Tech Trail

최고의 Java 및 Kotlin IDE인 IntelliJ IDEA를 다운로드하세요 (jetbrains.com) 최고의 Java 및 Kotlin IDE인 IntelliJ IDEA를 다운로드하세요 www.jetbrains.com 요즘은 Java 및 Kotlin 개발 환경으로 이클립스보다 인텔리제이를 많이 쓰죠? 그래서 오늘은 IntelliJ IDEA를 설치하는 방법에 대해 포스팅해 보겠습니다. 위 링크로 들어가면 인텔리제이를 설치할 수 있는 사이트가 나오고요. 홈페이지에서 유료버전인 Ultimate 버전뿐만 아니라 무료 버전인 Community Edition도 제공하고 있습니다. 원하는 버전을 선택하여 다운로드합니다. Community Edition는 아래로 스크롤을 조금 내려보면 있어요! 저는 이걸로 다운..

이전 게시글을 보지 않으신 분들은 아래 링크로 이동하여 먼저 보시는 걸 추천드립니다 :) [Flutter로 간단한 퀴즈앱 만들기 01] 플러터 개발환경 세팅하기 (VS code extensions: Dart / Flutter) (tistory.com) [Flutter로 간단한 퀴즈앱 만들기 01] 플러터 개발환경 세팅하기 (VS code extensions: Dart / Flutter) 안녕하세요! 오늘은 Flutter를 사용하여 간단한 퀴즈 앱을 만들어보겠습니다. Flutter 및 Dart 설치 우선, Visual Studio Code(또는 원하는 다른 편집기)에 Flutter와 Dart를 설치해야 합니다. Visual Studio Code의 E techtrail.tistory.com 저번에 만든 홈화..

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..

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 ..

테이블(TABLE) 데이터 모델에서 인스턴스에 해당하는 것은 로우, 속성에 해당하는 것은 컬럼 데이터 모델에서 엔터티에 해당 데이터를 저장하기 위해 사용 데이터베이스는 일반적으로 여러 개의 테이블로 구성 ​ ​ SELECT문 저장되어 있는 데이터를 조회하고자 할 때 사용하는 명령어 SELECT 컬럼1, 컬럼2, ... FROM 테이블 WHERE 컬럼1 = '아무개'; 컬럼을 따로 명시하지 않고 *(asterisk)를 쓰면 전체 컬럼이 조회되며, 조회되는 컬럼의 순서는 테이블의 컬럼 순서와 동일하다. 그리고 WHERE 절이 없으면 테이블의 전체 Row가 조회됨 테이블명이나 컬럼명에 별도의 별칭(Alias)을 붙여줄 수 있는데, 테이블명에 Alias를 설정했을 경우 테이블명 대신 Alias를 사용해야 함 ​..

모델링이 갖춰야 할 조건 현실세계 반영 단순화하여 표현 관리하고자 하는 데이터를 모델로 설계 ​ ​ 데이터베이스 모델링 세 가지 특징 추상화 단순화 명확화 ​ ​ 데이터 모델링 세 가지 관점 데이터 관점 프로세스 관점 데이터와 프로세스의 상관 관점 ​ ​ 데이터 모델링의 세 가지 단계 개념적 데이터 모델링 논리적 데이터 모델링 물리적 데이터 모델링 ​ ​ 데이터 모델링 유의사항(데이터 모델링을 할 때 지양해야 할 점) 중복 -> 같은 데이터가 여러 엔터티에 중복되어 저장되지 않도록! 비유연성 -> 어플리케이션과 데이터 간 연계성이 높으면, 어플리케이션 변경될 때마다 데이터 모델도 변경해야 함 ㅠㅠ 데이터 모델과 프로세스를 분리하여 유연성을 높여야 함! 비일관성 -> 데이터 간 일관성을 유지하기 위해 상호..