일단 8기 지원했다가 떨어진 전적을 가지고 있다. ㅎ

수학이 주전공이고 소프트웨어를 복수전공했고, 싸피는 졸업예정자를 대상으로 뽑기 때문에 붙고나서 졸업 못하면 취소 된다. 유예생도 안되는 걸로 안다.

복수전공을 언급한 이유는 전공자 코스로 들어갔기 때문이다. 8기때는 비전공자 코스로 지원을 했는데, 비전공자 시험 방식이 개인적으로 안맞는다고 느껴 코테를 공부하고 들어갔다.

일단 지원 + 에세이 + 코테 + 면접 + 입과로 진행됐고, 개인적으로는 면접이 매우 부담스럽게 느껴졌다. 면접보는 부트캠프는 처음이었기에,,

코테는 크게 안어려웠고 면접에는 PT 대비를 보통 한다 해서 스터디를 짜서 들어갔다. 노션으로 자기소개,에세이를 각자 써놓고 밑에 예상 질문들을 서로 써줬다. PT 대비로는 다양한 주제를 잡아 그 주제가 무엇인지에 대해서 서로 조사해왔고 서로에게 설명해 주는 형식으로 진행했다. 주제는 다른 블로그에도 많이 나와있는데 나와있는 주제에서 크게 벗어나지 않는다.

네이버 부스트캠프와 가장 크게 다르다고 느꼈던 점은 2가지인데

• 면접을 본다.
• 싸피는 에세이가 매우 중요하다.

였다. 에세이때문에 떨어지는 경우가 꽤 많은 것 같았고(8기 지원했을 때 느꼈다.), 나는 인공지능을 공부하다가 웹개발의 필요성을 느껴서 지원한 부분을 어필했었다.

면스 마지막에는 다들 모의면접을 봤었었는데 나는 개인적으로 하고 있는 일이 스케쥴이 꼬여서 참석을 못했다 ㅠ

그리고 면접 스터디가 도움이 많이 되냐? 라고 물어본다면 사바사이긴 했지만 전공자보다는 비전공자 분들이 도움이 많이 되실 것 같다. 나는 비전공자인데 전공자 면스를 진행했기 때문에 몰랐던 것도 많이 알게됬지만 면접에 플러스 요인으로 작용하진 않았던 것 같다(그렇다고 마이너스 요소도 아니다. 했을 때랑 안했을 때랑 똑같았을 것 같다는 말!) 안하는게 불안해서 하는 분들도 많이 계신것 같은데 얼굴도 익힐 겸 하시는 것도 괜찮다고 생각한다. 그리고 시간이 부족하신분들은 굳이 안하셔도 될 것 같다.

대외비때문에 쫄려서 여기까지만..^^

2기 때 이미 지원한 전적이 있었는데,, 개인적으로 생각하기에는(지극히 개인적임) 내가 글을 잘 쓰는 편도 아닐뿐더러 그냥 AI에 대한 열정을 보여주는 에세이만 있으면 서류는 통과인 것 같고 문제는 코테인것 같다. 뒷북 주의

2기 때 이미 지원한 전적이 있었는데,, 개인적으로 생각하기에는(지극히 개인적임) 내가 글을 잘 쓰는 편도 아닐뿐더러 그냥 AI에 대한 열정을 보여주는 에세이만 있으면 서류는 통과인 것 같고 문제는 코테인것 같다.

&nbsp 뒷북 주의

2기 때 이미 지원한 전적이 있었는데,, 개인적으로 생각하기에는(지극히 개인적임) 내가 글을 잘 쓰는 편도 아닐뿐더러 그냥 AI에 대한 열정을 보여주는 에세이만 있으면 서류는 통과인 것 같고 문제는 코테인것 같다.

코테는 2번에 나눠서 봤었고

1차는 5문제 + AI 관련 문제

2차는 7문제

이런 식으로 나왔던 것 같다.

개인적으로 1차가 2차보다 어려웠던 것 같다. (1 >> 2 정도) 코테는 입과 했을 때 우리 팀원들 기준으로 내가 코테를 잘 치는 편이 아니었던 것을 감안하면 어디서 코테 좀 쳤던 분인가? 하시면 다 붙으실 것 같다. 나도 붙었으니깐,,

pre-course는 굳이 듣지 않았고 2기 때보다 코테가 쉽게 느껴졌었기 때문에 (심지어 그때는 kdt 전형이 아니었다. 무슨 깡으로 지원했는지 모르겠다. ) kdt전형 + 소 왜 전공이라면 자소서에서 당위성을 좀 더 표현하고 코의 평소에 공부하셨던 대로 공부하시면 충분히 합격하실 것 같다.

나는 추천시스템 트랙을 지원했었고 코테 끝난 뒤에 단톡방에서 몇 솔 조사를 진행했을 때는 추천시스템과 NLP 트랙에 거의 다 맞으신 분들이 많았던 것 같다.

✚ 인공지능에 대해서 지식이 좀 있었고 수학, 소프트웨어 복수전공의 회사에서 일을 하다가 지원했던 상황이었기 때문에 인공지능 관련 질문들은 거의 다 맞았지 않았을까,, 싶다. 편미분 문제랑 인공지능 관련 문제는 학과 수업에서 인공지능을 수강해 보셨으면 쉬울 것 같다고 생각한다.

보통 다른 분들은 합격한 다음 합격 수기 쓰시고 끝나고 수료 후기를 작성하시니깐 나는 두 개를 한꺼번에 써보자면.. 추천시스템에 관해서 공부할 만한 거의 유일한 인공지능 부트캠프인것같다. 보통 CV NLP 위주로 진행하는 것 같았다. (사실 많이 안찾아봤다)추천시스템 선택했던 이유는 3기에 과 선배 동기들이 대거 포진해 있었는데,, 그분들이 말하기를 무조건 추천시스템해라,, 많이 뽑는다,, 였는데, 수료하고 느끼는 점은 세 개를 다 경험해 보지 않았다. + 인공지능에 관심은 있다. 면 추천시스템이 정답은 아닌 것 같다는 생각이다. 일단 많은 부트캠프에 추천시스템 트랙이 따로 존재하지 않는 것은 그 이유가 있다. 현업에서 많이 쓰이지 않는다. 취업 준비를 해보면서 크게 느꼈지만, 추천시스템 팀이 존재하는 기업이면 큰 메리트가 있겠지만 없는 경우가 매우 많다고 느꼈다. 물론 많은 기업이 AI 분야를 확장해 나간다고 하지만 CV, NLP 분야를 좀 더 선호하는 것으로 느꼈다. 그래서 개인적으로는 CV NLP 분야를 추천한다. :)

&nbsp

코테는 2번에 나눠서 봤었고

1차는 5문제 + AI 관련 문제

2차는 7문제

이런 식으로 나왔던 것 같다.

개인적으로 1차가 2차보다 어려웠던 것 같다. (1 >> 2 정도) 코테는 입과 했을 때 우리 팀원들 기준으로 내가 코테를 잘 치는 편이 아니었던 것을 감안하면 어디서 코테 좀 쳤던 분인가? 하시면 다 붙으실 것 같다. 나도 붙었으니깐,,

pre-course는 굳이 듣지 않았고 2기 때보다 코테가 쉽게 느껴졌었기 때문에 (심지어 그때는 kdt 전형이 아니었다. 무슨 깡으로 지원했는지 모르겠다. ) kdt전형 + 소 왜 전공이라면 자소서에서 당위성을 좀 더 표현하고 코의 평소에 공부하셨던 대로 공부하시면 충분히 합격하실 것 같다.

나는 추천시스템 트랙을 지원했었고 코테 끝난 뒤에 단톡방에서 몇 솔 조사를 진행했을 때는 추천시스템과 NLP 트랙에 거의 다 맞으신 분들이 많았던 것 같다.

✚ 인공지능에 대해서 지식이 좀 있었고 수학, 소프트웨어 복수전공의 회사에서 일을 하다가 지원했던 상황이었기 때문에 인공지능 관련 질문들은 거의 다 맞았지 않았을까,, 싶다. 편미분 문제랑 인공지능 관련 문제는 학과 수업에서 인공지능을 수강해 보셨으면 쉬울 것 같다고 생각한다.

보통 다른 분들은 합격한 다음 합격 수기 쓰시고 끝나고 수료 후기를 작성하시니깐 나는 두 개를 한꺼번에 써보자면.. 추천시스템에 관해서 공부할 만한 거의 유일한 인공지능 부트캠프인것같다. 보통 CV NLP 위주로 진행하는 것 같았다. (사실 많이 안찾아봤다)추천시스템 선택했던 이유는 3기에 과 선배 동기들이 대거 포진해 있었는데,, 그분들이 말하기를 무조건 추천시스템해라,, 많이 뽑는다,, 였는데, 수료하고 느끼는 점은 세 개를 다 경험해 보지 않았다. + 인공지능에 관심은 있다. 면 추천시스템이 정답은 아닌 것 같다는 생각이다. 일단 많은 부트캠프에 추천시스템 트랙이 따로 존재하지 않는 것은 그 이유가 있다. 현업에서 많이 쓰이지 않는다. 취업 준비를 해보면서 크게 느꼈지만, 추천시스템 팀이 존재하는 기업이면 큰 메리트가 있겠지만 없는 경우가 매우 많다고 느꼈다. 물론 많은 기업이 AI 분야를 확장해 나간다고 하지만 CV, NLP 분야를 좀 더 선호하는 것으로 느꼈다. 그래서 개인적으로는 CV NLP 분야를 추천한다. :)

코테는 2번에 나눠서 봤었고

1차는 5문제 + AI 관련 문제

2차는 7문제

이런 식으로 나왔던 것 같다.

개인적으로 1차가 2차보다 어려웠던 것 같다. (1 >> 2 정도) 코테는 입과 했을 때 우리 팀원들 기준으로 내가 코테를 잘 치는 편이 아니었던 것을 감안하면 어디서 코테 좀 쳤던 분인가? 하시면 다 붙으실 것 같다. 나도 붙었으니깐,,

pre-course는 굳이 듣지 않았고 2기 때보다 코테가 쉽게 느껴졌었기 때문에 (심지어 그때는 kdt 전형이 아니었다. 무슨 깡으로 지원했는지 모르겠다. ) kdt전형 + 소 왜 전공이라면 자소서에서 당위성을 좀 더 표현하고 코의 평소에 공부하셨던 대로 공부하시면 충분히 합격하실 것 같다.

나는 추천시스템 트랙을 지원했었고 코테 끝난 뒤에 단톡방에서 몇 솔 조사를 진행했을 때는 추천시스템과 NLP 트랙에 거의 다 맞으신 분들이 많았던 것 같다.

✚ 인공지능에 대해서 지식이 좀 있었고 수학, 소프트웨어 복수전공의 회사에서 일을 하다가 지원했던 상황이었기 때문에 인공지능 관련 질문들은 거의 다 맞았지 않았을까,, 싶다. 편미분 문제랑 인공지능 관련 문제는 학과 수업에서 인공지능을 수강해 보셨으면 쉬울 것 같다고 생각한다.

보통 다른 분들은 합격한 다음 합격 수기 쓰시고 끝나고 수료 후기를 작성하시니깐 나는 두 개를 한꺼번에 써보자면.. 추천시스템에 관해서 공부할 만한 거의 유일한 인공지능 부트캠프인것같다. 보통 CV NLP 위주로 진행하는 것 같았다. (사실 많이 안찾아봤다)추천시스템 선택했던 이유는 3기에 과 선배 동기들이 대거 포진해 있었는데,, 그분들이 말하기를 무조건 추천시스템해라,, 많이 뽑는다,, 였는데, 수료하고 느끼는 점은 세 개를 다 경험해 보지 않았다. + 인공지능에 관심은 있다. 면 추천시스템이 정답은 아닌 것 같다는 생각이다. 일단 많은 부트캠프에 추천시스템 트랙이 따로 존재하지 않는 것은 그 이유가 있다. 현업에서 많이 쓰이지 않는다. 취업 준비를 해보면서 크게 느꼈지만, 추천시스템 팀이 존재하는 기업이면 큰 메리트가 있겠지만 없는 경우가 매우 많다고 느꼈다. 물론 많은 기업이 AI 분야를 확장해 나간다고 하지만 CV, NLP 분야를 좀 더 선호하는 것으로 느꼈다. 그래서 개인적으로는 CV NLP 분야를 추천한다. :)

수료 이후로는 거의 취업 준비/대학원 코스로 많이 나뉘는 것 같다. 근데 우리 분야에서는 바로 취업한 사람 못 봤다. ㅠㅠ 사실 수료하고서는 많이 연락 못 했긴 하다.. 그리고 마지막에 네트워킹데이를 진행하면서 기업 연계 행사를 진행하는데, 대기업에서 채용 연계는 거의 없어 보였다. 체험형 인턴 or 채용형 인턴 or 채용 이런 식으로 나뉘는데, 시기가 안 좋기도 했고 대기업의 기준 체험형 인턴이 대다수였다.

음 그래서 결론적으로 : 배우고 싶으면 정말 좋은 기회다. 근데 취업 준비는 따로 해야 한다. (취업 준비를 전적으로 부캠에게 맡기면 절 대 안 됩 니 다.)안 좋은 소리만 했으니깐 좋은 점을 이야기하자면.

KDT로 매달 30만 원 정도의 훈련장려금이 나온다. 일반전형은 없는 것으로 알고 있다. 멘토 - 멘티 시스템이 잘되어 있다. 멘토님 쓴소리 들으면 정신 번쩍 차리고 공부하게 된다. 안 좋은 소리 했지만, 네이버 부스트 캠프 수료 자체만으로 큰 메리트이다. 기업에 가산점이 거의 무조건 들어간다. 마지막 프로젝트를 진행하면서 미친 듯이 성장하는 자신을 볼 수 있다.. 같이 밤샌 팀원과 돈독해짐 + 뿌듯함 얻기 가능. 그리고 팀 프로젝트 경험이 없는 사람이라면 많은 경험을 쌓을 수 있을 것 같다. 멘토님들이 포트폴리오 검토를 잘해주신다. 이력을 정리하는 것도 매우 중요한 일이라는 것을 새삼 또 한 번 느꼈다.

결국 따로 취준해야 한다! 라는 것을 느끼고 취업 준비를 진행하면서 느꼈던 점은 --> 아 개발 능력이 너무 딸린다. --> 음 그러면 싸피로?

다음은 싸피 합격 후기로 찾아오겠습니다.

오늘 이벤트가 있어서 새삼스럽게 벨로그를 적어봅니당,,

뭐 100세시대 긴 인생이다~라고 하지만,, 큰 목적이 없이 살아가다보니 어쩔 수 없이 시간 낭비도 하게 되는 것이 허허,,

쨋던~ 제 인생을 돌아보자며는,, (20살 이후로다가)

19살 - 정보시간에 파이썬 배움 극혐 20살 - 학교 열심히 다니다가 대프밍에서 파이썬 다시 만남 극혐 21살 - 금융공학 복수전공(와 진심 이건 아니다) -> 방학 (갓JH과 C언어를 공부하기 시작함.. 오 이게 생각보다 더 낫다,, 꾸준히 하다보니 괜찮다는 것을 느낌) -> 바로 소웨로 테크 변경 ㅋ 22살 - 소웨 욕하면서 그래도 복전 함,, 23살 - 계속 욕하다가 12월부터 인턴 시작 24살 - 하반기까지 너무 좋은 회사분들과 함께 인턴 함

이런식으로 공부를 하다보니,, 소웨에서 수학이 필요한 분야 + 수학에서 소웨가 필요한 분야 = 인공지능 이라는 결론에 도달해 인공지능을 공부하고 있던 나를 발견하게 됨,,

쨋던 25살 2월에 졸업을 하게 되면서 느꼈던 점은 나는 계속 학생이였고 매해를 상반기-하반기 나눠서 생각해왔다는거,, 상반기랑 하반기에 그래도 조그마한 활동을 계속 해왔던 것 같다

교수님들도 너무 좋으셨기 때문에 데이터나 인공지능 관련 대회나 활동을 많이 주최해 주셨고 꾸준히 참가했다 ex) 데이터 경진대회, 산업수학 아카데미 etc.. 그러고 나서 결정하게된 네이버 부스트 캠프 행... 생각해보니 나는 부트캠프를 항상 2트에 붙었네,, (= 부트캠프 또한다 네이버 끝나고도 ;)

그래서 다음 포스트에는 부스트캠프 합격후기 (거의 1년지남;)을 작성해보려 합니당 쨋든

24살 하반기 + 25살 초반에 부스트 캠프를 끝내고 (반오십🤷🏻‍♀️)이 되고,, 상반기에는 서류를 넣을 생각은 없었는데 코테라도 보려고 서류를 넣으면서 자격증 취득을 하다가 이것도 아니고 저것도 아닌 상태(그래도 지금 자격증 ADsP 취득하고 정처기 & 빅분기 필기 취득 SQLD는 시험보고 왔는데 어째 불안함)에 위기감을 느끼고 부트캠프 하나를 또 지원하게 된다..

그게 오늘 붙음 ㅋ!

Protecting the System

application은 여러 instruction 을 가지고 있는데, 이때 강제종료하는 instruction 같은 HLT instruction은 어떻게 실행을 해야 할까?

Previleged Instructions

위에서 말했다 싶이 HLT instruction 같은 경우들은 조심히 사용해야한다. 조심히 사용 해야 하는 instruction 같은 경우는

• 직접적으로 IN/OUT하는 접근을 하게되는 instruction
• system register들에 접근하거나 그것들을 조종하는 instruction
• 메모리 상태를 관리하는 intruction
• HLT instruction 등이 있다.

때문에 이러한 것들을 privileged instructions라 하고, 이러한 것들은 kernel mode에서 관리한다. 이떄 user mode에서 사용하려고 kernel mode를 침범하게 되면, exception을 발생시킨다.

Interrupt vs. Exception

• Interrupt interrupt란 하드웨어 디바이스에 의해서 발생되는것, 저번 글 처럼 bus에 전류를 발생시키는 경우! asynchronously하게 발생 될 수 있다.
• Exception exception이란 소프트웨어가 instrucions들을 수행할때 발생되는 것으로, cpu가 instruction을 수행할 때 발생할 수 있으므로 synchronously하게 발생된다. trap이나 fault 형태로 발생되고, interrupts같이 다뤄짐! (interrupt와 exception 둘다 동일하게 구현됨)

Transition from User to Kernel Mode

privileged instruction을 사용하기 위해서 user mode에서 kernel mode로 전환하는 경우에는 두가지 경우로 전환시킬 수 있다.

1. Interrupt로 전환시키기

• 보통 하드웨어에 의해서 실행된다
• Asynchronous하게 실행됨.
• user mode 중 interrupt할 때 잠깐 kernel mode로 바뀐 뒤 interrupt handler 실행함.

2. System call로 전환시키기

• Synchronous하게 실행된다.
• 보통 소프트웨어에 의해서 실행된다.
• user process 직접 못할땐 운영체제가 대신 진행해줌. 어떻게? system call로!

System Calls

• System call이란? OS가 제공하는 programming interface 서비스다.
• 대부분 직접적으로 system call을 이용하기 보단 high-level API 를 통해 program에 접근하게 된다.

Type of System Calls

• process control
• file management
• device management
• information maintenance
• communications
• protection

OS Relationship

　open() 이란 명령어를 user application에서 실행했을 때 실행 경로는 다음과 같다.

OS Implementation

OS 는 많은 변화를 해왔고, 현재 C/C++ 이 대부분이다. (C++은 상속을 많이 하기 때문에 실행이 힘들어 보통 C로 하긴 함)

1. MS-DOS : single tasking, single memory space를 갖는다. 시스템 부팅 시에 Shell이라고 하는 command interpreter가 실행된다.

2. Layered Approach

• 8개의 층으로 나뉘어져, 각 층 사이에서만 통신 할 수 있게 만들어진 os구조이다.

• 바깥 layer에서 안쪽 layer까지 들어가기엔 시간이 오래걸려 중간에 저장을 해서 빠르게 정보를 읽어오는 과정을 했는데, 이는 layer의 붕괴를 가져오게되는 단점이 있다. 　 　

3. Traditional UNIX System Structure

이것을 보완한 것이 Monolithic구조이다.

4. Monolithic
   큰 한 덩어리라는 뜻으로, single large한 software system이다. 융통성과 성능을 모두 올린 os구조이다.

• Advantage: 성능이 좋음
• Disadvantages : 상호 의존도가 높기 때문에 유지와 업그레이드가 힘들고, 보안과 신뢰도 문제가 있다.

5. Microkernel

• 핵심적인 것만 kernel 모드에 넣고, 나머지는 다 user 모드에 집어넣음. 그리고 kernel mode와 user mode간에 message를 통해서 communication을 진행한다.

• 장점 extend 가 쉽고, port가 쉬우며 보안과 신뢰도가 monolithic 보다 높은 편

• 단점 performance overhead가 발생할 수 있다.

• microkernel 종류

  1. The Mach
  2. L3/L4 (L4는 수학적으로 증명된 software kernel임)

6. Modules

• 필요한 kernel module만 다운 받아 system을 implement 하기도 함.

GitHub 💻

Contents

1. The purpose of the project

2. Data Description

　Data Sources

　Raw Data

　Data Columns

　Dataframe Shape

3. Code Description

4. Fail Log

The purpose of the project

코로나19 발병 이후 2020~2021년, 2년간 총 4차례의 대 유행이 일어났다. 현재 코로나19 4차 대 유행 이후 거리 두기 단계를 4단계로 올렸음에도 불구하고 확진자 수가 줄어들 기미가 보이지 않고, 주변 지인 중에는 휴가를 떠난다는 사람들 또한 늘어나고 있다. 이러한 이유로 우리 '삼현텍'은 고속도로와 톨게이트 통행량 데이터와 코로나19 확진자 수에 따른 이동량 변화의 상관관계를 matplotlib , seaborn , pandas 를 활용해 분석하려 한다.

코로나19 유행 전인 2018년, 2019년, 코로나 유행의 시작 연도인 2020년, 그리고 올해 2021년까지의 대유행 시기 중 이동량 변화와 확진자 수의 이동량 변화를 분석해 전국적인 차량 이동량과 코로나19 확진자 수의 상관관계를 알아보고, 이를 시각화하는 활동을 통해 코로나19의 위험성을 알리고 경각심을 불러올 수 있는 계기가 되었으면 좋겠다.

DATA Description

Data Sources

코로나 19 확진자 데이터 출처 : 공공데이터포털
교통량 데이터 출처 : 한국 도로공사_고속도로 공공데이터 포털

Raw Data

Data Columns

• 코로나 19 확진자 데이터

  　　Covid_case.csv

  항목설명	항목명(영문)	샘플데이터
  결과코드	resultCode	00
  결과메시지	resultMsg	OK
  한 페이지 결과 수	numOfRows	10
  페이지 번호	pageNo	1
  전체 결과 수	totalCount	3
  게시글번호(감염현황 고유값)	SEQ	74
  기준일	STATE_DT	20200315
  기준시간	STATE_TIME	00 : 99
  확진자 수	DECIDE_CNT	8162
  격리해제 수	CLEAR_CNT	834
  검사진행 수	EXAM_CNT	16272
  사망자 수	DEATH_CNT	75
  치료중 환자 수	CARE_CNT	7253
  결과 음성 수	RESUTL_NEG_CNT	243778
  누적 검사 수	ACC_EXAM_CNT	268212
  누적 검사 완료 수	ACC_EXAM_COMP_CNT	251940
  누적 확진률	ACC_DEF_RATE	3.2396602365
  등록일시분초	CREATE_DT	2020-03-15 10:01:22.000
  수정일시분초	UPDATE_DT	null

• 교통량 데이터

  　　2018_01분기.csv ,2018_02분기.csv ,2018_03분기.csv ,2018_04분기.csv ,2019_01분기.csv ,2019_02분기.csv ,2019_03분기.csv ,2019_04분기.csv ,

  　　2020_01분기.csv , 2020_02분기.csv ,2020_03분기.csv ,2020_04분기.csv ,2021_01분기.csv ,2021_02분기.csv

  total : (1789045, 11)

  항목명 및 설명	샘플데이터
  집계일자	20180101
  영업소코드	246
  영업소명	가락
  입출구구분코드	0
  입출구명	입구
  TCS하이패스구분코드	1
  TCS하이패스명	TCS
  고속도로운영기관구분코드	0
  고속도로운영기관명	한국도로공사
  영업형태구분코드	0
  영업형태명	폐쇄식
  1종교통량	211
  2종교통량	6
  3종교통량	6
  4종교통량	21
  5종교통량	27
  6종교통량	4
  총교통량	275

Dataframe Shape

covid_data_analysis

• covid_data (998, 17)
• covid_data_new (998, 5)
• covid_data_1st_pandemic (60, 5)
• covid_data_2nd_pandemic (61, 5)
• covid_data_3rd-pandemic (119, 5)
• covid_data_4th_pandemic (117, 5)

  traffic_data_analysis

• traffic_data (1789045, 11)
• traffic_data_total (1276,10)
• day_traffic_data_1st (7, )
• day_traffic_data_remain (7, 5)
• day_traffic_data_total (7, )
• seoul_traffic_data (1276, 10)
• daegu_traffic_data (1276, 10)

Code Description

breif description

• Categorize corona probability_LHJ.ipynb : unit단위로 나눈 코로나 확진자에 따른 교통량 변화 분석
• Jan,Feb,May_covid_traffic_data_Woo.ipynb : 명절과 연휴기간 코로나 확진자 수와 교통량 데이터에 대한 분석
• covid_data_analysis.ipynb : 코로나 데이터 정리
• covid_traffic_7_8.ipynb : 휴가철 코로나 확진자 수와 교통량 데이터에 대한 분석
• covid_traffic_analysis.ipynb : 총 코로나 데이터와 확진자 수에 대한 분석
• predict_traffic_cmp_colab.ipynb : 2020년 2021년 교통량 데이터 예측
• traffic_data_analysis.ipynb : 교통량 데이터 정리
• SamhyeonTech_Covid19_Traffic_Project.ipynb : 분석 총 정리.

Fail Log

• 교통량 데이터 예측 : 해당 데이터는 시계열 데이터로 시간에 흐름을 반영하는 LSTM 으로 모델 구성을 진행했으나 모델 이해도가 높지 않아 그리 좋은 결과를 내지 못함

🎮 운영체제란 무엇인가?

• 여러 프로그램을 돌릴 때 사용자들이 하드웨어를 사용할 수 있도록 프로그램끼리 '조정(cotrols and coordinates)' 해주는 역할 소프트웨어와 하드웨어 사이에서 운영체제는 소프트웨어가 하드웨어를 잘 사용할 수 있도록 보조하고, 각 시스템들을 보호 하는 역할을 한다.

🎮 computer-system architecture

1. CPU(Central Processing Unit) = processor CPU는 general purpose vs special purpose로 나뉜다! 보통 general purpose// 그리고 특별한 목적으로 사용되는 CPU로는 GPU,TPU등이 있다.
2. Memory
3. I/O devices

   🎮 multiprocessor systems

   processor들을 여러개 가지고 있는 system으로서 parallel system이라고도한다.

• 특징 1) Increased throughput 2) Economy of scale: Shared common resources (e.g., files) 3) Increased reliability: Graceful degradation or fault tolerance
• 종류 1) Asymmetric Multiprocessing
  • 각 프로세서들이 특정 task를 가지고 업무를 수행한다 2) Symmetric Multiprocessing(SMP)
  • 각 프로세서들이 모든 task들을 수행한다.

0) Single-chip multiprocessor (=multicore) - 한 칩 안에 여러개의 core가 들어잇는 형태이다(보통 symmetric으로 취급함) - 코어들 간 짧은 거리와 자원을 공유하는 것을 활용 할 수 있다. (multicore vs multiprocessor : multicore는 하나의 칩 안에 많은 cpu가 들어있음. multiprocessor은 여러가지 cpu칩을 꽂아 사용함.)

🎮 Computer-System Architecture

• UMA(Uniform Memory Access architecture) : 하나의 공통된 메모리를 가지고 있음
• NUMA(Non- Unifrom Memory Access architecture) : multiprocessor이고 각 칩들이 해당 메모리를 갖고 있음

이때, multiprocessor는 각 칩에 해다오디어있는 메모리가 하나씩 해당되어있어 연결되어 있지 않은 메모리의 정보를 불러오려면 다른 칩에 요청해야함.

🎮 Computer-System Organization

• common bus에 모든 device controller들이 연결되어 있고 각 controller에는 local buffer가 들어 있음.
• device에 변화가 생기면 device controller에서 전기를 흐르게 해 common bus에 전기가 흐르게 해 CPU에 신호를 보냄.
• 이 신호를 보내는 것을 interrupt라고 함.
• interrupt decriptor table(IDT)에는 어떠한 line에 신호가 느껴지면 어떠한 function을 실행하는지에 대한 정보가 적혀 있음.
• 시스템은 CPU의 원래상태를 보존해야함.