본문 바로가기
728x90

Study

 (63)
리눅스 명령어 top, ps, jobs, kill top'top'명령어는 리눅스 시스템에서 실행 중인 프로세스와 시스템의 자원 사용 현황을 실시간으로 보여주는 강력한 유틸리티입니다.기본 사용법터미널에서 'top' 명령어를 입력하고 엔터를 누르면 됩니다.top [option]주요 기능실시간 모니터링: 'top' 명령어는 일정 주기로 화면을 업데이트하여 시스템 성능을 실시간으로 모니터링 할 수 있습니다.프로세스 정보: 실행 중인 프로세스의 PID(프로세스 ID), 사용자, 우선순위, 메모리 사용량, CPU사용량 등을 보여줍니다.시스템 요약: 화면 상단에 시스템의 전반적인 성능 지표를 요약하여 표시합니다. 이는 시스템 가동 시간, 사용자 수, 로드 평균, CPU 상태, 메모리 사용량, 스왑 공간 사용량 등을 포함합니다.주요 옵션옵션설명-d delay지정한 시..
Spaceship Titanic https://www.kaggle.com/competitions/spaceship-titanic Spaceship Titanic | Kaggle www.kaggle.com 오늘은 캐글의 문제 중 하나인Spaceshipt Titanic에 대해 정리해 보겠습니다. 해당 문제는 Titanic문제와 매우 유사하며 각 피쳐들만 변화된 형태로 볼 수 있겠습니다. 각 피쳐를 이용하여 평가 데이터에서 해당 승객이 Transported했는지를 알아보는 문제입니다. 학습 데이터 승객에 대한 개인 정보(약 8,700명) PasengerId: 승객 ID HomePlanet: 출발 행성(거주지) CryoSleep: CryoSleep 여부 Cabin: 객실 번호(Deck/Num/Side) Destination: 승객의 목적지 A..
Digit Recognizer https://www.kaggle.com/competitions/digit-recognizer/overview Digit Recognizer | Kaggle www.kaggle.com 오늘은 캐글의 문제 중 하나인 숫자 데이터셋을 이용하여 숫자를 알아 맞추는 Digit Recognizer를 공부해 보겠습니다. import pandas as pd train_df = pd.read_csv('train.csv') test_df = pd.read_csv('test.csv') print(train_df.head(3)) print(test_df.head(3)) 먼저 훈련셋과 테스트셋 데이터를 임포트 해 줍니다. x_train = train_df.drop(['label'], axis=1).values y_train ..
House Prices - Advanced Regression Techniques https://www.kaggle.com/competitions/house-prices-advanced-regression-techniques/overview House Prices - Advanced Regression Techniques | Kaggle www.kaggle.com 오늘은 캐글에서 집값을 예측하는 House Prices를 공부해 보겠습니다. import pandas as pd # Load the data train_data = pd.read_csv('train.csv') test_data = pd.read_csv('test.csv') # Pre-processing features = ['OverallQual','GrLivArea','GarageCars','TotalBsmtSF', 'Ne..
Titanic Survival Prediction https://www.kaggle.com/competitions/titanic Titanic - Machine Learning from Disaster | Kaggle www.kaggle.com 오늘은 캐글에 있는 가장 기본 문제인 타이타닉 데이터셋을 이용하여서 머신러닝을 공부를 해 보겠습니다. 타이타닉에는 여러 데이터셋이 존재합니다. Survived 생존 여부 0 = No, 1 = Yes pclass 티켓 등급 1 = 1st, 2 = 2nd, 3 = 3rd Sex 성별 Age 나이 Sibsp 함께 탑승한 형제자매, 배우자의 수 Parch 함꼐 탑승한 부모, 자식의 수 Ticket 티켓 번호 Fare 운임 Cabin 객실 번호 Embarked 탑승 항구 C = Cherbourg, Q = Queenstow..
데이터베이스 설계 1. 데이터베이스 설계 단계 E-R 모델과 릴레이션 변환 규칙을 이용한 설계의 과정 1단계 - 요구사항 분석 데이터베이스의 용도 파악 결과물: 요구 사항 명세서 2단계 - 개념적 설계 DBMS에 독립적인 개념적 구조 설계 결과물: 개념적 스키마(E-R 다이어그램) 3단계 - 논리적 설계 DBMS에 적합한 논리적 구조 설계 결과물: 논리적 스키마(릴레이션 스키마) 4단계 - 물리적 설계 DBMS로 구현 가능한 물리적 구조 설계 결과물: 물리적 스키마 5단계 - 구현 SQL 문을 작성한 후 이를 DBMS에서 실행하여 데이터베이스 생성 2. 요구사항 분석 설계 1단계: 요구 사항 분석 목적 - 사용자의 요구 사항을 수집하고 분석하여 개발할 데이터베이스의 용도 파악 결과물 - 요구 사항 명세서 3. 개념적 설계..
[알고리즘] 최소신장트리(MST, Minimum Spanning Trees) / 위상정렬 신장 트리(Spanning Tree)란? 신장 트리(Spanning Tree)는 그래프 내에 있는 모든 정점을 연결하고 사이클이 없는 그래프를 의미한다. n개의 정점이 있다면 신장 트리의 간선 수는 n-1개가 된다. 최소 신장 트리는 각 간선이 가지고 있는 가중치의 합이 최소가 되는 신장 트리이다. 가중치는 거리, 비용, 시간등으로 응용할 수 있다. 최소 신장 트리의 대표적인 알고리즘 으로는 프림 알고리즘과 크루스칼 알고리즘이 있다. 프림 알고리즘(Prim's Algorithm) 프림 알고리즘은 최소 신장트리에 연결된 정점 주변에 있는 간선의 가중치 중 가장 작은 것을 골라 최소 신장 트리를 만드는 방법이다. [과정] 크루스칼 알고리즘(Kruskal's Algorithm) 크루스칼 알고리즘은 그래프 내의..
[알고리즘] 그래프 알고리즘 (BFS / DFS) 그래프란? 현상이나 사물을 정점과 간선으로 표현한 것. 두 정점이 간선으로 연결되어 있으면 인접하다고 한다. 구현 방식 그래프는 주로 두가지 방식으로 구현된다. 1. 연결 리스트를 이용한 인접 리스트 방식 간선의 개수만큼 메모리가 필요로 하지만 인접 행렬에 비해서 O(v)의 시간복잡도를 가진다. 2. 2차원 배열을 이용하는 인접 행렬 방식 메모리 공간을 많이 필요로 하는 대신 노드간 간선의 비용을 구하는 시간이 O(1)의 시간복잡도를 가진다. 3. N개의 연결 배열로 표현한 인접 배열 방식 메모리 사용량을 절감하면서 포인터 오버헤드 감소, 두 정점의 인접 여부를 체크하는 시간을 절감한다. 그래프 탐색 알고리즘 대표적인 두 가지 방법 - 너비우선탐색 (BFS) - 깊이우선탐색 (DFS) 너비우선탐색 (BF..
728x90

티스토리툴바