블록체인

 - 블록에 데이터를 담아 체인 형태로 연결, 수많은 컴퓨터에 동시에 이를 복제해 저장하는 분산형 데이터 저장 기술로써 공공 거래 장부라고도 부른다. 중앙 집중형 서버에 거래 기록을 보관하지 않고 거래에 참여하는 모든 사용자에게 거래 내역을 보내 주며, 거래 마다 모든 거래 참여자들이 정보를 공유하고 이를 대조해 데이터 위조나 변조를 할 수 없도록 돼 있다.

 

ㆍ암호화폐(Cryptocurrency)

 - 블록체인을 기반으로 분산 환경에서 암호화 기술(cryptography)을 사용하여 만든 디지털 화폐(digital currency)다.
암호화폐는 거래 정보의 변조가 현실적으로 불가능하다. 거래를 위해 은행과 같은 제3의 신뢰기관을 통한 신분 인증 절차를 거치지 않으며, 거래 당사자의 개인 정보도 이용하지 않으므로 익명성을 보장받는다.  

 

ㆍ가상화폐(Virtual Currency)

 - 가상화폐는 지폐나 동전과 같은 실물이 없이 네트워크로 연결된 특정한 가상공간(vitual community)에서 전자적 형태로 사용되는 디지털 화폐 또는 전자화폐를 말한다. 암호화폐 또한 가상화폐의 일종이라고 볼 수 있다.

 

비트코인

 - 블록체인 기술을 기반으로 만들어진 온라인 암호화폐이다. 분산 네트워크형 가상 화폐로 중앙 집중형 금융 시스템의 대안으로 주목받고 있다. 이용자끼리 직접 연결되어 거래 비용이 발생하지 않고 쉽게 계정을 만들 수 있기 때문에 송금이나 소액 결제에 유용하다. 화폐 가치가 불안할 때는 오히려 신뢰할 수 있는 지급 수단이 될 수도 있다.

 

알트코인

 -  비트코인을 제외한 나머지 모든 코인을 알트코인이라고 부른다.

 

메이저 코인

 -  시가총액이 상위권인 비교적 펜더멘탈이 튼튼한 신뢰도 있는 알트코인을 메이저코인이라고 부른다.

 

잡 코인

 -  시가총액이 낮고 비교적 펜더멘탈이 약하여 신뢰도가 낮은 알트코인을 잡 코인이라고 부른다. 시가총액이 작기 때문에 변동성이 크며, 상장폐지의 위험이 보다 높다.

 

NFT(Non-Fungible Token)

 -  대체 불가능한 토큰으로 별도의 고유 인식값이 부여된 희소성을 가진 토큰이다.

 

P2E(Play To Earn)

 - 블록체인 생태계에서 게임을 플레이 하여 획득한 재화, 아이템 등의 소유권이 블록체인에 기록되며, 자산으로 활용이 가능함을 지칭하는 행태를 가리킨다.

 

ICO(Initial Coin Offering)

 - 주식시장의 IPO(기업공개)와 같이 새로운 암호화폐를 출시하기 위해 투자금을 모으는 방법이다.

 

디파이(Decentralized Finance)

 - '탈중앙화 금융'으로 전 세계 어디서든 제 3자나 기관의 개입 없이 스마트 컨트랙트를 통해 거래가 이뤄지는 금융 서비스이다.

 

스테이킹

 - 블록체인 네트워크나 디파이 플랫폼에 암호화폐를 예치하는 것을 말한다. 예치 했을 경우 예치 코인 개수에 따라 일정 퍼센트를 예금 이자처럼 추가 코인을 받을 수 있다.

 

스테이블 코인

 - 달러화 등 기존 화폐에 고정 가치로 발행되는 암호화폐를 말한다. 

 

에어드랍

 - 특정 코인을 보유한 유저에게 투자 비율에 따라 이자 형식으로 다른 코인을 지급하는 것을 말한다.

 

하드포크

 - 하나의 블록체인이 두 개로 쪼개져 기존의 블록체인과 호환되지 않는 새로운 블록체인에서 다른 종류의 암호화폐를 만드는 것을 말한다.

데이터 아키텍처(Data Architecture) 전문가

 

[데이터 아키텍처] 기업의 전사적 아키텍처의 중요한 하부 구조로, 데이터 측면에서 기업 시스템을 처음부터 끝까지 조망하여 시스템의 본질인 데이터를 체계적, 구조적으로 관리하고 설계하는 전 과정. 기업의 핵심 자산인 데이터를 전사적 관점에서 구조적으로 조망하고 리모델링한다는 것을 목표로, 데이터에 관한 모든 계층을 총망라해서 객관적이고 구체적인 접근 방법을 명시한 체계적인 방법론이며, 기존의 데이터 포델링을 포함한 포괄적인 개념

 

 

정보시스템구축을 위해 업무 및 요구사항을 분석하여 모든 업무데이터를 데이터측면에서 체계화하여 설계

 

데이터 요구사항을 분석하고 요구사항에 대하여 검증하여 데이터 요건을 분석한다. 데이터표준화를 위한 구성요소를 파악한다. 데이터표준화원칙을 수립하고 데이터품질유지를 위하여 관리한다. 개념데이터, 논리데이터, 물리데이터를 모델링한다. 범용적인 데이터베이스를 설계하고 데이터베이스의 성능개선업무를 수행한다. 특정업무를 컴퓨터가 이해할 수 있도록 정형화하고 구조화하여 데이터베이스를 설계하기도 한다.

 

 

 

데이터 엔지니어

특정 산업에서 데이터를 수집하고 관리하며 유지하는 일

 

빅데이터서비스 운영지침에 따라 제공서비스를 모니터링하여 서비스의 가용성, 연속성 등을 관리하고 서비스 변경내역을 관리

 

서비스 제공의 안정성을 보장하기 위해 서비스 성능관리기준에 따라 서비스 성능을 측정한다. 서비스 성능개선을 위해 성능지연발생 시 근본원인을 파악하고 제거한다. 서비스 가용성 관리기준에 따라 가용성을 측정하고 서비스 가용성 관리기준 미준수 시 근본원인을 분석한다. 서비스 가용성 향상을 위해 서비스 가용성을 저해하는 근본원인을 제거한다. 서비스 품질보증을 위하여 서비스 변경내역을 관리한다. 사용자 및 서비스 운영자 변화관리를 위하여 서비스 변경 발생 시 변경된 내용을 전파한다. 변경내용이 안정적으로 적용되었는지 확인하기 위하여 제공서비스를 모니터링한다.

 

 

* 출처 : 네이버 지식백과

 

[1] 보텀업 접근 방식 = 상향식 접근방식 = Bottom-up approach

문제 정의 자체가 어려운 경우 데이터 기반의 문제 재정의 및 해결 방안을 탐색하고 이를 지속적으로 개선하는 방식

다량의 데이터 분석을 통해 그런일이 발생했는지 역으로 추적하면서 문제를 도출하거나 재정의 하는 방식

다양한 원천 데이터를 대상으로 분석을 수행하여 가치있는 모든 문제를 도출하는 일련의 과정

ㆍ단계 : 프로세스 분류 프로세스 흐름 분석 분석 요건 식별 분석 요건 정의

비지도 학습(Unsupervised Learning)에 의해 데이터 분석을 실시힘

보텁업 접근 방식의 한 종류 : 프로토타이핑 접근법

 

[1-1] 프로토타이핑(Prototyping) 접근법

사용자가 요구사항이나 데이터를 정확히 규정하기 어렵고 데이터 소스도 명확히 파악하기 어려운 상황에서 일단 분석을 시도해 보고 그 결과를 확인해 가면서 반복적으로 개선해 나가는 방법

구분 공통점 차이점
보텁업 접근 방식 문제 정의 자체가 어려 운 경우 사용 하향식 접근방식은 문제가 정형화되어 있고 문제해결을 위한 데이터가 완벽하게 조직에 존재할 경우에 효과적
프로토타이핑 접근법 완성도는 떨어져도 신속한 해결책이나 모형을 제시하고 이를 바탕으로 문제를 좀더 명확히 인식하고 필요한 데이터를 식별하여 구체화 하는데 효과적

ㆍ단계 : 가설 생성 디자인에 대한 실험 실제 환경에서의 테스트 결과로부터의 인사이트 도출 및 가설 확인

ㆍ애자일 방법론 중 한 방법

  * 애자일(Agile) 방법론 : '협력과 피드백, 상호작용'을 주 컨셉으로 하여 꾸준히 고객의 반영을 반영하면서 소프트웨어를 개발하는 방법

 

 

[2] 톱다운 접근 방식 = 하향식 접근방식 = Top-down approach

문제가 주어지고 이에 대한 해법을 찾기 위하여 각 과정이 체계적으로 단계화되어 수행하는 방식

업무프로세스 레벨에서 특정 주제의 분석 기회를 발굴하고, 주제별 분석 기회를 구현해 보이는 방식

   (특정 대상 프로세스를 선정한 후 주제별로 분석과제를 도출)

문제가 주어진 상태에서 답을 구하는 분석과제 도출방식

단계 : 문제 탐색 문제 정의 해결방안 탐색 타당섬 검토  분석 과제 도출

톱다운 접근 방식의 한 종류 : 폭포수 모델

 

[2-1] 폭포수 모델(waterfall model)

소프트웨어 개발을 순차적으로 진행하는 방법을 말하는데 요구사항 분석에서 시작하여 설계, 구현, 시험, 통합, 유지보수 단계까지의 흐름이 마치 폭포수처럼 지속적으로 아래로 향하는 순차적인 방법

소프트웨어 개발생명주기(SDLC; Software Development Life Cycle)에 기반하고 있는 소프트웨어 개발 기법으로, 소프트웨어를 개발할 때 가장 널리 사용됨
ㆍ단점 : 각 단계가 명확하여 관리가 쉬우나 요구 분석에 상당한 시간이 소요되며, 일단 분석이 끝나면 수정이 어렵다. 또한 개발 단계마다 피드백이 발생하므로 순차적인 흐름을 따라가기 어려운 점이 있다. 즉, 현실적으로 대부분 겪는 고충은 프로젝트를 처음 설계할 때, 요구사항을 정확히 정의내리기 힘들 뿐더러 요구사항은 항상 변하는 법이기에 폭포수 모델을 깔끔하게 적용하기가 쉽지 않다. (☞ 애자일(Agile) 방법론과 반대되는 개념)

스키장 이름을 클릭하면 홈페이지로 바로 이동할 수 있습니다.

올해는 날씨나 리조트 사정뿐만 아니라 코로나 상황에 따라

일정은 변경될 수 있으니 홈페이지를 통해 다시한번 확인바랍니다.

 

[서울/경기도]

- 베어스타운(포천) -

스키장 개장일 : 2020년 11월 27일(금)

*참고: 지난시즌 11월 29일

- 지산 포레스트 리조트(이천) -

스키장 개장일 : 2020년 12월 04일(금)

- 곤지암 리조트(광주) -

스키장 개장일 : 2020년 12월 05일(토)

*참고: 지난시즌 12월 07일(토)

- 스타힐 리조트(남양주) -

스키장 개장일 : 2020년 12월 04일(금)

- 양지파인 리조트(용인) 

스키장 개장일 : 2020년 12월 11일(금)

*참고: 지난시즌 12월 13일(금)

 

[강원도]

- 하이원 리조트(정선) -

스키장 개장일 : 2020년 12월 04일(금) 

- 용평 리조트(평창) -

스키장 개장일 : 2020년 11월 20일(금)

- 휘닉스 스노우파크(평창) -

스키장 개장일 : 2020년 11월 20일(금)

*참고: 지난시즌 11월 15일(금)

- 비발디파크(홍천) -

스키장 개장일 : 2020년 11월 27일(금)

*참고: 지난시즌 11월 15일(금)

- 웰리힐리파크(횡성) -

스키장 개장일 : 2020년 11월 27일(금)

*참고: 지난시즌 11월 15일(금)

- 엘리시안 강촌(춘천) -

스키장 개장일 : 2020년 11월 27일(금)

- 한솔 오크밸리 리조트(원주) -

스키장 개장일 : 2020년 11월 26일(목)

*참고: 지난시즌 11월 28일(목)

- 알펜시아 리조트(평창) 

스키장 개장일 : 2020년 11월 27일(금)

- 오투 리조트(태백) -

스키장 개장일 : 2020년 OO월 OO일(확인중)

 

[전라도]

- 무주 리조트(설천) -

스키장 개장일 : 2020년 12월 05일(토)

*참고: 지난시즌 12월 01일(일)

 

[경상도]

- 에덴밸리 리조트(양산) -

스키장 개장일 : 2020년 12월 03일(목)

 

IF(ISERROR(VLOOKUP(E7,$C$7:$C$11,1,FALSE)),"불일치",IF(VLOOKUP(E7,$C$7:$C$11,1,FALSE)=E7,"일치"))

 

IF(ISERROR(VLOOKUP(H38,$F$38:$F$46,1,FALSE)),"불일치", IF(VLOOKUP(H38,$F$38:$F$46,1,FALSE)=H38,"일치"))

 

IF(LEN(IFERROR(VLOOKUP(D10, 찾을값, 영역, 1, FALSE), "불일치")) = 9, "일치", "불일치")

독립변수(Independent variable)

 1) 일정하게 전제된 원인을 가져다 주는 기능을 하는 변수

 2) 한 변수의 값의 변화가 다른 변수의 값의 변화에 영향을 미치는 변수

 3) 동의어

 - 설명변수(Explanatory variable)

 - 예측변수(Predictor variable)

 - 회귀자(Regressor)

 - 원인변수

 - 조작 변수(manipulated variable)

 - 통제 변수(controlled variable)

 - 노출 변수(exposure variable)

 - 리스크 팩터(risk factor)

 - 특징(feature) -> 기계학습

 - 공변량(Covariate) -> 연속형 자료

 - 요인(Factor) -> 범주형 자료

 - 입력 변수(input variable)

종속변수(Dependent variable)

 1) 독립변수의 원인(영향)을 받아 일정하게 전제된 결과를 나타내는 기능을 하는 변수

 2) 동의어

 - 반응변수(Response variable)

 - 결과변수(Outcome variable)

 - 표적변수(Target variable)

 - 목적변수(?)

 

 

 

* 참고 : https://drhongdatanote.tistory.com/14

* 참고 : http://www.ktword.co.kr/abbr_view.php?nav=&m_temp1=1916&id=1421

[비계량적 -> 범주형 자료, 이산형 자료]

명목척도

  - 측정대상을 특성의 존재여부 또는 몇 개의 상호배타적인 범주로의 구분을 위해 수치나 부호를 부여한 것

   ∗ (예) 성별, 결혼유무, 종교, 17개시도, 계절

 

서열(순서)척도

  - 측정대상의 분류는 물론 대상의 특수성 또는 속성에 따라 각 측정대상들의 등급순위를 결정하는 척도

  - 측정대상의 분류는 물론 그 속성에 따라 서열이나 순위를 매길 수 있도록 수치를 부여한 것

   ∗ (예) 소득수준, 선호도, 석차(등수), 사회계층, 자격등급

 

[계량적 -> 연속형 자료]

등간(구간)척도

  - 명목척도와 서열척도 특성을 포함하여 크기의 정도를 제시하는 척도

  - 측정대상의 속성에 따라 서열화하는 것 뿐만 아니라 서열간의 간격에 있어 동일성을 유지하도록 수치를 부여한 것

   ∗ (예) IQ, EQ, 온도, 학력, 시험점수, 물가지수

   ∗ 상대적 영점 : 등간척도의 예로 온도가 0이라는 의미는 아무것도 없는 상태가 아니고 상대적으로 0만큼 있는 상태를 의미하므로 상대적 영점이 존재하는 것이라고 할수 있고, 비율척도의 예로 무게가 0이라는 의미는 아무것도 없는 사태를 의미하므로 절대적 영점이 존재하는 것이라고 할 수 있음

 

비율(비례)척도

  - 측정대상의 속성에 등간척도가 지니는 성격에 더하여 절대‘0’의 값(절대영점)을 가짐으로써 비율의 성격을 지니는 척도

   ∗ (예) 연령, 무게, 신장, 수입, 출생률, 사망률, 졸업생 수

 

[4가지 척도의 특징 정리]

오차(왼쪽)                           vs                                    잔차(오른쪽)

오차(error)와 잔차(residual)는 모집단을 전제로 하느냐 표본을 전제로 하느냐에 따라 회귀식에서 사용되는 개념이다.

 

왼쪽에 있는 모형은 모집단의 모수식을 표현한 것이다. 즉, 우리가 궁극적으로 알고자 하는 실제의 식인 것이다. 

이때, 모든 data들을 하나의 회귀식으로 100% 설명할 수 없다. 그래서 오차(error)라는 개념이 도입되었고, 이 값은 회귀식의 값과 실제값의 차이를 말한다.

오른쪽에 있는 모형은 표본으로부터 추정한 회귀식을 표현한 것이다. 즉, 우리가 궁극적인 회귀식을 알수 없기에 그것을 추정한 식인 것이다. 이때 잔차(residual)라는 개념을 사용하며, 이 값은 추정된 회귀식의 값과 관측값의 차이를 말한다.

 

추정된 회귀식은 모집단의 실제 회귀식과는 차이가 있을 수 있다. 일반적으로 표본이란 것 자체가 대표성을 갖긴 하지만 모집단 그 자체가 될 순 없기 때문이다. 

 

+ Recent posts