키자드에 등록된 itmatecomo의 네이버 블로그 포스트 목록

itmatecomo의 등록된 링크

itmatecomo로 등록된 네이버 블로그 포스트 수는 92건입니다.

쿠팡파트너스 유튜브 활동시 광고 표시 방법 변경 [내부링크]

안녕하세요^^ 코모클래스입니다! 쿠팡파트너스 활동많이들 하고 계실텐데요~ 유튜버도 영상 설명란이나 고정 댓글에 구매링크를 넣는 방법으로 파트너스 활동을 하고 계실꺼에요~ 그런데 최근! 유튜브 활동 시 대가성 문구 표시 방법에 변경이 있었습니다~ 처음엔 4월 말에 쿠팡 파트너스 공지 메일을 받았었어요! 그런데 6월 초에 정정공지 메일이 다시 왔네요~ 이제 고정 댓글이나 영상설명란 외에 게시글 제목이나 영상 내에 [광고] 표시를 해야 한다는 것이였어요~ ㅠㅠ 2022.04.27.에 받은 메일 위 내용이 4월에 받은 공지메일이에요~ 1. 유튜브 영상 내 해당 상품이 노출되지 않으면 => 고정댓글 또는 영상설명란에 대가성 문구를 기재해야한다. 2. 영상 내 상품이 노출된 경우 => 동영상 시작/중간/끝부분에 [광고] 자막 표시 또는 동영상 위에 배너로 [유료 광고 포함] 문구 표시 또는 동영상 제목 앞에 [광고] 라고 표시 즉, 영상 내 상품 노출이 없다면 고정 댓글이나 영상 설명란 에만

빅데이터분석기사 필기 도전! [내부링크]

목표는 10월 1일 빅데이터 분석기사 필기 시험 합격! 점심 시간이나 퇴근 후 집에서 매일 조금씩 꾸준히 준비해야겠다~

[Book] NFT 레볼루션 [내부링크]

NFT 레볼루션 저자 성소라, 롤프 회퍼, 스콧 맥러플린 출판 더퀘스트 발매 2021.09.01. NFT 란? 대체 불가능 토큰 ! NFT 는 디지털 원본임을 증명하고 디저틸 거래내역이 투명하게 공개되는 기술이다. 특정한 자산을 나타내는 블록체인상의 디지털 자산이고, 각기 고유성을 지니고 있어 상호 대체가 불가능한 토큰이다. 디지털 자산만이 아닌, 모든 유무형 자산이 토큰화 될 수 있다. NFT는 디지털 콘텐츠뿐 아니라 그 소유권까지 포함하는 개념이다. 미디어 파일뿐 아니라 파일의 고유성을 표시하는 고유식별자, 파일 속성을 설명하는 메타데이터를 포함한다. NFT가 판매되면 소유권이 구매자에게 이전되는데, 따로 판매 약관에 구매자에게 저작권을 넘기지 않는 한 저작권은 원작자가 그대로 가진다. 구매자가 다른 사람에게 재판매시 판매액의 일정량이 원작자에게 돌아간다는 장점이 있다. NFT 활용분야는 실물 미술품, 디지털 미술품, 음원, 인기컬렉터, 스포츠 영상, 게임아이템, 디지털 부동산

[엑셀] 문자를 숫자로 바꿔주는 VALUE 함수 [내부링크]

안녕하세요. ^^ 혹시 홈페이지나 서버에서 엑셀파일을 다운로드 받았는데, 엑셀 파일 시트안의 숫자들에 덧셈이나 뺄셈 등 함수가 적용되지 않아 당황하신 적 있지 않으세요? 바로 숫자처럼 위장하고 있는 문자열 때문인데요! 그래서 이번 시간에는 문자를 숫자로 바꿔주는 value함수에 대해서 알아보려고 해요~ 여기 텍스트 형식으로 저장된 숫자들이 있습니다. 보기에는 숫자로 보이지만, 앞뒤로 공백문자가 포함되어 있거나 한다면 덧셈같은 계산이 될 리가 없겠죠? 이런 경우에는 value 함수를 이용해서 숫자형식으로 변환할 수가 있는데요! 그럼 한번 함수를 적용해 보겠습니다. 함수 적용 전 먼저! 값으로 변환해서 넣어줄 표를 아래쪽에 따로 만들어 주세요~ 홍길동 옆 셀을 클릭해서 선택합니다! 여기 fx라고 보이는 부분이 함수삽입 기능인데 이 부분을 클릭해주세요. 그러면 함수 마법사 창이 팝업됩니다. value함수를 찾는 방법은 두가지가 있는데요. 첫 번째 방법, 함수 검색 창에서 찾는 방법이에요~

[Book] 럭키드로우 [내부링크]

럭키 드로우 저자 드로우앤드류 출판 다산북스 발매 2022.01.25. 평소 드로우앤드류님의 퍼스널브랜딩에 관심이 있었는데, 럭키드로우 책을 출간하셨군요~ 일과 개인의 삶이 분리된 삶이 아닌, 일이 곧 개인의 삶이다. 지금 하는 일에 집중하여 개발하는 것이 진짜 래버리지다. 내 가치를 높이는 일에 시간과 에너지를 투자한다. 나는 지금 내가 하고 싶은 일에 충분한 시간을 투자하고 있을까? 내가 무엇을 좋아하고 잘하는지 찾자! 사람들에게 제공할 수 있는 가치가 무엇인지 탐색하고, 그 가치를 콘텐츠에 담에 세상에 알리자. 하고 싶은 일이 있다면 너무 많은 생각을 하지 말고 일단 시작할 것! 그리고 빠르게 정상에 오르는데 집착하지 말고, 그 과정 자체를 여유롭게 즐길 것! 우리는 스스로 믿는 만큼만 성장한다. 왜 우리의 열정은 끓어오르다 금방 식어버릴까? 그건 진짜 열정이 아니라 반짝이는 아이디어에 불과했기 때문이다. 꿈을 이루는 건 끈기다. 열정은 그렇게 쉽게 끊어오르지 않으며 아주 천천

빅데이터분석기사 필기 공부 day-2 [내부링크]

요새 자격증 공부는 회사에서만 틈틈이 하고 있어서, 휴가와 연휴를 마치고 오랫만에 빅분기 필기책을 펼친듯 하다... 연초부터 필기책 진도는 절반 정도 나갔지만 가볍게 읽는 정도로만 하고 있었다. 그러다보니 이해가 안되면 집중이 안되고 딴생각만 들고 했었는데, 처음으로 정리를 하면서 보니 더 이해가 잘 되는 듯한 느낌이다~ * 기술통계 : 분석에 필요한 데이터를 요약하여 묘사, 설명하는 통계 기법임 - 데이터 요약 : 분석대상 데이터 분포 특성을 찾아 분석 이전에 기본적인 특징을 수치로 정량화, 기초통계량 산출 - 표본추출 모집단 : 관심대상 전체 집합 / 표본 : 모집단의 일부. 원래 집단의 성질을 추측할 수 있는 자료 / 표본추출 : 모집단으로부터 표본을 선택하는 행위 전수조사 : 모집단 전체를 대상으로 조사(인구조사 등) / 표본조사 : 표본을 대상으로 조사 > 표본조사가 비용절감, 조사결과의 신속성, 규모가 작아 심도 있는 조사 가능, 관리가 잘되어 정확성 높음 표본추출

빅데이터분석기사 필기 공부 day-3 [내부링크]

베이지안 정리가 이해하기 어려워서 한참 들여다보다가, 또 예제문제도 한참 들여다보다가 풀이보고 그런가보다.. 하고 넘어간.. ㅋㅋㅋ ⑧ 베이지안 정리 : 표본공간을 분할하는 k개의 상호 배타적인 사건에 대한 사후확률을 구할 수 있다. 사전에 어떤 사건 A에 대한 사전확률이 부여된 상태에서 어떤 사건 B에 대한 정보가 알려진 후, 그 사건 A에 대한 사후확률 P(Aj|B) = P(B|Aj)P(Aj)/P(B) = P(B|Aj)P(Aj)/∑P(B|Ai)P(Ai) 확률변수 ① 확률변수 : 사건의 시행 결과(확률)를 하나의 수치로 대응시킬 때의 값(확률값). X. ex> 동전 두 개를 던져 앞면이 나오는 횟수 = 확률변수 X = 0, 1, 2 세가지 값을 갖는다. 확률변수 X가 특정한 값 x를 가질 확률은 P(X=x)로 표기 ② 확률변수 종류 - 이산확률변수 : 확률변수가 취할 수 있는 값의 수가 유한한 변수. 동전이나 주사위를 던지는 사건 - 연속확률변수 : 확률변수가 취할 수 있는 값의

빅데이터분석기사 필기 공부 day-4 [내부링크]

확률변수의 기댓값과 분산 ① 기댓값 : 각 확률변수가 특정 값을 가질 확률을 가중치로 확률변수의 결과값을 평균화한 값으로 표시 - 이산확률변수 기댓값 E(X)=∑xf(x) , f(x)는 확률질량함수 ex> 주사위를 한번 던졌을 때, 주사위 값의 기댓값은 각 눈의 값에 그 확률을 곱한 값의 합 E(X)=1×1/6 + 2×1/6 + 3×1/6 + 4×1/6 + 5×1/6 + 6×1/6 =3.5 - 연속확률변수 기댓값 E(X)=∫xf(x)dx , f(x)는 확률밀도함수 ex> 구간 [0,1]에서 연속인 확률변수 X의 f(x)=1이면 X의 기댓값 E(X)=[1/2x2]01=(1/2-0)=1/2 ② 기댓값의 성질 - 기댓값의 선형성 : 상수 a,b와 확률변수X에 대해 E(aX+b)=aE(X)+b 가 성립한다. - 기댓값의 덧셈법칙 : 두 확률변수 X,Y에 대해 X+Y의 기댓값은 X의 기댓값과 Y의 기댓값을 더한 것과 같다. 두 확률변수가 독립이든 종속이든 무관하게 성립한다. E(X+Y)=E

[엑셀] 합계 계산할 때 SUM 함수 [내부링크]

엑셀에서 정말 정말 많이 쓰는 함수 중 하나인 SUM 함수 SUM은 합계를 구할 때 쓰는 함수에요~ 여기 회비 납부 내역이 정리된 파일이 있습니다. 월별로 회비가 얼마나 납부되었는지 합계를 내보려고 해요! 합계 계산 방법 4가지를 알아보겠습니다. 첫번째, SUM 함수 없이 더하기 기호 (+) 만 써서 계산하는 방법입니다. 합계를 넣을 셀을 먼저 클릭해 주세요~ 이제 식을 넣을겁니다. 등호 기호 ( = ) 넣고 금액이 있는 셀 클릭하고, 더하기 기호 ( + ) 넣고 금액이 있는 셀 클릭하고, 다시 더하기 기호 ( + ) 넣고 금액이 있는 셀 클릭하고.... 이 과정을 반복해주시면 된답니다. 마지막 금액이 있는 셀 클릭 후 엔터키를 치면 합계 계산 완성! 두번째, SUM 함수로 계산하되 원하는 항목들만 골라서 계산하는 방법입니다. 방법은 첫번째 방법과 거의 동일해요~ 합계 넣을 셀을 먼저 클릭해 주시고, = SUM( 을 입력하신 후 금액 셀 클릭하고 콤마 기호( , ) 넣고, 금액 셀

빅데이터분석기사 필기 공부 day-5 [내부링크]

확률... 어렵다... 이산확률분포 종류 ① 베르누이 분포 : 결과가 성공 아니면 실패, 두가지로 귀결되는 이산확률분포 - 확률질량함수 f(x)=pxq1-x/ 기댓값 E(X)=p / 분산 Var(X)=pq ② 이항분포 : 베르누이 시행을 n번 독립적으로 시행시 성공횟수를 트로 정의한 이산확률분포 - 확률질량함수 f(x)=(nx)pxqn-x/ 기댓값 E(X)=np / 분산 Var(X)=npq ③ 다항분포 : 여러개의 값을 가질 수 있는 독립 확률변수들에 대한 확률분포. 여러 번의 독립적 시행에서 각각의 값이 특정 횟수가 나타날 확률을 정의하는 분포 - 확률질량함수 f(x1,x2,...xk; n,p1,p2,...,pk)= n!/x1!x2!...xk! p1x1p2x2...pkxk / 기댓값 E(Xi)=npi / 분산 Var(Xi)=npi(1-pi) ④ 포아송분포 : 단위 시간 안에 어떤 사건이 몇 번 발생할 것인지를 표현하는 이산확률분포 - 확률질량함수 f(x)=λxe-λ/x! / 기댓

[전산통계학] 통계 기초 이론 [내부링크]

- 통계학이란? 統 합칠 통, 計 셀 계 / Statistics : 자료를 수집, 정리/요약, 분석/해석하는 일련의 방법과 규칙에 관한 학문 - 통계학의 목적 : 합리적 의사결정의 기반 제공 - 통계분석 프로그램 : Excel, SPSS, SAS, R, Minitab - 변수와 자료 : 관심 대상의 속성인 변수, 변수를 관찰해서 얻은 관찰치인 자료 - 모집단과 표본 : 모집단은 전체 관찰단위, 표본은 모집단에서 추출된 일부 관찰치들의 집합 - 무작위 표본추출법(random sampling) : 모집단의 모든 구성 요소가 추출될 확률이 같도록 하는 방법. 표본이 모집단의 특성을 최대한 반영할 수 있도록 표본을 추출하고자 함 - 기술통계와 추론통계 * 기술통계학 : 자료를 정리, 요약하여 속성의 특성을 기술하는 통계 분석 방법 * 추론통계학 : 표본 특성을 파악하여 모집단의 특성을 추론하는 통계 분석 방법 * 모수와 통계량의 차이 - 모수 : 모집단의 특성을 나타내는 수치 : 평균 μ

[이산수학] 집합 (1) [내부링크]

집합은 객체들의 모임이다. 수의 집합 : Z 정수 / Q 유리수 / R 실수 X가 유한 집합이면 |X|=집합 X에 속한 원소의 수이다. |X|은 X의 기수라고 부른다. ex> A={1,2,3,4} 이면 |A|=4 이다 x가 집합 X에 속한다면 x∈X 라고 쓴다. 원소를 갖지않는 집합은 공집합 Ø 로 표시. 공집합은 모든 집합의 부분집합니다. 두 집합 X와 Y가 동일한 원소들을 가질 때 X=Y . 두 집합 X와 Y는 동등하다. X의 모든 원소가 Y의 원소일 때, X를 Y의 부분집합이라 한다. X⊆Y X가 Y의 부분집합이고 X≠Y이면, X를 Y의 진부분집합이라 한다. X⊂Y 집합X의 모든 부분집합의 집합은 X의 멱집합이라 한다. Ρ(X) ex> A={a,b,c} 이면 Ρ(X)는 Ø,{a},{b},{c},{a,b},{a,c},{b,c},{a,b,c} 이다. 따라서 |A|=3, |Ρ(X)|=23=8 X∪Y = {x|x∈X 또는 x∈Y} , X와 Y의 합집합 X∩Y = {x|x∈X 그리고 x

빅데이터분석기사 필기 공부 day-6 [내부링크]

연속확률분포 종류 ① 연속균등분포 : 분포가 특정 범위 내에서 균등하게 나타나 있을 경우 - 확률질량함수 f(x)=1/ b-a , 평균 a+b / 2 , 분산 (b-a)2/ 12 ② 지수분포 : 포아송과정에서 한 개의 사건이 발생할 때까지의 대기시간(β)을 의미 - 확률질량함수 f(x)=1/β e-x/β,x>0 , 평균 β , 분산 β2 - 포아송분포와의 관계 : 지수분포는 대기시간, 포아송분포는 횟수이다. ③ 정규분포 : 가우스분포. 표본을 통한 통계적 추정 및 가설검정이론의 핵심이 된다. - 확률질량함수 f(x)=1/σ√2πe-1/2(x-μ / σ)^2, 평균 μ , 분산 σ2 - 정규분포는 평균을 중심으로 대칭이고 종모양인 확률밀도함수의 그래프를 띤다. 정규분포의 모양과 위치는 평균과 표준편차에 의해 완전히 결정된다. 정규곡선과 X축 사이의 전체 면적은 1이다. 정규분포곡선은 X축과 맞닿지 않으므로 확률변수 X가 취할 수 있는 값의 범위는 -∞ < X < +∞ ④ 표준정규분포

빅데이터분석기사 필기 공부 day-7 [내부링크]

* 데이터 탐색의 기초 (1) 데이터 탐색의 개요 탐색적 데이터 분석(EDA:Exploratory Data Analysis) : 수집 데이터를 다양한 방법을 통해 관찰하고 이해하는 과정. 본격적 데이터 분석 전 자료를 직관적 방법으로 통찰하는 과정 탐색적 데이터 분석의 필요성 : 데이터가 표현하는 현상 이해. 내재된 잠재적 문제 인식 및 해결안 도출. 문제정의 단계에서 인지하지 못한 새로운 양상 패턴 발견 분석과정 및 절차 - 분석의 목적과 변수가 뭔지, 개별변수의 이름이나 설명을 가지는지 확인 - 데이터의 문제성 확인(결측치 또는 이상치 유무, 분포상의 이상형태 Head 또는 Tail부분 확인) - 데이터의 개별 속성값이 예상한 범위 분포를 가지는지 확인(기초통계산출을 통해 확인) - 관계속성 확인(데이터간 상관관계 등 확인) 이상치 검출 방법 : 이상치가 왜 발생했는지 파악하고 어떻게 대처할지(제거,대체,유지 등) 판단한다 ① 개별 데이터 관찰 : 눈으로 살펴보면서 전체적

빅데이터분석기사 필기 공부 day-8 [내부링크]

(3) 기초통계량의 추출 및 이해 - 기초통계(기술통계)는 자료의 특성을 정량적 수치에 의해 나타내는 방법으로, 수치적 결과로 나타내는 중심화 경향, 퍼짐정도(산포도·분산도), 자료의 분포형태 등으로 나타냄 중심화 경향 기초통계량 ① 산술평균 : 일반적인 평균을 의미

이산수학이란? [내부링크]

* 이산수학 = 이산구조 = 이산구조론 = 전산수학 * 이산수학은 연속의 개념을 사용하지 않고 이산적인 수학 구조에 대해 연구하는 학문이다. 이산적인 대상물들을 분석하여 응용의 기반으로 삼는 학문. 수학적 이론과 공학적 필요성에 의해 서로 교집합이 되는 분야. - 논리, 명제, 집합, 증명법, 관계, 함수, 그래프, 트리, 순열, 이산적 확률, 재귀법, 행렬과 행렬식, 부울대수, 논리회로, 오토마타, 형식언어 등 * 수학적 모델링 : 문제 해결을 위해 그것을 수학적 구조에매핑시켜 보다 체계적으로 문제를 해결하는 방법론 <수학적 모델링 다이어그램> * 문제 해결을 위한 몇 가지 효율적인 방법들 - 문제의 기본 개념과 원리를 파악하여 아이디어 스케치 - 다양한 관점으로 문제의 핵심에 접근 - 어렵게 보이는 문제를 단순화시킬 수 있는지 점검 - 틀을 벗어난 자유로운 생각으로 문제해결의 실마리 이끌어내기 - 복잡한 문제를 여러 부분으로 잘게 나누어 문제를 해결 - 모델링의 방법으로 문제 해

빅데이터분석기사 필기 공부 day-9 [내부링크]

산포도(분산도) : 자료의 퍼짐 정도 ① 분산(Variance), 표준편차(Standard Deviation) - 분산은 평균을 중심으로 밀집되거나 퍼짐 정도(각 자료와 평균과의 편차의 제곱을 이용). 표준편차는 분산의 제곱근. => 모표준편차와 표본표준편차는 각 분산에 제곱근을 씌운 값 - 분산은 특이점에 매우 큰 영향을 받으며 분산이 클수록 각 자료값이 평균으로부터 넓게 흩어진 형태를 갖는다. ② 범위(Range) : 데이터 간 최댓값과 최솟값의 차이 ③ 평균 절대 편차(평균편차, 절대편차, MAD) : 각 자료값과 표본평균과의 편차의 절댓값에 대한 산술평균 - 이상치에 대한 영향을 적게 받음. 절대 편차의 최소값을 갖는 자료값은 평균이 아닌 중앙값이다. 표준 편차가 클수록 자료는 폭넓게 분포한다. ④ 사분위범위(IQR) : 자료를 크기 순으로 배열 후 자료의 1/4에 해당하는 1사분위수(Q1), 3/4에 해당하는 3사분위수(3Q)를 구한다. 사분위범위는 Q3-Q1으로 정의되며

논리와 명제(1) [내부링크]

* 논리와 명제 - 명제논리 : 주어와 술어 구분 없이 전제를 하나의 식으로 처리하여 참 또는 거짓을 판별 - 술어논리 : 주어와 술어를 구분하여 참 또는 거짓 판별 - 명제 : 참이나 거짓을 객관적이고 명확하게 구분할 수 있는 문장이나 수학적 식 · 명제 표기 : p, q, r... 등 영문자 소문자로 표기 · 명제가 참일 때 진리값은 T, 거짓일 때 진리값은 F로 표시 * 논리연산 - 단순명제 : 하나의 문장이나 식으로 된 명제 - 합성명제 : 여러 단순명제들이 논리연산자들로 연결되어 만들어진 명제 - 논리연산자 : 단순명제들을 연결시켜주는 연결자 · 합성명제의 진리값은 단순명제의 진리값과 논리연산자 특성에 따라 진리표를 사용하여 연산함 - 논리연산자 이름과 기호 이름 기호 부정 ~ NOT 논리곱 ∧ AND 논리합 ∨ OR 배타적논리합 ⊕ Exclusive OR 조건 → if ... then 쌍방조건 ↔ if and only if(iff) - 여러 논리 연산자를 포함하는 합성 명

논리와 명제(2) [내부링크]

* 항진명제와 모순명제 - 항진명제 : 합성명제를 구성하는 단순 명제들의 진리값에 관계없이, 그 합성 명제의 진리값이 항상 참의 값을 가지는 명제 - 모순명제 : 합성명제를 구성하는 단순 명제들의 진리값에 관계없이, 그 합성 명제의 진리값이 항상 거짓의 값을 가지는 명제 - ex> p ~p p∨(~p) p∧(~p) T F T F F T T F (항진명제) (모순명제) * 논리적 동치관계 : 두 명제 p, q의 쌍방조건 p→q가 항진명제이면, 두 명제 p,q는 논리적 동치라 하고, p≡q 또는 p⇔q라고 표시한다. (명제 p와 q는 같은 논리값을 가진다는 의미이다) - 논리적 동치관계의 기본법칙 논리적 동치관계 법칙 논리적 동치관계 법칙 p∨p⇔p p∧p⇔p 멱등법칙 p∨T⇔T p∨F⇔p p∧T⇔p p∧F⇔F 항등법칙 ~T⇔F ~F⇔T p∨(~p)⇔T p∧(~p)⇔F 부정법칙 ~(~p)⇔p 이중부정법칙 p∨q⇔q∨p p∧q⇔q∧p p→q⇔q→p 교환법칙 (p∨q)∨r⇔p∨(q∨r) (

빅데이터분석기사 필기 공부 day-10 [내부링크]

(4) 시각적 데이터 탐색 : 전통적 통계차트 및 다이어그램에 의존하는 부분임 통계적 시각화 도구 ① 도수분포표 : 수집된 자료를 적절한 계급에 의해 분류하여 정리한 표. 질적자료의 경우 각 자료값에 대해 도수나 상대도수로 표현함 - 도수 : 질적 자료의 경우 각 범주별 빈도 - 상대도수 : 도수/전체자료수 ② 히스토그램 : 도수분포표를 이용하여 표본의 자료분포를 나타낸 그래프 ③ 막대그래프(Bar Chart) : 각 자료값에 대한 도수 또는 상대도수를 그림으로 표현한 것 ④ 파이차트 : 각 자료값의 상대도수로 원의 면적에 크기별로 나타낸 그래프 ⑤ 산점도(Scatter Plot) : 직교 좌표계를 이용해 두 개 변수간 관계를 나타내는 방법 ⑥ 줄기 잎 그림 : 표 형태와 그래프 형태의 혼합된 방법으로 나타내는 것. 자료 정리가 가능하고, 자료 구조에 대한 정보 파악 가능 - 줄기 잎 그림 작성 절차 (Step 1) : 원 자료를 크기 순으로 정리 (Step 2) : 원 자료의 숫

빅데이터분석기사 필기 공부 day-11 [내부링크]

시공간 데이터 분석 ① 시공간 데이터에 대한 질의어 - 시공간자료 정의언어 : 인덱스 및 뷰의 정의문,변경문 등. 점,선,면 등의 공간속성 타입이 추가되어 있음 - 시공간자료 조작언어 : 객체의 삽입,삭제,변경등 검색문. 이를 통해 객체의 공간관리와 이력정보 제공 ② 시공간 데이터의 연산 - 시공간위상 관계연산 : 두 객체 간 공간영역상 관계에 대해 참·거짓 반환. 교차연산자-선과 선, 선과 면의 교차여부 및 객체간 유효시간을 기반으로 선후관계 평가하여 반환 - 시공간기하 연산 : 공간기하 연산자 + 시간구성 연산자. 공간기하 연산자-두 객체간 거리 연산, 시간구성 연산자-주어진 객체의 유효시간값에 대해 지정된 시간 혹은 다른 객체의 유효시간값과의 계산을 통해 객체의 유효시간값을 변경하는 연산 적용 및 응용분야 : 지리정보 시스템, 위치기반 서비스, 차량 위치추적 서비스 등 (2) 다변량 데이터 탐색 : 변수들 간 인과관계의 규명과 분석. 변수들 간 상관관계를 이용해 변수 축약,

논리와 명제(3) [내부링크]

* 술어논리 - 변수의 값에 따라 참 또는 거짓이 되는 명제. ex> 'x2+5x+6=0' 과 같은 명제 - p(x)로 표시. p(x)는 변수 x에 대한 명제 술어라고 하고, 명제 술어에 대한 논리는 술어 논리라고 한다. - 변수의 범위를 한정시키는 '술어 한정자' · 모든것에 대하여 : ∀ (All, 전체 한정자) · 존재한다 : ∃ (Exist, 존재 한정자) - 전체 한정자 ∀x p(x)가 참이 되기 위한 필요 충분 조건 : 술어 p(x)가 x의 전체 집합 U에 대해 성립해야 한다. - 존재 한정자 ∃x p(x)가 참이 되기 위한 필요 충분 조건 : 전체 집합 U 안에 p(x)를 만족시키는 x가 적어도 한개 존재해야 한다. - 술어한정자 논리적 표기에 대한 명제 서술 예(ex) · ∃x p(x,y) : p(x,y)가 성립하는 x가 존재한다. · ~(∀x p(x)) : 모든 x에 대해 p(x)가 성립하는 것은 아니다. ⇔ ∃x (~p(x)) : p(x)가 성립하지 않는 x가 존재

집합(1) [내부링크]

* 집합 : 수학적 성질을 가지는 객체들의 모임 - 집합은 알파벳 대문자 A,B,C,...,Z 등으로 표시 - 집합을 구성하는 원소는 소문자 a,b,c,...,z 등으로 표시 - 집합은 대상이 명확한 객체들의 모임이므로, 집합 내 중복 원소가 없어야 한다. ex> A={1,2,2,3} => A={1,2,3}으로 표현되어야 함 - a∈S : a가 집합 S의 원소임 * 집합을 표현하는 두 가지 방법 1. 원소 나열법 : 집합의 원소들을 { } 사이에 하나씩 나열하는 방법 2. 조건 제시법 : 집합의 원소들이 가지는 특정한 성질을 기술하여 나타내는 방법 - S = {x | p(x)} , x는 원소를 대표하는 변수, p(x)는 원소들이 가지는 성질 - ex> 1부터 5까지의 자연수의 집합 : S ={x | x는 자연수이고, 1≤x≤5} * 카디날리티 : 집합 S 내에 있는 서로 다른 원소들의 개수. '원소 수' 라고도 하며 |S|로 표기 * 집합 S의 원소 개수가 유한인 경우 '유한 집합'

빅데이터분석기사 필기 공부 day-12 [내부링크]

변수축약 : 변수유도기법. 변수들 간 상관관계를 이용하여 변수를 줄이는 방법 ① 주성분분석(PCA) : 다변량자료에 존재하는 비정규성이나 이상치를 발견하기 위해 변수들의 상관관계가 존재하지 않는 새로운 변수(주성분)를 구하는 것. N개의 변수로부터 서로 독립인 K(<N)개의 주성분을 구해 원 변수의 차원을 줄이는 방법 ② 요인분석(Factor Analysis) : 다수 변수들의 상관관계를 분석하여 공통차원들을 통해 축약해 나가는 방법. 다수 변수들 간 정보손실을 최소화하면서 소수의 요인(Factor)으로 축약하는 것 - 특징 : 독립변수와 종속변수 개념이 없다. 추론통계가 아닌 기술통계기법에 의해 수행할 수 있다(상관분석 등) - 목적: 변수축소(관련 변수 하나로 묶음), 변수제거(중요도 낮은 변수 제거), 변수특성파악(관련 변수 묶음으로 상호독립특성 파악 용이), 측정항목의 타당성 평가(그룹이 되지 않은 변수의 특성 구분 가능), 요인점수를 통한 변수생성(회귀분석, 군집분석, 판

빅데이터분석기사 필기 공부 day-13 [내부링크]

* 데이터 정제 (1) 데이터에 내제된 변수의 이해 데이터 관련 정의 ① 데이터 : 이론을 세우는 기초가 되는 사실 또는 자료. 일정한 규칙에 의해 측정, 조사, 관찰하여 습득하고, 프로그램을 운용할 수 있는 형태로 기호화·수치화한다. ② 단위(Unit) : 관찰되는 항목 또는 대상 ③ 관측값(Observation) : 조사 단위별 기록정보 또는 특성 ④ 변수(Variable) : 각 단위에서 측정된 특성 결과 ⑤ 원자료(Raw Data) : 표본에서 조사된 최초의 자료 데이터의 종류 ① 단변량자료 : 자료의 특성을 대표하는 특성 변수가 하나인 자료 ② 다변량자료 : 자료의 특성을 대표하는 특성 변수가 두 가지 이상인 자료 ③ 질적자료: 정성적 또는 범주형 자료라고도 함. 자료를 범주의 형태로 분류(명목자료, 서열자료 등) - 명목자료 : 측정대상이 범주나 종류에 대해 구분되어지는 것을 수치나 기호로 분류되는 자료(전화번호 국번, 지역번호 등) - 서열자료 : 수치나 기호가 서열

집합(2) [내부링크]

* 집합의 연산 - 집합의 연산에 대해 이해가 쉽도록 '벤 다이어그램'을 이용 전체집합 U는 사각형, U의 부분집합은 원으로 표시 - 합집합 : A∪B = {x|x∈A ∨ x∈B} - 교집합 : A∩B = {x|x∈A ∧ x∈B} · A와 B가 공통 원소를 가지지 않는 경우 '서로소'라고 한다 - 차집합 : A-B = {x|x∈A ∧ x ∉ B} - 대칭차집합 : A⊕B = {x|x∈A∪B ∧ x ∉A∩B} = {x|x∈A-B ∨ x∈B-A} - 곱집합(카티시안곱) : A×B = {(x,y)|x∈A, y∈B}, x∈A이고 y∈B인 모든 순서쌍 (x,y)의 집합 - 집합연산의 카디날리티 · |A∪B| = |A|+ |B| - |A∩B| · |A∩B| = |A|+ |B| - |A∪B| · |A-B| = |A∩Bc| = |A| - |A∩B| · |A×B| = |A| · |B| - 집합의 대수법칙 * 집합류와 멱집합 * 집합의 분할 - 분할의 원소인 Ai = 블록 - Ai는 공집합이 아닌,

진법의 변환 [내부링크]

* 수의 표현과 진법 : 수를 10진법, 2진법, 8진법, 16진법 으로 표현할 수 있음 * 컴퓨터 내부에서는 2진수를 사용하지만, 사람이 관리할 때는 길이가 길어 불편하므로 2진수를 4자리씩 변환하여 16진법으로 많이 사용함 * 진법의 변환 : 주어진 수를 다른 진법으로 변환하는 것 - (156)8 을 10진수로 : 1×82 + 5×81 + 6×80 = 110 * 2진수의 덧셈과 뺄셈 - 보수의 개념 · (r-1)의 보수 : (r-1)값에서 수의 각 자리의 숫자를 뺀다. ex> (123)10의 9의 보수는 (876)10 · r의 보수 : (r-1)의 보수를 구한 후 가장 낮은 자리에 1을 더한다. · 컴퓨터에서는 뺄셈이 없고 덧셈만 가능하므로, 뺄셈은 보수를 이용하여 덧셈으로 변환하여 결과를 얻음 - 1의 보수를 이용한 뺄셈

빅데이터분석기사 필기 공부 day-14 [내부링크]

* 분석 변수 처리 (1) 변수 선택 - 통계적 분석 결과의 신뢰성을 위해 데이터와 변수는 많으면 좋지만, 필요 이상의 많은 데이터를 요구할 수 있다. 예를 들어... 회귀분석의 사례 : 회귀모형에 의한 분석시 결과 도출을 위해 사용된 독립변수 m개의 설명력이 R2=89% 일 때, 더 작은 n개만 사용해도 동일 설명력이 나온다면 변수의 효율적 선택 필요성이 증가한다. 변수별 모형의 분류 ① 전체 모형(FM) : 모든 독립변수를 사용한 모형 ② 축소 모형(RM) : 전체 모형에서 변수의 개수를 줄여서 얻은 모형 ③ 영 모형(NM) : 독립변수가 하나도 없는 모형 변수의 선택 방법 ① 전진 선택법 : 영 모형에서 시작하여 모든 독립변수 중 종속변수와 단순상관계수의 절대값이 가장 큰 변수를 분석모형에 포함시키는 것. 부분 F 검정(F test)을 통해 유의성 검증 시행하는데, 가장 큰 F 통계량을 가지는 모형을 선택하고 유의하지 않은 경우는 변수 선택 없이 과정 중단. 한번 추가된

빅데이터분석기사 필기 공부 day-15 [내부링크]

(1) 데이터 적재 데이터 적재 도구 - 수집한 데이터는 빅데이터 분석을 위한 저장시스템인 관계형DB, HDFS를 비롯한 분산파일시스템, NoSQL 저장시스템에 적재 가능 ① 데이터 수집 도구를 이용한 데이터 적재 - 플루언티드(Fluentd) : 트레저 데이터에서 개발된 크로스 플랫폼 오픈 소스 데이터 수집 소프트웨어. 사용자의 로그를 입력받아 JSON 포맷으로 변한한 뒤 다양한 형태로 출력 - 플럼(Flume) : 많은 로그데이터의 효율적 수집,취합,이동을 위한 분산형 소프트웨어. 로그데이터 수집과 네트워크 트래픽 데이터, 소셜 미디어 데이터, 이메일 메시지 데이터 등 대량의 이벤트 데이터 전송을 위해 사용 - 스크라이브(Scribe) : 많은 서버로부터 실시간 스트리밍되는 로그 데이터를 집약시키기 위한 서버. 클라이언트 사이드 수정 없이 스케일링 및 확장이 가능 - 로그스태시(Logstash) : 다양한 소스에서 데이터를 수집 및 변환한 후 자주 사용하는 저장소 ② NoSQL

증명법 [내부링크]

* 증명의 방법론 - 증명 : 논리적 법칙을 이용하여 주어진 가정으로부터 결론을 유도해내는 추론의 한 방법 어떤 명제나 논증이 적절하고 타당한지 입증하는 작업 - 증명의 단계적 접근 방법 ① 아이디어 스케치 : 문제 해결의 핵심 실마리 기술. 문제해결 방법론 구상 ② 구체적 방법론 제시 : 아이디어를 묶어 구체적 블록 다이어그램으로 표현하거나 프로그래밍의 경우 유사코드 단계까지 구체화 ③ 엄밀한 입증이나 증명의 단계 : 자기가 내린 결론을 객관적인 증명 방법을 통해 누구나 공감할 수 있게 증명하는 일 * 여러 가지 증명 방법 - 증명방법 · 직접증명법 : 논리 함축을 직접 증명하는 것 · 간접증명법 : 논리적 동치 또는 다른 특수 방법으로 증명하는 것(대우 증명법, 존재 증명법 등) · 기타증명법 ① 수학적 귀납법 · 연역법 : 주어진 사실이나 공리들에 입각하여 추론을 통해 새로운 사실 도출 귀납법 : 관찰과 실험에 기반한 가설을 귀납추론을 통해 일반적 규칙을 입증하는 것 · 수학적

빅데이터분석기사 필기 공부 day-16 [내부링크]

NoSQL ① NoSQL 개요 - 관계형 DB보다 유연한 데이터 저장 및 검색을 위한 매커니즘 제공 - 대규모 데이터를 처리하기 위한 확장성, 가용성 및 높은 성능 제공 - SQL 계열 쿼리를 지원하는 DB도 있어서 ‘Not Only SQL’로 불리기도 함 - RDBMS와 NoSQL 비교 구분 장단점 특성 RDBMS · 데이터 무결성과 정확성 보장 · 정규화된 테이블과 소규모 트랜잭션이 있음 · 확장성에 한계 · 클라우스 분산 환경에 부적합 · UPDATE,DELETE,JOIN, 연산 가능 · ACID 트랜잭션이 있음 · 고정 스키마가 있음 NoSQL · 데이터 무결성과 정확성 보장하지 않음 · 웹 환경의 다양한 정보를 검색, 저장 가능 · 수정, 삭제를 사용하지 않음(입력으로 대체) · 강한 일관성은 불필요 ※ ACID : 원자성(Atomicity), 일관성(Consistency), 격리성(Isolation), 지속성(Durability). DB 트랜잭션이 안전하게 수행된다는 것

빅데이터분석기사 필기 공부 day-17 [내부링크]

(1) 데이터 수집 : 데이터 처리 시스템에 들어갈 여러 장소의 데이터를 한 곳으로 모으는 과정 * 데이터 수집 수행 자료 : 용어집, 원천데이터 소유 기관 정보, 서비스 흐름도, 데이터 수집 기술 매뉴얼, 업무 매뉴얼, 인프라 구성도, 데이터 명세서, 소프트웨어 아키텍처 개념도, 데이터 수집 계획서, 수집 솔루션 매뉴얼, 원천 데이터 담당자 정보, 하둡 오퍼레이션 매뉴얼, 비즈니스 및 원천 데이터 파악을 위한 비즈니스 모델 * 기초 데이터 수집 수행 절차 비즈니스 도메인 정보 수집 분석기획서 기반 도메인, 서비스 이해 수집 데이터 탐색 기초 데이터 수집 ·전문가 인터뷰 ·인터뷰 결과 분석 ·비즈니스 현황(이슈) ·원천데이터 습득 현황 ·수집 데이터 선정 ·데이터 위치, 유형, 수집방법, 비용 ·체크 리스트 ·기초 데이터 수집 * 데이터 수집 시스템 구축 절차 수집 데이터 유형 파악 수집 기술 결정 아키텍처 수립 하드웨어 구축 실행환경 구축 ·수집 세부계획서 정독 ·데이터 종류

관계(1) [내부링크]

* 관계와 이항 관계 - 두 집합 A, B에 대해, A로부터 B로의 이항관계(2개 집합 사이의 관계) R은 두 집합의 곱집합 A × B의 부분 집합이다. A × B의 원소인 (a,b) 순서쌍이 주어졌을 때 (a,b)∈R과 aRb 는 동치이다 - - R의 원소인 순서쌍에서 첫번째 원소의 집합을 정의역이라 하고 Dom(R)로 표시 두번째 원소의 집합을 치역이라 하고 Ran(R)로 표시 Dom(R)={a|(a,b)∈R}⊆A Ran(R)={b|(a,b)∈R}⊆B - 관계에서 zRx ≠ xRz 임을 유의 - 집합 A, B에서, 순서쌍의 첫번째 요소는 집합 A의 원소이고 두번째 요소는 집합 B의 원소로 구성된 모든 순서쌍의 집합을 A와 B의 '카티시안곱' 또는 '곱집합' 이라 하고 A × B 로 나타낸다. A × B = {(x,y)|x∈A,y∈B} - 집합 A에서 집합 B로의 관계 R에 대한 '역관계' R-1는 집합 B에서 집합 A로의 관계를 나타냄 R-1 = {(b,a)|(a,b)∈R} ·

빅데이터분석기사 필기 공부 day-18 [내부링크]

데이터 수집 기술 ① 데이터 유형별 데이터 수집 기술 - 정형 데이터 · ETL(Extract Transform Load) : 수집 대상 데이터를 추출 및 가공하여 DW에 저장하는 기술 · FTP(File Transfer Protocol) : TCP/IP나 UDP 프로토콜을 통해 원격지 시스템으로부터 파일 송수신하는 기술 · API(Application Programming Interface) : 솔루션 제조사 및 3rd party 소프트웨어로 제공되는 도구. 시스템 간 연동을 통해 실시간으로 데이터를 수신할 수 있도록 기능을 제공하는 인터페이스 · DBToDB : DBMS 간 데이터를 동기화 또는 전송하는 방법 · 스쿱(Sqoop) : RDBMS와 하둡 간 데이터를 전송하는 방법 - 비정형 데이터 · 크롤링(Crawling) : 인터넷상 제공되는 다양한 웹 사이트로부터 소셜 네트워크 정보, 뉴스, 게시판 등으로부터 웹 문서 및 정보를 수집하는 기술 · RSS(Rich Site S

빅데이터분석기사 필기 공부 day-19 [내부링크]

(4) 데이터 비식별화 비식별화 개요 - 개인정보 비식별화는 개인정보를 식별할 수 있는 값들을 몇 가지 정해진 규칙으로 대체하거나, 사람의 판단으로 가공하여 개인을 알아볼 수 없도록 하는 조치임. 비식별 정보는 개인정보가 아닌 것으로 추정되므로 빅데이터 분석 등에 활용 가능함 ① 식별자(Identifier)와 속성자(Attribute value) - 식별자 : 개인 또는 개인과 관련한 사물에 고유하게 부여된 값 또는 이름. 데이터셋에 포함된 식별자는 원칙적으로 삭제조치하고 이용 목적상 필요한 경우에는 비식별 조치후 활용 ex> 고유식별정보(주민번호,여권번호,면허번호), 성명, 상세주소, 생일, 기념일, 전화번호, 의로기록번호, 계좌번호, 신용카드번호, 자격증 및 면허번호, 자동차번호, 사진, 지문, 홍채, 음성, 이메일주소, 아이디 등 - 속성자 : 개인과 관련된 정보로 다른 정보와 결합시 특정 개인을 알아볼 수도 있는 정보. 데이터셋에 포함된 속성자는 원칙적으로 삭제조치하고 이용

빅데이터분석기사 필기 공부 day-20 [내부링크]

(5) 데이터 품질 검증 데이터 품질 관리 ① 데이터 품질 관리의 정의 : 비즈니스 목표에 부합한 데이터 분석을 위해 가치성, 정확성, 유용성 있는 데이터를 확보하고, 신뢰성 있는 데이터 유지에 필요한 관리 활동 ② 데이터 품질 관리의 중요성 : 분석 결과의 신뢰성은 분석 데이터의 신뢰성과 직접 연계되므로, 빅데이터 특성을 반영한 데이터 품질 관리 체계를 구축하여 효과적인 분석 결과 도출 필요 - 분석 결과의 신뢰성 확보 : 분석 품질을 좌우하는 것은 데이터 품질이다 - 일원화된 프로세스 : 업무 처리, 데이터 관리의 효율화를 도모한다 - 데이터 활용도 향상 : 고품질 데이터 확보로 데이터 이용률을 향상시킨다 - 양질의 데이터 확보 : 불필요한 데이터 제거를 통한 고품질 데이터 준비도를 향상시킨다 데이터 품질 ① 정형 데이터 품질기준 - 완전성 : 개별 완전성, 조건 완전성 · 필수 항목에 누락이 없어야 함 - 유일성 : 단독 유일성, 조건 유일성 · 데이터 항목은 유일해야 하며

빅데이터분석기사 필기 공부 day-21 [내부링크]

(1) 데이터 분석 - 데이터 분석은 대용량의 데이터에서 유용한 정보를 찾고 예측하기 위해 목적에 따라 분석기술과 방법론을 기반으로 정형·비정형 대용량 데이터를 구축, 탐색, 분석하고 시각화를 수행하는 업무. 인사이트를 발굴하고 이를 공유하여 의사결정을 지원하는 것을 목표로 데이터를 정의, 수집, 변환, 모델링, 시각화하는 과정 데이터 분석의 현황 - 대다수 기업들은 빅데이터가 갖고 있는 무한한 비즈니스 잠재력을 규명하는 초기 프로젝트에 머무르고 있음. 빅데이터를 활용하기 위한 장애물은 비용보다 데이터 분석을 수행하기 위한 분석적 방법과 성과에 대한 이해 부족이다 데이터 분석의 지향점 ① 전략적 통찰이 없는 데이터 분석 배제 : 단순히 데이터 분석을 자주, 많이 수행하는 것이 경쟁우위를 가져다주는 것은 아니며, 경쟁의 본질을 제대로 바라보지 못한 분석은 불필요한 결과를 만들어 냄 ② 일차원적인 데이터 분석 지양 : 업계 내부 문제에만 중점을 두고 주로 부서 단위로 관리된다면 전체

빅데이터분석기사 필기 공부 day-22 [내부링크]

(4) 분석 문제 정의 분석 문제 정의 개요 ① 분석 과제 도출 : 해결해야 할 다양한 문제들을 데이터 분석 문제로 변환하여 분석 프로젝트로 수행할 수 있는 과제정의서 형태로 도출 ② 대표적인 분석 과제 도출 방법 : 문제가 먼저 주어지고 해법을 찾아가는 하향식 접근방식, 데이터를 기반으로 문제 재정의 및 해결방안을 탐색하는 상향식 접근방식이 있음 ③ 최적의 의사결정을 위한 혼합방식 : 동적 환경에서 발산과 수렴 단계를 반복 수행하며 상호 보완을 통해 분석의 가치 극대화 - 상향식 접근 방식의 발산(Diverge) 단계 : 가능한 옵션 도출 - 하향식 접근 방식의 수렴(Converge) 단계 : 도출된 옵션을 분석하고 검증 ④ 분석 과제 정의 - 분석 과제 정의서는 다양하게 도출한 분석 과제들을 명확하게 정의하여 상세하게 작성한다. · 필요 데이터, 데이터 수집과 분석 난이도, 분석 방법과 수행 주기, 상세 분석 과정, 분석 결과에 대한 검증 책임자 등 포함 · 조직 내부 뿐 아니

빅데이터분석기사 필기 공부 day-23 [내부링크]

(5) 데이터 분석 방안 분석 방법론 : 데이터 분석의 효율적 수행을 위해 분석 절차를 체계적으로 정리한 방법 - 데이터 분석 시 품질확보를 위해 단계별로 수행해야 할 활동, 작업, 산출물 정의. 프로젝트는 한 개인의 역량이나 조직의 우연한 성공에 의해선 안 되고, 일정 품질 수준 이상의 산출물과 프로젝트 성공 가능성을 제시해야 함 ① 분석 방법론의 구성요건 : 상세한 절차, 방법, 도구와 기법, 템플릿과 산출물, 어느 정도의 지식만 있으면 활용 가능한 수준의 난이도 ② 분석 방법론의 생성과정 : 형식화, 체계화, 내재화의 선순환 과정 - 형식화 : 개인의 암묵지가 조직의 형식지로 발전. 분석가 경험을 바탕으로 정리하여 문서화 - 체계화 : 문서화한 최적화된 형식지로 전개됨으로써 방법론 생성. 문서에는 절차,활동,작업,산출물,도구 등 정의 - 내재화 : 개인에게 전파되고 활용되어 암묵지로 발전. 전파된 방법론을 학습하고 활용하여 내재화 계층적 프로세스 모델 구성 : 분석방법론은

빅데이터분석기사 필기 공부 day-24 [내부링크]

(7) 데이터 분석 거버넌스 데이터 분석 거버넌스 개요 ① 데이터 분석 거버넌스의 필요성 : 데이터 분석 업무를 하나의 기업 문화로 정착 및 지속적인 고도화를 위함 ② 데이터 분석 거버넌스의 구성요소 - 데이터 분석 기획과 관리를 수행하는 조직(Organization) - 데이터 분석 과제 기획과 운영 프로세스(Process) - 데이터 분석 지원 인프라(System) - 데이터 거버넌스(Data) - 데이터 분석 교육 및 마인드 육성 체계(Human Resource) 데이터 분석 기획과 관리를 수행하는 조직 ==> ‘01.빅데이터 분석 기획 > 1. 빅데이터의 이해 > 빅데이터 개요 및 활용 > (6) 빅데이터 조직 및 인력’ 참고 데이터 분석 과제 기획과 운영 프로세스 ① 데이터 분석 과제 관리 프로세스의 구성 - 과제 발굴 단계 · 개별 조직이나 개인이 도출한 데이터 분석 아이디어 발굴 · 발굴된 아이디어를 과제화하여 데이터 분석 과제 풀로 관리 · 데이터 분석 프로젝트

빅데이터분석기사 필기 공부 day-25 [내부링크]

* 분석 작업 계획 (1) 분석 작업 개요 - 분석 작업 계획 수립을 위해 데이터 처리 프로세스 전체에 대한 이해가 필요 데이터 처리 영역 데이터 분석 영역 데이터 소스 데이터 수집 데이터 저장 데이터 처리 데이터 분석 데이터 표현 내부 데이터 입력 정형 데이터 배치 처리 전처리 시간 시각화 외부 데이터 로그수집기 비정형 데이터 실시간 처리 분석 방법 관계 시각화 미디어 정보 크롤링 저장 장치 분산 처리 머신러닝 공간 시각화 센싱 딥러닝 분포 시각화 데이터 처리 영역 : 데이터 분석을 위한 기초 데이터를 정의하고 수집 및 저장, 분석이 수월하도록 물리적 환경 제공 단계 내용 데이터 소스 기업 내 각 부서나 서비스별 적재되고 있는 내부 데이터와 다른 기업이나 공공 데이터 등 외부 데이터가 있다 데이터 수집 사용자로부터 데이터를 직접 입력받거나 로그수집기, 크롤링, 센서네트워크 등을 통해 데이터 수집 데이터 저장 데이터를 유형별로 나눠 최적의 설계를 하여 데이터 스토리지에 저장 데이터

빅데이터분석기사 필기 공부 day-26 [내부링크]

* 빅데이터 개요 및 활용 (1) 데이터와 정보 데이터의 정의 : 추론과 추정의 근거를 이루는 사실. 현실 세계에서 관찰하거나 측정하여 수집한 사실 데이터의 특징 - 단순한 객체로도 가치가 있으며 다른 객체와의 상호관계 속에서 더 큰 가치를 갖는다. - 객관적 사실이라는 존재적 특성을 갖는다. - 추론, 추정, 예측, 전망을 위한 근거로써 당위적 특성을 갖는다. 데이터의 구분 ① 정량적 데이터 : 숫자로 이루어진 데이터 ② 정성적 데이터 : 문자와 같은 텍스트로 구성되며 함축적 의미를 지니고 있는 데이터 정량적 데이터 정성적 데이터 유형 정형 데이터, 반정형 데이터 비정형 데이터 특징 여러 요소의 결합으로 의미 부여 객체 하나가 함축된 의미 내포 관점 주로 객관적 내용 주로 주관적 내용 구성 수치나 기호 등 문자나 언어 등 형태 데이터베이스, 스프레드시트 등 웹 로그, 텍스트 파일 등 위치 DBMS, 로컬 시스템 등 내부 웹사이트, 모바일 플랫폼 등 외부 분석 통계 분석시 용이

빅데이터분석기사 필기 공부 day-27 [내부링크]

(1) 빅데이터 플랫폼 : 빅데이터 수집부터 저장, 처리, 분석 등 전 과정을 통합적으로 제공하여 그 기술들을 잘 사용할 수 있도록 준비된 환경 빅데이터 플랫폼의 등장배경 ① 비즈니스 요구사항 변화 : 빠른 의사결정보다 장기적이고 전략적인 접근 필요. 초저가의 대규모 프로세싱과 클라우드 컴퓨팅 기반의 분석 환경 등장 ② 데이터 규모와 처리 복잡도 증가 : 다양한 형태의 데이터 수집과 복잡한 로직을 이용한 대용량 처리 필요. 분산 처리가 불가피하며 이를 제어할 수 있는 고도의 기술 필요 ③ 데이터 구조의 변화와 신속성 요구 : SNS 데이터나 로그 파일, 스트림 데이터 등 비정형 데이터 비중과 실시간 처리에 대한 요구 높아짐. 약한 관계형 스키마나 반정형 데이터 같은 정형적이지 않은 데이터 증가 ④ 데이터 분석 유연성 증대 : 기존 통계적 분석방법과 같이 정해진 절차와 과정을 따르지 않아도 분석 목적에 맞게 유연한 분석이 가능해짐. 인공지능 기술 발전으로 다양한 방법론을 통해 텍스트

빅데이터분석기사 필기 공부 day-28 [내부링크]

인공지능(AI:Artificial Intelligence) ① 인공지능의 정의 : 인공지능은 기계를 지능화(객체가 환경에서 적절히, 예지력을 갖고 작동하도록 하는 것)하는 노력 ② 인공지능과 기계학습 및 딥러닝의 관계 : 인공지능을 논할 때 기계학습과 딥러닝을 혼재하여 사용 - 인공지능은 사람이 생각하고 판단하는 사고 구조를 구축하려는 전반적인 노력임 - 기계학습은 인공지능의 연구 분야 중 하나로 인간의 학습 능력과 같은 기능을 축적된 데이터를 사용하여 실현하고자 하는 기술 및 방법(분석기법-KNN(K Nearest Neighborhood)) - 딥러닝은 기계학습 방법 중 하나로 컴퓨터가 많은 데이터를 이용해 사람처럼 스스로 학습할 수 있도록 인공신경망 등의 기술을 이용한 기법(분석기법-CNN, RNN(Recurrent Neural Network), LSTM(Log Short-Term Memory), Auto-encoder) ③ 딥러닝의 특징 - 기존 함수추정 방법으로써의 신경망

빅데이터분석기사 필기 공부 day-29 [내부링크]

분석 모형 선정 필요성 : 분석기법 또는 분석알고리즘을 적용하기 전 분석 모형 선정 필요. 분석이 필요한 데이터 속성을 세부적으로 파악 및 처리한 뒤 분석 모형을 선정, 적합한 분석 기법 선택 - 데이터가 준비되어 있지 않다면 사전 분석 목적을 정확하게 파악해야 문제인식과 필요 데이터 준비에 따른 분석 모형 선정을 수월하게 진행할 수 있음 - 분석 목적 : 의사결정, 불확실성 해소, 요약, 인과관계파악, 예측 · 의사 결정 – 여러 대안 중 하나의 행동을 고르는 일을 하는 정신적 지각 활동으로 최종 하나의 선택을 가지고 결과 도출 · 불확실성 해소 – 분석을 통해 불확실성 제어 · 요약 – 데이터 요약을 통해 현 상황 파악 및 다음 대응 방안 생각 · 인과관계 파악 – 데이터 간 연관관계 분석으로 원인과 결과 파악 및 세부적 판단 · 예측 – 원인과 결과로 어떤 패턴 파악 시 다음에 생길 결과 예측이 가능 - 빅데이터 분석 근본 목적 : 과거 데이터를 토대로 원인에 대해 분석하고

빅데이터분석기사 필기 공부 day-30 [내부링크]

학습 유형에 따른 데이터 분석 모델 ① 지도학습(Supervised Learning) : 정답(Label,라벨 또는 레이블)이 있는 데이터를 활용해 데이터를 학습시키는 방법으로 입력값이 주어질 때 정답이 무엇인지 알려주면서 컴퓨터를 학습시키는 방법 - 지도학습은 대표적으로 분류(Classification)와 회귀(Regression)로 구분 - 분류는 주어진 데이터에 대해 두 가지 중 하나로 분류하는 이진분류와 여러 가지 중의 하나로 분류하는 다중분류가 있음 - 회귀(예측)는 주어진 데이터의 특징을 기반으로 새로운 데이터 값을 예측하는 것임 <지도학습 모델에서 활용되는 대표적 데이터분석 기법> - 지도학습 예 : 손글씨로 작성된 숫자 이미지 데이터 분류 ② 비지도학습(Unsupervised Learning) : 정답 없는 데이터를 컴퓨터 스스로 학습하여 숨겨진 의미, 패턴을 찾아내고 구조화하는 방법. 입력값은 있으나 정답이 없어 출력값이 존재하지 않으므로 학습모델의 성능을 평가하기

자격증 접수 [내부링크]

틈틈이 점심시간마다 책보면서 요점 정리했는데, 정리한거 다시 보니 너무 낯설다 일단 그래도 접수는 했다. 한달도 안남았는데.... 요점정리 훑어보고 문제도 풀어봐야지!

빅데이터 분석기사 자격증 취득 ^^ [내부링크]

작년 6월 빅데이터분석기사 자격증 취득을 준비하며 블로그에 한달정도 필기 공부한 내용을 올렸었는데, 그 뒤로도 꾸준히 점심시간과 퇴근후 집에서 열공을 했더랬다 ㅎㅎ 필기 합격하고, 다행히 첫번째 실기에서 붙어서 자격증을 취득할 수 있었다^^ 실기는 실기책을 별도로 구매해서 실기 유형을 여러번 실습하며 공부했다. 데이터 분석이나 빅데이터, 인공지능 등에 관심이 있었고 데이터 분석을 업무에서도 활용할 수 있지 않을까 했지만 부서이동으로 인해 이제는 데이터 관련된 일을 직접적으로 하지 않다보니 자격증만 따놓고 활용은 못하고 있는 상태이다. 그래도 앞으로의 일은 모르는 것이니 차곡차곡 타이탄의 도구들을 쌓아보아야지^^

[Book] 역행자 [내부링크]

역행자 저자 자청 출판 웅진지식하우스 발매 2022.05.30. 순리자는 유전자와 본성의 명령에 따라 살아가는 사람들이다. 이 책은 이런 방식에서 벗어나 역행자로서 경제적 자유에 이를 수 있는 7단계 모델에 대해 알려준다. 1단계 자의식 해체 나는 원래 못나서.. 멍청해서.. 돈보다 가치를 중요시해서.. 등 나를 속이는 자의식을 해체해야 한다. 자의식에 갇히면 책을 수백권 읽어도 아무것도 이루지 못하고 답답할 정도로 고집을 부린다. 누군가에게 불쾌한 감정을 느낀다면 열등감인지, 자의식 때문인지 등 이유를 생각해보고 그 사람에 대해 인정할건 인정하고, 나를 변화시킬 계기로 삼아보자. 2단계 정체성 만들기 정체성은 삶의 동기다. 인생을 변화시킬만한 사건이 일어난다면 정체성을 바꿀 수 있지만 그런 엄청난 사건은 거의 일어나지 않는다. 책을 통해 간접적으로 책 속 인물의 성공 스토리에 내 마음과 삶을 동기화시키거나, 나를 궁지에 몰아넣어 반드시 어떤 일을 하도록 환경을 조성해라. 또는 관심

공공SW사업 법제도 점검항목-14.요구사항 상세화 [내부링크]

공공SW사업 법제도 점검항목-14.요구사항 상세화 발주기관은 제안요청서에 세부적인 요구사항을 명확히 정하여 명시·공개해야 합니다. 법제도 준수여부 판단 기준 소프트웨어 사업의 상세요구사항 작성표 사용여부 별지 제6호서식 소프트웨어사업 상세 요구사항 세부내용 작성표(소프트웨어사업 계약 및 관리감독에 관한 지침) 발주기관 유의사항 발주기관은 제안요청서 작성 시 소프트웨어사업의 요구사항 분석·적용기준을 준용하여 사업의 요구사항을 명확히 명시해야 합니다. ※ SW산업정보종합시스템(www.swit.or.kr) > 정보센터 > SW제도자료실)에서 ‘소프트웨어사업 요구사항 분석·적용 가이드’, ‘공공SW사업 제안요청서 작성을 위한 요구사항 상세화 실무가이드라인’ 다운로드 가능 첨부파일 공공 SW사업 제안요청서 작성을 위한 요구사항 가이드-20210219.pdf 파일 다운로드 첨부파일 소프트웨어사업 요구사항 분석·적용 가이드-20210219.pdf 파일 다운로드 관련 근거 소프트웨어진흥법 제44조

공공SW사업 법제도 점검항목-07.개발SW의 공동활용 사전 명시 [내부링크]

공공SW사업 법제도 점검항목-07.개발SW의 공동활용 사전명시 소프트웨어사업에서 당해 계약으로 개발되는 소프트웨어를 발주기관이 타기관과 공동으로 활용하는 경우, 발주기관은 그 대상기관의 범위 등을 입찰 공고에 명시하고 이를 계약서에 반영해야 합니다. 따라서 발주기관은 개발되는 소프트웨어를 타 기관과 공동활용할 계획이 있는지 그 여부를 제안요청서에 사전 안내하고, 타 기관과 공동 활용 계획이 있는 경우에는 공동활용 대상기관의 범위를 입찰공고 및 제안요청서 등에 사전에 명시하여야 합니다. 이 때 공동활용 계획이 없는 경우에도 계획이 없음을 제안요청서에 명시합니다. 법제도 준수여부 판단 기준 개발소프트웨어가 타 기관에 공동활용되는지 사전에 안내하고, 공동활용시 타 기관을 명시하였는지 여부 적용 대상 소프트웨어 개발사업 관련근거 국유재산법 제65조의12(저작권의 귀속 등) ① 중앙관서의 장등은 국가 외의 자와 저작물 제작을 위한 계약을 체결하는 경우 그 결과물에 대한 저작권 귀속에 관한 사

공공SW사업 법제도 점검항목-08.하자담보 책임기간 및 범위 [내부링크]

공공SW사업 법제도 점검항목-08.하자담보 책임기간 및 범위 소프트웨어사업자는 소프트웨어사업이 종료한 날로부터 1년 이내에 발생한 하자에 대해서만 담보 책임이 부과됩니다. 유지관리는 하자보수 용어와 다르며, 유지관리는 무상으로 요구할 수 없습니다. 따라서, ‘무상유지보수(관리)’라고 명시하거나 유지보수사항을 하자보수의 범위로 포함하여 명시하지 않아야 합니다. 발주기관은 제안요청서 작성 시 하자담보 책임기간을 1년 이내로 명시해야 합니다. 그리고 하자보수 범위 내의 책임을 부여하고 사업관리시 준수해야 합니다. 법제도 준수여부 판단 기준 검수후 최종산출물을 인도한 날부터 1년 이내로 하자담보책임기간 명시했는지 여부 적법한 하자담보책임의 범위 내의 내용을 명시했는지 여부(범위를 넘은 사항은 유상 유지관리에 해당) 하자보수와 혼용하여 ‘무상유지보수’ 용어를 사용했는지 여부(유지보수는 유상임) 용역계약일반조건에서 정하는 유지보수 사항(범위내)을 하자보수로 명시하는지 여부 관련근거 소프트웨어

공공SW사업 법제도 점검항목-09.특정규격 명시 금지 [내부링크]

공공SW사업 법제도 점검항목-09.특정규격 명시 금지 소프트웨어 도입이 포함된 사업에서 경쟁참가자의 자격을 제한하는 특정상표 또는 특정규격 및 모델을 지정하여 입찰에 부치는 등의 행위를 금지하고 있습니다. 법제도 준수여부 판단 기준 특정상표 또는 모델・규격 등 명시여부 발주기관 유의사항 입찰공고 시 특정상표, 규격, 모델을 지정하지 않아야 하며, 물품 납품 시에도 특정상표, 모델이 아니라는 이유로 일방적인 납품 거부를 해서는 안됩니다. 사업 발주 시, 특수한 성능 등이 일부만 포함되어 있는 경우에는 일반경쟁 또는 제한경쟁을 실시하되, 특수한 성능 등을 규격서에 반영하고자 하는 경우 규격서 작성 단계에서 입찰공고 전에 “제조사 또는 기술지원사와 물품공급 또는 기술지원 협약을 체결하여야 하며, 이에 따른 협약 내용(협약서 등)을 입찰 공고에 명시(정부 입찰·계약 집행기준 제5조의3 / 지자체 입찰 및 계약집행기준 118면 등)해야 합니다. 관련근거 (계약예규)정부입찰・계약집행기준 제5조

공공SW사업 법제도 점검항목-10.협상에 의한 계약 방식 적용 [내부링크]

공공SW사업 법제도 점검항목-10.협상에 의한 계약 방식 적용 국가기관등의 장은 소프트웨어의 계약을 체결하려는 경우, 협상에 의한 계약 체결 방식 또는 경쟁적 대화에 의한 계약체결 방식*을 우선적으로 적용해야 합니다. * 기술적 요구 사항이나 최종 계약목적물의 세부내용을 미리 정하기 어려운 경우, 물품ㆍ용역 등의 대안이 다양하여 최적의 대안을 선정하기 어려운 경우, 상용화되지 아니한 물품을 구매하려는 경우, 그 밖에 계약목적물의 내용이 복잡하거나 난이도가 높은 경우 등으로 국가기관등의 장이 필요하다고 인정하는 경우에 경쟁적 대화에 의한 계약방식 적용 법제도 준수여부 판단 기준 SW사업에 대한 협상에 의한 계약체결 방식 채택 여부 또는 경쟁적 대화에 의한 계약체결방식 채택 여부 발주기관 유의사항 소프트웨어사업을 협상에 의한 계약체결방식으로 적용시 추가적으로 아래 항목을 준수해야 합니다. 국가를 당사자로 하는 계약인 경우, 제안서 평가결과 기술능력평가 점수가 기술능력평가 분야 배점한도의

공공SW사업 법제도 점검항목-11.기술능력평가비중(90%) 도입 [내부링크]

공공SW사업 법제도 점검항목-11.기술능력평가비중(90%) 도입 제안서 평가 시 기술능력과 입찰가격을 종합적으로 평가하며, 이때 기술능력 평가의 비율은 90%로 정해야 합니다. 법제도 준수여부 판단 기준 협상방식 적용사업에서 기술능력 대 가격 점수 비중을 90:10로 제시여부 발주기관 유의사항 「지방자치단체 입찰 시 낙찰자 결정기준」 제5장 제3절에 따라, 제안서의 평가 시 지방자치단체의 장이나 계약담당자는 평가항목과 배점한도를 기준으로 세부평가기준을 정할 수 있습니다. 이 경우 사업의 특성·목적 및 내용 등을 고려하여 필요한 때에는 제안서 평가항목과 배점한도의 분야별 배점한도를 10점의 범위에서 가감 조정이 가능합니다. 불필요한 개선권고, 통지 등의 예방차원에서 상기 지침에 따라 80:20을 적용하고자 하는 경우 추정가격 중 하드웨어 비중이 50%이상, 내부규정(근거 규정 제시) 등임을 반드시 명시해야 합니다. 관련 근거 (계약예규) 협상에 의한 계약체결기준 제7조(제안서의 평가)

공공SW사업 법제도 점검항목-12.SW기술성평가기준 적용 [내부링크]

공공SW사업 법제도 점검항목-12.SW기술성평가기준 적용 발주기관은 소프트웨어 사업 추진시 기술력이 우수한 사업자 및 상용소프트웨어 선정을 위해, 최신 '소프트웨어 기술성 평가기준'을 준용하여 제안서 기술능력 평가기준을 마련하도록 합니다. 발주기관은 「소프트웨어 기술성 평가기준 지침」 을 기준으로 SW사업의 특성 및 내용 등을 고려하여 적절한 평가방법 및 기준을 정하고 이를 제안요청서에 명기합니다. 법제도 준수여부 판단 기준 기술능력평가 시 평가기준을 SW기술성 평가기준을 적용・활용하였는지 여부 각 평가부문별 배점한도를 30점 이하로 준수하였는지 여부 차등점수제 도입시 입찰공고문, 제안요청서에 명시했는지 여부 발주기관 유의사항 평가항목은 소프트웨어사업의 유형 및 특성별로 가감 조정 가능 총 배점한도는 100점이고 각 평가분문별 배점 한도는 30점을 초과하지 못하며, ‘상생협력’, ‘하도급계획 적정성’ 평가항목의 각 배점한도는 5점 이상 대기업인 소프트웨어사업자의 참여가 제한되는 사업

공공SW사업 법제도 점검항목-13.SW사업 제안서 보상 [내부링크]

공공SW사업 법제도 점검항목-13.SW사업 제안서 보상 20억원 이상의 소프트웨어사업 추진 시 낙찰자로 결정되지 아니한 자 중 제안서 평가 결과 우수자에 대해 예산범위 내에서 제안서 작성비의 일부 보상을 실시합니다. 법제도 준수여부 판단 기준 20억원 이상의 SW 개발사업에서 제안서 보상에 대한 명시 여부 발주기관 유의사항 발주기관은 총사업예산 20억원 이상인 소프트웨어사업의 계약체결 시 제안서 보상규정을 검토하여 ‘우수 제안서에 대해 작성비의 일부 보상’ 여부를 명기해야 합니다. 제안서 보상을 하지 않은 제안서에 대해 무단으로 활용할 경우 저작권법의 침해를 가져오기 때문에 기술협상 등의 과정에 활용하는 것은 지양합니다. 다만, 제안서 보상을 한 제안서에 대해 발주기관은 제안자의 동의 없이 활용 가능합니다. 관련 근거 소프트웨어진흥법 제52조(소프트웨어사업 제안서 보상) ① 국가기관등의 장은 소프트웨어사업을 추진하는 경우 낙찰자로 결정되지 아니한 자 중 제안서 평가에서 우수한 평가를

공공SW사업 법제도 점검항목-02.상용SW직접구매,BMT [내부링크]

공공SW사업 법제도 점검항목-02.상용SW 직접구매, SW 품질성능 평가시험(BMT) 상용소프트웨어 직접구매 개요 일정 규모 이상의 소프트웨어 도입이 포함된 사업에서 상용SW만 별도 분리하여 개별적으로 계약을 실시하는 것입니다. 직접구매 대상 상용SW 제품이 1개라도 존재하는 사업인 경우 「소프트웨어사업 계약 및 관리 감독에 관한 지침」 별지 2호서식 ‘직접구매 대상 상용SW 구매계획’을 제안요청서 내에 첨부합니다. 첨부파일 [별지 2] 직접구매 대상 상용소프트웨어 구매계획(제7조 관련)(소프트웨어사업 계약 및 관리감독에 관한 지침).hwpx 파일 다운로드 만약 상용SW만 분리하여 직접구매 하지 않고, 제안요청서 내에 상용SW를 포함하여 통합으로 사업을 발주하려는 경우에는 조달청장(조달의뢰시) 또는 상위기관(자체발주시)에게 미리 검토를 요청하고 그 검토결과서를 제안요청서에 첨부해야 합니다. 단, 제외사유 적용 품목(직접구매 없이 통합 발주하는 경우)이 전체 직접구매 대상 상용SW 품

정보시스템 감리 개념과 근거, 대상사업 [내부링크]

정보시스템 감리란? 정보시스템 감리 기준 제2조(정의)에 따르면, "감리"란 발주자와 사업자 등의 이해관계로부터 독립된 자가 정보시스템의 효율성을 향상시키고 안전성을 확보하기 위하여 제3자의 관점에서 정보시스템의 구축 및 운영 등에 관한 사항을 종합적으로 점검하고 문제점을 개선하도록 하는 것을 말합니다. 첨부파일 정보시스템 감리기준(행정안전부고시)(제2021-4호)(20210119).hwp 파일 다운로드 감리 근거 전자정부법 제57조(행정기관등의 정보시스템 감리) ① 행정기관등의 장은 정보시스템의 특성 및 사업 규모 등이 대통령령으로 정하는 기준(전자정부법 시행령 제71조제1항)에 해당하는 정보시스템에 대하여 제58조제1항에 따른 감리법인으로 하여금 정보시스템 감리를 하게 하여야 한다. 다만, 제64조의2에 따라 전자정부사업관리를 위탁한 경우로서 대통령령으로 정하는 전자정부사업(전자정부법 시행령 제71조제2항)에 대해서는 그러하지 아니하다. ② 행정기관등의 장은 감리를 시행하는 사업

PMO의 개념과 근거, 대상사업 [내부링크]

PMO란? PMO는 Project Management Office의 약자로, 프로젝트 관리조직을 뜻합니다. 전자정부사업의 위험을 방지하고 품질을 향상시키기 위해 전자정부사업의 관리·감독 업무를 PMO에 위탁합니다. PMO는 대상사업의 기획부터 사업 후까지 전 단계에 걸쳐 사업관리를 수행하고, 기술 측면을 지원합니다. PMO 도입 배경 2012년 5월 「소프트웨어 진흥법」 개정으로 국가기관 등이 발주하는 소프트웨어사업에 대기업의 참여제한이 강화됨에 따라 공공 정보화사업이 중소기업 중심으로 전환되었습니다. 하지만 중소기업은 대기업에 비해 전자정부사업의 경험이 다소 적기 때문에 정보화사업 품질 확보를 위해 체계적이고 원활한 사업관리 능력이 보다 중요해지게 되었습니다. 또한, 국가 정보화사업이 고도화되며 다부처 연계·통합 사업과 ICBAM(IoT, Cloud, BigData, AI, Mobile) 등 지능정보기술 적용 사업이 증가했고, 전 세계적으로 사이버 공격과 개인정보 유출 등 보안문제

공공SW사업 법제도 점검항목-03.중소 SW사업자의 사업 참여지원 [내부링크]

공공SW사업 법제도 점검항목 03-중소SW사업자의 사업 참여지원 「중소 소프트웨어사업자의 사업 참여 지원에 관한 지침」에 의해, 대기업인 소프트웨어사업자가 참여할 수 있는 공공 소프트웨어 사업 금액의 하한이 적용됩니다. 따라서, 소프트웨어사업 제안요청서 작성시에는 사업금액에 따른 대기업 참여 하한 적용 및 입찰참가자격을 명시해야 하며, 상호출자제한기업집단의 참여 제한도 명시해야 합니다. 중소 소프트웨어사업자의 사업 참여 지원에 관한 지침 제2조(사업금액의 하한) - [별표 1] 관련 근거 소프트웨어 진흥법 제48조(중소 소프트웨어사업자의 사업 참여 지원) ① 정부는 중소 소프트웨어사업자 육성을 통한 소프트웨어산업의 건전한 발전을 위하여 국가기관등이 발주하는 소프트웨어사업에 대통령령으로 정하는 중소 소프트웨어사업자의 참여를 확대할 수 있는 조치를 마련하여야 한다. ② 국가기관등의 장은 소프트웨어사업 발주 시 과학기술정보통신부장관이 정하여 고시하는(중소 소프트웨어사업자의 사업 참여 지원

공공SW사업 법제도 점검항목-04.하도급 제한 [내부링크]

공공SW사업 법제도 점검항목 04-하도급 제한 공공 소프트웨어사업에서는 사업금액의 50%를 초과하는 하도급은 제한하고 있습니다. 그리고, 다시 하도급(재하도급)을 원칙적으로 금지하며, 하도급을 하는 경우 미리 발주기관으로부터 승인을 받아야 합니다. 따라서 제안요청서 작성 시에는 아래 사항에 대해 명시해야 합니다. 단, 제안요청서상에서 하도급을 허용하지 않을 경우 관련 문구 명시는 생략합니다. - 하도급 사전승인 - 하도급 비율 제한(50% 초과) 및 다시 하도급 원칙적 금지 - 소프트웨어사업 하도급 계획서 제출 - 하도급 계약의 적정성 판단 세부기준(가감조정된 경우 가감조정된 기준) - 사업금액 10%를 초과하여 하도급하려는 경우에 대해 공동수급체 요청 시 명시 법제도 준수 여부 판단 기준 아래 사항에 대해 제안요청서에 명시했는지를 기준으로 법제도를 준수 여부를 판단하고 있습니다. ・하도급을 허용하는 경우 계약상대자가 반드시 발주기관 사전승인을 받도록 명시했는지 여부 ・하도급 비율(

공공SW사업 법제도 점검항목-05.작업장소 [내부링크]

공공SW사업 법제도 점검항목-05.작업장소 소프트웨어사업 수행을 위해 필요한 장소 및 설비, 기타 작업 환경은 발주기관과 계약당사자가 상호 협의하여 결정해야 합니다. 원격개발 활성화를 통해 소프트웨어의 특성에 맞는 유연한 근무환경을 조성하고자 소프트웨어사업의 작업장소 협의시 발주자는 원칙적으로 계약상대자가 제시하는 장소를 우선 검토하도록 하고 있습니다. 따라서 제안요청서 작성 시 작업장소 등의 상호협의 결정을 명시하고, 발주기관이 제공하는 경우 작업 장소 등에 관한 비용에 대해 사업예산에 계상되어 있음을 명시해야 합니다. 또한, 작업장소에 관한 보안요구사항을 명시하고, 공급자가 요구된 보안요구사항을 준수하여 작업장소를 제시하는 경우 우선 검토함을 기재합니다. 법제도 준수 여부 판단 기준 아래 사항에 대해 제안요청서에 명시했는지를 기준으로 법제도를 준수 여부를 판단하고 있습니다. ・SW사업수행을 위한 작업장소 협의결정 명시 여부 ・작업장소비용의 사업예산 계상여부 ・작업장소에 관한 보안

전자정부 사전협의 제도의 문제점 [내부링크]

전자정부 사전협의 제도 국가기관 등에서 추진하는 정보화사업은 그 규모와 수가 해마다 증가하고 있습니다. 또한 각 기관별로 정보화사업을 추진하게 되면서 기관간 비슷한 시스템을 개발하거나, 불필요하고 과도한 비용을 투입하여 비효율적인 구축 사업을 추진하는 경우들도 많아지게 되었습니다. 정부는 이러한 중복 개발 구축을 방지하고, 상호연계·공동 이용·표준 등 제도 준수 여부 등을 검토·조정하기 위해 사전협의 제도를 시행하고 있습니다. 전자정부법 제67조(사전협의) ① 행정기관등의 장은 다른 행정기관등과의 상호연계 또는 공동이용과 관련한 전자정부사업 및 지역정보화사업을 추진할 때에는 중복투자 방지 등을 위하여 중앙사무관장기관의 장과 사전에 협의하여야 한다. 다만, 시장ㆍ군수ㆍ구청장(자치구의 구청장을 말한다)이 추진하는 전자정부사업 및 지역정보화사업에 대하여는 특별시장ㆍ광역시장 및 도지사와 협의하여야 한다. ② 행정기관등의 장은 제1항에 따른 사전협의 결과를 해당 사업을 추진할 때 반영하여야

공공SW사업 법제도 점검항목-06.SW사업 산출물 활용 보장 [내부링크]

공공SW사업 법제도 점검항목-06.SW사업 산출물 활용 보장 소프트웨어사업 계약을 통해 지식재산권이 발생하는 경우, 계약당사자 간 공동소유가 원칙입니다. 공급자는 지식재산권 행사를 위해 필요한 소프트웨어산출물 반출을 요청할 수가 있고, 발주기관은 보안업무규정이나 누출금지에 따른 비밀에 해당하지 않는 경우 산출물을 제공할 수 있습니다. 법제도 준수 여부 판단 기준 지식재산권 공동소유 원칙 명시여부 국방・국가안보 등 이유로 발주기관 귀속 시 그 사유를 명시하였는지 여부 누출금지정보 등 보안관련 사항 및 계약 목적물의 반출 절차 등의 명시 여부 유의 사항 발주기관에서는 제안요청서 작성시 계약목적물의 지식재산권은 계약당사자간 공동소유로 한다고 명시해야 합니다. 그리고 SW산출물 반출 절차에 대해 명시해야 하고 사업관리시 해당 내용을 준수해야 합니다. 적용 대상 사업 계약목적물의 지식재산권이 발생하는 소프트웨어사업이 대상입니다. <적용 예외> 산출물이 「보안업무규정」 제2조제1호에 따른 비밀

정보화사업 전자정부 사전협의 제도 [내부링크]

전자정부 사전협의 사전협의 목적 사전협의는 사업발주 단계에서 중복개발·구축, 상호연계, 공동 이용, 표준 등 관련 제도의 준수 여부 등을 검토·조정하여 상호연계 및 공동활용을 제고하고 중복투자를 방지함으로써 정보화예산의 투자효율성을 제고하기 위해 시행되고 있습니다. 사전협의 대상사업 ∙ 사전협의의 대상사업은 예산과목 및 계약방식과 관계없이* 대상기관이 추진하는 모든 정보화사업임 * 디지털서비스 전문계약제도 이용 계약, 공모, R&D, 민간투자형 소프트웨어사업 등 예산과목 및 계약방식에 관계 없음 ∙ 사업금액이 아래에 해당하는 사업은 제외하되, 신규로 추진하는 사업은 대상에 포함됨 - (중앙·공공기관) 10억원 미만 - (광역·공기업) 1억원 미만 - (기초·공기업) 5천만원 미만 ∙ 사업금액과 상관없이 아래의 사업은 신규 사업으로 보아 대상에 포함 ① 정보시스템 구축을 목적으로 하는 BPR/ISP, ISP, ISMP 사업 ② ISP 등의 결과에 따른 구축 사업 ③ 신규 홈페이지·모바

정보시스템 감리와 PMO의 차이 [내부링크]

감리와 PMO의 차이 정보시스템 감리란? 정보시스템 감리는 발주자나 사업자가 아닌 제3자인 감리법인이, 정보시스템 구축이나 운영 사항을 점검하여 문제점 발견시 이를 개선하도록 하는 것입니다. 전자정부법 제2조(정의) 14. “정보시스템 감리”란 감리발주자 및 피감리인의 이해관계로부터 독립된 자가 정보시스템의 효율성을 향상시키고 안전성을 확보하기 위하여 제3자의 관점에서 정보시스템의 구축 및 운영 등에 관한 사항을 종합적으로 점검하고 문제점을 개선하도록 하는 것을 말한다. 감리 수행 대상 정보시스템 사업 전자정부법 제57조(행정기관등의 정보시스템 감리) ① 행정기관등의 장은 정보시스템의 특성 및 사업 규모 등이 대통령령으로 정하는 기준에 해당하는 정보시스템에 대하여 제58조제1항에 따른 감리법인으로 하여금 정보시스템 감리를 하게 하여야 한다. 다만, 제64조의2에 따라 전자정부사업관리를 위탁한 경우로서 대통령령으로 정하는 전자정부사업에 대해서는 그러하지 아니하다. 감리는 전자정부법 제

소프트웨어사업 영향평가 개념과 대상사업(소프트웨어 진흥법 시행령 2023.10.19기준 개정내용 수정) [내부링크]

소프트웨어사업 영향평가란? 국가기관 등에서 소프트웨어사업 예산 편성, 발주, 소프트웨어 배포 및 서비스 제공을 추진하는 경우 민간 소프트웨어 시장 침해 여부 등 소프트웨어 산업 생태계에 미치는 영향을 검토하여 사전에 조정하는 제도입니다. 소프트웨어사업 영향평가 근거 ※ 소프트웨어 진흥법 시행령 [시행 2023.10.19] 개정 내용 반영 소프트웨어 진흥법 제43조(소프트웨어사업 영향평가) ① 국가기관등의 장은 소프트웨어사업을 추진하는 경우 대통령령으로 정하는 기한까지 민간 소프트웨어 시장에 미치는 영향을 분석하는 소프트웨어사업 영향평가를 하여야 한다. 다만, 상용소프트웨어 구매 등 대통령령으로 정하는 소프트웨어사업을 추진하는 경우는 제외한다. ② 국가기관등의 장은 제1항에 따른 소프트웨어사업 영향평가의 결과를 공시하여야 한다. 다만, 국가안보와 관련된 사업의 경우에는 공시하지 아니할 수 있다. ③ 소프트웨어사업자는 국가기관등의 장이 공시한 소프트웨어사업 영향평가 결과에 대하여 이의가

LG CNS, 개발자 보조하는 'AI코딩' 개발 [내부링크]

LG CNS AI코딩 LG CNS가 'AI코딩'을 개발했습니다. 챗GPT를 기반으로 시스템, 애플리케이션 등을 구축시 개발자들의 코딩 업무를 지원하는 생성AI 서비스라고 합니다. 개발자들은 반복 작업에 많은 시간을 들이게 되는데, AI코딩이 단순 반복되는 코딩을 보조해준다면 개발자가 다른 설계 등의 부분에 더 집중할 수 있게 됩니다. AI코딩이 프로그램 전체를 코딩하는 것은 어렵고 아직은 보조하는 정도로 코드변환, 코드생성, 코드추천, 코드 품질검사 등의 기능을 지원합니다. 특히 코드변환과 품질검사 부분에서 개발자들의 만족도가 높다고 합니다. 코드변환은 과거에 개발된 소스 코드를 현재 버전에 맞게 변환해주는 기능으로, 자바나 C언어 등의 개발환경과 클라우드 등의 운영환경을 반영해 코드를 변환해 줍니다. 코드 품질검사는 시스템 오류를 발생시키는 부분이나 보안 취약 코드, 성능을 저하시키는 소스 코드를 탐지하여 자동으로 수정해 줍니다. LG CNS는 거대언어모델(LLM) 개발사와 협력,

공공 SW사업 법제도 준수 여부 관리 감독 [내부링크]

공공 SW사업 법제도 준수 여부 관리 감독 국가기관 등이 소프트웨어사업을 발주할 때 제안요청서나 과업지시서 등을 작성하여 발주하게 되는데, 이 때 발주 문서 내용에 법제도와 맞지 않는 사항들이 포함되어 발주되는 경우들이 있습니다. 그래서 과학기술정보통신부와 정보통신산업진흥원은 2015년부터 소프트웨어사업의 법제도 준수 여부를 관리 감독하고 있습니다. 국가기관이 준수해야 하는 사항이 제안요청서에 반영되었는지 여부를 점검하고, 해당기관에 법제도 준수를 권고하며, 기관별 법제도 점검항목 반영률 결과를 홈페이지에 공개하고 있습니다. 관련근거 소프트웨어 진흥법 제57조, 소프트웨어 진흥법 시행령 제66조, 소프트웨어 진흥법령의 업무위탁에 관한 고시 에 따라 정보통신산업진흥원이 법령 준수여부를 점검하게 됩니다. 소프트웨어 진흥법 제57조(소프트웨어사업 관리·감독 및 개선권고) ① 과학기술정보통신부장관은 국가기관등의 장이 소프트웨어사업을 추진하는 경우 이 법 또는 관련 법령을 준수하였는지를 확인

클라우드 컴퓨팅 IaaS, PaaS, SaaS [내부링크]

클라우드 컴퓨팅 IaaS, PaaS, SaaS 클라우드는 컴퓨터에서 파일 등을 저장할 때 컴퓨터 내부가 아닌, 인터넷을 통해 연결된 중앙 컴퓨터에 저장하는 기술입니다. 그래서 클라우드는 인터넷이 연결된 곳이라면 어디에서든 접속해서 데이터를 저장하고 이용할 수 있지요. 이제 기업은 물론 공공기관에서도 클라우드는 당연히 도입해야 하는 것으로 인식하고 있으며, 어떻게 잘 도입해서 운영할지를 고민하고 있습니다. 출처 : Microsoft, 교보증권 리서치센터 클라우드 컴퓨팅 서비스는 관리 주체와 제공하는 서비스 수준에 따라 IaaS, PaaS, SaaS 로 구분할 수 있습니다. IaaS (Infrastructure as a Service) IaaS는 '서비스로서의 인프라'를 뜻하며, 인터넷을 통해 서버, 스토리지, 네트워크 등의 데이터센터 자원을 서비스합니다. 기업에서 직접 인프라를 구성하고 관리할 필요가 없이, 서비스 되는 자원을 사용한 만큼만 비용을 지불하면 됩니다. 인프라 수준의 서비

행정 공공기관 클라우드 네이티브 전환 본격화 [내부링크]

한달 전, 정부가 공공 시스템 클라우드 네이티브 전환(포스팅 내용 링크 클릭!)을 추진하며 연내에 주요 계획과 방향을 수립하고 내년부터 본격 전환한다는 방침을 포스팅 했었습니다. 최근 디지털플랫폼정부위원회(디플정위원회)는 4192억원이였던 디지털플랫폼정부 관련 예산을 121% 늘린 9262억원 규모로 편성했고, 행정안전부도 내년 IT인프라의 클라우드 네이티브 전환에 758억원을 책정했습니다. 지난 30일에는 행정안전부 총괄, 한국지능정보사회진흥원(NIA) 주관으로 '디지털정부 기반 전면 재설계 BPR(업무프로세스재설계)·ISP(정보화전략기획)' 사업이 입찰 마감되었습니다. 이 사업으로 기존 SI(시스템통합) 중심의 공공 정보화 사업에 대한 개선방안을 모색하고, 클라우드 네이티브 전환과 과금체계 등도 다루는 등 클라우드 네이티브 전환이 점차 본격화되고 있습니다. 첨부파일 (제안요청서) 디지털정부 기반 전면 재설계 BPR_ISP_(사전협의 조달청 의견 반영)_최종.hwp 파일 다운로드

공공SW사업 법제도 점검항목-01.과업심의위원회 [내부링크]

공공소프트웨어사업 법제도 준수여부 점검항목-과업심의위원회 과업심의위원회 개요 소프트웨어 진흥법 제50조에 의해, 국가기관 등은 소프트웨어사업 과업심의위원회를 통해 과업내용의 확정 및 과업내용 변경에 따른 계약금액ㆍ계약기간 조정 등을 심의하도록 하고 있으며, 특별한 사정이 없으면 그 심의결과를 계약 등에 반영하도록 하고 있습니다. 또한 사업금액이 1억 이하이거나 상용SW구매 사업인 경우 등의 경우에는 간소화 과업심의도 가능합니다. 소프트웨어사업 과업심의위원회 근거, 적용대상 사업 등 ( 자세한 내용은 링크 클릭) 간소화 과업심의위원회 근거, 적용대상 사업 등 ( 자세한 내용은 링크 클릭) 과업심의위원회 결과 적용 예외 사유 아래 사유에 해당하는 경우, 과업심의위원회의 심의 결과를 반영하지 않을 수 있습니다. 경미한 과업변경에 해당하여 계약 등에 반영하지 아니하기로 국가기관등의 장과 계약상대자간에 합의한 경우 과업심의위원회의 심의결과에 대해 계약상대자가 이의를 제기하여 재심의가 필요한

과업심의위원회 간소화 방식 개최 가능한 SW사업은? [내부링크]

간소화 과업심의위원회란? 소프트웨어진흥법 제50조(소프트웨어사업 과업심의위원회) 에 따라, 국가기관등의 장은 소프트웨어사업 추진시 과업심의위원회를 두어 과업내용의 확정, 과업내용 변경의 확정 및 이에 따른 계약금액·계약기간 조정을 심의해야 합니다. 하지만, 소프트웨어사업 발주가 많은 국가기관에서 모든 사업마다 과업심의위원회를 개최하게 되면 외부위원 수당 지급이나 잦은 회의 개최로 인한 업무 공백 등은 기관 내부 위원에게도 부담이 될 수 밖에 없겠지요. 이에 따라, 지침(소프트웨어사업 계약 및 관리감독에 관한 지침)에서는 사업 규모가 작거나 한 경우 등 과업심의위원회 위원을 2인 이상으로 간소화하여 개최할 수 있도록 하고 있습니다. 간소화 과업심의위원회 개최 가능 사업은? 소프트웨어사업 중 간소화 방식으로 개최 가능한 사업은 다음 조건 중 하나에 해당하는 사업일 경우입니다. 총 사업금액이 1억 이하인 사업 상용소프트웨어 구매 사업 타 기관에서 표준화하여 보급 목적으로 개발한 정보시스템

데이터, 데이터베이스 개념 쉽게 정리 [내부링크]

데이터라는게 뭘까요?? 데이터는 한마디로 '자료'를 말합니다! 음성, 영상, 문자, 숫자 등이 자료라고 할 수 있지요~~ 수많은 데이터를 효율적으로 보관하고 검색이나 저장 속도도 빠르게 관리하기 위한 방법이 필요해졌어요~ 그래서 등장한 개념이 바로 데이터베이스, 데이터베이스관리시스템(DBMS) 입니다! 데이터베이스관리시스템(DBMS)을 통해 데이터베이스에 자료를 요청할때는 DBMS가 알아들을 수 있는 언어로 요청해야 하는데요, 이 언어가 바로 SQL 입니다. DBMS는 한개가 아니라 MySQL, MSSQL, Oracle, MariaDB 등 여러 종류가 있답니다! 데이터와 데이터베이스에 대한 간단 개념 소개는 아래 영상을 통해 확인해주세요 ^^

빅데이터의 정의와 등장 배경 [내부링크]

빅데이터 정의 빅데이터는 단어 의미 그대로 풀어보면 Big(큰) + Data(데이터), 큰 데이터입니다. 여기에서 데이터는 정형데이터 뿐 아니라 비정형데이터 집합까지 포함하는 의미입니다 정형데이터 : 날짜, 숫자, 문자열 등 데이터베이스 저장이 가능한 구조의 데이터 비정형데이터 : 이미지, 동영상, 문서, 이메일 등 형식이 정해지지 않은 데이터 따라서 빅데이터는 기존 데이터베이스로는 수집, 저장, 분석, 처리가 어려울 정도로 많은 양의 데이터를 의미합니다. 빅데이터에 대한 다양한 정의들 Makinsey 빅데이터는 일반적인 데이터베이스로 저장·관리·분석할 수 있는 범위를 초과하는 규모의 데이터 => 데이터의 규모(양)에 중점을 둔 정의 IDC(인터넷 데이터 센터) 빅데이터는 다양한 종류의 대규모 데이터로부터 저렴한 비용으로 가치를 추출하고, 데이터의 초고속 수집·발굴·분석을 지원하도록 고안된 차세대 기술 및 아키텍처 => 분석 비용과 기술에 초점을 둔 정의 가트너그룹의 더그래니 빅데이

챗GPT 차단! 챗GPT에 대한 논란과 기업들의 대응 [내부링크]

챗GPT란? 챗GPT는 대화 전문 인공지능 챗봇입니다. 채팅 + Generated Pre-trained Transformer 앞글자를 딴 것으로, 사용자가 대화창에 텍스트를 입력하면 그에 맞춰 대화를 나누는 서비스입니다. 2022년 11월 오픈AI는 GPT-3을 조금 다듬어 내놓은 연구 버전으로 간주하여 챗GPT를 큰 기대 없이 조용히 출시했다고 합니다. 그런데 입소문을 타며 엄청난 인기를 누리게 되었고, 공개 5일 만에 하루 100만명 이상이 이용하게 되었습니다. 챗GPT의 활용 챗GPT는 이용자의 질문에 답변하는 것을 비롯해, 작사 작곡, 코딩, 논문작성, 번역 등 광범위한 분야 업무까지 수행이 가능합니다. 이로 인해 논란들도 있는데요, 학생들이 챗GPT 답변으로 과제를 제출하는 일이 많아지면서 일부 공립학교에서는 교내 와이파이와 컴퓨터를 통한 챗GPT 접속을 차단하기도 했다고 합니다. 생성AI 미드저니가 만든 미술 작품 그리고 챗GTP로 인해 생성형AI가 주목받고 있는데, 생성

빅데이터의 가치와 기업, 정부, 개인에게 미칠 영향 [내부링크]

빅데이터의 가치 빅데이터의 가치는 얼마나 될까요? 가치 측정이 가능하긴 할까요? 빅데이터의 가치는 데이터 활용이나 가치 창출 방식 등의 이유로 측정하기가 매우 어렵습니다. 데이터 활용 방식이 다양해졌다. 데이터는 재사용되고 재조합될 수 있습니다. 데이터는 다양한 곳에서 여러가지 목적으로 수집되고 개발될 수 있기 때문에, 언제·누가·어디서·어떻게 활용될지 알수가 없는 것입니다. 본래의 목적으로 수집되었다 또 다른 2차, 3차 목적으로 사용되기도 합니다. 활용도가 많아질수록 가치도 방대해지기 때문에, 얼마만큼의 가치를 가질지 예측할 수가 없는 것입니다. 기존에 없던 가치 창출이 가능하다. 전자책을 예로 들어볼까요? 종이책을 읽는 독자에게서는 알 수 없었던 데이터들이 전자책 앱에는 쌓입니다. 전자책을 읽으면서 독자가 좋아하는 부분과 싫어하는 부분을 알 수 있게 되면서, 작가의 창작 활동에도 영향을 미칠 수 있습니다. 기존에 알 수 없었던 부분을 알게 되면서 가치를 창출합니다. 분석 기술의

인공지능이란? 인공지능의 역사, 미래 등 [내부링크]

2016년 바둑 두는 AI 알파고를 통해 인공지능이 엄청난 관심을 끌었는데요, 사실 인공지능은 1943년 인간의 뇌를 기반으로 하는 연구 등, 이전부터 존재했던 학문입니다. 인공지능 뜻, 정의, 개념 인공지능이란 인간의 인지, 추론, 학습, 판단 등의 사고과정에 필요한 능력을, 컴퓨터 시스템을 통해 구현함으로써 문제를 해결하는 기술입니다. * 민스키(Minsky)의 인공지능 정의 : 인간의 지능을 필요로 하는 작업을 처리할 수 있는 기계를 만드는 학문 * 지능 : 경험을 통해 이해·추론하고 새로운 상황에 대처할 수 있으며, 새로운 지식을 학습하여 응용할 수 있는 능력 * 인공지능의 특이점 : 인공지능이 비약적으로 발전해 인간의 지능을 초월하는 시점. 처음에는 약 2025년으로 예상했으나 최근 연구를 통해 인간을 뛰어넘는 인공지능은 개발이 어렵다는 것이 학자들의 의견임. 인공지능 평가방법 공학적 접근방법 : 평가 기준이 '얼마나 잘 하는가?' 로 성능 위주 평가입니다. (정확도, 처리

공동계약 컨소시엄의 공동이행방식, 분담이행방식 [내부링크]

공동계약이란? 공동계약이란 무엇일까요? (계약예규) 공동계약운용요령 제2조(정의) 에 따르면, 공동계약은 공사ㆍ제조ㆍ기타의 계약에 있어서 발주기관과 공동수급체가 체결하는 계약을 말합니다. 여기서 공동수급체란 구성원을 2인 이상으로 하여 수급인이 해당 계약을 공동으로 수행하기 위해 잠정적으로 결성한 실체를 말합니다. 공동계약의 유형 공동계약은 공동수급체가 도급을 받아 이행하는 방식에 따라, 공동이행방식과 분담이행방식으로 구분할 수 있습니다. 공동이행방식은 공동수급체 구성원이 일정 출자 비율에 따라 연대하여 공동으로 계약하는 것을 말합니다. 같은 업종의 2개 이상의 업체가 출자 비율을 예를 들어 A사는 51%, B사는 49% 처럼 나눠서 공동 참여합니다. 분담이행방식은 공동수급체 구성원이 일정 분담내용에 따라 나누어 공동으로 계약을 이행하는 형태입니다. 서로 다른 업종의 2개 이상 업체가 면허 보완을 위해 분담 내용에 따라 나누어서 참여합니다. 구분 공동이행방식 분담이행방식 공동수급체

머신러닝의 정의와 알고리즘 분류 [내부링크]

머신러닝 정의와 알고리즘 지난 포스팅에서는 인간의 인지, 추론, 학습, 판단 능력을 컴퓨터 시스템으로 구현하려는 기술이 인공지능이라고 정의했습니다. 머신러닝은 그 인공지능 분야 학습법 중 하나입니다. 머신러닝이란? 머신러닝은 컴퓨터가 데이터를 스스로 학습해서, 알고리즘을 통해 결과를 도출하는 학습법입니다. 알고리즘 분류 지도학습 : 학습 데이터가 라벨(결과, 정답)을 가지고 있음 비지도학습 : 학습 데이터가 라벨(결과, 정답)을 가지고 있지 않음 준지도학습 : 학습 데이터가 약간의 라벨(결과, 정답)을 가지고 있음 강화학습 : 라벨(결과, 정답)을 주지 않고 맞았는지 틀렸는지 True/False만 피드백으로 알려주고, 그에 따라 Reword/Panalty를 부여 지도학습 지도학습은 학습 데이터와 원하는 결과가 표시된 데이터(라벨)을 이용한 기계 학습 방법입니다. 지도학습의 알고리즘에는 회귀(단일/다중/로지스틱), 분류(KNN,,의사결정트리), 신경망(DNN,ANN), 나이브베이즈,

딥러닝과 인공신경망 [내부링크]

딥러닝이란? 딥러닝은 인공지능 학습법의 한 분야인 머신러닝에 신경망 알고리즘을 적용한 더욱 고도화된 학습방법입니다. 딥러닝 = 머신러닝 + 인공신경망 딥러닝도 데이터와 정답인 라벨을 이력해 스스로 규칙을 찾아낸다는 점에서 머신러닝과 동일하지만, 더 많은 데이터를 입력해 학습하므로 더 풍부한 규칙을 찾아냅니다. 인공신경망 원리 출처 : 용어로 알아보는 우리시대 DATA 인공신경망은 인간의 뇌를 모사한 신경망 알고리즘입니다. 생물학적 뉴런을 인공 뉴런으로 모사한 것으로, 뉴런이 여러 층으로 연결된 형태입니다. 헵 규칙(Hebb Rule) 두 개의 뉴런이 서로 반복적이고 지속적으로 점화해서 어느 한쪽이나 양쪽 모두에 어떤 변화를 줄 수 있는데, 이 때 상호간의 변화(점화)의 효율(weight)이 점점 커지게 된다는 이론 퍼셉트론 다수 입력을 하나의 신호로 출력 N개의 input값 각각에 weigh값을 적용해서 가중치의 합을 구하는 선형결합을 통해 결과를 도출 입력층-학습층-출력층 으로 구

취업, 이제 AI 기반 구직 서비스로 준비! [내부링크]

무더웠던 여름이 지나고, 이제 하반기 채용 시즌이 시작되었네요. 구직을 준비하는데는 시간과 비용 부담도 뒤따르게 되지요. 진학사 캐치 조사 결과에 따르면, 구직자가 월평균 취업준비에 사용한 금액은 '10만원 이상 30만원 미만'이 29%로 가장 많았고, '30만원 이상 50만원 미만' 응답자도 26% 가까이 됩니다. 100만원 이상 사용하는 구직자도 5%가까이 차지하고 있다고 하니, 취준생 입장에서 채용공고만 확인하고 면접 대비하는게 쉽진 않을 것 같아요. 그런데 AI가 맞춤형 예상 면접 질문을 생성해주고, 피드백까지 제공해서 답변을 수정해가면서 면접을 준비할 수 있다면 어떨까요? AI 서비스를 이용하면 구직자가 전문가 과외 등에 사용하는 취준 비용을 효과적으로 절감할 수 있게 되겠네요. 원티드랩 조사 결과에 따르면 2023년 한국 구인구직 시장 규모는 10조원으로 추정하고, 이 중 인재확보가 5조7천억, 인사관리가 2조2천억, 인재성장이 2조원 수준이라고 합니다. 원티드랩은 챗GP

데이터 뜻, 정의, 데이터란 무엇인가? [내부링크]

데이터라는게 뭘까요? 데이터는 '자료'입니다. 문자, 숫자, 음성, 영상, 이미지 등의 형태들은 모두 데이터라고 할 수 있습니다. 사전에서 정의하는 데이터의 의미를 한번 살펴볼까요? 라틴어 dare(주다) 의 과거분사형. '주어진 것' 이란 의미로 최초 사용되었습니다. 국어사전 이론을 세우는 데 기초가 되는 사실, 바탕이 되는 자료 관찰이나 실험, 조사로 얻은 사실이나 자료 컴퓨터가 처리할 수 있는 문자, 숫자, 소리, 그림 따위의 형태로 된 자료 옥스퍼드 대사전 추론과 추정의 근거를 이루는 사실. 다른 객체와의 상호 관계 속에서 가치를 갖는 것. 즉, 데이터는 객관적 사실이라는 것과 동시에 추론, 예측, 전망, 추정을 위한 근거로서의 특성도 가지고 있습니다. 객관적 사실로서의 데이터는 정성데이터와 정량데이터로 구분할 수 있습니다. - 정성데이터 : 언어, 문자로 표현 - 정량데이터 : 숫자, 기호, 도형 등으로 표시 수치로 표현되는 정량데이터는 저장, 분석, 검색에 활용하기 용이합

데이터베이스의 뜻, 정의, 특징 [내부링크]

데이터베이스의 등장 데이터베이스라는 개념은 1950년대 미국에서 군대 군비를 집중 관리하기 위해 구현한 컴퓨터 도서관을 설립하면서 처음 등장했는데요, 데이터(data)의 기지(base)라는 뜻으로 탄생한 개념입니다. 처음에는 대량의 데이터를 축적한 기지의 의미였지만, 1965년 미국 SDC(System Development Corporation)가 개최한 2차 심포지엄에서 시스템을 통한 체계적 관리와 저장의 의미를 담은 '데이터베이스 시스템'이라는 용어도 등장하게 되지요. 데이터베이스의 정의 데이터베이스는 체계적으로 정렬된 데이터의 집합을 의미합니다. 데이터량과 데이터 이용량이 늘어나게 되면서 대용량의 데이터를 저장하고 검색, 관리할 수 있는 컴퓨터 기반 데이터베이스로 진화하게 되었습니다. 데이터베이스와 데이터베이스관리시스템(DBMS)는 개념이 혼용되어 쓰이기도 하는데요, DBMS는 데이터베이스를 관리할 수 있는 소프트웨어입니다. 그래서 일반적으로 DBMS는 데이터베이스와 함께 데이

공공 클라우드 네이티브 전환 추진 [내부링크]

정부가 공공 시스템 클라우드 네이티브 전환을 추진합니다. 주요 부처와 지방자치단체가 클라우드 네이티브 전환에 참여하며, 연내에 주요 계획과 방향을 수립하고 내년부터 본격 전환한다는 방침입니다. 클라우드 네이티브란? 클라우드 네이티브는 서버나 스토리지 등 인프라뿐만 아니라 아키텍처, 애플리케이션, 개발환경까지 클라우드에 최적화한 상태로 구현하는 것을 의미합니다. 개발자 생산성 향상은 물론 시스템 운용시 민첩성과 가용성 등을 높일 수 있는 클라우드 성숙도 최고 단계라고 할 수 있습니다. 부처별 계획은? 디지털플랫폼정부위원회는 지난 4월 신규시스템 구축이나 기존시스템 고도화 시 불가피한 사유가 없는 한, 클라우드 네이티브 적용을 의무화하기로 했고, 이에 맞춰 행정안전부도 클라우드 네티이브 전환 사업을 내년부터 본격 지원할 방침입니다. 과기정통부도 소속·산하기관 전반에 클라우드 네이티브 도입·확산을 위한 중단기 추진방안 마련하여, 공공부문 클라우드 네이티브 전환 방법부터 운영방법·운영비용

클라우드 서비스 제공 업체(CSP), MSP 차이 비교 [내부링크]

CSP란 무엇일까요? CSP는 Cloud Service Provider의 약자로, 클라우드 서비스를 공급하는 업체를 의미합니다. 인터넷 사용시 SK브로드밴드, KT 등 인터넷 서비스 제공 업체를 선택하듯, 클라우드 서비스도 마찬가지로 제공하는 업체를 선택해야 합니다. 대표적인 업체는 아마존 AWS, 마이크로소프트 Azure, 구글 GCP 가 있습니다. 클라우드 서비스는 인터넷을 통해 IT 리소스를 사용자가 원할 때 이용한 만큼 요금을 내는 구독 서비스로, 여기서 말하는 IT 리소스는 서버, 스토리지, 네트워크, 소프트웨어, 데이터분석, 인공지능 등이 있습니다. CSP 업체 종류는? 대표적인 CSP업체는 위에서도 언급한 미국 아마존 AWS, 마이크로소프트 AZURE, 구글클라우드 GCP 외에도 오라클 OCI 가 있고, 중국에는 알리바바와 텐센트, 그리고 국내에는 네이버 클라우드, 카카오 엔터프라이즈, KT 클라우드, 삼성SDS, NHN 클라우드 등의 기업이 있습니다. 국내 CSP시장이

이제 토종 생성형 AI 시대! 네이버 하이퍼클로바X [내부링크]

네이버 하이퍼클로바X 공개 네이버 초거대 AI 인공지능 하이퍼클로바X가 24일 공개될 예정입니다. 서울 삼성동 그랜드인터컨티넨탈서울에서 파트너 대상 컨퍼런스 '단(DAN) 23'을 열고 '하이퍼클로바X'와 이를 활용한 AI 청사진을 공개한다고 하네요! 하이퍼클로바X는 초거대 AI LLM(거대언어모델)으로, 네이버가 지난 20여 년간 축적해온 방대한 데이터를 학습해 한국어와 한국 문화에 대해 높은 이해도를 갖고 있어요. 실제 한국어 능력 시험에서도 높은 성능을 나타냈다고 합니다. 오픈AI의 '챗GPT'와 구글 '바드'가 영어를 중심으로 한다는 점을 고려하면 한국어를 근간으로 한 '하이퍼클로바X'의 경쟁력은 충분할 것으로 보이네요. 하이퍼클로바X의 매개변수(파라미터)는 공개되지 않았지만 이전에 공개한 '하이퍼클로바'의 2040억개 규모와 비슷하거나 더 클 것으로 예상됩니다. 네이버 하이퍼클로바X는 게임, 모빌리티, 교육, 금융 등 다양한 산업과 협업을 모색하고 있습니다. 게임 분야에서는

소프트웨어사업 과업심의위원회 적용 대상 사업 [내부링크]

공공소프트웨어사업 발주시 과업심의위원회를 구성하여 과업 내용에 대해 심의를 받아야 한다고 합니다. 그런데 모든 사업에 대해 과업심의위원회를 개최해야 하는 걸까요? 위원회 구성 및 개최가 필수로 꼭 해야 하는 걸까요? 과업심의위원회를 꼭 적용해야 하는 대상 사업과 심의 내용, 위원 구성 등에 대해 알아보겠습니다. 과업심의위원회 적용 대상 사업 국가기관 등이 발주하는 모든 소프트웨어사업 (상용SW 포함)이 대상입니다. 여기서 소프트웨어사업이란 소프트웨어 진흥법 제2조에 따르면, 소프트웨어의 개발, 제작, 생산, 유통, 운영 및 유지·관리 등과 그 밖에 소프트웨어와 관련된 서비스를 제공하는 산업과 관련된 경제활동을 말합니다. 이는 소프트웨어사업인 경우 적용 대상이므로, 단순 하드웨어(HW) 도입이나 설치, 동영상 등 컨텐츠 제작, 네트워크 인프라 수수료 등 SW과업내용 또는 SW과업에 영향을 미치는 내용이 없어 소프트웨어사업으로 볼 수 없는 경우에는 개최 대상이 아닙니다. <공공SW사업

NH농협은행 인공지능 은행원에 챗GPT 적용 [내부링크]

출처 : NH농협은행 NH농협은행은 2022년부터 인공지능 은행원을 채용하여 DT전략부에 배치했어요. 체험관 방문객 응대, 영업점 투자상품 설명 보조 등의 역할을 수행하고 있지요. 인공지능 은행원을 채용한지 어느덧 1년 반이 지났네요. 이번주부터 새로운 서비스가 추가되었다고 하는데요~ 바로 생성형 인공지능(AI) 통역 기능을 적용했다고 해요! 이번주부터 서울과 경기지역의 외국인 고객이 많은 3개 이상 지점에서 시범 운영 한다고 합니다. 챗GPT 기반으로 외국인 고객과 창구 직원간의 의사 소통을 지원한다고 하네요. 통역 서비스는 기존에도 일반 번역앱이 있지만, 챗GPT 기반으로 이용하는 경우 시간을 획기적으로 단축할 수 있다고 합니다. 일반번역앱 통역 후 영상으로 구현하기까지 약 10초 정도 소요되었던 것이, 생성형 AI 활용으로 1초대로 단축된다고 하네요! 거의 실시간으로 단축된다고 보면 되겠네요! 그리고 대화상 일부 오류가 생겨도 생성형 AI가 앞뒤 문맥을 파악해 매끄럽게 통역까지

3000개 IT기업, 광복절 특사로 행정제재 감면 [내부링크]

이번 광복절에는 소프트웨어 기업이 특별 사면 대상에 포함되었다고 합니다. 2015년에 부정당제재를 받은 100개 소프트웨어 기업이 입찰참가제한 특별감면을 받은 이후 8년만에 처음이라고 하네요! 이번 특사 대상은 부정당재제 등으로 입찰참가제한 제재를 받은 중견,중소기업 92개사가 감면 대상으로 결정되었다고 합니다. 그리고 처음으로 정보통신공사업자 대상으로 대규모 행정제재 감면도 시행된다고 합니다. 정보통신공사업법에 따른 영업정지, 과징금, 과태료 처분 등을 받은 기업이 대상이라고 합니다. 다만 감면 대상에서 제외되는 처분도 있습니다. 뇌물수수, 담합행위, 사기, 부정행위, 지방자치단체장 또는 지방의회의원 관련 위반사항 등 소프트웨어 산업의 투명성과 공정성을 저해하는 처분에 대해서는 감면 대상에서 제외되었습니다. 그리고 불법 하도급, 거짓신고, 자격증 대여 등 정보통신공사업의 신뢰성과 공정성을 저해할 수 있는 처분도 감면 대상에서 제외되었다고 하네요. 이번 특사로 제재가 풀리는 기업은

데이터센터, 화재나 침수피해 방지 등 규제 강화 [내부링크]

2022년 10월, 경기도 성남시 분당 SK(주) C&C 데이터센터 지하 전기실에서 화재사고가 발생했었습니다. 그 당시 화재 사고로 카카오, 네이버 등 이곳에 서버를 두고 있는 업체들의 서비스가 먹통이 되었고, 특히 카카오는 출시 이래 최장기간 최대규모 서비스 장애로 기록되게 되었지요. 이 사고로 데이터센터에 대한 재난, 안전 관리의 구체화가 필요하게 되었고, 앞으로 데이터센터 사업자는 배터리실 화재 사전 탐지, 침수 등 수해대비 관리 체계 구축, 화재 방지 등 재난관리를 강화해야 하는 내용의 규제 강화 정책이 2024년 1월부터 본격 시행된다고 합니다. 배터리실 화재 사전탐지 및 피해 예방 관리 요소 신설 배터리실을 타 전기 설비와 분리된 격실에 설치하고 배터리실 내외부를 상시 모니터링할 수 있는 CCTV를 설치해야 합니다. 배터리실 셀 상태를 확인하는 전지관리시스템(BMS)과 추가적 화재 사전 탐지 시스템을 병행 운용해야 한다고 합니다. 침수피해 방지 관리체계 구축 조항 신설 국