분류 전체보기 (894) 썸네일형 리스트형 [스프링 부트 3 백엔드 개발자 되기] ch 2. 스프링 부트 3 시작하기 1. 스프링과 스프링 부트 - 스프링 부트는 스프링 프레임워크를 더 쉽고 빠르게 이용할 수 있도록 만들어주는 도구 스프링 부트의 주요 특징 톰캣,제티,언더토우 같은 웹 애플리케이션 서버(web application server, WAS)에 내장되어 있어서 따로 설치를 하지 않아도 독립적으로 실행할 수 있다. 빌드 구성을 단순화하는 스프링 부트 스타터를 제공한다. XML 설정을 하지 않고 자바 코드로 모두 작성할 수 있다. JAR를 이용해서 자바 옵션만으로도 배포가 가능하다. 애플리케이션의 모니터링 및 관리 도구인 스프링 액츄에이터(spring actuator)를 제공한다. 2. 스프링 콘셉트 공부하기 1) 제어의 역전과 의존성 주입 - 스프링의 모든 기능의 기반을 제어의 역전(IoC)와 의.. [스프링 부트 3 백엔드 개발자 되기] ch 1. 자바 백엔드 개발자가 알아두면 좋은 지식 1. 서버와 클라이언트 - 클라이언트(client)는 서버로 요청하는 프로그램을 모두 일컬어 말한다. 서버(server)는 클라이언트의 요청을 받아 처리하는 주체이다. 2. 데이터베이스 - 데이터베이스(Database)는 여러 사람이 데이터를 한 군데 모아놓고 여러 사람이 사용할 목적으로 관리하는 데이터 저장소이다. - 클라이언트에서 SQL, 즉 데이터베이스를 조작하기 위한 언어로 데이터베이스 관리 시스템에 데이터를 요청하면 데이터베이스 관리 시스템은 데이터베이스에서 데이터를 꺼내 응답한다. RDB- Relational Database의 약자로 관계형 데이터베이스라는 뜻이다. - RDB가 아닌 데이터베이스를 NoSQL 또는 NewSQL로 구분한다. - 관계형 데이터베이스는 데이터를 행(row)과 .. [스프링부트 3 백엔드 개발자 되기] ch 0. 개발환경 구축하기 1. 스프링 부트 3 프로젝트 만들기 - 그레이들 설정 파일인 build.gradle을 수정 build.gradleplugins { id 'java' id 'org.springframework.boot' version '3.0.2' // 스프링 부트 플러그인 id 'io.spring.dependency-management' version '1.1.0' //스프링의 의존성을 자동으로 관리}group = 'me.choijiwoo'version = '1.0-SNAPSHOT'sourceCompatibility='17' //자바 소스를 컴파일할 때 사용할 자바 버전repositories { mavenCentral() //의존성을 받을 저장소}dependencies { implemen.. [혼공] ch 7. 검증하고 예측하기 1. 통계적으로 추론하기 1) 모수 검정이란 - 통계학에서는 모집단(population)에 대한 파라미터를 추정하는 방법을 모수검정(parametric test)이라고 한다. - 파라미터는 평균, 분산 등이며 모집단은 관심 대상이 되는 전체 데이터를 의미한다. - 모집단에서 선택한 일부 샘플은 표본(sample)이라고 부른다. 2) 표준점수 구하기 - 데이터가 정규분포를 따른다고 가정하고, 각 값이 평균에서 얼마나 떨어져 있는지 표준편차를 사용해 변환한 점수를 표준 점수(standard score) 또는 z 점수(z score)이라고 한다. - z 점수는 평균까지 거리를 표준편차로 나눈 것이다. z 점수 구하기 - 다섯 개의 값으로 이루어진 배열 x가 있을 때 숫자 7에 대한 z 점수를 계산.. [혼공] ch 6. 복잡한 데이터 표현하기 1. 객체지향 API로 그래프 꾸미기 1) pyplot 방식과 객체지향 API 방식 - 맷플롭립으로 그래프를 그리는 방식은 2가지 이다. matplotlib.pyplot에 있는 함수를 사용하는 pyplot 방식명시적으로 피겨 객체를 만들고 이 객체의 메서드를 사용하는 객체지향 API pyplot 방식으로 그래프 그리기 - matplotlib.pyplot에 있는 함수를 사용하면 함수들이 하나의 피겨 객체에 대한 상태를 공유한다. - 다음과 같이 간단한 선 그래프를 그리면 plot() 함수와 title() 함수는 동일한 피겨 객체에 적용된다. - plot() 함수에 리스트 형태로 데이터를 전달하고, title() 함수에는 그래프 제목을 넣어 그리기 plt.plot([1,4,9,16])plt.title.. [혼공] ch 5. 데이터 시각화하기 1. 맷플롯립 기본 요소 알아보기 1) Figure 객체 - 맷플롯립에는 Figure라는 모든 그래프 구성 요소를 담고 있는 최상위 객체가 있다. - figure() 함수로 명시적으로 피겨 객체를 만들어 활용하면 다양항 그래프 옵션을 조절할 수 있다. import pandas as pdns_book7 = pd.read_csv('ns_book7.csv', low_memory=False)ns_book7.head() - 맷플롯립을 임포트한 후 scatter() 함수로 '도서권수'열을 x축, '대출건수'열을 y축으로 그린다. - 투명도를 0.1로 지정 import matplotlib.pyplot as pltplt.scatter(ns_book7['도서권수'], ns_book7['대출건수'], alpha.. [TIL] 240708 1. Node.js & npm - Node.js는 Chrome V8 자바스크립트 엔진으로 빌드된 자바스크립트 런타임 환경(Runtime Environment)- 서버 사이드 애플리케이션 개발에 사용 - 브라우저 외부 환경에서 자바스크립트 애플리케이션 개발에 사용되며 이에 필요한 모듈, 파일 시스템, HTTP 등 Built-in API를 제공 - Non-blocking I/O와 단일 스레드 이벤트 루프를 통한 높은 Request 처리 성능- 데이터를 실시간으로 처리하여 빈번한 I/O가 발생하는 SPA(Single Page Application)에 적합 - CPU 사용률이 높은 애플리케이션에는 권장하지 않는다. 설치된 node 버전 및 npm 버전 확인 node.js 맛보기 : HTTP Serv.. [혼공] ch 4. 데이터 요약하기 1. 기술통계 구하기 - 기술통계(descriptive statistics)는 자료의 내용을 압축하여 설명하는 방법을 말한다, - ns_book6.csv 파일을 데이터프레임으로 불러 온 후 처음 다섯 개 행을 출력import pandas as pdns_book6 = pd.read_csv('ns_book6.csv', low_memory=False)ns_book6.head() - 판다스는 데이터프레임에서 기본적인 몇 가지 기술통계를 자동으로 추출해주는 describe() 메서드를 제공한다. ns_book6.describe() - describe() 메서드는 기본적으로 수치형 열에 대한 요약 통계를 보여준다. count누락된 값을 제외한 데이터 개수mean평균std표준편차min최솟값50%중앙값25%순서.. 이전 1 2 3 4 5 6 7 ··· 112 다음
