발전을 위한 기록

지난 9일 오라클이 새로운 데이터베이스 23ai를 공식적으로 발표했습니다.이번 포스팅에서는 오라클 데이터베이스 23ai의 핵심 기능과 변경점을 알아보겠습니다.💻오라클(Oracle)오라클은 세계적인 소프트웨어 기업으로, 1977년 설립되었습니다.다양한 소프트웨어 프로그램을 개발 및 제공하는 기업입니다.가장 유명한 제품은 오라클 데이터 베이스입니다.데이터베이스 이외에도 ERP, 클라우드 서비스, 데이터 분석 도구 등 다양한 소프트웨어 제품이 있습니다.오라클의 데이터베이스는 기업이 데이터를 저장, 관리 및 분석할 수 있는 핵심적인 도구 중 하나입니다.💻오라클 데이터베이스오라클이 개발한 관계형 데이터베이스 관리 시스템입니다.데이터를 구조화하고 저장, 사용자가 필요할 때 검색, 수정, 삭제 등의 작업을 수행할..

현대 사회에서 기술과 정보에 대한 이해는 우리의 삶에 더욱 중요한 역할을 하고 있습니다. 특히, IT 발전은 우리의 일상을 크게 변화시키고 있으며, 이에 따라 IT 트렌드와 최신 뉴스를 접하는 것이 매우 중요해졌습니다.오늘은 IT분야의 다양한 정보를 제공하는 다섯 가지 사이트를 소개 하려고 합니다. 소개할 다섯 가지 사이트는 전 세계적으로 유명한 IT뉴스를 다루는 사이트부터 국내에서 다양한 주제의 글을 제공하는 플랫폼까지 다양합니다. 1. TechCrunchhttps://techcrunch.com/ TechCrunchTechCrunch | Reporting on the business of technology, startups, venture capital funding, and Silicon Valle..

카카오톡 프로필 배경이 업데이트다양한 일러스트와 단색 배경이 추가되었습니다. 적용 방법1. 좌측 하단에 카메라 아이콘을 선택합니다.2. 일러스트/색상 선택을 선택합니다.3. 여러가지 일러스트와 단색 배경 중 선택합니다. 4. 완료! 앞으로 시즌에 따라 일러스트가 추가될 예정이라고 합니다!

1. 비지도 학습이란? 비지도 학습은 머신러닝의 한 방법으로, 컴퓨터가 레이블(답)이나 명확한 지시 없이 스스로 데이터를 이해하고 학습하는 과정을 말합니다. 데이터에 숨겨진 패턴이나 구조를 찾는 것을 목표로 합니다. 2. 비지도 학습의 유형 2-1. 클러스터링 (Clustering) 클러스터링은 비지도 학습에서 가장 널리 사용되는 방법 중 하나입니다. 이 방식은비슷한 특성이나 패턴을 가진 데이터를 그룹으로 묶습니다.대표적인 클러스터링 알고리즘으로는 K-평균 클러스터링과 계층적 클러스터링이 있으며, 이들은 데이터를 효과적으로 분류하는 데 사용됩니다. 2-2. 연관성 (Association) 연관성 알고리즘은 데이터 내에서 자주 발생하는 패턴, 특징 혹은 연관성을 찾아냅니다. 예를 들어, 슈퍼마켓의 거래 데..

지도학습이란? 지도학습은 입력 데이터와 그에 대응하는 정답(라벨)을 기반으로 모델을 훈련시키는 방법입니다. 이 과정에서 모델은 데이터에서 패턴을 학습하고, 이를 바탕으로 새로운 데이터에 대한 예측을 수행합니다. 예를 들어, 고양이와 개의 이미지를 구분하는 모델을 만들 때, 각 이미지에 '고양이' 또는 '개'라는 라벨을 붙여 모델에게 학습시키는 것이죠. 쉽게 말하면, 질문과 정답을 모두 제공하여 모델을 학습 시킨다고 할 수 있습니다. 지도학습의 실생활 예시 의료 이미징 : MRI나 CT스캔과 같은 의료 이미지를 분석하여 특정 질명의 징후를 탐지하는데 사용됩니다. 금유 분야의 사기 탐지 : 은행과 금융기관은 지도학습을 이용해 신용카드 거래나 계좌 활동을 분석합니다. 자동차 번호판 인식 : 교통 관리 시스템에..

네이버에서 새로운 AI 검색 서비스를 출시하였습니다. GPT와 비슷하게 대화 형식으로 원하는 정보를 얻을 수 있습니다. 사용방법 1. 대기 명단 등록 사용 전 대기 명단 등록이 필요합니다. 아래 링크를 통해 등록 페이지로 이동할 수 있습니다! https://cue.search.naver.com/ Cue: 새로운 네이버 AI 검색 Cue: 네이버 검색은 사용자에게 최상의 답변을 제공하기 위해 끊임없이 도전을 해왔습니다. 그리고 이제 네이버의 AI 기술이 집약된 Cue:를 통해 새로운 검색 경험을 선보이 cue.search.naver.com 승인 메일을 받은 후 사용 가능합니다. 2. 검색하기 승인을 받으면 네이버 검색창 옆에 CUE:로고를 확인 하실 수 있습니다. 로고를 클릭하면 아래와 같은 대화창으로 이..

GPT스토어란? 'GPT 스토어'는 '앱 스토어'처럼 사용자가 필요한 GPT 모델을 찾아 사용할 수 있습니다. 앱 스토어에서 앱을 다운로드하는 것처럼, 사용자는 목적에 맞는 커스텀 GPT를 찾아서 활용할 수 있습니다. 이를 통해 각종 언어 작업이나 응용프로그램 개발을 훨씬 쉽게 수행할 수 있습니다. 📌누구나 GPT 모델을 만들 수 있고, 스토어에 올려 사고팔수 있습니다. 📌어려운 코딩 없이 GPT모델을 만들 수 있습니다. 📌유료 결제 대상자에 한하여 사용 가능합니다. GPTs 바로가기 https://chat.openai.com/gpts Explore GPTs Discover and create custom versions of ChatGPT that combine instructions, extra kn..

📌레이블이란? - 머신러닝 모델이 무언가를 학습할 때 정답에 해당하는 개념입니다. - 예를 들어, 스팸 메일 필터링에서 레이블은 각 이메일이 스팸인지 아닌지에 대한 정보입니다. 이메일을 학습할 때 "이 메일은 스팸" 또는 "이 메일은 스팸이 아님"과 같은 레이블을 사용하여 모델은 스팸을 구별하는 방법을 학습하고, 이후에 새로운 이메일이 도착하면 스팸 여부를 예측할 수 있게 됩니다. 간단히 말하면, 레이블은 모델이 원하는 결과를 학습하도록 도와주는 정보입니다. 1. 지도학습 (Supervised Learning) 정의: 지도학습은 모델이 입력 데이터와 함께 레이블을 학습하여 새로운 데이터에 대한 예측을 할 수 있게 하는 방법입니다. 특징: 레이블이 주어진 데이터 학습: 모델은 입력 데이터와 해당하는 레이블..

1. 정의 딥러닝은 다층 신경망을 사용하여 복잡한 패턴을 학습하고 예측하는 머신러닝의 한 분야입니다. 이러한 다층 구조는 데이터의 다양한 특징을 계층적으로 추출하여 높은 수준의 표현을 만들어내는 데에 중점을 둡니다. 딥러닝 모델은 여러 은닉층을 통해 추상적인 개념을 학습하며, 이는 기존의 얕은 모델보다 훨씬 풍부한 표현을 제공합니다. 2. 딥러닝의 특징 - 다층 구조 딥러닝 모델은 여러 개의 은닉층으로 구성되어 있으며, 이 다층 구조를 통해 모델은 데이터의 다양한 특징을 계층적으로 학습합니다. - 자동 특징 추출 딥러닝은 입력 데이터로부터 특징을 자동으로 추출합니다. 전통적인 머신러닝과 달리 사전에 정의된 특징 추출 과정이 필요하지 않습니다. - 대규모 데이터 필요 딥러닝은 많은 양의 데이터를 필요로 합..

1. 머신러닝 정의 머신러닝(Machine Learning)은 컴퓨터 시스템이 데이터에서 패턴을 학습하고, 그 학습된 모델을 기반으로 새로운 데이터에 대한 예측, 분류, 군집 등 다양한 작업을 수행하는 인공지능의 핵심 분야 중 하나입니다. 머신러닝의 목적은 명시적인 프로그래밍 없이도 컴퓨터가 데이터에서 학습할 수 있도록 하는 것에 있습니다. 2. 머신러닝 특징 - 학습 알고리즘 머신러닝은 주어진 데이터에서 특정 작업을 수행할 수 있도록 모델을 학습시키는데, 이를 달성하기 위한 학습 알고리즘이 필요합니다. 학습 알고리즘은 주어진 데이터와 예측 결과의 차이를 최소화하도록 모델을 조정합니다. - 데이터의 특징과 레이블 머신러닝 모델은 학습 데이터를 구성하는 특징(feature)과 그에 대응하는 정답인 레이블(..