1. 단사 함수 (Injective):    - 단사 함수는 입력 값이 서로 다른 경우, 그에 대한 출력 값도 서로 다르도록 하는 함수로 두 개의 다른 입력 값이 동일한 출력 값을 가질 수 없는 함수이다.    - 수학적으로는, "임의의 \( x_1 \)와 \( x_2 \)에 대해 \( f(x_1) = f(x_2) \)이면 \( x_1 = x_2 \)이다"로 표현된다.    - 예를 들어, 함수 \( f(x) = 2x \)는 단사 함수이다. 왜냐하면 입력 값이 서로 다르면 그에 대응하는 출력 값도 다르기 때문이다. 2. 전사 함수 (Surjective):    - 전사 함수는 모든 출력 값(함수의 공역에 속하는 모든 값)이 적어도 하나의 입력 값과 대응하는 함수이다.    - 공역에 있는 모든 값에 대해..

1. 단어 수 맞추기 (Padding)모든 문장의 길이를 동일하게 맞추기 위해 짧은 문장에는 '0'을 추가한다. 예를 들어, 문장의 최대 길이가 4라면, 길이가 2인 문장은 0을 추가하여 [2, 0, 0, 0]처럼 패딩한다. - 원래 문장: [3, 4] - 패딩된 문장: [3, 4, 0, 0] 2. 원-핫 인코딩 준비 각 단어에 고유한 인덱스(숫자)를 부여한다. 이 인덱스를 나중에 원-핫 인코딩으로 변환한다. - 단어 인덱스: [3, 4, 5, 0] 3. 원-핫 인코딩 수행 각 단어 인덱스를 원-핫 벡터로 변환한다. 원-핫 인코딩은 인덱스에 해당하는 위치만 1로 표시하고 나머지는 모두 0으로 표시하는 방식이다. - 단어 인덱스 3번: [0, 0, 1, 0, 0, 0, ...] - 단어 인덱스 4번: [0..

정보 시스템에서 실행되는 컴퓨팅 환경의 종류    - 온프레미스(On-premises): 데이터 센터나 서버가 물리적으로 기업 내부에 위치하여 기업에서 직접 관리하는 환경이다. 모든 하드웨어와 소프트웨어를 기업이 직접 관리하며, 보안과 제어에 있어 높은 신뢰성을 제공하는 반면, 초기 구축 비용과 유지 관리 비용이 많이 든다.        - 클라우드 컴퓨팅(Cloud Computing): 인터넷을 통해 IT 자원(서버, 스토리지, 네트워크 등)을 제공받는 환경이다. 퍼블릭 클라우드(예: AWS, Microsoft Azure, Google Cloud), 프라이빗 클라우드, 하이브리드 클라우드로 나뉘며, 유연성과 확장성이 뛰어나며 초기 비용이 낮다.        - 가상화(Virtualization): 물리..

FIFO(First In First Out) 알고리즘 설명FIFO는 가장 먼저 들어온 페이지를 가장 먼저 교체하는 페이지 교체 알고리즘으로 먼저 들어온 페이지가 캐시에 오래 머물러 있는 경우 교체 대상이 된다. 간단한 구현: 페이지가 캐시에 삽입된 순서를 기준으로 가장 먼저 들어온 페이지가 교체된다.Belady 변이: FIFO 알고리즘에서는 페이지 프레임 수가 증가해도 페이지 미스가 증가할 수 있는 Belady 변이가 발생할 수 있다.FIFO 알고리즘 과정:페이지 요청이 발생하면, 해당 페이지가 캐시에 있는지 확인캐시에 없으면 페이지 미스가 발생하며, 먼저 들어온 페이지(오래된 페이지)를 교체새로운 페이지는 큐의 끝에 삽입 from collections import dequedef fifo_page_re..

LRU(Least Recently Used)는 페이지 교체 알고리즘 중 하나로, 가장 오랫동안 사용되지 않은 페이지를 교체하는 방식이다. 캐시 메모리에서 사용되며, 페이지 교체 시 가장 오래된 페이지를 선택해 교체한다. 시간적 지역성을 기반으로 함: 자주 사용된 데이터는 앞으로도 사용될 가능성이 높고, 오랫동안 사용되지 않은 데이터는 앞으로도 사용되지 않을 가능성이 높다는 가정.페이지 미스: 캐시에 없는 페이지를 요청할 경우 이를 가져와야 하며, LRU 알고리즘을 통해 가장 오랫동안 사용되지 않은 페이지를 교체한다.Belady 변이 없음: 페이지 프레임의 수가 증가할수록 페이지 미스가 감소하는 경향이 있으며, LRU는 이러한 상황에서 예외적인 페이지 미스 증가(Belady의 변이)를 일으키지 않는 알고리..

1. Dense(3, activation='softmax')용도: 다중 클래스 분류 (예: 이미지 분류에서 고양이, 강아지, 새 중 하나를 선택)출력: 3개의 출력 노드가 있으며, 각 노드는 하나의 클래스에 대한 확률을 나타낸다. 출력값의 합은 항상 1이 된다.활성화 함수: softmax는 각 클래스의 확률을 계산하고, 모든 확률의 합이 1이 되도록 조정한다. , [0.7, 0.2, 0.1]의 출력을 얻었다면, 이는 첫 번째 클래스가 70% 확률로 예측되었음을 의미한다.사용 예: 분류 문제에서 하나의 클래스만 정답인 상황에서 사용된다.2. Dense(1)용도: 회귀 문제 (예: 주식 가격 예측, 집값 예측 등 연속적인 값 예측)출력: 1개의 출력 노드가 있으며, 하나의 연속적인 값을 출력한다.활성화 함수..