총 27개
-
프로그램 언어의 역사, 특징, 장.단점2025.05.061. 프로그래밍 언어 프로그래밍 언어는 기계와 인간이 이해할 수 있는 형태로 문제를 해결하기 위해 사용되는 도구입니다. 저급언어와 고급언어의 차이점은 사용자 중심의 언어인지, 하드웨어 중심의 언어인지에 있습니다. 저급언어는 기계어와 어셈블리어로 구성되며 컴퓨터만 이해할 수 있는 언어입니다. 고급언어는 절차지향 언어와 객체지향 언어로 구분되며 사용자가 이해하기 쉽고 이식성이 높습니다. 2. C 언어 C 언어는 1972년 데니스 리치에 의해 개발되었으며, 시스템 프로그래밍과 응용 프로그래밍에 널리 사용되는 범용 프로그래밍 언어입니다. ...2025.05.06
-
코딩을 활용한 패킷 분석 및 차단 프로그램 보고서2025.01.241. 네트워크 보안 현대의 네트워크 환경에서는 다양한 형태의 사이버 공격과 데이터 유출 위험이 존재합니다. 특히, 패킷 분석과 차단 기술은 네트워크 보안에서 중요한 역할을 합니다. 이번 프로젝트에서는 네트워크 트래픽을 실시간으로 모니터링하고, 악성 패킷을 식별하여 차단하는 프로그램을 개발하고자 합니다. 이를 통해 네트워크 보안의 중요성을 이해하고, 효과적인 방어 기술을 습득하는 것이 목표입니다. 2. 패킷 캡처 및 분석 패킷 캡처는 네트워크 인터페이스에서 실시간으로 패킷을 수집하는 과정입니다. 이를 위해 Python의 Scapy 라...2025.01.24
-
파이썬 시험3 (답지 포함)2025.01.241. Python 코드 작성 및 실행 이 문제에서는 Python 코드를 작성하고 실행하는 능력을 평가합니다. 학생들은 주어진 코드의 일부를 완성하고, 새로운 코드를 작성하여 원하는 결과를 출력해야 합니다. 이를 통해 Python 프로그래밍 기초 지식과 문제 해결 능력을 확인할 수 있습니다. 2. 배열 생성 및 기본 연산 이 문제에서는 Python의 배열 생성 및 기본 연산 능력을 평가합니다. 학생들은 1차원 배열과 2차원 배열을 생성하고, 각 요소에 대한 연산을 수행해야 합니다. 이를 통해 Python의 배열 처리 기능에 대한 이해...2025.01.24
-
방통대 [다변량분석] 2024 출석과제물 (30점 만점 인증 / 표지제외 29페이지 분량 / 코드 및 해설 포함)2025.01.251. 다변량분석 이 과제물은 방송통신대학교 다변량분석 교과목의 2024년 출석과제물입니다. 과제물에는 R과 Python을 사용한 다양한 다변량분석 기법들이 포함되어 있습니다. 주요 내용으로는 산점도 분석, 주성분분석, 표준화, 계층적 군집분석, K-평균 군집분석 등이 있습니다. 각 분석 기법에 대한 코드와 해설이 자세히 제공되어 있어 다변량분석 학습에 도움이 될 것입니다. 1. 다변량분석 다변량분석은 여러 개의 변수들 간의 관계를 동시에 분석하는 통계 기법입니다. 이 기법은 복잡한 현실 세계를 보다 정확하게 이해하고 예측하는 데 도...2025.01.25
-
데이터의 자료구조 중 스택과 큐 비교 및 구현2025.01.181. 스택 구조 스택(Stack)은 데이터가 나중에 들어온 것이 먼저 나가는(LIFO, Last In First Out) 자료구조입니다. 스택은 데이터를 한쪽 끝에서만 추가하고 제거할 수 있으며, 이 끝부분을 '탑(top)'이라고 부릅니다. 스택은 주로 push와 pop 연산을 제공하며, 재귀적인 함수 호출, 수식의 후위 표기법 변환 및 계산, 깊이 우선 탐색 등 다양한 응용 분야에서 사용됩니다. 2. 큐 구조 큐(Queue)는 데이터가 먼저 들어온 것이 먼저 나가는(FIFO, First In First Out) 자료구조입니다. 큐...2025.01.18
-
MCMC 모델링2025.05.091. MCMC (Markov Chain Monte Carlo) MCMC는 확률적인 모델링과 추론을 위해 사용되는 강력한 도구입니다. MCMC는 샘플링 알고리즘 중 하나로, 타겟 분포로부터 샘플을 추출하는 기법입니다. 이를 통해 우리는 원하는 분포로부터 난수를 생성하거나, 분포의 특성을 파악하는데 도움을 얻을 수 있습니다. 2. 정규분포 샘플링 이 예제에서는 MCMC를 사용하여 정규분포로부터 샘플을 추출하는 방법을 살펴봅니다. 정규분포는 많은 자연 현상을 모델링할 때 사용되는 중요한 분포 중 하나이므로, MCMC를 통해 정규분포로부터...2025.05.09
-
모수적 추정을 통한 데이터 기반 분포 모형화 2 (Python 코딩)2025.05.131. 모수적 추정 모수적 추정은 주어진 수학적 모델의 파라미터를 데이터를 이용하여 추정하는 방법으로, 데이터의 불확실성을 모델링하고 신뢰성 있는 결론을 도출하는데 유용합니다. 모수적 추정의 기본 개념과 원리를 설명하고, 이를 활용하여 실제 데이터를 분석하여 모델의 파라미터를 추정하는 예시를 제시할 것입니다. 2. 모수적 방법과 비모수적 방법 모수적 방법과 비모수적 방법은 데이터를 모델링하는 데 사용되는 접근 방식에 차이가 있습니다. 두 방법은 데이터에 대한 가정과 모델의 유연성 측면에서 서로 다릅니다. 블로그에서는 두 방법을 비교하...2025.05.13
-
모수적 추정을 통한 데이터 기반 분포 모형화 3 (Python 코딩)2025.05.131. 모수적 추정 모수적 추정을 통해 데이터를 반영하여 분포 모델을 도출하는 과정과 그 중요성에 대해 다루고 있습니다. 기본적인 수식 y = ax + b*sin(x)에서 a와 b를 임의로 바꾼 후 단 10개의 데이터를 생성하고, 이를 바탕으로 추정을 수행합니다. MCMC 샘플링을 통해 posterior 분포를 추정하고, 이를 시각화하여 파라미터의 불확실성과 추정치의 변동성을 확인합니다. 2. 데이터 기반 모델링 주어진 데이터를 바탕으로 모수적 추정을 수행하여 모델을 도출하는 과정을 설명하고 있습니다. 10개의 데이터만을 사용하여 비...2025.05.13
-
단 3개의 데이터만 가지고 모델 추정하기 (베이지안 추정, Python source code 예제 포함)2025.05.131. 베이지안 추정 베이지안 추정은 제한된 데이터를 활용하여 미지의 모델 매개변수를 추정하는 방법입니다. 이 예제에서는 PyMC3 라이브러리를 사용하여 베이지안 모델을 정의하고, MCMC 샘플링을 통해 매개변수의 사후 분포를 추출합니다. 이를 통해 불확실성을 고려하면서도 가능한 모든 시나리오를 종합적으로 고려하여 예측의 중심 경향을 나타낼 수 있습니다. 2. PyMC3 PyMC3는 확률적 프로그래밍 라이브러리로, 베이지안 모델링과 추론을 수행할 수 있습니다. 이 예제에서는 PyMC3를 사용하여 베이지안 모델을 정의하고, MCMC 샘...2025.05.13
-
Stress Strength Analysis에서 겹친 부분에 대한 이해 (응력 강도의 신뢰성 분석) - 파이썬 소스 코드 포함2025.05.111. Stress Strength Analysis 구조물이나 소재의 안전성을 평가할 때, stress와 strength 사이의 상호작용은 중요한 요소입니다. Stress는 구조물이나 소재에 가해지는 응력을 의미하며, strength는 해당 구조물이나 소재가 견딜 수 있는 강도를 나타냅니다. 가장 기본적인 해석은 Stress값이 Strength를 넘어서면 파괴가 발생한다는 것입니다. 그러나 파괴 이벤트는 단순히 두 값의 비교로 이루어지는 것만이 아닙니다. 실제로는 Stress와 Strength가 확률분포로써 결정되기 때문에, 파괴 이...2025.05.11
2 / 3
