AndrewNA

1. 설계변경의 개념과 중요성 공사 과정에서 설계는 고정된 것이 아니라 현장 여건, 기술적 검토, 발주자 지시, 민원, 예산 상황 등에 따라 수시로 변함. 이러한 변경을 제도적으로 관리하지 않으면, 공사비 과다 지출, 공기 지연, 품질 저하 등 다양한 문제가 발생함. 따라서 감리자는 설계변경이 합리적·법적·경제적으로 이루어지는지 검토하고 조정하는 핵심 역할을 담당 설계변경의 3가지 경우 경미한 변경(FCN: Field Change Notice) 발주자 지시 변경(DCN: Design Change Notice) 시공자 제안 변경(FCR: Field Change Request) 2. 설계변경 절차와 감리자의 역할 (1) 설계변경 절차 개요 조사·시험 → 발주자 지시 → 설계변경 검토 → 계약금액 조정 → ..

1. 감리의 개념과 필요성 공사 감리란 발주자의 위임을 받아 시공 과정이 설계도서와 법적 기준에 따라 정확하게 수행되는지 확인·관리하는 행위단순히 ‘현장을 보는 역할’이 아니라, 품질 보증, 원가 관리, 안전 확보, 분쟁 예방까지 포괄하는 종합 관리 업무감리가 필요한 이유 품질 확보 : 설계 의도와 실제 시공 사이에는 항상 간극을 감리를 통해 이 차이를 줄이고 완성도를 높임. 경제적 관리 : 공사비는 설계 변경, 자재 수급, 물가 변동 등에 따라 쉽게 변동되어 감리가 이를 통제하여 불필요한 비용 낭비를 방지. 안전성 보장 : 안전사고는 인명피해와 막대한 사회적 손실을 초래하여 감리가 안전계획을 검토·관리하여 사고를 예방. 법적·행정적 준수 : 건축법, 산업안전보건법, 환경 관련 규정 등을 준수하도록 지도..

1. 감리 개요감리의 정의감리는 정보통신기반시설의 구축, 운영 과정에서 계획대로 잘 진행되는지 확인하고, 문제 발생 시 개선방향을 제시하는 감독·자문 활동.단순 검수 차원이 아니라, 안전성·신뢰성 확보와 법적·기술적 기준 준수 여부까지 점검한다는 특징이 있음. 감리의 필요성기반시설은 국가적 중요성을 가지므로 장애 발생 시 사회 전체에 파급력이 큼.따라서 제3자의 독립적 감리로 객관성을 확보해야 하며, 이를 통해 보안 취약점이나 시스템 장애 요인을 사전에 예방. 2. 법적·제도적 근거관련 법규「정보통신망 이용촉진 및 정보보호 등에 관한 법률」에서 기반시설 보호의무를 규정.「정보통신기반보호법」은 기반시설 지정, 보호계획 수립, 감리 수행 등에 대해 구체적으로 명시. 정책적 배경2000년대 초반부터 해킹, 사..

CCTV 설비 감리 체크리스트1. 설계 단계 점검도면 검토: 배선 경로, 장비 위치, 전송거리 등 합리적 배치 여부링크 버짓 계산: 광케이블·UTP·무선 전송 손실 보정 여부(p.6 참고)저장장치 용량 산출: 카메라 수·화질·프레임레이트 기반 TB 단위 계산 확인(p.12~13)네트워크 설계: 대역폭 확보, VLAN/망 분리 계획 포함 여부 2. 시공 단계 점검케이블 품질: 단선·잡음·NEXT(근접 누화) 테스트 결과 확인(p.21~22)접속 상태: 단자함 연결 불량, 압착 미흡, 단선 여부 점검엘리베이터 구간 배선: T-Cable 사용 금지, 전용 유리케이블 사용(p.25)장비 설치 위치: 방재실·관리실 등 접근 용이성 확보 여부네트워크 보안: 공인망과 폐쇄망 분리, 방화벽/IPS 적용(p.17) ..

1. CCTV 설비의 감리사전 점검설계도면 및 계획 검토: 통신 케이블, 전송 경로, 링크 버짓(Link Budget) 계산.저장장치 용량 산출: 카메라 수, 해상도, 프레임 레이트에 따라 TB 단위 계산(예: 100대 FHD 기준 185.9TB 필요, p.12). 법적 규정개인정보보호법, 주택건설기준규정 적용.영상 최소 30일 보관, 화소수 130만 이상, 어린이집·승강기 등 필수 설치 구역 지정. 시공 관리케이블 단선, 접속 불량, NEXT 잡음 문제 → 시공 시 철저 점검.엘리베이터 구간 전송 시 T-Cable 사용 금지(누화·화재 위험, p.25). 최신 기술 동향저화질→SD→HD→UHD로 발전.영상 분석·지능형 CCTV 확대, 색감 향상, 영상 압축기술 고도화. 2. 재해예방경보 설비의 감리전관..

AI 적용 프로세스 문제 정의 → 데이터 수집 → 데이터 분석 및 전처리 → AI 모델링 → AI 적용 AI 적용학습된 모델을 실제 환경에 통합하여 사용자가 접근 가능 실시간 또는 주기적으로 예측 결과를 제공 운영 중인 모델을 지속적으로 모니터링, 평가, 재학습 AI 적용 방식API 형태로 배포모델을 REST API로 만들어 외부에서 요청-응답 처리웹/모바일 앱, 백오피스 시스템에서 예측 요청배치 예측하루 1번 등 주기적으로 데이터를 불러와 예측 수행매일 이탈 고객 리스트 예측, 리포트 생성실시간 예측사용자의 입력에 따라 즉시 예측 결과 제공챗봇 응답, 실시간 상품 추천엣지 배포(Edge)디바이스에 모델을 탑재자율주행차, 스마트 CCTV 등 AI 모델 서빙을 위한 기술 스택모델 저장/로드jobli..

AI 적용 프로세스 문제 정의 → 데이터 수집 → 데이터 분석 및 전처리 → AI 모델링 → AI 적용 AI 모델링데이터를 이용해 AI가 스스로 패턴을 학습하고 예측, 분류, 추천 등을 할 수 있도록 함 AI 모델링 절차1. 문제 유형에 맞는 알고리즘 선택분류(Classification)데이터를 클래스(라벨)로 분류Decision Tree, Random Forest, SVM, XGBoost, Neural Networks회귀(Regression)숫자(연속값) 예측Linear Regression, Ridge, Lasso, Gradient Boosting군집화(Clustering)비슷한 데이터를 그룹으로 묶음K-Means, DBSCAN, GMM시계열 예측시간에 따른 값 예측ARIMA, LSTM, Proph..

AI 적용 프로세스 문제 정의 → 데이터 수집 → 데이터 분석 및 전처리 → AI 모델링 → AI 적용 데이터 분석 및 전처리데이터 분석 : 수집한 데이터의 구조와 특성 이해기본 통계 확인평균, 표준편차, 최대/최소값, 중간값 등df.describe()결측치 확인누락된 값이 있는지 확인df.isnull().sum()변수 간 관계 분석상관관계 확인, 산점도 등 시각화corr(), heatmap()분포 확인각 변수의 분포 확인히스토그램, 박스플롯클래스 불균형 확인목표값(Label)의 비율 확인Class 0: 90%, Class 1: 10% 등 데이터 분석 도구Python(pandas, matplotlib, seaborn, plotly), R, Excel, Tableau 등 데이터 전처리 : AI 모델이..

AI 적용 프로세스 문제 정의 → 데이터 수집 → 데이터 분석 및 전처리 → AI 모델링 → AI 적용 데이터 수집AI 모델 학습을 위한 필요한 데이터를 확보 데이터 종류정형 데이터행과 열로 구성된 데이터엑셀, DB 테이블, CSV비정형 데이터형태가 일정하지 않은 데이터텍스트, 이미지, 음성, 영상반정형 데이터태그 기반 구조화된 데이터JSON, XML, 로그 파일 데이터 수집 방식- 내부 데이터 . 수집 방법 : 담당자간 협의 통한 기존 시스템에서 필요한 데이터를 추출 . 주의사항 : 민감 정보 주의 - 외부 데이터 . 수집 방법 : 크롤링, RSS, Opne API, 스트리밍 등 . 주의사항 : 수집 절차 및 저작권 확인 데이터 수집시 고려 요소정확성데이터가 실제 현상을 제대로 반영하..

AI 적용 프로세스 문제 정의 → 데이터 수집 → 데이터 분석 및 전처리 → AI 모델링 → AI 적용 1. 문제정의무엇을 해결할 것인가? AI를 하면 유리한가? 판단 문제 유형결과가 카테고리인가요?분류 (Classification)결과가 숫자인가요?회귀 (Regression)정답 없이 비슷한 것끼리 묶나요?군집화 (Clustering)시간에 따른 값 예측인가요?시계열 예측 (Time Series)사용자의 취향에 맞춘 결과가 필요하나요?추천 (Recommendation)평소와 다른 이상 행동을 찾나요?이상 탐지 (Anomaly Detection)텍스트나 자연어를 처리하나요?자연어 처리 (NLP)이미지나 영상을 처리하나요?컴퓨터 비전 (CV) 문제정의 e.g. 고객 이탈 예측, 불량 제품 검출, 수요 예..

AI의 주요 기능 5가지예측, 생성, 소통, 자동화, 인식 예측(Prediction)과거 데이터를 학습하여 미래를 예측e.g. 날씨 예측, 주가 예측, 수요 예측, 질병 가능성 예측 생성(Generation)기존 데이터를 바탕으로 새로운 콘텐츠 생성 e.g. 글쓰기, 이미지 생성, 음악 작곡, 코드 자동 생성 소통(Communication)사람과 자연스럽게 대화하고 이해 e.g. 챗봇, 음성 인식, 번역, 감정 분석 자동화(Automation)반복 업무 최적화 e.g. 공정 자동화, 자율주행, 스케줄 조정, 이메일 분류 인식(Recognition)사물, 사람 등 특성을 인지하고 판단 e.g. 얼굴 인식, OCR(문자 인식), 객체 탐지, 영상 분석

AI 모델 구성요소 - 데이터, 모델링  . HW : CPU, GPU, Memory, Disk  . 개발언어 : Python, Java  . 개발환경 IDE : IDLE, Jupyter, Anaconda, VSCode, Google Colaboratory  . 개발라이브러리 : Pandas, Numpy  AI 모델 목표모델 예측값과 정답 일치 시키는 것비용함수와 최적화 알고리즘을 활용해서 최적의 모델 생성

넘파이 (Numerical Python)- 빠른 수치 연산, 특히 다차원 배열(Matrix, Tensor 등)을 위한 라이브러리핵심 객체- ndarray (N차원 배열) 특징- 행렬, 벡터, 고차원 수치 계산에 최적화 - 브로드캐스팅, 선형대수, 푸리에 변환 등 과학/공학 계산에 유리 - 속도가 빠르고 메모리 효율적 예제   판다스 (Pandas)- 표 형태(엑셀처럼)의 데이터를 다루기 위한 라이브러리 핵심 객체- Series (1차원)- DataFrame (2차원) 특징- 행/열 인덱싱, 필터링, 결측치 처리, 그룹핑 등 데이터 분석에 강력 - CSV, Excel, SQL 등 다양한 형식의 데이터 입출력이 쉬움 - 실제 비즈니스 데이터나 로그 분석에 많이 쓰임 예시(시리즈) 예시(데이터프레임)  cf)..

인공지능(AI: Artificial Intelligence) - 컴퓨터 과학의 한 분야로 인간의 학습, 추론, 지각 능력을 구현하는 기술 인공지능 사용 예시 - 음성비서, 챗봇, 스마트팩토리 등  머신러닝(ML: Machine Learning) - 머신러닝은 인공지능의 하위 개념 - 컴퓨터가 데이터를 학습하고 알고리즘과 기술을 개발하여 예측을 수행 머신러닝 사용 예시 - 추천시스템(넷플릭스, 유튜브 등), 수요 예측 등  딥러닝(DL: Deep Learning) - 딥러닝은 머신러닝의 하위 개념 - 인간처럼 의사 결정 능력을 시뮬레이션 하는 행위 딥러닝 사용 예시 - 음성 인식(빅스비 등), 자율 주행 등  생성형AI(Generative AI) - 대량의 데이터를 학습하여 딥러닝 모델을 사용하여 시뮬레이..

래미안월곡 나이 : 2006년생 세대수 : 1372세대 주차수 : 세대당 1.22대 용적률 241%. 건폐율 16% 주소 : 서울시 성북구 오패산로 90 래미안월곡아파트 정문입니다. 언덕이 완만하게 되어있고, 문주가 없는 정문으로 시원하고 개방감이 보이지만 약간은 허전한 느낌이 듭니다. 삼성물산이 시공한 래미안브랜드 답게 단지내 조경이나 환경이 우수했어요. (이래서 사람들이 래미안, 자이 하나봅니다) 용적률, 건폐율도 양호해서 쾌적해 보였어요. 임장 오기전 옆에 월곡두산위브 아파트와 달리 래미안월곡에는 공용엘리베이터가 없다는 글을 보고왔는데 막상 와보니 두 아파트간 고도 차이가 꽤나 컸습니다. (끝동 기준으로 2배는 차이 나는듯한..) 단지를 돌아다니다 보니 구지 공용엘리베이터가 필요 없겠구나 싶은 평지..

월곡두산위브 아파트 나이 : 2003년생 세대수 : 2197세대 주차수 : 세대당 1.24대 용적률 279%. 건폐율 20% 주소 : 서울시 성북구 오패산로 46 (우)02750 아파트 위치입니다. 월곡역 6호선과 미아사거리역 4호선이 있고, 추후 래미안월곡 아파트 옆에 동북선 개통이 예정되어 있습니다. 아파트 정문입니다. 앞동부터 윗동으로 갈수록 언덕이 높아지며 3단계로 다단계식 언덕 구조였습니다. 그렇지만! 이 아파트의 장점이 있었습니다. 중간중간에 공용엘리베이터를 통해 언덕간의 불편함을 최소화 하였습니다. (그렇다고 공용엘리베이터가 있긴해도 완전히 평지로 다닐 수는 없었습니다.) 정문 언덕을 오르고 나니 단지 내에서도 이처럼 완만한 언덕이 있습니다. 그래도 2003년에 지었는데 공용엘리베이터 설계가..

Chat GPT(Chat Generative pre-trained transformer)- 무언가 생성을 위해 미리 훈련된 변환기- Open AI사에서 개발- 프롬프트를 통해 입력하면 그에 맞는 답변을 제시- 무료버전 GPT-3.5와 유료버전 GPT-4버전(월 ＄ 20) 존재cf) 프롬프트(prompt) : 인공지능에게 명령이나 지시를 내릴 수 있는 입력 값  챗GPT 8가지 개념프롬프트 엔지니어링 인공지능에게 명령과 지시를 효과적으로 내리는 방법을 연구하는 분야자연어 처리인공지능이 사람의 언어를 이해하고 생성, 조작할 수 있는 분야환각 현상있지도 않은 것을 그럴싸하게 있는 것처럼 대답하는 현상머신러닝기계가 스스로 학습하고 문제를 개선해 나가는 기술딥러닝인공 신경망을 여러 계층으로 겹쳐 쌓고 연결해서 객..

1. 관리체계 수립 및 운영 (16개) 1.1. 관리체계 기반 마련 (6개) 1.1.1. 경영진의 참여 1.1.2. 최고책임자의 지정 1.1.3. 조직 구성 1.1.4. 범위 설정 1.1.5. 정책 수립 1.1.6. 자원 할당 1.2. 위험 관리 (4개) 1.2.1. 정보자산 식별 1.2.2. 현황 및 흐름분석 1.2.3. 위험 평가 1.2.4. 보호대책 선정 1.3. 관리체계 운영 (3개) 1.3.1. 보호대책 구현 1.3.2. 보호대책 공유 1.3.3. 운영현황 관리 1.4. 관리체계 점검 및 개선 (3개) 1.4.1. 법적 요구사항 준수 검토 1.4.2. 관리체계 점검 ..

NFT(Non-Fungible Token) 대체 불가능한 토큰으로 그 무엇과도 바꿀 수가 없음 메타버스의 발전, 투자, FOMO 등으로 화제가 됨 NFT 용어 민팅(Minting) 그림, 사진, 음악 등 NFT로 만드는 것 드랍(Drop) NFT 작품들이 거래소에 등록되어 판매되는 것 에어드롭(AirDrop) 무료로 증정하는 것 비드(Bid) 경매 방식으로 참여하는 것 오퍼(Offer) 아직 판매하고 있지 않은 NFT에 판매가를 제안하는 것 트랜잭션(Tranjection) 다양한 거래 내역 가스비, 가스피(Gas Fee) 거래 수수료 로열티 재판매 수익으로 얻는 비용 오리지널 갱스터(Original Ganster) NFT 프로젝트 최초 맴버 화이트 리스트(White List) 공식 판매전 사전 구매 권한..

평균실종 (Redistribution of the Average) 소득의 양극화, 소비의 양극화 점점 평균이 사라지고 있다. 맛집엔 사람들이 더더욱 몰리고, 장사가 안되는곳은 더더욱 안된다. 중간만 하면 잘한다는 기준이 사라지고, 특별함과 차별함이 살아남는 시대가 되고 있다. 오피스 빅뱅 (Office Big Bang) 산업화 이후 회사문화가 빅뱅 수준으로 변화중이다. 일을 둘러싼 모든 것이 바뀌고 있다. 퇴직 열풍, 사무실의 변화, 부업 열풍 이제는 회사의 성장만이 아닌 나의 성장도 중요하다. 체리슈머 (Cheery-sumers) 실제 구매는 하지 않고 혜택만 챙겨가는 소비자다. '체리피커'에서 파생된 단어로 필요한만큼만 구매하는 소비자를 의미한다. 넷플릭스, 유튜브 공동 구독 등이 이해 속한다. 인덱..