#함축 | Explore Tumblr posts and blogs

livlovlun · 4 years ago

Text

파이썬 스킬업 브라이언 오버랜드 존 베넷

1장 파이썬 기초 돌아보기 1.1 파이썬 빠르게 시작하기 1.2 변수와 이름 짓기 1.3 대입 연산자 조합 1.4 파이썬 산술 연산자 요약 1.5 기초 데이터 타입: 정수와 부동소수점 1.6 기본 입력과 출력 1.7 함수 정의 1.8 파이썬 if 문 1.9 파이썬 while 문 1.10 간단한 프로그램 작성하기 1.11 파이썬 불리언 연산자 요약 1.12 함수 인수와 반환값 1.13 선행 참조 문제 1.14 파이썬 문자열 1.15 파이썬 리스트(그리고 강력한 정렬 앱) 1.16 for 문과 범위 1.17 튜플 1.18 딕셔너리 1.19 세트 1.20 전역 변수와 지역 변수 1.21 정리해 보자 1.22 복습 문제 1.23 실습 문제 2장 고급 문자열 기능 2.1 문자열은 불변이다 2.2 바이너리를 포함한 숫자 변환 2.3 문자열 연산자(+, =, *, 〉, 기타) 2.4 인덱싱과 슬라이싱 2.5 단일-문자 함수(문자 코드) 2.6 ‘join’을 사용하여 만든 문자열 2.7 주요 문자열 함수 2.8 이진수와 10진수, 16진수 변환 함수 2.9 간단한 불리언(‘is’) 메서드 2.10 대·소문자 변환 메서드 2.11 검색-교체 메서드 2.12 ‘split’을 활용한 입력 값 쪼개기 2.13 앞뒤 문자 제거하기 2.14 자리 맞춤 메서드 2.15 정리해 보자 2.16 복습 문제 2.17 실습 문제 3장 고급 리스트 기능 3.1 파이썬 리스트 생성 및 활용 3.2 리스트 복사 vs 리스트 변수 복사 3.3 인덱스 __3.3.1 양수 인덱스 __3.3.2 음수 인덱스 __3.3.3 enumerate 함수로 인덱스 숫자 생성 3.4 조각으로부터 데이터 가져오기 3.5 조각 안에 값 대입하기 3.6 리스트 연산자 3.7 얕은 복사 vs 깊은 복사 3.8 리스트 함수 3.9 리스트 메서드: 리스트 수정하기 3.10 리스트 메서드: 내용 정보 가져오기 3.11 리스트 메서드: 재편성하기 3.12 스택 역할을 하는 리스트: RPN 애플리케이션 3.13 reduce 함수 3.14 람다 함수 3.15 리스트 함축 3.16 딕셔너리와 세트의 함축 3.17 리스트를 통한 인수 전달하기 3.18 다차원 리스트 3.18.1 불균형 행렬 3.18.2 제멋대로 큰 행렬 만들기 3.19 정리해 보자 3.20 복습 문제 3.21 실습 문제 4장 지름길, 커맨드 라인, 그리고 패키지 4.1 개요 4.2 22가지 프로그래밍 지름길 __4.2.1 필요하다면 코드를 여러 줄에 걸쳐 작성한다 __4.2.2 for 루프는 현명하게 사용한다 __4.2.3 대입 연산자 조합을 이해한다(? +=) __4.2.4 다중 대입을 사용한다 __4.2.5 튜플 대입을 사용한다 __4.2.6 고급 튜플 대입을 사용한다 __4.2.7 리스트와 문자열 ‘곱하기’를 사용한다 __4.2.8 다중 값을 반환한다 __4.2.9 루프와 else 키워드를 사용한다 __4.2.10 불리언과 ‘not’의 이점을 활용한다 __4.2.11 문자열은 문자의 나열로 다룬다 __4.2.12 replace를 사용하여 문자를 제거한다 __4.2.13 필요 없는 루프는 사용하지 않는다 __4.2.14 연결된 비교 연산자를 사용한다 __4.2.15 함수 테이블(리스트, 딕셔너리)로 switch 문을 모��한다 __4.2.16 is 연산자는 정확하게 사용한다 __4.2.17 단일 행 for 루프를 사용한다 __4.2.18 여러 문장을 하나의 행으로 줄인다 __4.2.19 단일 행 if/then/else 문을 작성한다 __4.2.20 range와 함께 enum을 생성한다 __4.2.21 IDLE 안에서 비효율적인 print 함수 사용을 줄인다 __4.2.22 큰 번호 안에 언더스코어(_)를 넣는다 4.3 커맨드 라인에서 파이썬 실행하기 __4.3.1 윈도 기반 시스템에서 실행하기 __4.3.2 macOS 시스템에서 실행하기 __4.3.3 pip 혹은 pip3로 패키지 내려받기 4.4 doc string 작성하고 사용하기 4.5 패키지 탑재하기 4.6 파이썬 패키지의 가이드 투어 4.7 일급 객체인 함수 4.8 가변 길이 인수 리스트 __4.8.1 *args 리스트 __4.8.2 **kwargs 리스트 4.9 데코레이터와 함수 프로파일러 4.10 제너레이터 __4.10.1 이터레이터란 무엇인가? __4.10.2 제너레이터 소개 4.11 커맨드 라인 인수 접근하기 4.12 정리해 보자 4.13 복습 문제 4.14 실습 문제 5장 정밀하게 텍스트 포매팅하기 5.1 백분율 기호 연산자(%)를 사용한 포매팅 5.2 백분율 기호(%) 포맷 지시자 5.3 백분율 기호(%) 변수-너비 출력 필드 5.4 전역 ‘format’ 함수 5.5 format 메서드 소개 5.6 위치로 순서 정하기(이름 혹은 색인) 5.7 ‘repr’ vs 문자열 변환 5.8 ‘format’ 함수와 메서드의 ‘사양’ 필드 __5.8.1 출력-필드 너비 __5.8.2 텍스트 조정: ‘채우기’와 ‘자리 맞춤’ 문자 __5.8.3 ‘기호’ 문자 __5.8.4 0으로 시작하는 문자(0) __5.8.5 천 단위 위치 구분자 __5.8.6 정밀도 제어 __5.8.7 문자열에서 사용한 ‘정밀도(잘라 내기)’ __5.8.8 ‘타입’ 지시자 __5.8.9 이진수 출력하기 __5.8.10 8진수와 16진수 출력하기 __5.8.11 백분율 출력하기 __5.8.12 이진수 예시 5.9 변수-길이 필드 5.10 정리해 보자 5.11 복습 문제 5.12 실습 문제 6장 정규표현식, 파트 Ⅰ 6.1 정규표현식의 소개 6.2 실제 예시: 전화번호 6.3 일치 패턴 정제하기 6.4 정규표현식 동작 방식: 컴파일 vs 실행 6.5 대·소문자 무시하기, 그리고 다른 함수 플래그 6.6 정규표현식: 기본 문법 요약 __6.6.1 메타 문자 __6.6.2 문자 집합 __6.6.3 패턴 수량자 __6.6.4 역추적, 탐욕적 수량자와 게으른 수량자 6.7 정규표현식 실습 예시 6.8 Match 객체 사용하기 6.9 패턴에 맞는 문자열 검색하기 6.10 반복하여 검색하기(findall) 6.11 findall 메서드와 그룹화 문제 6.12 반복 패턴 검색하기 6.13 텍스트 교체하기 6.14 정리해 보자 6.15 복습 문제 6.16 실습 문제 7장 정규표현식, 파트 Ⅱ 7.1 고급 정규표현식 문법의 요약 7.2 태그를 남기지 않는 그룹 __7.2.1 표준 숫자 예시 __7.2.2 태깅 문제 고치기 7.3 탐욕적 일치 vs 게으른 일치 7.4 전방탐색 기능 7.5 다중 패턴 확인하기(전방탐색) 7.6 부정적 전방탐색 7.7 명명 그룹 7.8 re.split 함수 7.9 스캐너 클래스와 RPN 프로젝트 7.10 RPN: 스캐너로 더 많은 작업 수행하기 7.11 정리해 보자 7.12 복습 문제 7.13 실습 문제 8장 텍스트와 바이너리 파일 8.1 두 가지 종류의 파일: 텍스트와 바이너리 __8.1.1 텍스트 파일 __8.1.2 바이너리 파일 8.2 바이너리 파일을 사용하는 경우: 요약 8.3 파일/디렉터리 시스템 8.4 파일을 열 때 발생하는 예외 다루기 8.5 ‘with’ 키워드 사용하기 8.6 읽기/쓰기 연산의 요약 8.7 텍스트 파일 작업 상세하게 알아보기 8.8 파일 포인터(‘seek’) 사용하기 8.9 RPN 프로젝트 안에서 텍스트 읽기 __8.9.1 현재까지의 RPN 번역기 __8.9.2 텍스트 파일의 RPN 읽기 __8.9.3 RPN에 대입 연산자 추가하기 8.10 바이너리 직접 읽기/쓰기 8.11 데이터를 고정-길이 필드로 변환(struct) __8.11.1 한 번에 하나의 숫자 읽기/쓰기 __8.11.2 한 번에 여러 숫자 읽기/쓰기 __8.11.3 고정-길이 문자열 읽기/쓰기 __8.11.4 변수-길이 문자열 읽기/쓰기 __8.11.5 문자열과 숫자를 함께 읽기/쓰기 __8.11.6 저수준 상세: 빅 엔디안 vs 리틀 엔디안 8.12 피클링 패키지 사용하기 8.13 shelve 패키지 사용하기 8.14 정리해 보자 8.15 복습 문제 8.16 실습 문제 9장 클래스와 매직 메서드 9.1 클래스와 객체 기본 문법 9.2 인스턴스 변수에 대해 더 알아보자 9.3 __init__ 메서드와 __new__ 메서드 9.4 클래스와 선행 참조 문제 9.5 메서드 기본 9.6 전역 변수/메서드와 지역 변수/메서드 9.7 상속 9.8 다중 상속 9.9 매직 메서드 개요 9.10 매직 메서드 상세 __9.10.1 파이썬 클래스의 문자열 표현 3 __9.10.2 객체 표현 메서드 __9.10.3 비교 메서드 __9.10.4 산술 연산자 메서드 __9.10.5 단항 산술 연산자 __9.10.6 리플렉션(역방향) 메서드 __9.10.7 교체 연산자 메서드 __9.10.8 변환 메서드 __9.10.9 컬렉션 클래스 메서드 __9.10.10 _ _iter_ _와 _ _next_ _ 구현하기 9.11 다중 인수 타입 지원 9.12 동적 속성 설정 및 조회 9.13 정리해 보자 9.14 복습 문제 9.15 실습 문제 10장 Decimal, Money, 그리고 기타 클래스 10.1 숫자 클래스의 개요 10.2 부동소수점 포맷의 제약 사항 10.3 Decimal 클래스 소개 10.4 Decimal 객체를 위한 특수 연산 10.5 Decimal 클래스 애플리케이션 10.6 Money 클래스 설계하기 10.7 기본 Money 클래스 작성하기(포함) 10.8 Money 객체 출력하기(“_ _str_ _”, “_ _repr_ _”) 10.9 기타 Money용 연산 10.10 데모: Money 계산기 10.11 기본 통화 설정하기 10.12 Money와 상속 10.13 Fraction 클래스 10.14 complex 클래스 10.15 정리해 보자 10.16 복습 문제 10.17 실습 문제 11장 random과 math 패키지 11.1 random 패키지의 개요 11.2 Random 함수 살펴보기 11.3 무작위 행동 테스트하기 11.4 무작위-정수 게임 11.5 카드 덱 객체 만들기 11.6 덱에 픽토그램 추가하기 11.7 정규 분포 차트 작성하기 11.8 나만의 난수 생성 프로그램 작성하기 __11.8.1 난수 생성 원칙 __11.8.2 샘플 생성기 4 11.9 math 패키지 개요 11.10 math 패키지 함수 살펴보기 11.11 특별 수치 pi 사용하기 11.12 삼각함수: 나무의 높이 11.13 로그: 숫자 맞추기 게임 돌아보기 __11.13.1 로그의 동작 원리 __11.13.2 실제 프로그램에 로그 적용하기 11.14 정리해 보자 11.15 복습 문제 11.16 실습 문제 12장 넘파이 패키지 12.1 array, numpy, matplotlib 패키지 개요 __12.1.1 array 패키지 __12.1.2 numpy 패키지 __12.1.3 numpy.random 패키지 __12.1.4 matplotlib 패키지 12.2 array 패키지 사용하기 12.3 numpy 패키지를 내려받고 탑재하기 12.4 numpy 소개: 1부터 100만까지 더하기 12.5 numpy 배열 만들기 __12.5.1 array 함수(array로 변환) __12.5.2 arange 함수 __12.5.3 linspace 함수 __12.5.4 empty 함수 __12.5.5 eye 함수 __12.5.6 ones 함수 __12.5.7 zeros 함수 __12.5.8 full 함수 __12.5.9 copy 함수 __12.5.10 fromfunction 함수 12.6 예시: 곱셈표 만들기 12.7 numpy 배열의 배치 연산 12.8 numpy 슬라이스 정렬하기 12.9 다차원 슬라이싱 12.10 불리언 배열: numpy에 마스킹하기! 12.11 numpy와 에라토스테네스의 체 12.12 numpy 통계 구하기: 표준 편차 12.13 numpy 행과 열 가져오기 12.14 정리해 보자 12.15 복습 문제 12.16 실습 문제 13장 넘파이 고급 사용법 13.1 numpy의 고급 수학 연산 13.2 matplotlib 내려받기 13.3 numpy와 matplotlib으로 그래프 선 그리기 13.4 여러 선 그래프 그리기 13.5 복리 그래프 그리기 13.6 matplotlib으로 히스토그램 만들기 13.7 원과 가로세로 비율 13.8 파이 차트 만들기 13.9 numpy로 선형대수학 구현하기 __13.9.1 점곱(dot product) __13.9.2 외적 함수 __13.9.3 기타 선형대수학 함수 13.10 3차원 플로팅 13.11 numpy 금융 애플리케이션 13.12 xticks와 yticks로 축 조정하기 13.13 numpy 혼합-데이터 레코드 13.14 파일에서 numpy 데이터 읽고 쓰기 13.15 정리해 보자 13.16 복습 문제 13.17 실습 문제 14장 여러 모듈과 RPN 예시 14.1 파이썬 모듈의 개요 14.2 간단한 2개의 모듈 예시 14.3 import 문의 변형 14.4 __all__ 기호 사용하기 14.5 전역과 지역 모듈 변수 14.6 메인 모듈과 __main__ 14.7 상호 탑재 문제 해결하기 14.8 RPN 예시: 2개의 모듈로 나누기 14.9 RPN 예시: I/O 지침 추가하기 14.10 RPN 예시 추가 변경 598 __14.10.1 줄-번호 확인 기능 추가하기 __14.10.2 0이 아니면 이동하는 기능 추가하기 __14.10.3 초과(〉)와 난수 획득(!) 14.11 RPN: 모든 코드 모으기 14.12 정리해 보자 14.13 복습 문제 14.14 실습 문제 15장 인터넷에서 금융 데이터 가져오기 15.1 이 장의 계획 15.2 pandas 패키지 소개 15.3 stock_load: 간단한 데이터 리더 15.4 간단한 주식 차트 만들기 15.5 제목과 범례 추가하기 15.6 makeplot 함수 작성하기(리팩터링) 15.7 2개의 주식 시세를 함께 그래프로 그리기 15.8 응용: 다른 데이터 그래프 그리기 15.9 기간 제한하기 15.10 차트 쪼개기: 판매량 서브플롯 15.11 변동 평균 선 추가하기 15.12 사용자에게 선택권 넘기기 15.13 정리해 보자 15.14 복습 문제 15.15 실습 문제 부록 A 파이썬 연산자 우선순위 표 부록 B 내장 파이썬 함수 부록 C 세트 메서드 부록 D 딕셔너리 메서드 부록 E 문법 참고 자료 E.1 변수와 대입 E.2 파이썬의 빈칸 이슈 E.3 알파벳 순서의 문법 참고 자료

1 note · View note

agtv7004 · 3 years ago

Video

youtube

(김문수 신드롬 4개월전 이미 예견. 김문수의 모든것 10분 함축. 김문수가 해냈다./ 전면전 터졌다. 또 당하면 국가와 국민은 망한다. 김상진대표.(221017)에서)

0 notes

bbokbab · 7 years ago

Photo

영혼갈아넣은 자캐들 스토리 함축 그림..?

그리고 제 팔로워가 1000명이 넘었더라구요!

Thank you for 1000+!!

#oc #original character

35 notes · View notes

nbashfhiug · 5 years ago

Text

＄다. 자신이 연예인이라는 ㅛ 함축Å

함축 러셀은 임의의 명제 p, q에 관해서 'p이면 q이다'라고 하는 것을 'p가 참이면 q가 거��인 경우는 없다'라고 단순화하여 기호 'p⊃q'로 표시하고, 이것을 'p는 q를 함축한다'(imply)라고 해석하여 양자의 관계를 실질적 함축(material implication)이라 불렀다.다음에 임의의 명제함수 Fx, Gx에 관하여 x의 모든 값에 대해 'Fx⊃Gx'가 성립할 때, 요컨대 ｛x|Fx⊃Gx｝라고 말할 수 있을 때, 'Fx는 Gx를 형식적으로 함축한다'라고 하였다. 이리하여 명제함수 간의 관계로서 형식적 함축(formal implication)이 확립된다. 그러나 이러한 용법은 함축의 일상적 의미에서 현저하게 빗나가는 경우가 있어, 상당한 오해와 불필요한 논의를 불러일으켰다.따라서 현재로는 여러 가지 해석이 가능한 논리식 S, T에 관해서 'S⊃T'가 S, T의 모든 해석에 대해 참이라고 인정될 때 'S⊃T'를 함축 또는 함축식(式)이라고 부르고 'S는 T를 함축한다'고 하는 식으로 말하고 있으며, 특정한 명제 내지 명제함수에 관해서는 함축이라는 말을 쓰지 않는 것이 보통이다. 다. 자신이 연예인이라는 게 가장 맘에 걸려 하는 명채다. 그런 그녀가 자신의 무대를 본다면, 혹시라도 서로가 전혀 어울리지 않는다는 생각이라도 갖게 된다면, 그럼 정말 그녀는 그를 만나지 않을 것이다. 진우는 그것이 두렵다. 그래도 이렇게 감정이 완전히 소진 되었을 때 명채의 환한 얼굴을 본다면 힘이 날 것 같은데. 철호는 혼자 남겨진 진우가 걱정 되었다. 늘 공연이 끝날 때면 혼자의 시간을 갖는 그인지라 식구들은 별로 신경을 쓰지 않는 듯 싶었지만 , 이번 공연은 유난히 힘들어 보였다. 그 작은 여선생 탓인지 싶다. 가끔 통화하는 것으로 보아 둘사이가 별로 나쁜 것 같지는 않아 보이던데. 아니 그녀와의 통화 후 보이는 진우의 행복한 얼굴에서 둘사이가 조금씩 좋아 진다는 느낌마저 들었다. 이따금 보이는 불안감 역시 그녀로 인한 것인 것 같다

0 notes

ittakesmargin · 5 years ago

Text

나 아닌 모든

- 송승언

저 덤불은 나였던 것

내가 저 덤불이었던 게 아니라

덤불이 나였던 것

어수선하게 엉클어진 수풀

도로변에 조용히 뿌리내리고 무성하다가

내게서 떨어져 나와 나를 초과해

제 어수선을 부풀리는

저 모닥불은 나였던 것

내가 저 불이었을 까닭 없기에

모닥불이 나였던 것

잎나무나 검불 따위를 모아 놓고 피우는 불

스멀거리며 피어오르는 생각의 끝에

숨 잦아들고, 불의 자리를 박명이 채울 무렵

남은 사념을 비벼 끄는

나는 저 여자였던 것

생활에 쫓기다 지치면 차가운 손으로 배를 짚고

자신이었던 모든 것들을 문지방 너머로 털어 내고

기억 못 하는 꿈이었던 자신이 될 때 까지

죽음 같은 잠 속에서 당신을 헤집던

랜턴

나는 오지 않은 것들을 모두 보고

잠시만 나를 견딘다

덤불 앞에 멈춰 서서

나였던 덤불을 들고

나였던 불 앞에 서서

잠시 무엇이었던 내가

나 아닌 무엇이 될 때까지

나였던 것들에 가까워졌다가

나 아닌 모든 것이 될

(작가가 이 시집에서 하나의 시에 하나의 인식을 꼭 담으려 했다는 인상을 받았다) 첫 연은 변신의 이행에서 생각하는 자아가 객체보다 이전의 시간을 부여받을 때, 객체로 변신의 주도권이 넘어가는 미묘한 정황을 포착하여 느끼도록 한다.

생각하는 자아(코기토)의 무한한 가능성의 지평은 조용하고 수동적인 침묵의 기다림으로 화한다. 앞서 진술로 변신에의 우위가 자아인 ‘나' 아닌 사물에 놓였으므로. 셋째 연의 모닥불을 관조하는 ‘나' 는 첫 연보다 진전된 수동의 태도로서 겸손한 사색의 몸짓을 지니게 되며, 이는 사물의 사물성에 대한 근원적 관심으로 확장된다. 다섯째 연에서 그 몸짓은 ‘나'를 ‘여성' 그리고 (랜턴의) ‘불’- 오랫동안 인간적 지혜 혹은 영혼의 상징이었던 그것으로 변화시킨다. 그러면, 이제 남는 것은 수많은 사물들을 앞에 투명하게 비어 있는 눈, 무아화된/익명의 손길에 의존한 한 불빛이다. 빛은 이후에도 계속해서 여러 사물들을 본다. 그와 같은 ‘봄' 이 ‘나'를 견뎌야 하는 까닭; ‘나’를 끝없이 지우는 행위로서만 그 바라봄이 가능하기 때문에. 내가 나 인 한 논리적으로는 쉬이 소거될 수 없을 ‘내’ 가 거의 세계의 빈 통각과 같이 지워질 때, 거기에는 이�� 시선과 사물의 접촉이 아닌 나였던 덤불, 나였던 불, 고요한 사물들의 세계 (누군가의 손길에 의존한 빛을 통해 밝혀진)만 남는다. 마지막 연은 그러한 사적인 이행이 동시에 하나의 거대한 세계적 순환- ‘사물로부터 주체화’ 에서 ‘주체화로부터 사물'로의- 의 의미를 지닌다는 것, 하여 그것이 인식적인 동시에 존재론적이며 종교적인 함축(<’사랑’과 ‘교육’>)도 지님을 암시한다.

(그러나 덧붙여 말하면 작가의 인식에서 ‘사랑’과 ‘교육'은 종교적인 절대 긍정으로 이뤄지는 것이 아님을, 특히 이 시집의 표제시를 통해 뚜렷하게 읽어낼 수 있다) ..

0 notes

agaapesblog · 5 years ago

Text

YouTube에서 '절제!함축!단순화!편의성 극대화 기술이 이런거군요!#라쿤s#밴텍#캠핑카#차박#캠핑제국' 보기

youtube

#Youtube

0 notes

livlovlun · 4 years ago

Text

한국어 임베딩 이기창

1장. 서론 1.1 임베딩이란 1.2 임베딩의 역할 1.2.1 단어/문장 간 관련도 계산 1.2.2 의미/문법 정보 함축 1.2.3 전이 학습 1.3 임베딩 기법의 역사와 종류 1.3.1 통계 기반에서 뉴럴 네트워크 기반으로 1.3.2 단어 수준에서 문장 수준으로 1.3.3 룰 → 엔드투엔드 → 프리트레인/파인 튜닝 1.3.4 임베딩의 종류와 성능 1.4 개발 환경 1.4.1 환경 소개 1.4.2 AWS 구성 1.4.3 코드 실행 1.4.4 버그 리포트 및 Q&A 1.4.5 이 책이 도움받고 있는 오픈소스들 1.5 이 책이 다루는 데이터와 주요 용어 1.6 이 장의 요약 1.7 참고 문헌 2장. 벡터가 어떻게 의미를 가지게 되는가 2.1 자연어 계산과 이해 2.2 어떤 단어가 많이 쓰였는가 2.2.1 백오브워즈 가정 2.2.2 TF-IDF 2.2.3 Deep Averaging Network 2.3 단어가 어떤 순서로 쓰였는가 2.3.1 통계 기반 언어 모델 2.3.2 뉴럴 네트워크 기반 언어 모델 2.4 어떤 단어가 같이 쓰였는가 2.4.1 분포 가정 2.4.2 분포와 의미 (1): 형태소 2.4.3 분포와 의미 (2): 품사 2.4.4 점별 상호 정보량 2.4.5 Word2Vec 2.5 이 장의 요약 2.6 참고 문헌 3장. 한국어 전처리 3.1 데이터 확보 3.1.1 한국어 위키백과 3.1.2 KorQuAD 3.1.3 네이버 영화 리뷰 말뭉치 3.1.4 전처리 완료된 데이터 다운로드 3.2 지도 학습 기반 형태소 분석 3.2.1 KoNLPy 사용법 3.2.2 KoNLPy 내 분석기별 성능 차이 분석 3.2.3 Khaiii 사용법 3.2.4 은전한닢에 사용자 사전 추가하기 3.3 비지도 학습 기반 형태소 분석 3.3.1 soynlp 형태소 분석기 3.3.2 구글 센텐스피스 3.3.3 띄어쓰기 교정 3.3.4 형태소 분석 완료된 데이터 다운로드 3.4 이 장의 요약 3.5 참고 문헌 4장. 단어 수준 임베딩 4.1 NPLM 4.1.1 모델 기본 구조 4.1.2 NPLM의 학습 4.1.3 NPLM과 의미 정보 4.2 Word2Vec 4.2.1 모델 기본 구조 4.2.2 학습 데이터 구축 4.2.3 모델 학습 4.2.4 튜토리얼 4.3 FastText 4.3.1 모델 기본 구조 4.3.2 튜토리얼 4.3.3 한글 자소와 FastText 4.4 잠재 의미 분석 4.4.1 PPMI 행렬 4.4.2 행렬 분해로 이해하는 잠재 의미 분석 4.4.3 행렬 분해로 이해하는 Word2Vec 4.4.4 튜토리얼 4.5 GloVe 4.5.1 모델 기본 구조 4.5.2 튜토리얼 4.6 Swivel 4.6.1 모델 기본 구조 4.6.2 튜토리얼 4.7 어떤 단어 임베딩을 사용할 것인가 4.7.1 단어 임베딩 다운로드 4.7.2 단어 유사도 평가 4.7.3 단어 유추 평가 4.7.4 단어 임베딩 시각화 4.8 가중 임베딩 4.8.1 모델 개요 4.8.2 모델 구현 4.8.3 튜토리얼 4.9 이 장의 요약 4.10 참고 문헌 5장. 문장 수준 임베딩 5.1 잠재 의미 분석 5.2 Doc2Vec 5.2.1 모델 개요 5.2.2 튜토리얼 5.3 잠재 디리클레 할당 5.3.1 모델 개요 5.3.2 아키텍처 5.3.3 LDA와 깁스 샘플링 5.3.4 튜토리얼 5.4 ELMo 5.4.1 문자 단위 컨볼루션 레이어 5.4.2 양방향 LSTM, 스코어 레이어 5.4.3 ELMo 레이어 5.4.4 프리트레인 튜토리얼 5.5 트랜스포머 네트워크 5.5.1 Scaled Dot-Product Attention 5.5.2 멀티헤드 어텐션 5.5.3 Position-wise Feed-Forward Networks 5.5.4 트랜스포머의 학습 전략 5.6 BERT 5.6.1 BERT, ELMo, GPT 5.6.2 프리트레인 태스크와 학습 데이터 구축 5.6.3 BERT 모델의 구조 5.6.4 프리트레인 튜토리얼 5.7 이 장의 요약 5.8 참고 문헌 6장. 임베딩 파인 튜닝 6.1 프리트레인과 파인 튜닝 6.2 분류를 위한 파이프라인 만들기 6.3 단어 임베딩 활용 6.3.1 네트워크 개요 6.3.2 네트워크 구현 6.3.3 튜토리얼 6.4 ELMo 활용 6.4.1 네트워크 개요 6.4.2 네트워크 구현 6.4.3 튜토리얼 6.5 BERT 활용 6.5.1 네트워크 개요 6.5.2 네트워크 구현 6.5.3 튜토리얼 6.6 어떤 문장 임베딩을 사용할 것인가 6.7 이 장의 요약 6.8 참고 문헌 부록 부록 A. 선형대수학 기초 1.1 벡터, 행렬 연산 1.2 내적과 공분산 1.3 내적과 사영 1.4 내적과 선형변환 1.5 행렬 분해 기반 차원 축소 (1): 주성분 분석(PCA) 1.6 행렬 분해 기반 차원 축소 (2): 특이값 분해(SVD) 부록 B. 확률론 기초 2.1 확률변수와 확률 분포 2.2 베이지안 확률론 부록 C. 뉴럴 네트워크 기초 3.1 DAG로 이해하는 뉴럴 네트워크 3.2 뉴럴 네트워크는 확률모델이다 3.3 최대우도추정과 학습 손실 3.4 그래디언트 디센트 3.5 계산 노드별 역전파 3.6 CNN과 RNN 부록 D. 국어학 기초 4.1 통사 단위 4.2 문장 유형 4.3 품사 4.4 상과 시제 4.5 주제 4.6 높임 4.7 양태 4.8 의미역 4.9 피동 4.10 사동 4.11 부정 부록 E. 참고 문헌

1 note · View note

hhhshssss · 8 years ago

Text

더듬거리며 가는 중

소설을 보다가 눈물이 났다. 읽고 있던 구절이, 소설 속 주인공이, 소설의 주제 그 모두가 뒤섞여 나를 동요 시켰을 테지만, 무엇보다도 오늘의 기분이 나를 울렸다. 그 기분이 내가 이 소설을 읽도록 이끌었으리라. 마침 눈물이 고인 것이 기다렸다는 듯 반가웠으니 울고 싶은 날이었음을 짐작한다.

본인 감정의 정체가 의뭉스러운 날에는 이렇게 다른 매체의 도움을 받아 자신을 이해한다. 그래서 우울해지거나 몸이 좋지 않은 날에는 홀로되는 시간을 갖는다. 혼자 책을 읽거나 그림을 보거나 영화를 보거나 음악을 들으며 내 감정이 동요하는 것 앞에 멈추어 나를 둘러본다. 그렇게 하면 여전히 원인은 알 수 없��도, 지금 이 우울이 실은 ‘슬픔’이었는지 ‘화’이었는지 ‘질투’이었는지 ‘자괴’이었는지 조금 더 가까운 쪽의 진하기를 느낄 수 있다.

감정의 기복이 불분명�� 날도 있지만, 어느 날은 너무 명확해 버거운 날도 있다. 며칠 후인 오늘은 끊임없이 울컥해 엘리베이터 안 거울에서 마주친 내 모습을 보고는 겨우 눈물을 멈췄다.

교수와 테크니션 둘 다 아틀리에에 머무르는 오늘은 되도록 그곳에서 작업하는 것이 좋은데, 차오르는 감정에 작업대 앞에 정신 놓고 있기가 힘들어져 비가 세차게 내리는데도 자전거를 밟으며 집으로 돌아왔다. 오늘 길이 멀었다.

상대와의 관계에서는 언제부터 떼를 쓰지 못하게 되어버렸는지, 늘 내 마음에서 외치는 소리보다 상황을 먼저 파악하는 습관이 생겼다. 제 삶에서는 그 누구보다도 똑똑하고 사랑스럽게 자신을 다독이면서 타인과의 삶에서는 유달리 나를 우선에 두지 못한다. 상황을 다 따져보고 그럴 수 있을 때가 돼서야 나를 앞에 세운다. 그도 그럴 것이 내가 조금 더 여유를 가지면, 한 걸음 물러서 볼 수 있다면 다 괜찮은 것들이기 때문이다. 그러나 마음이 맞닿아 있는 만큼, 그만큼 더 물러서서 보기 힘들어진다. 생각 그 이전에, 보다 더 기민하게 마음이 동요한다.

주변이 특수하게 고요한 이곳에서의 나는, 시간이나 사람의 흐름을 느끼는 예민함의 정도가 한층 고매해져 마음의 동요가 더 큰 울림을 갖는다. 그 공명 안에 오래 머물러있다. 감정을 헤집어 놓을 만한 구실도 그다지 없어서 애써 외면하려 스스로 바삐 굴어야 한다. 그러다 때로 잘 정리가 되면 타인에 대한 사랑은 그대로고, 좋지 않던 기대만 슬며시 사라진다. 드문 경우에 삐뚤어진 마음으로 정리가 되어버리면 기대와 함께 사랑마저 은근슬쩍 감해져 두려움이 생겨나고 미숙함이 드러난다.

지금에 와서야 드는 생각은 어디까지가 본인 혼자 이해할 수 있는 것인지, 어디까지가 서로 노력하여 지킬 수 있는 일종의 약속인 것인지 나부터 확실히 하는 것이 필요해 보인다는 것이다. 본인이 늘 ‘하고 싶은가’를 되물으며 살아왔고 ’해야만 하는 것’에 대해 의심해왔기에 그것을 정하는 것에 여러 사념이 앞선다. 살아가는데 해야만 해서 하는 것이 너무 많은 이들에게 어찌 사랑하는 이와의 사이에서까지 ‘해야만 하는 것’을 강요해야 하는지 자신도 포함해 안쓰러웠을 수 있다.

그렇지만 나에게 그들이 아주 중요해서, 다른 것들이 좀 흔들릴 지어도 우선순위로 지켜 행하고 있는 것들에 대한 노력을 당당히 보이고, 나도 타인에게 중하다면 타인도 그러할 양이 있다면 당신의 인생에서 나를 제쳐두지 말아 달라고, 나는 그런 사람 인체로 오래 견디기엔 속 좁은 사람이라고, 나를 소중히 전하는 것이 필요하다�� 생각을 했다.

물론 정작 눈부터 충혈되는 날이 많지만, 이렇게 차츰 생각이 다시 들고, 정리를 하고, 그다음엔 적절한 시기에 차분히 말로써 전할 수 있겠지. 함축 따위는 멀리 좀 날려버리고.

1 note · View note

travelinformation0-blog · 7 years ago

Text

국제 관계에서 정체성 문제가 오

New Post has been published on https://www.travel-guides-and-books.com/%ea%b5%ad%ec%a0%9c-%ea%b4%80%ea%b3%84%ec%97%90%ec%84%9c-%ec%a0%95%ec%b2%b4%ec%84%b1-%eb%ac%b8%ec%a0%9c%ea%b0%80-%ec%98%a4/ <blockquote>국제 관계에서 정체성 문제가 오 <img src=""/>

국제 관계에서 정체성 문제가 오래 전부터 주장되어왔다. 그러나 정체성이 국가들 간의 적대감과 갈등에 어떻게 영향을 미치는지는 여전히 논란의 대상입니다. 기존의 문헌은 정체성의 차이가 갈등의 원천이 될 수있는 반면, 수렴과 유사성은 협동으로 이어질 수 있다고 주장한다. 위성과 인터넷 라디오는 과거의 ‘통제 할 수없는’푸시 매체에 관심을 촉발 시켰습니다. Mp3 요구의 출현으로 라디오를 전문화 및 토크 형식으로 더욱 밀어 넣을 수 있지만 이제는 어떤 장치에서든 다양성과 명료성을 얻으므로 라디오가 거의 위험하지 않을 수 있습니다. 이제는 위성 수신기가 장착 된 자동차, 웹 사이트에서 스트리밍 라디오를 듣는 사람들 및 포드 캐스트가 지루한 청소년에게 새로운 ‘그 것’으로 자리 잡았습니다. 인구 사이의 분기 시간의 추산은 마지막 빙하기 최대 이후였으며, 남극 주변을 시계 방향으로 (현재의 흐름과 함께) 방향으로 이동하는 증거가 있었다. J., Fabiani, A. Chauke, LF, McMahon, CR, de Bruyn, M., Bester, MN, Bastos, A., Campagna, C., Muelbert, MMC 및 Hoelzel, AR (2016) 이동성 해양 종, 남부 코끼리 물개에 대한 홀로 세 기후 변화의 맥락.

캐년의 꼭대기에, 당신은 대중 보도와 플랫폼을 볼 수 있습니다. 약간의 여분을 위해, 당신은 Skywalk에 표를 구입할 수 있었다. 스카이 워크 (Skywalk)에 대해 들어 본 적이 없다면 캐년 림 위로 70 피트가 넘는 유리 플랫폼이며 캐년 바닥까지 4000 피트 떨어진 곳을 내려다 볼 수 있습니다. 메인 화면으로 돌아가서 BatteryBoost 아이콘을 누르면 포함 된 마이크로 USB 대 USB 케이블과 장치에 사용하는 다른 맛의 케이블로 장치를 연결하라는 메시지가 나타납니다. 여기서 멋진 부분은 Unite Pro에게 30, 60 또는 90 분 세션 동안 스마트 폰을 ‘부스트’하려는 기간을 말할 수 있다는 것입니다. 그것은 얼마나 많은 시간이 남았는지 알려주는 15 초 간격으로 카운트 다운하는 타이머조차 가질 것입니다..

같은 기간에 위어를 방문한 29 개의 음향 태그가 부착 된 lamprey 중 4 개 (13.8 %)가 상승 된 흐름 중에 직접 올라갔습니다. 이 데이터는 높은 난기류 및 / 또는 배플의 물리적 특성이 램프 레리의 상��을 억제 할 수 있음을 시사합니다. 2014 더킹카지노 년 마이 그 레이션 시즌에 우리는 물고기 통로 벽에 인접한 초호화 모듈 식 플라스틱 타일을 추가하여 PIT 안테나를 사용하여 주요 어로 및 타일 경로의 출입구를 개별적으로 조사하는 효과를 테스트했습니다. Minipack은 또한보다 전통적인 외장형 모델부터 챔버 진공 실러에 이르기까지 다양한 진공 실러를 제조합니다. Minipack Fast Vac는 가정용 및 소용량 진공 씰링 용으로 설계되었으며 MVS 시리즈는 대용량 진공 씰링 용으로 설계되었습니다. 진공 밀봉기는 생선, 쇠고기, 야채 등을 포장하는 데 사용됩니다.

(정치가, 경찰관, 각 부서의 관리가 지명 됨) 도박꾼들과 함께 한 편 법의 팔과 다른 쪽의 법 사이에 불법적 인 친밀한 관계가 형성되는 xposc가 실현됩니다 아마도 전체 진행 과정에서 정의의 의미가있을 것입니다 체스터 (Chester) 지역 주민들은 대 배심원 방에서 흘러 나오는 끔찍한 내용들에 대해 좋은 소리를 지르는 것이 매우 어렵다. 도박과 다른 형태의 범죄가 전국 각지에 존재한다. 아무도 그 곳에서 독점권을 행사하지 않는다. 그러나 Toys R Us의 폐쇄는 다른 소매 업체들이 채우기 위해 노력하고있는 공백을 남겼습니다. DeForest에서 9 월에 개장 한 고속도로 19 번과 고속도로 39/90/94에 위치한 218,000 평방 피트의 Fleet Farm은 계절별 Toyland를 가지고 있으며, Best Buy와 Barnes Noble은 지난 몇 년 동안 더 많은 장난감을 매장에 추가했습니다. Kohl은 레고 (Lego) 및 FAO Schwartz와 파트너십을 맺었으며, Minnesota에 기반을 둔 Target은 약 500 평방 피트의 장난감 공간을 매장의 500 개 매장에 평균으로 추가했습니다..

이 연구에서 우리는 단지 4 개의 셉틴 유전자를 전시 한 Schistosoma mansoni를 사용하여 셉틴 구조와 조직을 특성화하는보다 간단한 모델로 사용합니다. 우리는 SmSEPT5와 SmSEPT10 septin의 생화학 적, 생물 물리학 적 특성이 각각 SEPT2와 SEPT6의 인간 집단과 일치 함을 보여줍니다. SmSEPT5 및 SmSEPT10의 별개의 도메인을 포함하는 안정한 구조물을 단리함으로써, 우리는 올리고머 화 및 막 결합 특성에서 말단 인터페이스의 영향을 추론 할 수 있었다. 여러분 중 몇몇과 마찬가지로, 저는 어젯밤 총 월식을 잡기 위해 시간을두고 구름을 뛰어 넘었습니다. Whata 아름다운 이벤트! 2018 년 1 월 31 일까지 마지막 총 월식 일 경우 독자들과 유니버스 투��이 직원 기념품의 화려한 그림을 볼 수 있습니다. 하늘이 너무 어두워지고 달이 지구의 그림자에 매달려 매달린 것처럼 바카라사이트 보였습니다.

스트랫 포드 (Stratford)시는 무언가 살아남지 않는 한 끔찍한 결말에 직면했습니다. Patterson은 셰익스피어 연극을 소중히 간직한 열렬한 연극가였습니다. 우리카지노 Stratford는 William Shakespeare의 출생지라는 이름을 갖고 있기 때문에 Stratford Ontario에서 Stratford Festival Theatre를 여는 것이 좋았습니다. 메인 스트립에서 벗어난 맛있는 음식 포장 마차와 신선한 농산물을 판매하는 번화 한 시장 및 라이브 전갈과 말린 뱀 같은 전통적인 구제 수단으로 가득한 옆길이 있습니다. 1,968 피트의 현대적인 기둥은 도시 경관과 주강 삼엄주의 전경을 제공합니다. 또한 회전식 레스토랑을 갖추고 스릴있는 여행자를 위해 100 피트의 자유 낙하 타기를 제공합니다.

백인 영국 어머니들은 너무 추운 남 아시아 인 어머니보다 더 덥고 감기에 걸렸다 (p0.001)는 것을 염려 할 확률이 훨씬 높았지만 소득이 낮고 교육이 열악한 백인 영국 어머니는 추위에 대한 우려를 표명했다. 따라서 빈곤 퇴치를위한 가능성있는 링크를 나타내는 더 나은 교육을받은 동료보다 나은 점이 있습니다. 제한 / 함축 실제 야간 관행을 관찰하는 것은 불가능했으며 문화적 범주로 남아시아 인은 너무 광범위하다고 간주 될 수 있기 때문에 제한적이다. 그러나 전통적인 블랙 프라이데이 판매와 마찬가지로 많은 웹 사이트는 늦게까지 머물면서 자정 쇼핑을 시작하는 사람들에게 사이버 월요일의 조기 판매를 제공합니다. 또한 블랙 프라이데이와 마찬가지로 많은 웹 사이트가 현재 재고가 모두 소진 될 때까지 판매를 제공합니다. 쿠폰은 그날 만 지속되며 상점 쇼핑에는 적용되지 않는 ‘웹 전용’입니다.

Postmedia의 개인 정보 취급 방침에 따라 귀하의 정보를 수집, 사용, 유지 보수 및 공개하는 데 동의합니다. newPasswordConfirm Postmedia는 귀하의 독서 경험을 향상시키고 광고주와의 최상의 거래 및 프로모션을 카지노사이트 공유하고자합니다. 아래 정보는 콘텐츠를 최적화하고 네트워크를 통해 귀하에게 더 관련성이 높은 광고를 만드는 데 사용되며, 프로필을 수정하여 언제든지 공유 정보를 변경할 수 있습니다.. 또한, 우리는 설치류 소비의 이유가 취향 선호도, 식량 안보 및 기회 주의적 행동을 포함하여 다 인성이라는 것을 발견했다. 우리는 설치류 소비, 공동체와의 신뢰 구축, 질적 연구 방법 사용과 같은 특정 주제에 대해 민감한 쟁점을 조사하고 더 넓은 맥락에서 그것들을 위치시키는 것이 중요하다고 주장한다. 결론을 내리면, 우리는 이러한 사회 문화적 맥락을 설명하기 위해 감성 캠페인을 개선 할 수있는 방법을 권고합니다..

연사 판매를 통해 나온 모든 돈은 모두 전자 제품이었습니다. 신용 카드를 통해 들어 왔다고합니다. 그 회사의 규모가 커지고 우리는 성장하려고 노력하는 것을 그만 두었고 인프라를 운영하기 만하면 일년에 약 5 만 달러의 비용이 들었습니다. 나는 멍청한 남자가 남자가 사냥을하러 나가기 때문에 여자가 불을 발명했다고 주장한다. 그런 다음 여성은 한 가지 일에만 좋은 것이라고 말하면서 성 차별 주의자를 부릅니다. 그러나 남자들이 사냥을하다가 여자들이 불을 saying다는 것을 말하면서 남자들은 남자들이 위선적 인 일을하는 것에 만 좋다는 말을했다. 그 답은 부분적으로 바로 아래였습니다. 행성에서 가장 인구가 밀집된 장소 중 하나에서 가장 복잡한 건설 프로젝트 중 하나를 시도하는 10,000 명의 직원. 거의 모든 차일 즈 (Childs) ‘라는 디자인은 70 톤의 강철 샤프트에 200 밀리미터를 지구에 뿌렸던 폭탄에 견딜 수있는 20 층 구조의베이스를 포함하는 104 층 타워를 요구했다.이 보이지 않는 지하 구조물은 48,000 톤의 강철 22,500 개의 풀 사이즈 자동차와 약 13,000 개의 외장 유리 패널이 콘크리트 코어를 씌우고 408 피트의 첨탑으로 장식되어 있으며, 상징적 인 높이가 1,776 피트 인 상징적 인 높이에서 서있을 것입니다 (서쪽의 가장 높은 건물 인 시카고의 윌리스 타워를 능가 함) 반구).

</blockquote>

#바카라사이트 더킹카지노 카지노사이트 #에비앙카지노 #온라인카지노 #우리카지노 슈퍼카지노 개츠비카지노 #주사위 예스카지노 오바마카지노

0 notes

bellisajean · 8 years ago

Text

BIG DATA

기업에 축적된 데이터를 분석하기 위해 데이터 웨어하우스와 데이터 마이닝이 90년대말, 활발히 도입되었다.

빅데이터란 Volume-Variety-Velocity의 3가지 특성으로 정의된다.

데이터 과학이란 통계학과 컴퓨터 과학 등 다양한 학문과 기술이 융합된 것이다.

빅데이터 시대에 필요한 기술 : 분산처리 기반의 데이터 가공 및 컴퓨터기술, 데이터 시각화, 실시간 대응을 위한 관련 기술

인공지능 - IBM의 왓슨은 미국의 퀴즈프로에서 우승을 한바 있다, 인공지능은 자연어처리 및 인식 등에 활용된다, 딥러닝이라는 알고리즘이 전 세계의 관심을 받고 있다.

SNS기반의 연결된 사회 - 페이스북(facebook)은 친구들 혹은 같은 관심을 갖는 사람들을 연결해 준다, 트위터(tweeter)는 연결된 사람 혹은 기업들 간을 연결하여 소통을 가능하게 해 준다, 링크드인(linked-in)은 개인의 이력을 중심으로 전문가들 간의 관계망을 형성한다. 건전한 사회 실현을 위해 데이터 과학자가 하여할 일과 관련된 것은 자금세탁방지, 보험사기방지, 품질보증사기탐색

빅데이터 시대에 필요한 분석기술은 과거의 데이터 분석기술과 차별화된다.

데이터 과학자는 통계학이나 IT지식 외에 소통능력이나 시각화와 관련된 디자인 능력 등 다방면의 능력이 요구된다.

빅데이터 기반 학습 알고리즘으로 인공지능은 비약적으로 발전하고 있다.

새로운 개념의 협업 필터링 알고리즘을 탄생시킨 넷플릭스 경진대회는 데이터 과학자의 중요성을 알리는 계기가 되었다.

구글의 검색어 데이터를 활용하여 각종 예측이 가능하다.

착용 가능한 센서를 통해 건강관련 데이터를 모으고 분석하여 인간의 삶의 질을 향상시킬 수 있다.

데이터 과학자는 다양한 사기 등을 방지 혹은 탐지할 수 있다.

빅데이터는 데이터의 크기가 크고 형태가 비정형화 되어 있으며, 생성속도가 빠른 데이터이다.

빅데이터 분석을 통해 새롭게 알아내는 지식의 양은 적지만, 이를 통한 파급효과는 크다.

빅데이터 이용시 문제가 될 수 있는 부분이 사생활 침해와 관련된 문제들이 있다. 유럽과 미국정부에서 개인정보 이용 시 개인의 동의가 반드시 필요한 법률체계를 옵트인(Opt in)이라고 부른다.

옵트인 방식은 개인에게 개인정보 수집에 대해 사전에 동의를 받는 방식이며, 옵트아웃방식은 거부의사를 표시하지 않는 한 동의한 것으로 간주하는 방식이다.

빅데이터를 이용하는데 문제는 사생활 침해와 관련된 문제가 있다.

빅데이터를 분석을 하더라도 나온 결과를 어떤 식으로 해석하느냐가 중요하며 해석하는 것 역시 어려움이 있다.

사회 여러 가지 문제를 공공분야에서의 빅데이터 활용을 통해 해결한다.

특히 미국은 공공분야의 빅데이터를 이용하여 탈세방지 시스템, 범죄예방시스템 등을 구축하여 사회의 문제점들을 해결한다.

정부 3.0의 운영 계획 - 공공정보를 적극적으로 공개, 국민의 정부정책 참여 확대, 새로운 정보기술을 활용한 맞춤형 서비스 제공

서울시 심야버스 노선을 구축하기 위해 휴대전화 통화 이력데이터를 이용하였다.

한국의 경우에도 심야버스 노선을 휴대전화 통화 이력 데이터라는 빅데이터를 이용하여 별도의 재정지원을 최소화함으로써 심야경제활동 시민의 이동권 신장 및 편익을 증진한다.

산업별로 빅데이터의 특징은 크게 다르며 예를 들어 금융업은 데이터의 양에서, 그리고 정부 분야는 데이터의 다양성에서 다른 산업 분야와 크게 차이가 있음

사물 인터넷 등을 이용해 품질관리에 빅데이터의 활용이 증가하고 있는 분야는 제조업이다. 자동차 산업과 같은 제조업에서는 공정 각 단계에 센서를 부착해 이들로부터 수집된 데이터를 이용해 생산품 품질의 이상 징후를 파악하는 사례들이 증가함

산업별로 빅데이터의 특징은 각기 다르며 이에 따라 빅데이터를 활용하는 분야와 기술도 다양하다.

제조업에서는 생산성 향상을 목적으로 생산 프로세스 곳곳에 센서를 부착해 정밀한 데이터를 수집, 분석하여 불량률을 줄이는 것이 하나의 추세로 자리 잡고 있다.

금융업 중 카드업은 고객의 행태와 지출을 파악할 수 있는 결제 데이터의 증가로 빅데이터를 이용한 다양한 고객 맞춤 서비스 경쟁이 시작되고 있다.

국내 신한카드의 Sally는 결제 내역 데이터를 이용해 고객 맞춤 서비스를 제공하는 것이 특징이다. 실제 고객들이 결제한 내역을 분석해 이를 바탕으로 맞춤화된 할인 혜택을 제공하는 것이 특징이다.

빅데이터 시대가 되면서 고객이 만들어 내는 데이터 등 기업이 활용 가능한 데이터의 대부분(거의 90% 이상)이 기업 외부에서 발생한다.

지구상 데이터의 90%는 지난 2년간 만들어진 데이터일 정도로 최근 디지털화에 따라 기업의 경영 환경이 급변하고 있다.

인사이드(inside)는 오프라인 매장 내에서 방문객들의 동선과 관련된 데이터를 수집하고 분석해 매장 관리와 마케팅 관리를 지원하는 서비스를 제공한다.

리슨 로직(Listenlogic)이라는 기업은 SNS 데이터, 인터넷 상의 각종 댓글 등을 수집 분석해 기업의 위험관리를 대신해 주는 기업이다.

자사의 가치사슬에서 데이터의 흐름을 원활히 하는 부분에서 빅데이터가 차지하는 비중증가하고 있다.

이로 인해 데이터로 하던 것을 빅데이터로 더 잘하는 단계부터 안 하던 것을 빅데이터로 새롭게 제공하는 단계까지 빅데이터 활용의 성숙이 진행된다.

오프라인 점포 관리에서는 방문객의 점포 내 이동 경로를 파악하거나 위치에 따른 프로모션 및 정보 제공에 빅데이터를 활용하고 있다.

데이터, 플랫폼, 고객가치 등 3가지 요소로 구성된 빅데이터 비즈니스 모델들이 등장하고 있다.

빅데이터 기술 구성은 크게 인프라 기술, 분석 기술, 표현기법(시각화)로 나눌 수 있다. 예)흑포도에 들어있는 안토시안이라는 붉은 색 색소성분 덕분에 레드와인의 붉고 아름다운 색이 표현된다.

빅데이터 분석과 데이터 마이닝은 대용량의 데이터에서 알지 못했던 패턴을 찾아 분석 결과를 해석하는 과정으로서 지식 발견의 한 단계로서 유사하다.

데이터 마이닝은 통계적인 분석 기법을 활용한다.

빅데이터 분석은 정형, 비정형데이터를 분석한다.

빅데이터는 빅데이터인프라, 빅데이터분석, 시각화로 나눈다.

데이터 과학자의 역할은 쏟아지는 방대한 데이터 속에서 데이터를 수집, 정리, 조사, 분석, 시각화를 통해 의미를 발굴하고 그것을 비즈니스 가치로 연결하는 전문가이다.

성공적인 빅데이터 분석(데이터마이닝)을 위해서는 현업 담당자, 데이터 분석가, 데이터 처리 전문가 등 이 세 그룹의 협업과 소통이 중요하다.

빅데이터 분석기법은 회귀모형, 로지스틱회귀모형, 신경망모형, 의사결정나무, 군집분석, 연관성규칙, 이상치 탐지, 텍스트마이닝, 사회연결망분석이 있다.

거의 모든 산업현장에서 빅데이터 분석기법을 활용한다.

향후 빅데이터 분석은 점점 필요한 분야이다.

서로 다른 분야와의 협업과 소통이 중요하다.

데이터가 가장 좋은 선생이다.

인터넷 빅데이터는 인터넷 활동으로 발생되는 데이터로 검색데이터, 소셜데이터 등이 있다.

인터넷의 다양한 데이터들은 웹 스크래핑 또는 API를 통해 수집할 수 있다.

검색데이터는 이용자가 검색한 내역을 빈도수 정리한 데이터이며 네이버 트렌드 및 구글 트렌드를 통해 구할 수 있다. 검색 데이터를 통해 사람들의 관심의 시간적 흐름을 파악할 수 있다.

소셜 네트워크 데이터는 트위터, 페이스북, 블로그 등에 있는 데이터인데 API 등을 통해 인증 받은 후 이용할 수 있다. 소셜 데이터를 이용하여 사람들의 감정, 여론 등을 파악할 수 있다.

공공 데이터는 정부와 공공기관이 통계작성, 행정처리 등을 목적으로 수집한 데이터이며 API를 인증 받은 후 이용할 수 있다.

정보시각화는 엄청나게 많은 데이터와 의미를 찾는 과정을 도와준다.

정보는 목적에 따라 다양한 도구를 사용하여 시각화할 수 있는데, R, Processing, D3.js, Tableau와 같은 도구가 많이 사용된다.

시계열 데이터의 시각화를 통해 데이터의 경향성을 파악할 수 있다.

텍스트 정보는 숫자와 달리 명목데이터이기 때문에 몇 가지 전처리 과정을 통해 시각화 할 수 있으며, 태그클라우드와 같은 방법이 주로 사용된다.

소셜네트워크에서의 관계망을 파악하기 위해 네트워크 시각화 방법이 사용된다.

지리정보와 다른 빅데이터를 매시업하여 탐색적 데이터 분석을 한다.

다양한 디지털매체의 등장으로 콘텐츠의 공급이 급격하게 증가하였다.

개인 맞춤형 콘텐츠의 제공으로 콘텐츠의 효과적인 발견 가능성을 높일 수 있다.

콘텐츠 기획에서 빅데이터를 활용하여 사용자에게 인기를 얻을 수 있는 콘텐츠를 기획할 수 있다.

넷플릭스는 자체제작한 알고리즘을 통해 사용자의 취향과 영상 콘텐츠 소비 패턴을 분석하여 새로운 영상 콘텐츠를 성공적으로 기획, 제작하였다.

웹 로봇을 이용하여 조직 외부에 존재하는 데이터 중 인터넷에 공개되어 ��는 HTML(HyperText Markup Language)에서 데이터를 수집하는 도구의 이름은 웹 크롤링(web crawling)이며 이를 통해 웹 페이지를 읽고, 필요한 부분을 긁어온 후 HTML에서 필요한 데이터를 구분·저장하여 분석할 수 있다.

언론분야에서는 알고리즘이 빅데이터를 분석, 처리하여 기사를 자동으로 작성하는 로봇저널리즘이 등장하였다.

유전체란 생명의 모든 것을 결정할 수 있는 정보덩어리로서 태초에서 지금까지 생명의 모든 기록이 시간적으로 잘 보관되어 있는 정보 보관소이다. 인간의 경우 1000쪽 짜리 책 1000권 분량의 정보가 보관되어 있다.

유전체에 대한 연구는 1990년 10월 인간유전체의 전체서열을 규명하기 위해 인간유전체계획을 통해서 전장유전체분석을 시도하였다. 이 결과 약 10여년의 기간동안 25억달러의 비용을 투입하여 인간이라는 종의 유전체의 모든 서열을 밝힌 것이다. 1차 유전체 혁명에서 인류는 종으로서의 인간유전체의 서열분석이라는 목표를 달성하였다.

현생 인류의 조상은 약 10만년전 지금의 에티오피아지역에서 시작하여 아프리카 바깥으로 이주를 시작하게 된다. 서로 다른 환경에 적응한 각가의 인류집단은 서로 다른 유전자의 특성을 가지고 있다. 농경민은 녹말을 분해하는 효소인 아밀라제 유전자의 개수가 다른 집단에 비해 평균적으로 많다. 반면 유목민은 노인이 되어도 활성유지형인 유단 분해효소유전자를 가지고 있다.

유전체 변이 가운데 가장 활발히 연구되는 변이는 단기연기다형성(SNP)이다. 이는 개인특정 뉴클레오타이드가 다른 뉴클레오타이드로 치환된 것으로 서로 다른 두 사람의 30억 뉴클레오타이드 길이의 전체 유전체에서 평균적으로 약 350만개 정도의 SNP가 발견된다. 2000년대 중반 SNP와 다른 유전자가 복제수 변이(CNV)가 보고되었는데 이것은 사람의 모든 유전자가 1쌍 이라고 생각했던 기존의 가정과 달리 특정 유전자의 수는 사람마다 다르다는 것이다.

개개인이 자신의 유전체지도를 통해 유전적 변이를 정확히 앎으로써 암, 당뇨, 고혈압 등 특정 만성병의 발생에 대하여 미리 예측이 가능하게 되었다.

구글은 독감 관련 주제를 검색하는 사람의 수와 독감 증상이 있는 사람 수 간에 관계가 밀접함을 밝히고 독감검색과 관련해서 집계된 구글 검색 데이터를 사용하여 전 세계 독감 유행 수준을 실시간으로 예측한 결과를 보여주는 서비스이다.

트위터는 미국 대선 홈페이지(https://twitter.com/hashtag/election2012)를 개설하고 대선 관련 트윗을 분석해 트위터 정치지��를 작성하였다. 트위터 정치지수는 매일매일 올라오는 버락 오바마 민주당 후보와 밋 롬니 공화당 후보에 대한 트윗을 긍정과 부정으로 구별하여 지수화하여 여론의 흐름을 파악하는 지수이다.

정보시각화란 컴퓨터를 사용하여 인지를 넓힐 수 있도록 데이터를 상호작용이 가능한 시각적 형태로 만드는 것이다. 많이 사용되는 4가지 방법은 시간시각화, 텍스트 시각화, 네트워크 시각화, 지도 기반의 시각화의 네 종류가 있다. 또한 정보시각화에 많이 사용되는 도구는 R, Processing, D3.js, Tableau 등이 있다.

콘텐츠 분야에서 빅데이터를 활용할 방안 - 개인의 취향 분석을 통해 맞춤형 콘텐츠를 제작, 기획할 수 있다.

House of Cards의 성공 이유 - 자체 개발한 협업필터링, 내용기반필터링 알고리즘을 통해 회원들이 선호하는 영상콘텐츠가 무엇인지 파악하고 이를 기반으로 콘텐츠를 제작하였다.

인간의 유전체가 23쌍의 염색체라는 단위로 구성되어 있고 각 염색체가 A, G, C, T 네 가지 종류의 뉴클레오티드라는 알파벳으로 씌어진 DNA라는 긴 가닥으로 이루어져 있는데, 이 안에 생명의 정보가 암호화되어 뉴클레오티드 수로는 약 30억 개로 된 유전체 구성을 밝힌 결과는 유전체지도이다. 1990년 10월 시작된 유전체에 대한 연구는 인간유전체 서열을 규명하기 위해 인간유전체연구를 통해 10년간 25억 달러의 비용을 투입하여 인간이라는 종의 유전체의 모든 서열을 밝힌 결과이다.

단일염기다형성(Single nucleotide polymorphism, SNP) : 이는 개인 특정 뉴클레오티드가 다른 뉴클레오티드로 치환된 것으로서, 서로 다른 두 사람의 30억 뉴클레오티드 길이의 전체 유전체에서 평균적으로 약 350만 개 정도의 SNP가 발견된다. 유전자의 단위로보면, 한 개인은 전체 2만 5천개 유전자 가운데 약 5000개 정도가 다른 사람들과 다른 변이를 보이게 된다.

개인맞춤의학(Personalized medicine) : 각 개인별로 발생할 수 있는 질환을 예측하고 이를 예방, 진단, 처방 치료를 하는 일련의 의학 행위로 같은 환경에서 생활을 하고 동일하게 질병에 대한 위험인자에 노출된다고 하더라도 각 개인별로 질환이 발생할 가능성은 차이가 있을 수 있기 때문에, ‘맞춤 의학’은 각 개인별로 발생할 수 있는 질환의 가능성에 맞는 치료법과 예방법을 실시해야 한다는 것이다.

세계보건기구(World Health Organization)가 내린 건강의 정의는 “건강이란 개인의 심신상 어떤 질병이나 비정상적인 요소가 없을 뿐만 아니라 사회적 안정과 복지의 여건이 충족되어 있는 상태”

공중건강관리(Public Health)는 지역사회나 국가차원에서 국민건강의 수준을 파악하고 건강관리를 위한 사업이나 제도를 개발 수행하는 것

지역사회보건(Community Medicine)은 한마디로 의료사업의 제공자와 일반주민 사이의 역학적 과정이라 할 수 있으며 더 구체적으로는 의사와 기타 보건요원 및 지역사회의 자발적 상호작용을 통해서 지역사회 모든 주민에게 포괄적 의료를 마련하는 것”을 목적으로 하는 과학

건강정보학(Health Informatics)은 환자의 정보를 어떻게 조직적으로 관리하고 평가하느냐를 다루는 분야로 데이터가 어떻게 모아지고 추출되어 치료 및 예방 진단의 의사결정에 지원되느냐가 초점

보건정보학은 “Public Health Informatics is the systematic application of computer science, technology and information to public health prectices, research and learning.” 이러한 기능은 정보의 전달과 대화를 가동하는 시스템을 유지하고 구축하기 위해 기본적으로 요구되는 기능

보건정보학의 범위는 보건에 관련된 의견교환, 질병발생, 정보, 교육 등의 평가와 관리 개념화, 설계, 발전과 개발 및 유지의 기능들을 함축

보건 빅데이터의 분석을 위한 기술 - 통계학 : Lasso, 앙상블, SVM, 군집분석, 네트워크 분석, 분류

보건분야에서 빅데이터의 응용 - 미국국립보건원의 유전자 정보 공유 - 미국국립보건원의 Pillbox 프로젝트 - 건강보험회사 웰포인트 - EMR (Electronic Medical Record) 시스템

보건 빅데이터의 특징 - 외부자료(External), 시각화(Visulaization), 클라우드(Cloud)

빅데이터의 특징으로 데이터의 소스가 조직 외부에 있으며, 보건 데이터의 형태는 매우 비정형화되어 있으며, 시각화가 분석의 중요한 분야이고, 빅데이터의 저장 및 분석을 위한 기술 중에서 클라우드기술이 매우 중요하게 대두되고 있다.

현재 빅데이터의 관심이 고조되고 있는 이유는 과학기술 경쟁의 고조에 의한 새로운 지식 발견에 대한 중요성이 증가하고 있으며, 분산시스템과 분산처리 기술 등의 전산기술의 발달로 인한 빅데이터의 저장 및 가공, 분석이 가능해졌으며, 소셜네트워크 서비스와 모바일서비스로 대변되는 새로운 디지털 서비스로 인한 거대 자료의 획득이 가능해졌기 때문이다.

개인정보는 살아있는 개인에 관한 정보로서 성명, 주민등록번호 및 영상 등을 통해 개인을 알아볼 수 있는 정보(해당 정보만으로는 특정 개인을 알아볼 수 없더라도 다른 정보와 쉽게 결합하여 알아볼 수 있는 것을 포함한다)를 말한다.

프라이버시는 개인의 사생활이나 사적인 일, 또는 그것을 남에게 알려지지 않거나 간섭받지 않을 권리로 정의된다.

빅데이터 시대에는 다양한 원천의 개인데이터가 수집되고 데이터마이닝 기술로 이들을 결합 분석하기 때문에 지금까지 소홀히 여겨왔던 비개인정보로 취급되었던 내용들로도 개인을 식별할 수 있게 되었다.

개인정보보호법은 개인정보의 수집·유출·오용·남용으로부터 사생활의 비밀 등을 보호함으로써 국민의 권리와 이익을 증진하고, 나아가 개인의 존엄과 가치를 구현하기 위하여 개인정보 처리에 관한 사항을 규정함을 목적으로 제정되었다.

개인정보보호 기술은 수집, 저장·관리, 이용·제공, 분석 그리고 파기 등 개인정보 수명주기에 따라 구분할 수 있다.

인류사회의 변천과정은 농경사회, 산업사회, 정보화사회로 발전하고 있으며, 빅데이터의 출현과 더불어 지식사회로 발전하리라 예상된다.

초기 통계학의 발전과 깊은 관계가 있는 것은 인구조사(Census), 정치 산술(Political Arithmetic), 국가 운영을 위한 세금 부과(taxation)이 있다.

통계학의 발전은 빅데이터의 가치를 극대화하는데 중요한 역할을 한다.

데이터 과학자는 통계학, 컴퓨터 과학, 경영학 등 다양한 학문과 기술이 융합된 것을 활용할 줄 아는 전문가이다.

빅데이터 시대에 필요한 분석기술은 과거의 데이터 분석기술과 차별화된다.

빅데이터는 미래 국가경쟁력의 중요한 요소이며, 사물인터넷, 스마트홈 등의 발전에도 기여할 것이다.

빅데이터는 우리나라가 지향하는 창조경제에도 큰 역할을 할 것이다.

#bigdata #빅데이터 #사물인터넷 #IOT #인공지능 #AI

0 notes