티스토리

K-beauty , K-pop behind

검색하기

블로그 홈

K-beauty , K-pop behind

kpopbehind.tistory.com/m

K-POP Behind... back-door story

구독자: 0

방명록 방문하기

반응형

SMALL

주요 글 목록

中, 인도 이민 정보·대만 도로 데이터 털었다 민간 사이버 보안업체와 계약 8년 동안 20여개국 불법 해킹 백신·자율차 기술 등도 탈취 중국의 정보·군사 당국이 민간 보안업체를 활용해 외국 정부와 기업, 인프라에 대한 광범위한 정보를 탈취한 사실이 드러났다. 중국의 사이버 공격이 한층 고도화·체계화하면서 마이크로소프트(MS) 애플 구글 등 미국 빅테크(대형 정보기술 기업)도 타깃이 될 수 있다는 우려가 나온다. 미국과 유럽 외신에 따르면 상하이에 본사를 둔 중국 민간 사이버보안업체 아이순이 중국 정부·기업 등과 계약을 맺고 인도 한국 영국 대만 등 20여 개국 정부와 기업으로부터 정보를 빼낸 사실이 드러났다. 워싱턴포스트(WP)는 지난주 정보기술(IT) 개발자 오픈소스 플랫폼 ‘깃허브’에서 아이순이 수집한 정보와 정부와의 계약 문건, 탈취 정보 목록.. 공감수 0 댓글수 1 2024. 2. 24.
의료데이터 중심병원, 임상데이터 활용시 병원 간 주요항목 서식 표준화 보건복지부(이하 복지부)와 한국보건의료정보원(이하 의료정보원)은 16일 오후 R.ENA 컨벤션에서 2024 의료데이터 중심병원 지원사업 착수보고회를 개최했다고 밝혔다. 의료데이터중심병원은 전자의무기록 등 병원에 축적된 의료데이터를 디지털 의료연구에 활용할 수 있도록 지원하는 사업에 참여하는 7개 컨소시엄, 43개 의료기관으로 구성돼 있다. 보건복지부는 지난 1월 2024년 의료데이터 중심병원 지원사업 설명회에서 의료데이터 분석·활용 역량을 보유한 43개 의료기관을 의료데이터 중심병원으로 지정한 바 있따. 의료데이터중심병원은 그간 데이터 전담조직·데이터심의위원회(DRB)를 구축하는 등 안전한 의료데이터 활용체계를 구축해 왔으며, 올해에는 의료데이터 활용 활성화를 위해 연구자의 보건의료데이터 접근성을 대폭 .. 공감수 0 댓글수 0 2024. 2. 18.
[빅데이터분석기사 필기 요약] [빅분기 4과목 요약] IV. 빅데이터 결과 해석 - 요약 (2) [빅데이터분석기사 필기 4과목] IV. 빅데이터 결과 해석 02. 분석 결과 해석 및 활용 데이터 시각화 (Data Visualization) 데이터에 대한 이해를 돕기 위해, 그림/도형 등의 그래픽 요소들을 이용하여 데이터를 묘사/표현 기하/도형 양식을 이용하여, 데이터 특징을 설명할 수 있는 모양으로 만든다 데이터 시각화 기능: 설명/ 탐색/ 표현데이터 시각화 목적: 정보전달/ 설득데이터 시각화 절차- 설명: 분석 결과를 설명사용자가 주제에 대해 더 잘 이해!① 구조화- 탐색: 숨겨진 관계/패턴 찾음- 정보 전달 (실용적/과학적 측면)② 시각화- 표현: 이야기 전달/표현/공감- 설득 (추상적/예술적 측면)③ 시각표현 데이터 시각화 유형: 시간/ 분포/ 관계/ 비교/ 공간 시각화 시간 시각화분포 시각화.. 공감수 1 댓글수 1 2024. 2. 15.
[빅데이터분석기사 필기 요약] [빅분기 4과목 요약] IV. 빅데이터 결과 해석 - 요약 (1) [빅데이터분석기사 필기 4과목] IV. 빅데이터 결과 해석 01. 분석 모형 평가 및 개선 분석모형 평가기준: 일반화 가능성/ 효율성/ 예측과 분류의 정확성 일반화 가능성효율성예측과 분류의 정확성데이터를 확장하여 적용할 수 있는가 (안정적인 결과를 제공하는가)적은 입력변수가 필요할수록 효율성이 높은 것으로 평가함정확성 측면에서 평가함 모형 평가지표 회귀 모형 (예측 모형) 평가지표분류 모형 평가지표- 실제값/ 예측값/ 평균값 - 오차제곱합 SSE - 전체제곱합 SST - 회귀제곱합 SSR - 결정계수 R² = SSR / SST (and 수정된 결정계수) - Mallow's Cp- 혼동 행렬 Confusion Matrix - 정확도/ 민감도/ 정밀도/ F1-score - ROC Curve - AUC (Ar.. 공감수 1 댓글수 1 2024. 2. 15.
[빅데이터분석기사 필기 요약] [빅분기 3과목 요약] III. 빅데이터 모델링 - 요약 (3) 빅데이터분석기사 필기 3과목] III. 빅데이터 모델링 02. 분석기법 적용 - [2] 고급 분석기법 범주형 자료분석: 종속변수가 1개&범주형인 데이터를 분석하여, 모형&독립변수의 유의성을 알아보는 분석방법 독립변수(X)가 범주형 독립변수(X)가 연속형 분할표분석/ 카이제곱검정/ 피셔정확검정 로지스틱회귀분석 분할표 분석 (Contingency Table): 행-독립/ 열-종속/ 주변합-마지막 행열에 총계 승산비: 특정 조건이 있을 때의 성공승산을, 다른 조건이 있을 때의 성공승산으로 나눈 값 상대위험도 (RR; Relative Risk) 승산비(Odds Ratio) = 교차비 = 대응위험도 비교집단 위험률 대비, 관심집단 위험률 승산 = p / (1-p) = (특정 사건 발생 확률) / (발생하지 않을 .. 공감수 0 댓글수 1 2024. 2. 14.
[빅데이터분석기사 필기 요약] [빅분기 3과목 요약] III. 빅데이터 모델링 - 요약 (2) [빅데이터분석기사 필기 3과목] III. 빅데이터 모델링 02. 분석기법 적용 - [1] 분석기법 회귀분석: 1개 이상의 독립변수들이 종속변수에 미치는 영향을 추정할 수 있는 통계기법 변수들 사이의 인과관계를 밝히고 모형을 적합하여, 관심있는 변수를 예측/추론하기 위한 분석방법 회귀모형 가정 회귀모형 검증 선형성 독립변수-종속변수 관계 선형 통계적 유의미 F-통계량, p-value 독립성 잔차-독립변수 값 관계없음 회귀계수 유의미 T-통계량, p-value, 신뢰구간 등분산성 오차들의 분산 일정 모형의 설명력 결정계수(R²) 비상관성 오차들끼리 상관없음 모형이 데이터를 적합 잔차 그래프 정상성 오차항이 정규분포 이룸 데이터가 가정 만족 5개 가정 편차 vs. 오차 vs. 잔차 편차 Deviation 오차.. 공감수 0 댓글수 0 2024. 2. 14.
[빅데이터분석기사 필기 요약] [빅분기 3과목 요약] III. 빅데이터 모델링 - 요약 (1) [빅데이터분석기사 필기 3과목] III. 빅데이터 모델링 01. 분석 모형 설계 모델(모형): 객체/시스템/개념에 대한 구조/작업을 보여주기 위한 패턴/계획/설명 - 탐색적 데이터 분석: 현상에서 패턴을 발견 - 통계적 추론: 현상에서 결론을 도출 - 기계 학습 (머신러닝): 현상을 예측 빅데이터 분석 모형: 통계/ 데이터마이닝/ 머신러닝 기반 통계 기반 분석모형: 기술통계/ 상관분석/ 회귀분석/ 분산분석/ 주성분분석/ 판별분석 데이터마이닝 기반 분석모형: 분류/ 예측/ 군집화/ 연관규칙 분석 머신러닝 기반 분석모형: 지도학습/ 비지도학습 통계 기반 분석모형 데이터마이닝 기반 분석모형 머신러닝 기반 분석모형 기술통계 분포 특징 파악 분류 Classification 지도학습 정답 포함/ 예측 상관분석 단순.. 공감수 0 댓글수 0 2024. 2. 14.
[빅데이터분석기사 필기 요약] [빅분기 2과목 요약] II. 빅데이터 탐색 - 요약 (2) [빅데이터분석기사 필기 2과목] II. 빅데이터 탐색 02. 데이터 탐색 데이터 탐색: 데이터 분석 전, 그래프/통계적 방법으로 다양한 각도에서 데이터 특징 파악&직관적으로 보는 분석방법 탐색적 데이터 분석(EDA)의 4가지 주제: 저항성/ 잔차해석/ 자료재표현/ 현시성 (Four R's) 저항성 잔차 해석 자료 재표현 현시성 Resistance Residuals Re-expression Representation 이상값에 영향 적게 받음 주 경향으로부터 벗어난 정도 적당한 척도로 바꾸는 것 쉽게 이해할 수 있도록 시각화 개별 변수/ 다차원 데이터 탐색 방법 범주형 (질적) 수치형 (양적) 범주형-범주형 수치형-수치형 범주형-수치형 - 명목척도&순위척도 - 빈도수/ 최빈값/ 비율 - 막대형 그래프 - 등.. 공감수 0 댓글수 0 2024. 2. 14.
[빅데이터분석기사 필기 요약] [빅분기 2과목 요약] II. 빅데이터 탐색 - 요약 빅데이터분석기사 필기 2과목] II. 빅데이터 탐색 01. 데이터 전처리 데이터 전처리: 데이터 정제 - 결측값 처리 - 이상값 처리 - 분석 변수 처리 데이터 정제(Cleansing) - 결측값&이상값 처리를 통해 데이터 신뢰도를 높이는 작업 - 오류 데이터값을 정확한 데이터로 수정/삭제하는 과정 - 오류 원인 분석 - 정제 대상 선정 - 정제 방법 결정 데이터 오류 원인: 결측값(Missing Value)/ 노이즈(Noise)/ 이상값(Outlier) 결측값: 누락된 값 노이즈: 잘못 판단된 값 이상값: 범위에서 많이 벗어난 값 필수적인 데이터가 입력되지 않음 (ex) NA, NaN, NULL, inf, 999999 입력되지 않았는데 입력되었다고 판단됨 범위에서 많이 벗어난 아주 작은/큰 값 데이터 .. 공감수 0 댓글수 1 2024. 2. 14.

반응형

LIST

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.