๋ณธ๋ฌธ ๋ฐ”๋กœ๊ฐ€๊ธฐ
728x90

์ „์ฒด ๊ธ€50

[JAVA] ์ปดํ“จํ„ฐ์˜ ๊ตฌ์กฐ ๋ฐ ํ”„๋กœ๊ทธ๋žจ ์‹คํ–‰ ๐Ÿค” ์ปดํ“จํ„ฐ์˜ ๊ตฌ์กฐ ์ปดํ“จํ„ฐ์˜ ๊ตฌ์กฐ๋ฅผ ๊ฐ„๋‹จํ•˜๊ฒŒ ์„ค๋ช…ํ•˜๋ฉด ์ค‘์•™์ฒ˜๋ฆฌ์žฅ์น˜์™€ ์ฃผ๊ธฐ์–ต์žฅ์น˜, ๋ณด์กฐ๊ธฐ์–ต์žฅ์น˜, ์ถœ๋ ฅ์žฅ์น˜ ๊ทธ๋ฆฌ๊ณ  ์ž…๋ ฅ์žฅ์น˜๋กœ ๋‚˜๋ˆŒ ์ˆ˜ ์žˆ๋‹ค. ์ด๋“ค์€ ๋ชจ๋‘ ํ•˜๋“œ์›จ์–ด์ด๋ฉฐ ์†Œํ”„ํŠธ์›จ์–ด๋Š” ํ•˜๋“œ์›จ์–ด์˜ ์–ด๋–ค ์žฅ์น˜๋ฅผ ์–ด๋–ค ์ˆœ์„œ๋กœ ๋™์ž‘์‹œํ‚ฌ ๊ฒƒ์ธ์ง€ ์ •๋ฆฌํ•˜๋Š” ๊ฒƒ์ด๋‹ค. ๋”๋ณด๊ธฐ โš™ CPU ๊ฐ ์žฅ์น˜์— ํ•œ๋ฒˆ์— ํ•˜๋‚˜์˜ ๋ช…๋ น๋งŒ ์ˆ˜ํ–‰ํ•  ์ˆ˜ ์žˆ๋‹ค. ์—ฐ์‚ฐ ์žฅ์น˜(ALU)์™€ ์ œ์–ด์žฅ์น˜๋กœ ์ด๋ฃจ์–ด์ ธ์žˆ๋‹ค. โš™ CPU๊ฐ€ ํ•  ์ˆ˜ ์žˆ๋Š” ๊ธฐ๋Šฅ 1. ์—ฐ์‚ฐ ๊ธฐ๋Šฅ 2. ๋ฉ”๋ชจ๋ฆฌ์— ์ €์žฅ๋œ ๋ฐ์ดํ„ฐ ๋ฐ ๋ช…๋ น์–ด ์ฝ๊ธฐ, ์“ฐ๊ธฐ 3. ๊ธฐํƒ€ ์ œ์–ด ๊ธฐ๋Šฅ ๐Ÿค” ํ”„๋กœ๊ทธ๋žจ ์‹คํ–‰์›๋ฆฌ ํ”„๋กœ๊ทธ๋žจ ์‹คํ–‰์€ ๋ณด์กฐ๊ธฐ์–ต์žฅ์น˜(ROM)์— ์ €์žฅ๋˜์–ด ์žˆ๋Š” ๋ฐ์ดํ„ฐ๋ฅผ ์ฃผ๊ธฐ์–ต์žฅ์น˜๋กœ ๋ถˆ๋Ÿฌ๋“ค์—ฌ(ํ”„๋กœ๊ทธ๋žจ ๋กœ๋“œ) CPU์—์„œ ์ˆœ์ฐจ์ ์œผ๋กœ ํ•˜๋‚˜์”ฉ ๊ฐ€์ ธ์™€์„œ ์‹คํ–‰ํ•ด ์ถœ๋ ฅ์žฅ์น˜๋ฅผ ํ†ตํ•ด ๊ฒฐ๊ณผ๋ฅผ ๋‚ด๋ณด๋‚ด๋Š” ๊ณผ์ •์ด๋‹ค. ๊ฒฐ๊ตญ ํ”„๋กœ๊ทธ๋žจ์€ ํ•˜๋“œ์›จ์–ด๋ฅผ.. 2023. 12. 12.
[JAVA] ๊ฐ์ฒด ์ง€ํ–ฅ ํ”„๋กœ๊ทธ๋ž˜๋ฐ ๐Ÿค” ๊ฐ์ฒด ์ง€ํ–ฅ ํ”„๋กœ๊ทธ๋ž˜๋ฐ์œผ๋กœ ๋ฐœ์ „ํ•˜๊ฒŒ ๋œ ์ด์œ  ์†Œํ”„ํŠธ์›จ์–ด ๊ณตํ•™์€ ์ตœ์†Œํ•œ์˜ ๋น„์šฉ์œผ๋กœ ์ตœ๋Œ€ํ•œ์˜ ํšจ๊ณผ๋ฅผ ๋งŒ๋“ค๊ธฐ ์œ„ํ•œ ๋ฐœ์ „๋œ ํ•™๋ฌธ์ด๋‹ค. ์ƒ์„ฑ๋ถ€ํ„ฐ ํ๊ธฐ๊นŒ์ง€์˜ ๋น„์šฉ์„ ์ค„์ด๊ธฐ ์œ„ํ•ด์„œ ๋งŒ๋“ค์–ด์กŒ๋‹ค. ์ดˆ๊ธฐ์—๋Š” ๊ฐœ๋ฐœ๋น„์šฉ, ์ƒ์„ฑ๋น„์šฉ์ด ๋†’์•˜๋‹ค. ํ•˜์ง€๋งŒ ๋งŽ์€ ํšŒ์‚ฌ์—์„œ ์ฝ”๋“œ๋ฅผ ๊ณต๊ฐœํ•˜๋ฉด์„œ ์ƒ์„ฑ ๋น„์šฉ์ด ๊ต‰์žฅํžˆ ์ค„์–ด๋“ค๊ฒŒ ๋˜์—ˆ๋‹ค. ๋”ฐ๋ผ์„œ ์ตœ๊ทผ์—๋Š” ์œ ์ง€๋ณด์ˆ˜๋น„์šฉ์ด ์ƒ์„ฑ๋น„์šฉ๋ณด๋‹ค ํ›จ์”ฌ ๋งŽ์ด ๋ฐœ์ƒํ•˜๊ฒŒ ๋˜์—ˆ๋‹ค. ๊ทธ๋ž˜์„œ ์œ ์ง€๋ณด์ˆ˜ ๋น„์šฉ์„ ์ค„์ด๊ธฐ์œ„ํ•ด ์—ฌ๋Ÿฌ ๋ฐฉ๋ฒ•์ด ์ƒ๊ฒจ๋‚ฌ๋‹ค. ๋”๋ณด๊ธฐ - ํ”„๋กœ๊ทธ๋ž˜๋ฐ ๋ฐฉ๋ฒ•๋ก  : SW ๊ณตํ•™์  ๊ด€์ ์—์„œ ๋ช…๋ น์–ด๋ฅผ ๋งŒ๋“ค์–ด๋‚ด๋Š” ๋ฐฉ๋ฒ•์„ ํšจ์œจ์ ์œผ๋กœ ํ•˜๊ธฐ ์œ„ํ•จ โšฝ ํ•จ์ˆ˜ ์ง€ํ–ฅํ˜• : ์ƒ์„ฑ ๋น„์šฉ ์ค„์ด๊ธฐ = ์ฝ”๋“œ์˜ ์žฌ์‚ฌ์šฉ์„ฑ ๋†’์ด๊ธฐ = ๋ผ์ด๋ธŒ๋Ÿฌ๋ฆฌ ๊ธฐ์ˆ  ๋ฐœ๋‹ฌ : ๋ชจ๋“ˆํ™”(ํ•จ์ˆ˜ ๋‹จ์œ„) ์ฆ‰, ์ฝ”๋“œ์˜ ์žฌ์‚ฌ์šฉ์„ฑ์ด ๋†’์•„์ง โšพ ๊ฐ์ฒด ์ง€ํ–ฅํ˜• : ์œ ์ง€๋ณด์ˆ˜ ๋น„์šฉ ์ค„์ด๊ธฐ.. 2023. 12. 11.
[์‹ค๊ธฐ] ๋น…๋ฐ์ดํ„ฐ ๋ถ„์„ ๊ธฐ์‚ฌ ์ž‘์—…ํ˜• 3 ์ •๋ฆฌ (Python) ๋น…๋ฐ์ดํ„ฐ ๋ถ„์„ ๊ธฐ์‚ฌ ์‹ค๊ธฐ -  ์ž‘์—…ํ˜• 3 ์ •๋ฆฌ๋ณธ๐Ÿšจ ๋ชจ๋“  ์ฝ”๋“œ๋Š” ํŒŒ์ด์ฌ ๊ธฐ์ค€์ž…๋‹ˆ๋‹ค.๋”๋ณด๊ธฐ์ž‘์—…ํ˜• 3์— ๋Œ€ํ•œ ์ •๋ณด๋Š” ์ •๋ง ์ ๊ณ  7ํšŒ ์‹ค๊ธฐ ์‹œํ—˜์„ ๋ณด๊ณ  ์ •๋ฆฌ๊ธ€์„ ์ž‘์„ฑํ•˜์ง€๋งŒ ์•„์ง๊นŒ์ง€ ์ž˜ ๋ชจ๋ฅด๊ฒ ๋‹ค.์šฐ์„  ์ •๋ง ๊ธฐ๋ณธ์ ์œผ๋กœ ์•„๋ž˜์˜ ๋ฌธ์ œ๋ฅผ ๋ชจ๋‘ ์ตํžˆ๊ณ  ์•ฝ๊ฐ„์˜ ์‘์šฉ์ด ๊ฐ€๋Šฅํ•˜๋‹ค๋ฉด ๋ถ€๋ถ„ ์ ์ˆ˜๋ฅผ ๋ณด๋ ค๋ณผ ์ˆœ ์žˆ์„ ๊ฒƒ ๊ฐ™๋‹ค. 1. T๊ฒ€์ •1) ์Œ์ฒดํ‘œ๋ณธfrom scipy import statss , p = stats.ttest_rel(data['bp_post'], data['bp_pre'], alternative="less")if (p > 0.05): result4 = 't'else: result4 = 'f'# ์—ฌ๊ธฐ์„œ result4๊ฐ€ f๋กœ ๋‚˜์™”์œผ๋ฏ€๋กœ p๊ฐ’์ด ์œ ์˜์ˆ˜์ค€๋ณด๋‹ค ๋‚ฎ์Œ์„ ์˜๋ฏธ# ์ฆ‰ ์‹คํ—˜์— ์„ฑ๊ณตํ•˜์˜€์œผ๋‹ˆ ๋Œ€๋ฆฝ๊ฐ€์„ค์ด ์ฑ„ํƒ๋˜.. 2023. 12. 4.
[์‹ค๊ธฐ] ๋น…๋ฐ์ดํ„ฐ ๋ถ„์„ ๊ธฐ์‚ฌ ์ž‘์—…ํ˜• 2 ์ •๋ฆฌ (Python) ๋น…๋ฐ์ดํ„ฐ ๋ถ„์„ ๊ธฐ์‚ฌ ์‹ค๊ธฐ - ์ž‘์—…ํ˜• 2 ์ •๋ฆฌ๋ณธ ๐Ÿšจ ๋ชจ๋“  ์ฝ”๋“œ๋Š” ํŒŒ์ด์ฌ ๊ธฐ์ค€์ž…๋‹ˆ๋‹ค. ๐Ÿ‘€ ์ž‘์—…ํ˜• 2 ๋ฌธ์ œ ํ’€์ด ์ˆœ์„œ 1 ๋‹จ๊ณ„ : ๋ฐ์ดํ„ฐ ํŒŒ์•…ํ•˜๊ธฐ, ๋ฐ์ดํ„ฐ ํ•™์Šต ๋ชจ๋ธ ์„ ์ •(๋ถ„๋ฅ˜, ํšŒ๊ท€) 2 ๋‹จ๊ณ„ : ๋ฐ์ดํ„ฐ ์ •๋ฆฌ : ๋ถˆํ•„์š”ํ•œ ๋ฐ์ดํ„ฐ, ๊ฒฐ์ธก์น˜, ๋ฌธ์žํ˜• ๋“ฑ ์ „์ฒ˜๋ฆฌ๊ฐ€ ํ•„์š”ํ•œ ์ปฌ๋Ÿผ ์ฒดํฌํ•˜๊ธฐ 3 ๋‹จ๊ณ„ : ๋ฐ์ดํ„ฐ ์ „์ฒ˜๋ฆฌํ•˜๊ธฐ 4 ๋‹จ๊ณ„ : ๋ฐ์ดํ„ฐ ๋ถ„๋ฆฌํ•˜๊ธฐ, ๋ชจ๋ธ ํ•™์Šต ์ „ ์ตœ์ ์˜ ํ•˜์ดํผํŒŒ๋ผ๋ฏธํ„ฐ๋ฅผ ์ฐพ๊ธฐ ์œ„ํ•ด ๋ฐ์ดํ„ฐ๋ฅผ ๋ถ„๋ฆฌํ•˜์—ฌ ํ…Œ์ŠคํŠธ - ๋งŒ์•ฝ xtrain, xtest, ytrain์˜ ํ˜•ํƒœ๊ฐ€ ์•„๋‹Œ train, test๋งŒ ์ฃผ์–ด์ง„๋‹ค๋ฉด ํ•„์ˆ˜๋กœ ๋ฐ์ดํ„ฐ ๋ถ„๋ฆฌํ•ด์•ผํ•จ 5 ๋‹จ๊ณ„ : ๋ฐ์ดํ„ฐ ํ•™์Šต : ๋ฌธ์ œ์— ๋งž๋Š” ๋ฐ์ดํ„ฐ ๋ชจ๋ธ ์„ ํƒํ•˜์—ฌ ํ•™์Šต์‹œํ‚ค๊ธฐ 6 ๋‹จ๊ณ„ : ์ œ์ถœํ•˜๊ธฐ ์ „ ๋ฐ์ดํ„ฐ ํ™•์ธํ•˜๊ณ  ์ œ์ถœํ•˜๊ธฐ โœ๏ธ ๋ฐ์ดํ„ฐ ์ „์ฒ˜๋ฆฌ 1 ) ๋ถˆํ•„์š”ํ•œ ๋ฐ์ดํ„ฐ ์‚ญ์ œ drop.. 2023. 12. 3.
[์‹ค๊ธฐ] ๋น…๋ฐ์ดํ„ฐ ๋ถ„์„ ๊ธฐ์‚ฌ ์ž‘์—…ํ˜• 1 ์ •๋ฆฌ (Python) ๋น…๋ฐ์ดํ„ฐ ๋ถ„์„ ๊ธฐ์‚ฌ ์‹ค๊ธฐ - ์ž‘์—…ํ˜• 1 ์ •๋ฆฌ๋ณธ ๐Ÿšจ ๋ชจ๋“  ์ฝ”๋“œ๋Š” ํŒŒ์ด์ฌ ๊ธฐ์ค€์ž…๋‹ˆ๋‹ค. 1. ํ•จ์ˆ˜ ์‚ฌ์šฉ def df_events(x): if (x['Events'] == 1): return x['Sales'] * 0.8 else: return x['Sales'] df['RSales'] = df.apply(df_events, axis=1) 2. Merge์™€ dropna ์‚ฌ์šฉ๋ฒ• โญ๏ธ ( 7ํšŒ ์ž‘์—…ํ˜• 1 dropna ์ œ์ถœ ) # basic1 ๋ฐ์ดํ„ฐ์™€ basic3 ๋ฐ์ดํ„ฐ๋ฅผ 'f4'๊ฐ’์„ ๊ธฐ์ค€์œผ๋กœ ๋ณ‘ํ•ฉํ•˜๊ธฐ df = b1.merge(b3, how='inner', on='f4') # ๋ณ‘ํ•ฉํ•œ ๋ฐ์ดํ„ฐ์—์„œ r2๊ฒฐ์ธก์น˜๋ฅผ ์ œ๊ฑฐํ•˜๊ธฐ df = df.dropna(subset=['r2']) 3. ์ •๋ ฌ # ์˜ค๋ฆ„์ฐจ์ˆœ : 1, 2, 3, 4 d.. 2023. 12. 1.
[์นด์นด์˜คํด๋ผ์šฐ๋“œ์Šค์ฟจ] ํ•ฉ๊ฒฉ ํ›„๊ธฐ (์ง€์›์„œ, ๋ฉด์ ‘ ์ •๋ฆฌ) ์นด์นด์˜ค ํด๋ผ์šฐ๋“œ ์Šค์ฟจ 4๊ธฐ ํ•ฉ๊ฒฉํ•œ ๊ฒƒ ๊ธฐ๋…์œผ๋กœ ํ›„๊ธฐ๊ธ€์„ ์ž‘์„ฑํ•˜๋ ค ํ•œ๋‹ค๐Ÿ‘ ๐Ÿ“Œ ์นด์นด์˜ค ํด๋ผ์šฐ๋“œ ์Šค์ฟจ ๊ฐ„๋‹จ ์ •๋ณด ๐Ÿ“‚ ๊ต์œก 2023.12.6.~2024.6.11. (์›”~๊ธˆ) ๋™์•ˆ ์ง„ํ–‰๋˜๋ฉฐ ๋งค์ผ ๋งค์ผ 8์‹œ๊ฐ„์”ฉ(9:00 ~ 18:00), 125์ผ 1,000์‹œ๊ฐ„ ์ง„ํ–‰๋œ๋‹ค. ๐Ÿ“‚ ์œ„์น˜ ํ•œ๊ตญ์ „ํŒŒ์ง„ํฅํ˜‘ํšŒ ๊ฐ€์‚ฐDX์บ ํผ์Šค 3๊ฐ•์˜์‹ค (๊ธˆ์ฒœ๊ตฌ ๊ฐ€์‚ฐ๋””์ง€ํ„ธ1๋กœ 189 LG๊ฐ€์‚ฐ๋””์ง€ํ„ธ์„ผํ„ฐ 12์ธต DX์บ ํผ์Šค) ๋‚˜๋Š” ๊ฐœ๋ฐœ์ž ๊ณผ์ •์œผ๋กœ ์‹ ์ฒญํ•˜์˜€์œผ๋ฉฐ ๊ฐœ๋ฐœ์ž ๊ณผ์ •์€ ์•„๋ž˜์™€ ๊ฐ™์€ ์ปค๋ฆฌํ˜๋Ÿผ์œผ๋กœ ์ง„ํ–‰๋œ๋‹ค. ๐Ÿ“Œ ์ง€์›์„œ โœ๏ธ ์ง€์›๋™๊ธฐ ์นด์นด์˜ค ํด๋ผ์šฐ๋“œ ์Šค์ฟจ์„ ์„ ํƒํ•œ ์ด์œ  : ์ „๋ฌธ์ ์ธ ๊ฐœ๋ฐœ ๋Šฅ๋ ฅ๊ณผ ํŒ€ํ”„๋กœ์ ํŠธ ๊ฒฝํ—˜์„ ์Œ“๊ธฐ ์œ„ํ•ด ์„ ํƒ. ํ˜„์žฌ ๋‚˜์˜ ์ƒํ™ฉ ์„ค๋ช…๊ณผ ํ•จ๊ผ ์–ด๋–ค ์ ์ด ๋ถ€์กฑํ•ด ์ง€์›ํ•˜๊ฒŒ ๋˜์—ˆ๋Š”์ง€ ๊ธฐ์ˆ  โœ๏ธ ํŒ€ ํ”„๋กœ์ ํŠธ ์ˆ˜ํ–‰ ๊ฒฝํ—˜ ๊ฒฐ๊ณผ๋ฌผ ์ค‘์‹ฌ์œผ๋กœ ๊ธฐ์ˆ  ํŒ€ ํ”„๋กœ์ .. 2023. 12. 1.
728x90