AndrewNA

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

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..

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..

Alteon L4 Switch 주요 점검 커맨드 /cfg/dump : 설정 컨피그 확인 /info/slb/dump : 서버 상태 확인 /info/log : 서버 로그 확인 /info/dump : 모든 정보 확인 /info/l3/ip : 네트워크 설정 정보 확인 /info/l3/arp/dump : ARP 테이블 확인 /info/l3/route/dump : 라우팅 테이블 확인 /info/l2/fdb/dump : forwarding DB 테이블 확인 /stats/mp/cpu : cpu사용률 확인 /stats/mp/mem : 메모리사용률 확인 /stats/slb/main : 최대 세션값 확인 /stats/slb/virt → all → all : 전체 세션 및 사용량 확인 Alteon L4 Switch 주요 설정..

구 분 Byte Bit 1B 1 8 2B 2 16 4B 4 32 8B 8 64 16B 16 128 32B 32 256 64B 64 512 128B 128 1024 256B 256 2048 512B 512 4096 1KB 1024 8192 2KB 2048 16384 4KB 4096 32768 8KB 8192 65536 16KB 16384 131072 32KB 32768 262144 64KB 65536 524288 128KB 131072 1048576 256KB 262144 2097152 512KB 524288 4194304 1MB 1048576 8388608 2MB 2097152 16777216 4MB 4194304 33554432 8MB 8388608 67108864 16MB 16777216 134217..

계정 잠김 확인 방법 passwd -s (ID) LK 있으면 계정 잠금상태 계정 잠김 해체 방법 passwd -u (ID) "passwd: password information changed for (ID)" 문구와 함께 잠금 해체 OS : Solaris 10

블랭킷 지역 라디오 송신 안테나의 근처에는 강한 전파로 인하여 다른 방송의 수신이 방해를 받게 되는 지역 미분위상 컬러 신호의 영상 증폭기에서 비직선 일그러짐을 나타날 때 미분이득과 같이 쓰임 dBm 전력의 절대 측정단위 근접현상 양지향성과 단일지향성의 마이크를 음원에 가까이 대고 사용하면 저음의 출력이 증가되는 현상을 무엇 무선설비 검사항목 주파수 허용편차, 공중선 전력, S/N, 위상잡음, 종합왜율 감도 어느정도 미약한 전파까지 수신할 수 있는 능력 선택도 희망신호와 불필요 신호를 구분할 수 있는 능력 충실도 변조된 신호를 재현할 수 있는 능력 안정도 안정적인 전파를 수신할 수 있는 능력 프리엠퍼시스 회로 FM 송신기 부속이며, S/N비 저하 방지(미분) 디엠퍼시스 회로 FM 수신기 부속이며, 고주파..

도플러효과 음원이 관측점으로부터 이동하거나 또는 관측점이 음원으로부터 이동할 때 음의 주파수가 변화되어 들리는 현상 SNG(Satellite News Gathering) 통신 위성을 이용한 TV중계 시스템 안테나 시스템 설계시 고려사항 고이득, 임피던스 매칭, 지향성 예리, 감도가 좋아야 함, 부엽이 작아야 함 위성방송 특징 다채널성, 고품질성, 대용량성 국내디지털유선방송의 상·하향 대역 분리 방식 Sub split 방식 램브란트 라이트 경사 45도에서의 빛 패닝 카메라의 위치를 움직이지 않고 카메라 헤드만을 수평방향으로 회전시키면서 촬영하는 것 음성다중방식 자국어와 원어로 동시에 방송하는 시스템 종류 two carrier, FM-FM, AM-FM, 디지털 방식 등 TV 팬턴신호 발생기 컬러바(Color..

FM 수신기 보조회로 진폭제한자 ,디엠퍼시스회로, 스켈치회로 FM 복조 4가지 주파수 변별기, 포스터실리, 비 검파기, PLL 디지털TV 오류정정방식 리드-솔로몬, 격자부호 변조 오류분산방식 길쌈 인터리빙, 격자부호 세그먼트 인터리빙 오실로스코프 X축 : 위상 Y축 : 진폭 벡터스코프 X축 : 색상 Y축 : 채도 임피던스 일반 동축 케이블 : 50Ω TV용 동축 케이블 : 75Ω 상호변조 전송계의 둘 이상의 신호 성분들이 서로 상호작용하여 원래 신호들의 합과 차의 주파수 생성 카메라 화이트 밸런스 색 보정 기능으로 흰색 물체를 더욱 더 하얗게 만듬 SMATV 공동시청설비를 위성방송이 이용하는 시스템으로 공동주택에서 옥상에 위성방송 안테나를 설치하고 각 가구로 신호를 보냄 INTELSA 통신위성의 개발, ..

CATV 구성 헤드엔드(송출계) 수신점 설비와 송출 설비를 운용하는 장소 전송중계망(전송계) 케이블 및 중계증폭기 등의 전송 설비로 된 망 가입자설비(가입자계) 분배기, 컨버터, 단말 등의 가입자 측에 설치된 설비 AM 송신기 주요 부분 발진, 완충증폭, 변조 패러데이 회전 전파가 전리층을 통과할 때 편파면이 회전하게 되는 현상 마이크 종류 다이나믹마이크, 콘덴서마이크, 크리스탈마이크 파형모니터 TV신호 파형을 감시ㆍ측정 방송 종류 중파방송 300KHz~3MHz 단파방송 3~30Mhz) 초단파방송 30~300Mhz 텔리비전방송 영상과 음성을 송출하는 방송 방송용 인공위성이 갖추어야할 조건 정지 궤도 위성, 36,000[km] 궤도의 높이, 120[W] 이상의 고 출력 FPU(Field Pick-Up Un..

가색법, 감색법 가색법 광선 등의 혼합으로 색을 재현하는 방법으로 3원색은 RGB(Red, Green, Blue) 감색법 그림물감 등의 혼합으로 색을 재현하는 방법으로 3원색은 CMY(Cyan, Magenta, Yellow) Tally System 각종 영상신호의 소스와 모니터에 사용하여 “On Air” 중임을 알림 키라이트, 필라이트, 백라이트 키라이트 피사체를 비춰주는 주 조명 장치 필라이트 음영을 보완해주는 보조 조명 장치, 키라이트의 부족한 부분을 보완 백라이트 피사체의 윤곽을 뚜렷하게 만드는 조명 장치 베이스라이트 인물, 배경을 포함하여 전체에 균등한 밝기를 주는 확산 조명 터치라이트 수평선이나 배경의 세트에 액센트를 만들기 위한 조명 믹서(Mixer) 여러 개의 입력신호를 혼합하거나 다른 신호..

LVM(Logical Volume Manager) 하드디스크 구조를 변경할 수 있는 기능으로 자유 자재로 구성할 수 있다. 기존 고정된 디스크의 용량으로 변경 및 용량 증설에 대한 문제를 해결할 수 있다. ex) 2개의 하드디스크 → 1개의 하드디스크, 2개의 하드디스크 → 3개의 하드디스크 표현 가능 LVM 관련 용어 물리적 볼륨(PV : Physical Volume) 볼륨그룹(VG : Volume Group) 논리적 볼륨(LV : Logical Volume) 물리적 확장(PE : Physical Extent)

RAID 스트라이핑(Striping) 연속된 데이터를 여러 개의 디스크에 라운드 로빈 방식으로 기록하는 기술이다. 프로세서가 하나의 디스크에서 읽는 것 보다 여러개의 디스크를 더 빠르게 읽을 수 있을 때 유용하다. 예를들어 같은 데이터를 1개 디스크와 4개 디스크에 각각 보관되어있을 때, 데이터를 읽을때 1개의 디스크에서 모두 읽는 것 보다 동시에 4개의 디스크에서 데이터를 나눠 읽는게 더 빠르다. RAID 미러링(Mirroring) 다른 디스크에 데이터를 중복 저장하는 기술로 하나의 디스크가 에러가 발생했을 때 복구할 수 있다.

스크립트형 악성코드 다른 언어로 컴파일되지 않으며, 브라우저에 포함된 인터프리터에 의해 한 줄씩 해석되면서 실행된다. 컴파일형 악성코드 첫 구동시 실행 파일이 만들어져 여러 차례 실행시 속도가 빠르며, 스크립트형 악성코드보다 실행 속도가 빠르다. 리버싱을 통해 실행하지 않고, 내용의 짐작이 가능하다. ※ 리버싱 : 바이너리 분석