본문 바로가기

𝓡𝓸𝓸𝓶5: 𝒦𝑜𝓇𝑒𝒶 𝒰𝓃𝒾𝓋

(63)

[데이터베이스] CH2. Introduction to Relation Model(1) superkey : tuple을 특정지을 수 있는 attribute 또는 attribute의 집합 모두 candidate key: primary key가 될 수 있는 후보키로, tuple을 특정지을 수 있는 super 키 중 최소인 것(불필요한 것 뺀 것) primary key : candidate key 중 하나 foreign key : 다른 relation의 pk를 참조한 key

[데이터베이스] CH1. Introduction database systems을 써야 하는 이유 1. Data redundancy and inconsistency : 데이터 중복 및 불일치를 막기 위해. 데이터가 여러 파일 형식으로 저장되므로 서로 다른 파일에 정보가 중복됨 2. Difficulty in accessing data : 디비 안쓰면 데이터 접근이 어려움 3. Data isolation : 여러 데이터를 독립적으로 관리하기 위해 ? 4. Integrity problems : 제약조건을 추가하거나 바꾸기 쉽게 하기 위해 5. Atomicity of updates : 중간에 오류가 났을 때 처리하기 위해. (일부분만 업데이트되어 inconsistent state 될 수 있음) 6. Concurrent access by multiple user..

[컴퓨터구조] CH4. RISC-V & RISC-V Instruction #1 CISC VS RISC - CISC (Complex Instruction Set Computer) 하나의 instruction이 여러가지 복잡한 작업을 함 ex. move in x86 instruction의 길이가 가변적 ex. x86(Intel, AMD), Motorola 68k - RISC (Reduced Instruction Set Computer) 각 instruction이 하나의 작은(unit) 작업만 함. ex. add, lw, sw, beq instruction의 길이가 고정됨 Load/Store Architecture ex. RISC-V, ARM, MIPS 사실 이 그림이 왜 여기 그려져 있는지 했는데 일단 있으니까 설명을 해보도록 하죠 예를 들어 COPY라는 명령을 수행한다고 치자. he..

[컴퓨터구조] CH3. Performance

[컴퓨터구조] CH2. Instructions and High-level to Machine Code Abstraction ; 추상화 " 복잡한 자료, 모듈, 시스템 등으로부터 핵심적인 개념 또는 기능을 간추려 내는 것 " Instruction set architecture (ISA) : 하드웨어와 Low-level 소프트웨어 간의 abstraction interface 현실에서 따지면 기계를 운전하는 사용자에게 제공하는 '차'라는 abstraction layer 같은.. Abstractions in Computer Programming using APIs : API를 이용해 프로그래밍 Operating Sytems : 운영체제, APIs를 제공 Instruction Set Architecture (ISA) : Assembly language or Machine language Hardware Imple..

[컴퓨터구조] CH1. Computer and Technology 1. Classes of Computers ; 컴퓨터의 분류 1) Personal computers(PC) : 개인용 피씨 일반적인 목적 데스크탑, 노트북, 랩탑, 넷북(?) 2) Servers 여러 유저들로 부터 더 큰 프로그램을 실행시킴 대개 네트워크를 통해 접근 큰 용량, 좋은 성능과 안정성 작은 서버부터 빌딩 크기까지 다양함 High-end : 슈퍼 컴퓨터나 데이터 센터용, 테라바이트의 메모리와 페타바이트의 저장용량을 가지고 있는 수백 수천개의 프로세서들로 구성됨 Low-end : 작은 회사나 웹 서빙용 3) Embedded computers -> 특별한 목적으로 만들어지는! 어떤 특정한 어플리케이션을 실행시키기 위한 컴퓨터랄까 ex) GPS navigator, robots, car.... 2. ..

[인공지능] 17. Making Sequential Decisions 1. Markov Decision Process 1) Episodic Decisions - nondeterministic, partially observable한 상황에서는 다음 state를 확신할 수 없다. 따라서 observations e가 주어졌을 때 outcome은 outcome s'가 맞을 때의 확률로 나타낼 수 있다. P(Result(a) = s' | a, e) - Utility function U(s)는 각 state의 좋은 정도를 나타내는 하나의 숫자이다. 주어진 evidence에서 어떤 action을 취했을 때의 expected utility 값은, 그 action을 취했을 때 나오는 outcome의 average utility value값이다. EU(a | e) = ∑(s') P(Res..

[인공지능] 16. Hidden Markov Models (HMM) 1. Definition of Hidden Markov Model : 시간의 개념이 포함된 확률 모델 - single discrete random variable로 이루어져 있는 probabilistic model. - state variable Xt 는 정수 1, ... , S를 가질 수 있으며, S는 가능한 states의 수이다. - transition model P(Xt|Xt-1) 은 S*S의 matrix T이다. (T_ij = P(Xt = j | X_t-1 = i) - evidence variable Et는 각 state에서 specify하고, 각 state i에서 P(et | Xt = i) 를 통해 state가 et를 야기하는지에 대해 알 수 있다. 이 value는 편의상 S*S의 diagona..

[인공지능] 15. Probabilistic Reasoning over Time (PRoT) 1. Introduction - 세상을 몇 개의 observable 하거나 그렇지 않은 random variables을 포함하고 있는 어떤 snapshot 또는 time slices의 집합이라고 생각하자. - Xt : state variables at time t , 시간이 t일 때의 state variable들의 집합. 관측할 수 없는, 그 값을 알 수 없는 variable이다. - Et : evidence variables, 관측할 수 있는, 알 수 있는 variable - transition model : state이 어떻게 변하는지 정의한다. 예를 들어 t-1 일 때 state이 X일 때, 다음 state이 X 일 확률 - sensor model : evidence variable이 값이 어떻게 ..

[인공지능] 14. Bayesian Networks 1. Definition of Bayesian Networks 1) Bayesian networks (= belief networks, Bayesian belief networks, graphical models) - Directed graph임 - Nodes (= Random variable)와 Links 로 구성됨 - node X로부터 node Y로의 links로 이루어진 directed acyclic graph(DAG) - X는 causes, Y는 effects - Conditional probability distribution P(Xi | Parents(Xi) ) : Xi 의 부모 노드들이 발생할 때 Xi가 발생할 확률 즉 ~가 발생할 때의 확률을 트리처럼..? 그래프로 나타냄 2) Condit..

이전 1 2 3 4 5 6 7 다음

티스토리툴바