22.소프트웨어 공학 요약 Part_2
1. 디자인 패턴
Tags
- Major 42
- Software 22
- OS 11
- keras 11
- deeplearning 11
- KDL 11
- BigData 7
- AI 6
- DevOps 6
- ML 5
- DL 5
- Python 4
- AutoML 4
- LangChain 4
- Project 3
- MLOps 2
- Image processing 2
- Database 2
- Developer 1
- Docker 1
- Kurbernets 1
Major
21.소프트웨어 공학 요약 Part_1
1주차. 소프트웨어 공학과 개발 프로세스
20.소프트웨어 공학 프로젝트 관리
1. 프로젝트의 이해
19.소프트웨어 공학 품질
1. 품질의 이해와 요소
18.소프트웨어 공학 테스트 (2)
3. 정적 테스트
17.소프트웨어 공학 테스트 (1)
1. 테스트의 이해
16.소프트웨어 공학 구현
1. 프로그래밍 언어의 역사
15.소프트웨어 공학 디자인 패턴 (2)
4. 생성 패턴
14.소프트웨어 공학 디자인 패턴 (1)
1. 디자인 패턴의 이해
13.소프트웨어 공학 UML (다이어그램)
3. 클래스 다이어그램
12.소프트웨어 공학 UML
1. UML의 이해
7.빅데이터 분석 데이터 시각화 기법과 이해
1. 데이터 시각화의 중요성
11.소프트웨어 공학 클래스 설계
2. 클래스 간의 관계
10.소프트웨어 공학 아키텍처 설계
1. 아키텍처 설계
6.빅데이터 분석 비정형 데이터분석
1. 텍스트마이닝
9.소프트웨어 공학 설계 (모듈화)
3. 모듈화
8.소프트웨어 공학 설계 (추상화)
1. 설계의 이해
5.빅데이터 머신러닝 기반 데이터분석 (2)
4. 랜덤 포레스트
4.빅데이터 머신러닝 기반 데이터분석 (1)
1. 머신러닝
7.소프트웨어 공학 요구사항 (2)
4. 요구사항의 표현
6.소프트웨어 공학 요구분석 (1)
1. 요구사항
3.빅데이터 통계기반 데이터분석
1. 통계기반 데이터 분석
5.소프트웨어 공학 계획 (일정계획&위험분석)
8. 일정 계획
4.소프트웨어 공학 계획 (COCOMO 방법)
7. 비용 산정 기법3 (수학적 산정 기법)
3.소프트웨어 공학 계획
1. 계획의 이해
2.빅데이터 분석 기획
1. 데이터 분석 기획
2.소프트웨어 공학과 개발 프로세스 (2)
8. 애자일 프로세스 모델
1.소프트웨어 공학과 개발 프로세스 (1)
[공지사항] 민혁 블로그 신규 포스팅 안내 드립니다.
1.빅데이터의 이해
[공지사항] 민혁 블로그 신규 포스팅 안내 드립니다.
2.데이터베이스 정규화
정규화 정규화란 관계형 데이터베이스의 설계에서 데이터 중복을 줄이고 데이터 무결성을 개선하기 위해 데이터를 정규형에 맞도록 구조화하는 프로세스
1.데이터베이스 기초
데이터베이스 (DBMS, DataBase Management System) 특정 조직 내 필요한 데이터들의 모임, 공용으로 소유/유지/이용하는 공용 데이터
[Linux] 11. 네트워크 설정
[공지사항] 민혁 블로그 신규 포스팅 안내 드립니다.
[Linux] 10. 사용자 관리
1. 사용자 계정 관련 파일
[Linux] 9. 소프트웨어 관리
1. 우분투 패키지 개요
[Linux] 8. 파일시스템과 디스크 관리하기(2)
4. 디스크 추가 설치
[Linux] 7. 파일시스템과 디스크 관리하기(1)
1. 리눅스 파일 시스템의 종류
[Linux] 6. 프로세스 관리 명령
1. 프로세스 개념
[Linux] 5. 파일 접근 권한 관리하기
1. 파일의 속성
[Linux] 4. 셸 사용하기
1. 셸의 기능과 종류
[Linux] 3. 문서 편집하기
1. 리눅스의 문서 편집기
[Linux] 2. 디렉터리와 파일 사용하기
1. 리눅스의 파일과 디렉터리 파일의 종류 파일: 관련 있는 정보들의 집합 1) 일반 파일 2) 디렉터리 3) 심벌릭 링크 4) 장치 파일 1) 일반 파일 데이터를 저장하는데 사용 텍스트 파일: 문서 편집기 사용 실행 파일, 이미지 파일: 바이너리 파일 이미지 파일: ...
[Linux] 1. 리눅스 명령 사용
1. 리눅스 명령 사용
Software
22.소프트웨어 공학 요약 Part_2
1. 디자인 패턴
21.소프트웨어 공학 요약 Part_1
1주차. 소프트웨어 공학과 개발 프로세스
20.소프트웨어 공학 프로젝트 관리
1. 프로젝트의 이해
19.소프트웨어 공학 품질
1. 품질의 이해와 요소
18.소프트웨어 공학 테스트 (2)
3. 정적 테스트
17.소프트웨어 공학 테스트 (1)
1. 테스트의 이해
16.소프트웨어 공학 구현
1. 프로그래밍 언어의 역사
15.소프트웨어 공학 디자인 패턴 (2)
4. 생성 패턴
14.소프트웨어 공학 디자인 패턴 (1)
1. 디자인 패턴의 이해
13.소프트웨어 공학 UML (다이어그램)
3. 클래스 다이어그램
12.소프트웨어 공학 UML
1. UML의 이해
11.소프트웨어 공학 클래스 설계
2. 클래스 간의 관계
10.소프트웨어 공학 아키텍처 설계
1. 아키텍처 설계
9.소프트웨어 공학 설계 (모듈화)
3. 모듈화
8.소프트웨어 공학 설계 (추상화)
1. 설계의 이해
7.소프트웨어 공학 요구사항 (2)
4. 요구사항의 표현
6.소프트웨어 공학 요구분석 (1)
1. 요구사항
5.소프트웨어 공학 계획 (일정계획&위험분석)
8. 일정 계획
4.소프트웨어 공학 계획 (COCOMO 방법)
7. 비용 산정 기법3 (수학적 산정 기법)
3.소프트웨어 공학 계획
1. 계획의 이해
2.소프트웨어 공학과 개발 프로세스 (2)
8. 애자일 프로세스 모델
1.소프트웨어 공학과 개발 프로세스 (1)
[공지사항] 민혁 블로그 신규 포스팅 안내 드립니다.
OS
[Linux] 11. 네트워크 설정
[공지사항] 민혁 블로그 신규 포스팅 안내 드립니다.
[Linux] 10. 사용자 관리
1. 사용자 계정 관련 파일
[Linux] 9. 소프트웨어 관리
1. 우분투 패키지 개요
[Linux] 8. 파일시스템과 디스크 관리하기(2)
4. 디스크 추가 설치
[Linux] 7. 파일시스템과 디스크 관리하기(1)
1. 리눅스 파일 시스템의 종류
[Linux] 6. 프로세스 관리 명령
1. 프로세스 개념
[Linux] 5. 파일 접근 권한 관리하기
1. 파일의 속성
[Linux] 4. 셸 사용하기
1. 셸의 기능과 종류
[Linux] 3. 문서 편집하기
1. 리눅스의 문서 편집기
[Linux] 2. 디렉터리와 파일 사용하기
1. 리눅스의 파일과 디렉터리 파일의 종류 파일: 관련 있는 정보들의 집합 1) 일반 파일 2) 디렉터리 3) 심벌릭 링크 4) 장치 파일 1) 일반 파일 데이터를 저장하는데 사용 텍스트 파일: 문서 편집기 사용 실행 파일, 이미지 파일: 바이너리 파일 이미지 파일: ...
[Linux] 1. 리눅스 명령 사용
1. 리눅스 명령 사용
keras
10.케창딥 - 트랜스포머
트랜스포머, 시퀀스 투 시퀀스
11.케창딥 - 자연어 처리
자연어 처리 소개 NLP 시스템은 트랜스포머를 기반
9.케창딥 - RNN, LSTM
RNN 과 LSTM 차이 RNN에서 LSTM으로 발전하면서 이동 상태(Cell State)와 은닉 상태(Hidden State)의 역할이 RNN과 비교해 크게 개선되었습니다. 이 두 상태는 LSTM에서 핵심적인 기능을 담당하며, RNN의 한계를 극복하는 데 중요한 역할을 합니다...
8.케창딥 - 순환 신경망(RNN)
시계열 데이터, RNN, LSTM 다양한 종류의 시계열 작업
7.케창딥 - 컴퓨터비전
![[Pasted image 20240905104037.png]]
6.케창딥 - 합성곱 신경망(CV)
8장: 합성곱 신경망(CV)
5.케창딥 - 머신러닝 프로세스
머신러닝 프로세스, 배포 기법, 모델 경량화
4.케창딥 - 모델 일반화
모델 일반화 능력, 최적화, 과대적합 방지
3.케창딥 - 머신러닝 워크플로
신경망 기반 분류, 머신러닝 워크 플로우
2.케창딥 - Tensor
신경망의 수학적 구성 요소
1.케라스 창시자에게 배우는 딥러닝(케창딥)
케라스 창시자에게 배우는 딥러닝(케창딥) 교재를 기반으로 핵심 내용만 정리해서 포스팅을 진행합니다. 개념 설명과 질문, 자기 생각까지 담겨있는 방식으로 구성 되어 있습니다.
deeplearning
10.케창딥 - 트랜스포머
트랜스포머, 시퀀스 투 시퀀스
11.케창딥 - 자연어 처리
자연어 처리 소개 NLP 시스템은 트랜스포머를 기반
9.케창딥 - RNN, LSTM
RNN 과 LSTM 차이 RNN에서 LSTM으로 발전하면서 이동 상태(Cell State)와 은닉 상태(Hidden State)의 역할이 RNN과 비교해 크게 개선되었습니다. 이 두 상태는 LSTM에서 핵심적인 기능을 담당하며, RNN의 한계를 극복하는 데 중요한 역할을 합니다...
8.케창딥 - 순환 신경망(RNN)
시계열 데이터, RNN, LSTM 다양한 종류의 시계열 작업
7.케창딥 - 컴퓨터비전
![[Pasted image 20240905104037.png]]
6.케창딥 - 합성곱 신경망(CV)
8장: 합성곱 신경망(CV)
5.케창딥 - 머신러닝 프로세스
머신러닝 프로세스, 배포 기법, 모델 경량화
4.케창딥 - 모델 일반화
모델 일반화 능력, 최적화, 과대적합 방지
3.케창딥 - 머신러닝 워크플로
신경망 기반 분류, 머신러닝 워크 플로우
2.케창딥 - Tensor
신경망의 수학적 구성 요소
1.케라스 창시자에게 배우는 딥러닝(케창딥)
케라스 창시자에게 배우는 딥러닝(케창딥) 교재를 기반으로 핵심 내용만 정리해서 포스팅을 진행합니다. 개념 설명과 질문, 자기 생각까지 담겨있는 방식으로 구성 되어 있습니다.
KDL
10.케창딥 - 트랜스포머
트랜스포머, 시퀀스 투 시퀀스
11.케창딥 - 자연어 처리
자연어 처리 소개 NLP 시스템은 트랜스포머를 기반
9.케창딥 - RNN, LSTM
RNN 과 LSTM 차이 RNN에서 LSTM으로 발전하면서 이동 상태(Cell State)와 은닉 상태(Hidden State)의 역할이 RNN과 비교해 크게 개선되었습니다. 이 두 상태는 LSTM에서 핵심적인 기능을 담당하며, RNN의 한계를 극복하는 데 중요한 역할을 합니다...
8.케창딥 - 순환 신경망(RNN)
시계열 데이터, RNN, LSTM 다양한 종류의 시계열 작업
7.케창딥 - 컴퓨터비전
![[Pasted image 20240905104037.png]]
6.케창딥 - 합성곱 신경망(CV)
8장: 합성곱 신경망(CV)
5.케창딥 - 머신러닝 프로세스
머신러닝 프로세스, 배포 기법, 모델 경량화
4.케창딥 - 모델 일반화
모델 일반화 능력, 최적화, 과대적합 방지
3.케창딥 - 머신러닝 워크플로
신경망 기반 분류, 머신러닝 워크 플로우
2.케창딥 - Tensor
신경망의 수학적 구성 요소
1.케라스 창시자에게 배우는 딥러닝(케창딥)
케라스 창시자에게 배우는 딥러닝(케창딥) 교재를 기반으로 핵심 내용만 정리해서 포스팅을 진행합니다. 개념 설명과 질문, 자기 생각까지 담겨있는 방식으로 구성 되어 있습니다.
BigData
7.빅데이터 분석 데이터 시각화 기법과 이해
1. 데이터 시각화의 중요성
6.빅데이터 분석 비정형 데이터분석
1. 텍스트마이닝
5.빅데이터 머신러닝 기반 데이터분석 (2)
4. 랜덤 포레스트
4.빅데이터 머신러닝 기반 데이터분석 (1)
1. 머신러닝
3.빅데이터 통계기반 데이터분석
1. 통계기반 데이터 분석
2.빅데이터 분석 기획
1. 데이터 분석 기획
1.빅데이터의 이해
[공지사항] 민혁 블로그 신규 포스팅 안내 드립니다.
AI
LLMOps 란?
LLMOps란 무엇인가요?
LLamaIndex vs LangChain
LLamaIndex vs LangChain
AutoML & LangChain Ask
AutoML과 Langchain 질문하기
오류역전파 알고리즘 프로젝트
[공지사항] 민혁 블로그 신규 포스팅 안내 드립니다.
✨ keep imagining!
[공지사항] 민혁 블로그 신규 포스팅 안내 드립니다.
DevOps
LLMOps 란?
LLMOps란 무엇인가요?
LLamaIndex vs LangChain
LLamaIndex vs LangChain
AutoML & LangChain Ask
AutoML과 Langchain 질문하기
Docker 기초 실습
Docker 기초 실습하기
✨ keep imagining!
[공지사항] 민혁 블로그 신규 포스팅 안내 드립니다.
ML
LLMOps 란?
LLMOps란 무엇인가요?
LLamaIndex vs LangChain
LLamaIndex vs LangChain
AutoML & LangChain Ask
AutoML과 Langchain 질문하기
오류역전파 알고리즘 프로젝트
[공지사항] 민혁 블로그 신규 포스팅 안내 드립니다.
DL
LLMOps 란?
LLMOps란 무엇인가요?
LLamaIndex vs LangChain
LLamaIndex vs LangChain
AutoML & LangChain Ask
AutoML과 Langchain 질문하기
오류역전파 알고리즘 프로젝트
[공지사항] 민혁 블로그 신규 포스팅 안내 드립니다.
Python
오류역전파 알고리즘 프로젝트
[공지사항] 민혁 블로그 신규 포스팅 안내 드립니다.
K-means 알고리즘 프로젝트
[공지사항] 민혁 블로그 신규 포스팅 안내 드립니다.
히스토그램 평활화 프로젝트
[공지사항] 민혁 블로그 신규 포스팅 안내 드립니다.
✨ keep imagining!
[공지사항] 민혁 블로그 신규 포스팅 안내 드립니다.
AutoML
LLMOps 란?
LLMOps란 무엇인가요?
LLamaIndex vs LangChain
LLamaIndex vs LangChain
AutoML & LangChain Ask
AutoML과 Langchain 질문하기
LangChain
LLMOps 란?
LLMOps란 무엇인가요?
LLamaIndex vs LangChain
LLamaIndex vs LangChain
AutoML & LangChain Ask
AutoML과 Langchain 질문하기
Project
오류역전파 알고리즘 프로젝트
[공지사항] 민혁 블로그 신규 포스팅 안내 드립니다.
K-means 알고리즘 프로젝트
[공지사항] 민혁 블로그 신규 포스팅 안내 드립니다.
히스토그램 평활화 프로젝트
[공지사항] 민혁 블로그 신규 포스팅 안내 드립니다.
MLOps
Docker 기초 실습
Docker 기초 실습하기
✨ keep imagining!
[공지사항] 민혁 블로그 신규 포스팅 안내 드립니다.
Image processing
K-means 알고리즘 프로젝트
[공지사항] 민혁 블로그 신규 포스팅 안내 드립니다.
히스토그램 평활화 프로젝트
[공지사항] 민혁 블로그 신규 포스팅 안내 드립니다.
Database
2.데이터베이스 정규화
정규화 정규화란 관계형 데이터베이스의 설계에서 데이터 중복을 줄이고 데이터 무결성을 개선하기 위해 데이터를 정규형에 맞도록 구조화하는 프로세스
1.데이터베이스 기초
데이터베이스 (DBMS, DataBase Management System) 특정 조직 내 필요한 데이터들의 모임, 공용으로 소유/유지/이용하는 공용 데이터
Developer
✨ keep imagining!
[공지사항] 민혁 블로그 신규 포스팅 안내 드립니다.
Docker
Docker 기초 실습
Docker 기초 실습하기
Kurbernets
Docker 기초 실습
Docker 기초 실습하기