일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | ||||
4 | 5 | 6 | 7 | 8 | 9 | 10 |
11 | 12 | 13 | 14 | 15 | 16 | 17 |
18 | 19 | 20 | 21 | 22 | 23 | 24 |
25 | 26 | 27 | 28 | 29 | 30 | 31 |
- 판다스
- KT에이블스쿨5기
- 교육
- MachineLearning
- 프로젝트
- 데이터분석기초
- 딥러닝
- 데이터다듬기
- 아키텍처
- 데이터다루기
- 짧은생각
- 오답노트
- IT인프라
- 구조
- 데이터
- 넘파이
- 자기개발
- 파이썬
- 미니프로젝트
- DX컨설턴트
- 데이터분석
- 정보화
- It
- 데이터프레임
- 머신러닝
- 인프라
- deeplearning
- 파이썬기초
- KT에이블스쿨
- 데이터분석가
- Today
- Total
목록KT 에이블스쿨 5기/오답노트 (9)
꾸준히 성장하기

안녕하세요!오늘도 IT 컨설팅 직무 테스트 관련 다양한 용어와 개념들을 정리해보았습니다. Q. 로드밸런싱에 대해 설명해주세요. ★scale-out된 서버들에 트래픽이 한쪽에 몰리지 않도록 균등하게 분산시켜주는 역할을 합니다.DNS 로드밸런싱: DNS 서버가 요청을 여러 IP 주소로 분산시키는 방식입니다. 클라이언트는 주어진 여러 IP 중 하나로 연결을 시도하게 됩니다.레이어 4(L4) 로드밸런싱: 네트워크 계층에서 작동하며, IP 주소와 포트 번호를 기반으로 트래픽을 분산합니다. 가장 단순한 형태로, 패킷의 출발지 및 목적지 정보를 사용하여 트래픽을 여러 서버로 나누는 방식입니다.레이어 7(L7) 로드밸런싱: 애플리케이션 계층에서 작동하며, HTTP 헤더, 쿠키, URL 패턴 등 더 복잡한 정보를 기반..

IT 컨설팅 직무 테스트를 준비하면서 다양한 용어와 개념들을 정리해보았습니다. 이 과정을 통해 이해가 부족했던 부분들을 명확히 하고, 시험에 대비할 수 있도록 했습니다. Q. IT인프라 유형에 대해 서술하시오.1. 온 프레미스: 서버, 스토리지, 네트워크 등을 기업 자체적으로 보유하고 운영/ 직접 데이터센터를 운영2. 클라우드1) 퍼블릭 클라우드: CSP(Cloud Service Provider - 아마존, KT클라우드 등)에게 인프라에 필요한 자원들을 대여하여 사용하는 방식2) 프라이빗 클라우드: 기업이 직접 클라우드 환경을 구축, 이를 기업내부에서 활용하고 계열사에 공개 또는 정부 전용으로 구축한 G-클라우드3) 하이브리드 유형: 기존 온프레미스와 퍼블릭 클라우드를 함께 사용/ 각종 규제, 데이터..

오늘은 머신러닝에서 자주 사용되는 릿지(Ridge)와 라소(Lasso) 회귀에 대해 알아보겠습니다. 수업 시간에 배운 내용은 아닌데, 별도 공부를 하면 좋겠다고 하셔서 학습한 내용을 정리해보려고 합니다. 릿지(Ridge)와 라소(Lasso)는 머신러닝, 특히 회귀 분석에서 사용되는 기법입니다. 이들은 기본적으로 선형 회귀(Linear Regression) 모델을 기반으로 하되, 과적합(Overfitting)을 방지하고 모델의 일반화 능력을 향상시키기 위해 도입된 '규제(Regularization)' 기법입니다. 1. 릿지(Ridge) 회귀 상상해 보세요. 당신이 종이비행기를 날리는데, 비행기가 너무 멀리 날아가지 않도록 하고 싶습니다. 그래서 비행기에 작은 무게를 추가해서 조금만 날아가도록 합니다. 릿지..

저는 찐문과생..예측이라는 단어는 많이 들어봤지만 튜닝은 자동차튜닝..을 들어보았습니다. 예측은 앞으로 일어날 일을 추론하는 걸로 알고 있는데, 튜닝은 무엇이죠? 정확히 단어의 의미를 알고 사용해야겠다 싶었습니다. 여러분이 머신러닝이나 인공지능 분야에 관심을 가지게 되었을 때, "예측(prediction)"과 "튜닝(tuning)"이라는 두 가지 중요한 용어를 자주 접하게 될 것입니다. 이 두 과정은 모델을 개발하고 최적화하는 데 있어 매우 중요한 역할을 합니다. 각각의 목적과 활용에 대해 자세히 알아보겠습니다. 1. 예측(Prediction) 예측은 이미 학습된 모델을 활용하여 주어진 입력 데이터에 대한 출력 값을 추정하는 과정입니다. 예를 들어, 고객의 과거 구매 데이터를 분석하여 미래에 어떤 제품을..