1과목 데이터와 정보 HOT
1. 다음은 데이터베이스의 구성요소들을 설명한 것이다. 각 설명에 해당하는 구성요소를 가장 적절하게 나열한 것은?
(A) 데이터에 관한 구조화된 데이터로, 다른 데이터를 설명해 주는 데이터
(B) 데이터베이스 내의 데이터를 신속하게 정렬하고 탐색하게 해주는 구조
문제에 포함된 이미지
해설
메타데이터는 데이터에 대한 데이터로써 하위레벨의 데이터를 설명/기술하려는 것이며, 인덱스는 데이터베이스의 테이블에서 고속의 검색동작뿐만 아니라 레코드 접근과 관련 효율적인 순서 매김 동작에 대한 기초를 제공한다.
 
비기봇 해설
① (A) - 메타데이터: 데이터에 관한 구조화된 데이터로, 다른 데이터를 설명해 주는 데이터입니다.
(B) - 인덱스: 데이터베이스 내의 데이터를 신속하게 정렬하고 탐색하게 해주는 구조입니다.

② (A) - 데이터모델, (B) - 트리거: 틀림. 데이터모델은 데이터의 구조와 관계를 정의하는 것이고, 트리거는 특정 이벤트 발생 시 자동으로 실행되는 데이터베이스 객체입니다.

③ (A) - 백업데이터, (B) - 저장된 절차: 틀림. 백업데이터는 데이터베이스의 복구를 위해 저장된 데이터이고, 저장된 절차는 데이터베이스에 저장되어 있는 SQL 코드입니다.

④ (A) - 스키마구조, (B) - 데이터 마트: 틀림. 스키마구조는 데이터베이스의 논리적 구조를 정의하는 것이고, 데이터 마트는 의사결정 지원을 위해 데이터 웨어하우스에서 추출한 데이터입니다.

바텀시트 영역 확장or축소
  1. 1 은닉층(Hidden Layer)의 뉴런 수와 개수를 정하는 것은 신경망을 설계하는 사람의 직관과 경험에 의존한다. 뉴런수가 너무 많으면 과적합(Overfitting)이 발생하고 뉴런 수가 너무 적으면 입력데이터를 충분히 표현하지 못하는 경우가 발생한다. 은닉층(Hidden Layer)의 뉴런 수와 개수를 정하는 것은 신경망을 설계하는 사람의 직관과 경험에 의존한다. 뉴런수가 너무 많으면 과적합(Overfitting)이 발생하고 뉴런 수가 너무 적으면 입력데이터를 충분히 표현하지 못하는 경우가 발생한다. 은닉층(Hidden Layer)의 뉴런 수와 개수를 정하는 것은 신경망을 설계하는 사람의 직관과 경험에 의존한다. 뉴런수가 너무 많으면 과적합(Overfitting)이 발생하고 뉴런 수가 너무 적으면 입력데이터를 충분히 표현하지 못하는 경우가 발생한다.
  2. 2 신경망 모형에서 뉴런의 주요 기능은 입력과 입력 강도의 가중합을 구한 다음 활성화 함수에 의해 출력을 내보내는 것이다. 따라서 입력 변수의 속성에 따라 활성화 함수를 선택하는 방법이 달라지게 된다. 신경망 모형에서 뉴런의 주요 기능은 입력과 입력 강도의 가중합을 구한 다음 활성화 함수에 의해 출력을 내보내는 것이다. 따라서 입력 변수의 속성에 따라 활성화 함수를 선택하는 방법이 달라지게 된다. 신경망 모형에서 뉴런의 주요 기능은 입력과 입력 강도의 가중합을 구한 다음 활성화 함수에 의해 출력을 내보내는 것이다. 따라서 입력 변수의 속성에 따라 활성화 함수를 선택하는 방법이 달라지게 된다.
  3. 3 역전파(Back Propagation) 알고리즘은 신경망 모형의 목적함수를 최적화하기 위해 사용된다. 연결강도를 갱신하기 위해서 예측 된 결과와 실제값의 차이인 에러(Error)를 통해 가중치를 조정하는 방법이다. 역전파(Back Propagation) 알고리즘은 신경망 모형의 목적함수를 최적화하기 위해 사용된다. 연결강도를 갱신하기 위해서 예측 된 결과와 실제값의 차이인 에러(Error)를 통해 가중치를 조정하는 방법이다. 역전파(Back Propagation) 알고리즘은 신경망 모형의 목적함수를 최적화하기 위해 사용된다. 연결강도를 갱신하기 위해서 예측 된 결과와 실제값의 차이인 에러(Error)를 통해 가중치를 조정하는 방법이다.
  4. 4 신경망 모형은 변수의 수가 많거나 입출력 변수 간에 복잡한 비선형관계가 존재할 때 유용하며-- 잡음에 대해서도 민감하게 반응하지 않는다는 장점을 가지고 있다.
정답은 초록색, 오답은 빨간색으로 나타납니다!