 항목 그룹을 포함한다. 때로는 보안이 필요한 민감한 데이터를 포함할 수 있다. DBMS(Database Management System)은 데이터베이스를 쉽게 생성,액세스 및 수정할수 있도록..

-User Authentication(message authentication과는 조금 다르다) ❖ Fundamental security building block basis of access control & user accountability ❖ The process of verifying an identity claimed by or for a system entity(신원검증) ❖ Two steps: Identification: specify identifier(누구냐고 묻는것) Verification: bind entity (person) and identifier(실제로 말한 주체인지 확인하는 것) ❖ Distinct from message authentication integrity of t..

- Classification(분류) 선형 회귀 모델에서는 response variable Y가 qunatitative(양적 데이터:수치로 측정, 표현이 가능한 데이터)이라고 가정을 한다. 하지만 실제로는 다수의 상황에서는 qualitative하다.(질적 데이터: 수치로 측정 및 표시가 불가능한 자료, 성별이나 혈액형처럼 집단을 구분하는 변수) 이런 질적인 데이터를 예상하는 게 classification이라고 한다. 선형회귀 설정에서 했던 것 처럼, Classification에서도 training observation들이 주어진다. (x1,y1),......,(xn,yn) 같은 주어진 데이터를 사용해서 분류기를 만드려고 한다. 물론 훈련데이터 뿐만 아니라, 아닌 데이터에도 적용이 되어야 할 것이다. 위 ..

- Practice: Linear Regression 실제 Linear Regression을 수행한다 Boston House Prices 데이터셋은 1970년대에 수 집된 보스턴 교외지역의 주택 정보를 제공 506개의 샘플과 다음과 같은 특성을 제공 1. CRIM: 도시의 인당 범죄율 2. ZN: 25,000평방 피트가 넘는 주택 비율 3. INDUS: 도시에서 소매 업종이 아닌 지역 비율 4. CHAS: 찰스 강 인접 여부(강 주변 = 1, 그 외 = 0) 5. NOX: 일산화질소 농도(10ppm당) 6. RM: 주택의 평균 방 개수 7. AGE: 1940년 이전에 지어진 자가 주택 비율 8. DIS: 다섯 개의 보스턴 고용 센터까지 가중치가 적용된 거 리 9. RAD: 방사형으로 뻗은 고속도로까지 접..

Linear Regression, 즉 선형 회귀는 지도 학습에 대한 아주 단순한 접근이다. 예시를 통해서 한번 살펴보겠다. 위 데이터는 Advertising data set이다. 200개의 시장에서 특정 매체를 통해 광고를 했을때 나온 판매량의 데이터이다. 여기에서 목표는 3가지 매체를 사용하여 홍보를 했을때 나오는 판매량을 효과적으로 예측하는 모델을 구축하는 것이다. 사실 TV Raw data를 제외하고는 데이터셋만 확인해서는 관계를 확인하기가 어렵다. - Simple Linear Regression 선형 회귀는 단일 예측 변수 X를 기반으로 양적 응답 변수 Y를 예측하는 간단한 방법 중 하나로 X과 Y사이에 선형 관계가 있다고 가정하고 데이터 포인트에 있는 예측 값과 실제 값 사이의 제곱 차이의 합을..

-Solving Linear Equations linear equation은 보통 다음과 같이 나타낸다. 이 방정식도 행렬-벡터 곱으로 나타내어질수가 있다. 예를 들어 한 방정식이 있다고 하자 이런 방정식을 해결하려면 역행렬 계산: 양쪽변에 역행렬을 곱해준다 - Markov Chain: 이산 시간 확률 과정이다. 미래를 예측하기 위한 일종의 조건부 확률로 이루어진 모델링. 각 시점의 사건확률은 이전 시점의 사건에 의해서 결정이 된다. transition matrix: Transition matrix(전이 행렬)는 상태 공간에서 상태가 다른 상태로 전이할 확률을 나타내는 행렬이다. 전이 행렬은 마코프 체인(Markov Chain)이나 상태 공간 모델(State Space Model)과 같은 확률적인 시스템..

머신러닝에 사용되는 수학 분야로는 크게 세가지가 존재한다. Linear Algebra(선형대수학) Calculus(미적분학) Statistics(통계학) -선형대수학: 선형대수학에서는 많은 종류의 수학적인 대상을 다루는데 스칼라- 하나의 숫자 x 벡터- 숫자의 배열 벡터는 Column Vector (열벡터/종벡터) and Row Vector (행벡터/횡벡터)가 있다. Vector Transpose(전치) / Scalar Multiplication(상수배): 연산에는 덧셈,뺄셈, Element-wise Multiplication과 Inner Product가 있다. 벡터의 연산에는 온갖 법칙이 다 적용 가능하다. 행렬(Matrix)- 숫자의 2차원 배열 amn는 entry, 혹은 element로 불린다. 연..

-블록체인이란: ▪ A blockchain is a distributed ledger with growing lists of records (blocks) that are securely linked together via cryptographic hashes ▪ 관리 대상 데이터를 '블록'이라고 하는 소규모 데이터들이 P2P 방식을 기반으로 생성된 체인 형태의 연결고리 기반 분산 데이터 저장 환경에 저장하여 누구라도 임의로 수정할 수 없고 누구나 변경의 결과를 열람할 수 있는 분산 컴퓨팅 기술 기반의 원장 관리 기술 원래는 trusted third party가 거래에 관여를 했다면 블록체인은 서로 연결된 분산 장부를 토앻 투명한 거래내역을 유지할수 있다. 블록체인 네트워크는 블록체인 노드들로 구성되어있..

머신러닝에는 크게 3가지의 종류로 분류를 할수가 있다. Supervised Learning(지도 학습), Unsupervised Learning(비지도 학습), Reinforcement Learning(강화 학습). 지도학습: 지도학습은 학습 데이터에 라벨을 붙여서 이를 머신러닝 알고리즘에 넣어 학습을 시킨다. 학습이 완료된다면 모델에 새로운 데이터를 입력하여 예측값을 받아낼수가 있다. 지도학습은 Classification(분류)와 Regression(회귀)를 하는데 사용이 되기도 한다. 비지도학습: 비지도학습은 지도학습과는 달리 label이 주어지지 않는다. 학습 모델이 알아서 특징,패턴, 형태를 추출을 해야한다. 그래서 비지도학습은 주로 군집화(Clustering)과 Dimensionality Red..

AI(인공지능): Any type of machine with intelligence.그러니까 지능을 가진 아무런 기기(i.e., the machine is capable of solving a specific problem) Machine Learning(머신러닝): 컴퓨터 사람처럼 학습할수 있도록 하는 알고리즘과 기술 Deep Learning(딥러닝): 인공신경망을 사용하는 특정 유형의 머신러닝이다. 인공지능-> 머신러닝-> 딥러닝 갈수록 점점 더 세부적인 내용인거지 그래서 머신러닝과 딥러닝을 비교를 하자면 딥 러닝 이전의 대부분의 머신러닝 기법은 유의미한 특징을 인간이 정의하여 사용하는데 집중을 했는 반면에 딥 러닝은 유의미한 특징을 스스로 추출 할 수 있는 능력을 동시에 학습을 한다. -AI an..