정규화 - 데이터 분리, 중복 최소화 등 목적 중복이 발생 -> 무결성(데이터 결함) ㄴ> 이상현상 : 삽입, 삭제, 갱신 정규화 종류도메인은 원자값 -> 1 -> 부분 함수 종속 제거 -> 2 -> 이행 함수 종속 제거 -> 3 -> 결정자 이면서 후보키가 아닌거 제거 -> BCNF -> 다치 종속 제거 -> 4 -> 조인 종속 제거 -> 5 클러스터 : 동일한 부분을 한군대로 모으고 동일한 위치함인덱스파티셔닝 - 범위, 목록, 해시, 라운드 로빈, 합성뷰 : 보안 강화, 논리적인 테이블, 제약조건 심함, alter 사용불가 반영시 drop -> create 해줘야 함.. 반정규화 : 성능 향상의 목적과 개발 편의성을 위해서 정규화에 위배되는 행위..

제약조건 - UNIQUE, PRIMARY, NOT NULL ERD - 모델링 그릴 때.. 관계형 데이터베이스 - 그림 그리기동그라미 - 속성네모 - 개체마름모 - 관계동그라미 2개 - 복합속성동그라미에 밑줄 - 기본키 - 모델링(그림) 그릴 때.. 필수요소(구조, 연산, 제약조건) 속성들의 집합 : 개체 타입실제 데이터 : 개체 인스턴스 관계차수 표시할때.. 세발 표기법(IE) 데이터 모델의 표준 기준 : 목적 ERD 모델링시 즉 그림 그릴시 표준이 되는 평가 기준정확성완전성준거성최신성일관성활용성

공장통운공유 - 병행제어 ㄴ> 병행제어를 하지 않으면, 갱신분실, 비완료 의존성, 모순성, 연쇄 복귀라는 위험성이 발생 ㄴ> 낙관적 병행 제어, 다중 버전 병행 제어, 로킹, 2단계 로킹, 타임스탬프 ㄴ> 저장통합운영 - 스키마(구조)상품 테이블명(릴레이션)속성제약조건 외부 스키마(응용)|고객 관점 - 여러개 존재 가능-------------------- 논리적 독립성개념 스키마(논리적) : 제약조건--------------------물리적 독립성내부 스키마 : 저장- 물리적보안 : API/PLUG-IN/TDE DBMS - 정조제정의어조작어제어어 DBMS - 카탈로그(뷰, 테이블 등 정보)- DDL의 결과로 생성- 데이터 사전 설계개념적 설계 - ERD논리적 설계-정규화, 트랜잭션 설계, 특정..

useState - 상태 변경 및 변수 값 설정하는 것 전역으로 사용가능함...[get, set] = useState(0) ------ 뒤에 0은 초기값 셋팅하는 부분!! 위는 축약어 이다. 자바에서 sys 처럼 입력시 아니면, HTML에 !(느낌표) 입력시 자동으로 문장 생성함...--------------------------------------------------------------------------------------------------------------------------------- useEffect - 부수적인 설정값, 초기값 설정이나, 이벤트 처리 등에 사용하면 될 듯... * useEffect 호출 시 실행 할 것인지? 한번만 실핼 할 것인지? [] 에 특정..

useState - 상태 변경 및 변수 값 설정하는 것 전역으로 사용가능함...[get, set] = useState(0) ------ 뒤에 0은 초기값 셋팅하는 부분!! 위는 축약어 이다. 자바에서 sys 처럼 입력시 아니면, HTML에 !(느낌표) 입력시 자동으로 문장 생성함...--------------------------------------------------------------------------------------------------------------------------------- useEffect - 부수적인 설정값, 초기값 설정이나, 이벤트 처리 등에 사용하면 될 듯... * useEffect 호출 시 실행 할 것인지? 한번만 실핼 할 것인지? [] 에 특정..

- 인공지능에서 딥러닝, 머신러닝을 찾아보니, 안에 엔진 들이 여러개가 존재한다. 또한, 이미지, 텍스트, 문서 등 어느 것을 학습 시킬 것인지가 중요하다. 그에 따른 이미지 인식을 위한 딥러닝 플랫폼이 여러가지가 있습니다.1. 구글에서 만든 텐서플로우2. 인텔에서 만든 OpenCV3. HP에서 만든 Tesseract 존재한다. - https://gdngy.tistory.com/114 [스프링 부트(SpringBoot) : 고급] 스프링 부트와 머신 러닝 통합8. 스프링 부트와 머신 러닝 통합 TensorFlow와 PyTorch를 사용하여 머신 러닝 모델을 개발하고 이를 스프링 부트 애플리케이션에 통합하는 방법을 설명합니다. 이를 통해 기존의 웹 애플리케이션에gdngy.tistory.comhttps:/..