Eunkwang Shin

130

데이터옵스, 데브옵스 개념​

• 데이터옵스: 데이터 분석/관리 프로세스에 DevOps 원칙을 적용하여 분석 처리의 효율성을 높이는 방법론
• 데브옵스: 개발과 운영을 통합하여 SW개발주기를 단축하고 품질을 향상시키는 방법론
• 데이터 요구사항, 비지니스 요구사항에 실시간으로 대응하기 위해 필요성 대두

데이터옵스, 데브옵스 개념도, 구성요소, 적용방안​

데이터옵스, 데브옵스 개념도​

데이터옵스, 데브옵스의 구성요소​

데이터옵스의 추가적인 고려사항​

• AI를 활용하는 MLOps로까지 확장하여, 데이터 기반의 의사결정을 더 빠르게 가져갈 수 있음.

131

소프트웨어 안정성 분석 개요​

• 각 개발 수명주기에서 안전 보증, 확인 활동 수행
• SW시스템의 오류, 장애, 실패를 예방하고, 위험을 회피, 전가, 감수, 수용하기 위해 시스템 위험요소를 식별하고 평가하는 과정.
• IoT와 안전필수시스템(자율주행, UAM 등)의 기능적 사고로 인한 인명피해방지를 위해 필요

소프트웨어 안정성 분석 주요 기법​

FTA, Fault Tree Analysis​

• 시스템 주요 실패 이벤트를 트리구조롤 분석하여 원인 규명
• Top-Down 방식
• 분석범위의 정의 및 분석수준의 결정 -> 대상제품의 특성 파악 -> 정상사상 정의 -> 결함수의 구성 -> 결함트리의 정성적 분석 -> 결함트리의 정량적 분석 -> 분석결과의 평가 및 보고

FMEA, Failure Mode and Effects Analysis​

• 분석 과제 정의 및 분석 준비 -> 분석 실시 -> 분석 결과의 정리 및 심층 분석

HAZOP, Hazard and Operability study​

• 목적 및 분석범위 설정 -> 분석팀 구성 -> 예비조사 -> 브레인스토밍 -> 분석결과 기록

소프트웨어 안정성 분석시 고려사항​

• ISO 26262 등 해당 산업의 규제 및 표준을 준수하여 분석 수행

131/3/3

통합테스트 개요​

통합테스트 개념​

• 소프트웨어 각 모듈 간의 인터페이스 관련 오류 및 결함을 찾아내기 위한 테스트 방법

통합테스트 필요성​

• 시스템에서 일부 모듈만 새로 구축하는 경우 안정성을 위해 통합테스트 필요.
• 연결된 외부 모듈의 테스트 환경이 제공되지 않을 경우 상위 모듈이면 테스트 드라이버로 모킹, 하위 모듈이면 테스트 스텁으로 모킹.

통합테스트의 절차, 통합방식 비교​

통합테스트의 절차​

• 통합계획 수립시 통합 방식 결정
• 모듈 통합시 테스트 드라이버, 테스트 스텁 사용

통합테스트 비점진적 통합방식, 점진적 통합방식 비교​

점진적 통합을 위한 테스트 드라이버, 테스트 스텁 비교​

통합테스트 고려사항​

• 일관된 기준 데이터를 각 스테이지별로 두어 데이터 정합성으로 인한 테스트 이슈 방지

129

리팩토링 개요​

리팩토링 개념​

• 외부적 기능은 수정하지 않고, 내부를 단순화하여 유지보수성을 향상시키는 기법

리팩토링 필요성​

• 애자일 개발 방법론의 도입으로 TDD를 기반으로 코드스멜을 제거하기 위한 리팩토링의 중요성이 강조됨.

리팩토링의 개념도, 세부절차, 적용방안​

리팩토링의 개념도​

리팩토링의 세부절차​

리팩토링의 적용방안​

리팩토링시 고려사항​

• sonarlint, eslint 등 정적분석 도구를 활용하여 가독성, 복잡도 등 코드스멜 감지 및 수정 자동화

131

아키텍처스타일과 디자인패턴의 개념​

• 아키텍처스타일: SW를 구성하는 서브시스템, 컴포넌트 간 관계를 분리하는 시스템 구조 스타일
• 디자인패턴: SW개발 과정에서 발견된 설계의 노하우를 재사용하기 좋은 형태로 정리한 패턴

아키텍처스타일, 디자인패턴의 관계도, 주요 유형​

아키텍처스타일, 디자인패턴의 관계도​

아키텍처스타일의 주요 유형​

디자인패턴 주요 유형​

아키텍처스타일, 디자인패턴 적용시 고려사항​

• CBAM, ATAM을 통해 적절한 아키텍처 스타일 선택
• 디자인패턴이 적용되어있는 프레임워크 사용

128

CBAM의 개요​

CBAM의 개념​

• Cost Benefit Analysis Method
• 시스템 아키텍처 의사결정에 있어 시스템 엔지니어와 이해관계자들이 잠재적 비용과 편익을 비교한 SW아키텍처 평가모델

CBAM의 배경​

• SAAM, ATAM의 기술적 측면만 고려한 평가에서 기존 아키텍처 평가 방법의 한계로 비용 측면까지 고려 필요.
  • SAAM: Software Architecture Analysis Method
  • ATAM: Architecture Trade-off Analysis Method

CBAM의 구성도, 세부절차, 활용방안​

CBAM의 구성도​

• 비용대비 편익 고려하여 최종 의사결정

CBAM의 세부절차​

CBAM의 활용방안​

CBAM과 ATAM의 비교​

CBAM 고려사항​

• ATAM 이후 CBAM을 수행하여 품질속성 도출 후 비용편익이 좋은 아키텍처 결정

131/1/3

폭포수 방법론, 애자일 방법론의 개요​

개념​

• 폭포수 방법론: 요구사항 분석, 설계, 구현, 유지보수 과정을 순차적으로 접근하는 개발방법론
• 애자일 방법론: 고객의 다양한 니즈를 수용하기 위해 스프린트 주기 내 개발하고 변화에 대응하기 위한 개발방법론

배경​

• 급변하는 비지니스 요구사항과 소비자의 니즈 변화에 대응하기 위해 SDLC 와 개발 리드타임이 짧아질 필요가 있음.
• 전통적인 폭포수 개발 방법론은 변경에 유연하게 대응하지 못하여 애자일 개발 방법론 대두.

폭포수 방법론, 애자일 방법론 개념도, 상세 비교, 적용방안​

폭포수 방법론, 애자일 방법론 개념도​

폭포수 방법론, 애자일 방법론 상세 비교​

폭포수, 애자일 방법론의 적용방안​

인터넷 비지니스에 가까우면 애자일 개발방법론, 전통적인 기능을 제공하면 폭포수 개발방법론 적용.

개발방법론 적용시 고려사항​

• 애자일 방법론은 팀 구성원 역량에 따라 산출물이 크게 차이나므로, 폭포수 방법론과 애자일 방법론을 결합한 하이브리드 방법론 고려 필요

• 정보통신분야 기술사 훑어보기
• 정보통신분야 기술사 출제기준
• 기술사: IT경영
• 기술사: 융합 IT
• 기술사: 프로젝트관리
• 기술사: 소프트웨어 공학
• 기술사: 정보보안
• 기술사: 데이터베이스
• 기술사: 네트워크
• 기술사: 알고리즘
• 기술사: 에세이

에세이​

문제를 가지고 아래 내용들을 생각해봐야한다.

1. 개념적 What: 무엇인가 핵심, 원리, 가치, 결어 (기술, 서비스, 절차 중 하나)
2. Why: 왜 필요한가
3. 구체적 What: 세부구성은 무엇인가 아키텍쳐, 구성도 (개념도), 구성요소 (소스, 매커니즘, 결과)
4. How: 어떻게 구현하는가 Provider, Consumer 관점, 이전에는 뭐가 있었는지
5. Who: 누가 찾고, 활용하는가
6. 결론: 향후방안, 예상 이슈, 발전 방향

공통 작성법​

• 문제 내 단락은 줄을 띄우지 않는다.
• 다음 문제는 2줄을 띄운다.
• 체점자에게 파워포인트 프리젠테이션을 하는 것이다.

용어형​

1교시

문1)
I. ~의 개요
  - 개념
    개념도 또는 관계도
  - 시사점 || 배경
II. ~의 구조, 핵심요소, 적용방안
  가. ~의 구조 (구성도, 개념도)
  나. ~의 핵심요소
    가.에 그린 다이어그램을 3단 표로 작성
    | 구분 | 내용 | 비고 |
    | --- | --- | --- |
    |  -  |  -  |  -  |
  다. ~의 적용방안
    | 구분 | 내용             | 비고 |
    | --- | --------------- | --- |
    | 공공 | (대국민서비스 향상) |  -  |
    | 금융 | (가용성)         |  -  |
    | 민간 | (이윤추구)        |  -  |
    어려울 경우
    | 구분        | 내용 | 비고 |
    | ---------- | --- | --- |
    | 비지니스 관점 |  -  |  -  |
    | 기술 관점    |  -  |  -  |
    | 보안 관점    |  -  |  -  |
III. ~의 성공을 위한 추가적인 고려사항 || 성공 포인트
  - 1
  - 2                                   "끝"


// 두줄 띄우고 다음 문제

서술형​

2-4교시, 기승전결

문1)
답)
I. ~의 개요
  가. ~의 개념
  나. ~의 시사점 || 필요성 || 중요성 || 배경 || 목적

II. ~구조, 핵심요소, 적용방안
  가. ~의 구조 (구성도, 개념도)
  나. ~의 핵심요소
    가.에 그린 다이어그램을 3단 표로 작성
    | 구분 | 내용 | 비고 |
    | --- | --- | --- |
    |  -  |  -  |  -  |

III. ~의 적용 전략, 접근 전략
  가. ~의 적용 전략
    SWOT 분석
  나. ~의 적용 방안
    | 구분 | 내용             | 비고 |
    | --- | --------------- | --- |
    | 공공 | (대국민서비스 향상) |  -  |
    | 금융 | (가용성)         |  -  |
    | 민간 | (이윤추구)        |  -  |
    어려울 경우
    | 구분        | 내용 | 비고 |
    | ---------- | --- | --- |
    | 비지니스 관점 |  -  |  -  |
    | 기술 관점    |  -  |  -  |
    | 보안 관점    |  -  |  -  |

IV. ~의 성공을 위한 추가적인 고려사항 || 성공 포인트
  - 1
  - 2                                 "끝"


// 두줄 띄우고 다음 문제

주제별​

방법론​

• 프로세스 Process
• 도구 Tool
• 기법 Methods
• 조직 Organization

ISO/IEC 표준​

• 표준 Standard
• 프로세스 Process
• 조직 Organization
• 기술 Technology

보안​

• 공격매커니즘
• 공격절차
• 원인
• 대응방안

신기술​

• 구성도
• 구성요소
• 적용방안
• 적용사례

법/제도​

• 배경
• 개념도
• 핵심요소
• 적용방안

위험​

• 프로세스
  • 식별
  • 분석
  • 평가
  • 대응
• 대응방안
  • 회피 (Avoidance)
  • 전가 (Transference, 제 3자 책임)
  • 감수 (Mitigation)
  • 수용 (Acceptance)
  • 이관 (Escalation)

SW​

• 분석
• 설계
• 구현
• 테스트
• 유지보수

참조​

• Youtube: IT 전문가 - 에세이 시리즈

AGGRID​

• 풀스펙을 지원하는 그리드
• 대부분의 기능들은 엔터프라이즈 모듈로 분기되어있다.

모듈정보​

• Modules
  • ag-grid-react는 통 패키지
  • @ag-grid-community, @ag-grid-enterprise 스코프 하위는 모듈
• Modules - Example

데이터 페칭​

• onGridReady 이후 실행

const onGridReady = useCallback((params: GridReadyEvent) => {
  fetch("https://www.ag-grid.com/example-assets/olympic-winners.json")
    .then((resp) => resp.json())
    .then((data: IOlympicData[]) => setRowData(data));
}, []);

코드 예시​

• Full Spec
• 여기서 보는 게 낫다. 문서가 최신화 되어있지 않다.

• 정보통신분야 기술사 훑어보기
• 정보통신분야 기술사 출제기준
• 기술사: IT경영
• 기술사: 융합 IT
• 기술사: 프로젝트관리
• 기술사: 소프트웨어 공학
• 기술사: 정보보안
• 기술사: 데이터베이스
• 기술사: 네트워크
• 기술사: 알고리즘
• 기술사: 에세이

알고리즘​

트리​

이진탐색트리​

• Binary search
• $O(\log n)$

균형이진탐색트리​

• AVL Tree: Adelson-Velskii-Landis Tree
• Balance Factor: $BF(T) = H_l - H_r$ = T의 왼쪽 서브트리 높이 - T의 오른쪽 서브트리의 높이
• BF(T)가 -1, 0, 1 중 하나를 만족해야함.
• LL, LR, RR, RL 용어를 보기보단 그림을 보고 이해해야함.
• 최적화되어 $O(\log n)$ 탐색 시간 보장

m-원 탐색트리​

• m-way Search Tree, Multiway Search Tree

B- 트리​

B* 트리​

• B애스터 트리

B+ 트리​

• 모든 키의 값이 단말 노드에 순차 나열된다, 링크드 리스트로

Red Black 트리​

T 트리​

• AVL Tree + B tree

그래프​

• Node: 정점, Edge: 간선
• 신장트리: Spanning Tree
  • 그래프의 모든 정점과 일부 간선을 포함한 트리로 표현
  • $T = (V, F)$

최소 신장 트리​

• Minimal Spanning Tree
• 가장 적은 비용/거리로 그래프의 모든 정점을 연결할 수 있는 구조

프림 알고리즘​

• Prim
• 노드 기준
• $O(n^2)$

크루스칼 알고리즘​

• Kruscal
• 엣지 기준
• 간선 최소 개수: $O(n \log n)$
• 간선 최대 개수: $O(n^2 \log n)$

최단경로 문제​

• Shortest Path

다익스트라​

• Dijkstra
• 노드 수가 n이라면 n-1개의 목적지가 모두 확정될 때까지 반복
• 다익스트라를 노드마다 반복한게 프림 알고리즘

벨만포드​

• 가중치가 음수일 경우, 불이익이 있는 경우 다익스트라 알고리즘으로 최단 경로가 계속 갱신되므로 이를 방어하기 위한 방법

정렬​

선택 정렬​

• Selection Sort
• $O(n^2)$
• 가장 작은 값을 순서대로 찾아내어 첫 번째 배열부터 채워나가며 정렬

버블 정렬​

• Bubble Sort
• $O(n^2)$
• 왼쪽에서 오른쪽으로 비교해가며 오름차순으로 자리를 교환하여 정렬

합병 정렬​

• Merge Sort
• $O(n \log n)$
• 분할 정복
• 데이터 분포의 영향을 덜 받는다, 최악의 경우에도 효율적.

퀵 정렬​

• Quick Sort
• $O(n \log n)$
• 피봇을 정한다. 전체 값을 읽어 중간값이나 몇 개의 값의 평균을 피봇으로 정함.
• 프로그래밍 랭기지에서는 왼쪽에서 큰 값, 오른쪽에서 작은 값을 찾는 방식으로 구현.

삽입 정렬​

• Insert Sort
• $O(n^2)$
• 추가적인 메모리를 안 씀: in-place sort

힙 정렬​

• Heap Sort
• $O(n \log n)$

Max Heap​

Min Heap​

Min-Max Heap​

Deap​

• 왼쪽은 Min Heap, 루트는 비어있음, 오른쪽은 Max Heap
• 왼쪽 서브트리의 임의 노드는 오른쪽 서브트리 같은 위치에 있는 노드와 대응된다.

기수 정렬​

• Radix Sort
• $O(n)$

MSD​

• Most Significant Digit

LSD​

• Least Significant Digit

탐색​

깊이 우선 탐색​

• DFS, Depth First Search
• Solution 을 찾기 위해 Candidate Solution 인 노드들을 순회
• Optimal Path (최적의 해)가 아닐 가능성이 높음, 보장할 수 없음.

너비 우선 탐색​

• Breadth First Search
• Optimal Path를 보장
• 탐색 과정에서 나타나는 모든 상태를 저장해야하기 때문에 메모리 비효율적.

최고 우선 탐색​

• Best-First Search

백트래킹​

• 탐색을 진행하면서 필수적인 부분의 그래프만 유지하여 시간과 공간을 절약.
• 노드 부모로 돌아가서 다음 자식 노드의 검색을 계속.

N-Queen 문제​

0-1 배낭문제​

인공지능​

휴리스틱 탐색​

• Heuristic Search
• 논리적으로, 수학적으로 증명할 수 없으나 경험이나 직관에 의해 효율적으로 해를 얻을 수 있으리라는 기대를 갖게하는 근거에 의한 방법
• 사람처럼 학습을 통해서 직관적으로 탐색

Hill-Climbing 탐색​

• 남은 경로에 대한 비용만 고려
  • 가장 가파른 길이 정상까지 가장 짧으니까
  • 가파른 다음에 내리막일 수도 있고, 평지일 수도 있고, 다음 가파른 길을 찾을 수 없을 수도 있음
• 남은 길 중에 가장 가파른 길을 찾는 평가함수 사용
  • Evaluatio Function, Objetive Function

A* 탐색​

에이전트​

• 특정 목적을 가지고 자동으로 해결해주는 소프트웨어

신경회로망​

K-means 클러스터링​

패턴인식​

딥러닝​

선형회귀​

• Linear Regression
• 기울기: 가중치, Weight
• 절편: 바이어스, Bias
• 최소 제곱법: LSM, Method of Least Squares
• 평균 제곱근 오차: RMSE, Root Mean Square Error
  • 오차의 값이 더 이상 줄어들지 않을 때가 최적화
• 경사하강법

다중선형회귀​

로지스틱회귀​

시그모이드 함수​

• Sigmoid Function

단층 퍼셉트론​

다층 퍼셉트론​

오차 역전파 알고리즘​

• Back Propagation

다중 분류 문제​

• 원 핫 인코딩
• 소프트맥스

과잉 적합, 과소 적합​

• over fitting, under fitting
• 해결방안
  • 조기 종료: Early Stopping
  • 가중치 규제 방법: Weight Regularization
  • 드롭 아웃: Drop out
  • 데이터 증강: data augmentation
  • 앙상블: Ensemble

유전자 알고리즘​

• 재생산: Reproduction
• 교차: Crossover
• 치환
• 교배/돌연변이: Mutation

그래픽 알고리즘​

베지어 곡선​

압축 알고리즘​

Run-Length 코딩​

LZ77​

허프만 코딩​

논리회로​

논리게이트​

불대수​

카노맵​

전가산기​

반가산기​

비교기​

베이즈 이론​

조건부 확률​

베이즈 정리​