Tech Trail

1. 다음 명령의 실행 결과에 대한 설명으로 가장 적절한 것은? ihd@ihd:/ # groupdel ihd1 groupdel: group ihd1 does not exist "groupdel ihd1" 명령은 "ihd1" 그룹을 제거하려고 시도하였지만 해당 그룹이 존재하지 않아 제거하지 못한 것을 나타냅니다. ​ 2. 오류 메시지를 파일로 저장하기 위한 방향 재지정 명령은 "cat nofile 2 > error_log_file"이며, 표준 오류를 "error_log_file" 파일로 재지정합니다. ​ 3. a라는 파일이 이미 존재하고 있을 때, "touch a" 명령은 "a" 파일의 최종 수정 시간을 현재 시간으로 갱신하지만 a 파일 내용에는 아무런 변동이 없습니다. ​ 4. "/home" 디렉토리에 ..

1. MD5 관한 설명으로 맞는 것은 "보안 관련 아닌 것을 제외할 것" 입니다. MD5(Message Digest Algorithm 5)은 주어진 데이터 또는 메시지의 해시 값을 생성하는 알고리즘입니다. 이 해시 값은 데이터의 무결성을 확인하고 데이터의 정체성을 확인하는 데 사용됩니다. 보통 데이터의 무결성을 검증하거나 데이터가 변경되지 않았음을 확인할 때 사용됩니다. 그러나 현재 MD5는 보안에 취약하다는 이유로 안전한 애플리케이션에서는 권장되지 않습니다. ​ 2. 파티션과 장치명에 대한 설명에서 "hda는 첫 번째 IDE HDD를 나타낸다"는 설명이 옳습니다. "hda"는 리눅스 시스템에서 첫 번째 IDE 하드 디스크를 나타냅니다. ​ 3. "find" 명령어는 새로운 파일을 만드는 데 관련이 없는..

1. 다음 명령에 대한 설명으로 가장 적절한 것은? #ifconfig eth0 down 가.eth0이라는 네트워크 어댑터를 다시 설정하고 있다. 나.eth0이라는 네트워크 어댑터를 비활성화 시키고 있다. 다.eth0이라는 네트워크 어댑터를 시스템에서 완전히 삭제하고 있다. 라.eth0이라는 네트워크 어댑터의 아이피를 변경시키고 있다. ​ "ifconfig eth0 down"은 eth0 네트워크 어댑터를 비활성화하는 명령입니다. ​ ​ 2. 배포판 설치 시 선택할 수 있는 설치 유형이 아닌 것은? 가.워크스테이션 나.업그레이드 다.서버 라.메인프레임 ​ 주로 사용되는 리눅스 배포판 설치 유형은 워크스테이션, 서버 및 업그레이드입니다. 메인프레임은 다른 유형과는 다른 종류의 하드웨어 플랫폼을 가리키며 일반적..

1. bash 환경에서 아래 명령의 실행 결과에 대한 설명으로 가장 적절한 것은? export PATH=$PATH:/etc ⓵ 기존의 경로(PATH)를 제거하고 새로운 경로를 추가하였다. ⓶ 기존의 경로(PATH)에 /etc라는 새로운 경로를 추가하였다. ⓷ 잘못된 명령으로, export $PATH=PATH:/etc로 실행하는 것이 옳다. ⓸ 잘못된 명령으로, export PATH=PATH:/etc로 실행하는 것이 옳다. ​ 이 명령은 환경 변수인 PATH에 현재의 경로(PATH)를 유지한 채로 /etc 경로를 추가하는 것입니다. 따라서 새로운 경로가 기존 경로에 추가됩니다. ​ ​ 2. 리눅스를 설치한 후 부팅을 하였는데, LILO boot: 프롬프트가 나오지 않고 LI 문자만 출력하고 부팅이 이루어지..

Ensemble (앙상블): 여러 개의 분류기를 결합하여 보다 정확한 예측을 얻는 머신러닝 기법입니다. 이를 통해 약한 모델을 조합하여 높은 예측 정확도를 달성할 수 있으며, 적절한 Hyperparameter 튜닝이 필요합니다. ​ Ensemble 기법 Boosting: 이전 학습에 대하여 잘못 예측된 데이터에 가중치를 부여하여 오차를 보완하는 방식으로, 대표 모델로 XGBoost, LightGBM이 있습니다. 순차적인 학습을 통해 오차를 보완하지만 학습 시간이 길 수 있습니다. Stacking: 여러 모델이 예측한 결과 데이터를 기반으로 최종 예측을 수행하는 방식입니다. 이를 통해 성능은 향상될 수 있지만 과대적합을 유발할 수 있습니다. Weighted Blending: 각 모델의 예측값에 가중치를 곱..

머신러닝 주요 알고리즘 scikit-learn: 가장 인기 있는 머신러닝 패키지로, 다양한 머신러닝 알고리즘이 내장되어 있습니다. ​ 머신러닝 주요 알고리즘 분류 ​ 회귀 (Regression) 예시: 선형 회귀 (Linear Regression) 코드 예시 from sklearn.linear_model import LinearRegression model = LinearRegression() ​ 분류 (Classification) 예시: 로지스틱 회귀 (Logistic Regression) 코드 예시 from sklearn.linear_model import LogisticRegression model = LogisticRegression() ​ 회귀와 분류 모두 가능 결정 트리 (Decision Tr..

DML(Data Manipulation Language): DDL에서 정의한 대로 데이터를 입력하고, 입력된 데이터를 수정, 삭제, 조회하는 명령어 INSERT: 테이블에 데이터를 입력하는 명령어 INSERT INTO 테이블명 (컬럼명1, 컬럼명2 ...) VALUES (데이터1, 데이터2 ...); INSERT INTO 테이블명 VALUES (전체 컬럼에 입력될 데이터 리스트); ​ Q. 다음 SQL의 결과? [SQL] INSERT INTO (COL2, COL3) VALUES ('S', 'A'); [SAMPLE 테이블] COL1 COL2 COL3 DEFAULT 'D' [결과] 에러가 발생한다. ​ PK(Primary Key)는 NOT NULL 조건이기 때문에 반드시 데이터가 입력되어야 하지만 주어진 S..

서브쿼리 서브쿼리는 하나의 쿼리 안에 존재하는 또 다른 쿼리 메인 쿼리의 컬럼이 포함된 서비쿼리를 연관 서브 쿼리, 메인 쿼리의 컬럼이 포함되지 않은 서브쿼리를 비연관 서브쿼리라고 함 ORDER BY 절, INSERT 문의 VALUE 절 등에 사용 가능 다중 행 서브쿼리의 경우 '=' 조건과 함께 사용 불가 다중 컬럼 서브쿼리의 경우 IN 절과 함께 사용 가능 ​ ​ 서브쿼리의 위치에 따라 SELECT 절: 스칼라 서브쿼리(Scalar Subquery), 스칼라 서브쿼리는 주로 SELECT 절에 위치하지만 컬럼이 올 수 있는 대부분 위치에 사용 가능. 컬럼 대신 사용되므로 반드시 하나의 값만을 반환해야 함 FROM 절: 인라인 뷰(Inline View), 인라인 뷰는 FROM 절 등 테이블 명이 올 수 ..