백봉현, 하일규, 안병철 Bong-Hyun Back, Ilkyu Ha, ByoungChul Ahn 1. 서론 최근들어소셜네트워크활성화로 에서발생하는대량의데이터 로부터정보를추출하여이를정치 경제 개인서비 스 연애등다양한분야에활용하고자하는노력이 계속되고있다 상의데이터를빠르게

Size: px
Start display at page:

Download "백봉현, 하일규, 안병철 Bong-Hyun Back, Ilkyu Ha, ByoungChul Ahn 1. 서론 최근들어소셜네트워크활성화로 에서발생하는대량의데이터 로부터정보를추출하여이를정치 경제 개인서비 스 연애등다양한분야에활용하고자하는노력이 계속되고있다 상의데이터를빠르게"

Transcription

1 백봉현, 하일규, 안병철 Bong-Hyun Back, Ilkyu Ha, ByoungChul Ahn 1. 서론 최근들어소셜네트워크활성화로 에서발생하는대량의데이터 로부터정보를추출하여이를정치 경제 개인서비 스 연애등다양한분야에활용하고자하는노력이 계속되고있다 상의데이터를빠르게분석하여 의미있는정보를추출하고 이를통해대중들이요구 하는의견과생각들을실시간으로파악하여 제품을 생산하고서비스를제공하는다양한분야에서활용 할수있도록하는기술이필요하다 또한이러한정 제된유효하고다양한정보들을빅데이타처리분석 기술을통해보다효율적으로관리하고시각화하는 기술도필요하다 따라서 본연구에서는소셜네트워 크에서발생되는다양한데이터 특히비정형데이터 를효율적으로처리할수있는빅데이터처리플랫폼 을제안한다 서비스는정보전달대상간의상호연결방 법이용이하며 데이터작성형식이비교적자유롭기 때문에발생하는데이터는대부분비정형데이터 이다 비정형데이터는숫자데 이터와달리그림이나영상 문서처럼형태와구조가 복잡해정형화되지않은데이터로정의할수있다 상에서발생하는수많은비정형데이터로

2 부터의미있는정보를추출하기위해서는우선비정형데이터에대한처리가필요하다 비정형데이터분석은형태소분석을기반으로다양한분석방법들이연구되고있다 그러나다양한방송매체와젊은계층들로부터새로운유행어와협의되지않은단어는컴퓨터를통한언어분석과감성분석이어려워지고있고이에대한유효성검정이더욱어려워지고있다 현재 빅데이타처리를위한다양한오픈소스프로젝트들을하둡에코시스템 을사용한다 빅데이터처리에사용되는데이터베이스는전통적인관계형데이터베이스보다덜제한적인일관성모델을이용하는데이터저장및검색을위해 을이용한다 현재업계및학계에서 데이터베이스에관한많은연구가진행되고있으며 구글의 아마존의 오픈소스프로젝트의 등이대표적이다 특히본연구에서사용되고있는 는 이론에따라데이터베이스를분류하였을때 와 를만족하는 형데이터베이스로서 현재오픈소스프로젝트로진행되고있으며 의방식으로 형태의문서데이터를저장한다 이는스키마가없으며 정규표현검색및배열데이터의특정값포함여부등의검색조건등에유연하게대응 할수있다 전통적인 에비하여대량의데이터를병렬로처리할수있으며 기법등을사용하여데이터클러스터링연산 통계 데이터추출및필터링이가능하다 감성분석 은자연언어처리와전산언어학그리고텍스트분석론을활용하여원자료에서주관적인정보를발견하고추출하는과정이다 빅데이터로부터사용자의감성을분석하기위한연구가진행되고있다 감성의종류를분석하고분류하는작업은크게세가지의단계로나눌수있다 첫번째단계는감성정보가들어있는주관적인생각이나느낌을표현하는문장을추출하고 다음단계에서문서또는문장의극성 긍정 부정 을나눈다 마지막단계는문서또는문장이어느정도의주관성을갖는지그강도를구하는강도분류이다 2. 비정형 SNS 감성데이터분석방법제안 2.1 시스템구성본연구에서는다양한대용량 데이터로부터데이터를안정적으로수집하고저장하기위한하둡에코시스템을기반으로한병렬적 을사용하고 대량의비정형데이터를분석하여사용자의감성을효과적으로분석할수있는 기반의감성분석알고리즘및사전을제안한다 전체적인시스템의구성은그림 와같다 제안된시스템은 Distribution Coordination (zookeeper) Managing, Monitoring (Ambari) Database (Cassandra, MongoDB, Hbase) Data mining (Mahout) Scripting (Pig) Meta data (Hcatalog) Data serialization (Avro) SQL(Hive) Distributed Processing (MapReduce) Hadoop Distributed File system (HDFS) Gathering structured data (Sqoop) Gathering unstructured data (Chukwa) Fig. 1. Hadoop ECO System.

3 Hadoop EcoSystem Map 1.Context Analysis Positive Context Dic. Negative Context Dic. HDFS TextString 2.Morphological Analysis 3.Token Analysis 4.Prohibited words Analysis Positive Word Dic. Negative Word Dic. Prohibited Word Dic. MapReduce F(x) Reduce MongoDB Sentiment Score Statistics Extracted Keyword Statistics Fig. 2. The Proposed System. 을기반으로하고있으며 는 사이트의 를통해전달받은데이터를효율적으로분산처리하여적재하는역할을한다 적재된텍스트형태의자료는 기반의제안된함수에의해 단계에걸쳐감성분석이이루어진다 감성분석시에는제안된 종류의감성분석사전을참조하여보다정확한감성분석이이루어질수있도록한다 감성분석결과는다양한통계를위해사용될수있으며 에저장된다 2.2 HDFS의구성 는분산처리구조의파일처리시스템이다 는입력받은대량의데이터를적절하게분산 하여적재하는역할을한다 본연구에서제안하는 는그림 과같이구성하였다 이시스템은리눅스기반의 대의서버로병렬로연결되며 각각데이터를저장하기위한 들의 는 로구성되며 장애복구를위해 를이용한네임서버를이중화한다 구성된서버의기능은표 과같다 2.3 MapReduce 함수구성 는분산컴퓨팅을지원하기위해구글에서개발한소프트웨어프레임워크로맵 과리듀스 라는함수의개념을이용하여병렬프로그래밍을가능하게한다 본연구에서는맵함수는 개로분류되며 감성분석을위한각단계에적용 Parallel HDFS MapReduce Primary Server NameNode HDFS DataNode Secondary Server Secondary NameNode HDFS DataNode Data Server1 HDFS DataNode Data Server2 HDFS DataNode Emotion Analysis Functions Map Reduce (Statistics) Dictionary Job Trac ker Task Trac ker Task Tracker Task Tracker Task Tracker MongoDB Fig. 3. The proposed HDFS.

4 Table 1. Servers of the proposed HDFS 된다 제안된맵함수는긍정 부정문맥분석 형태소 분석 토근분석 금칙어분석함수이다 각함수의 상세한역할은아래와같다 /Context Analysis public double calculatesentencescore(string keyword, String source) { keyword = keyword.tolowercase(); source = source.tolowercase(); // processing of the keyword source = source.replaceall(keyword, "#KW#"); 첫째 긍정 부정문맥분석함수이다 이함수는 먼저정확도를높이기위해한문장단위로문맥을 검사하고 긍정문맥사전과부정문맥사전을이용하 여패턴 정규식 매칭을실시한후 원본자료 트위트 를긍정과부정으로카운팅하며 긍정과부정의 카운트가동일하면긍정으로처리하고판단불가일 경우형태소분석으로이관한다 문맥분석을위한알 고리즘은그림 와같다 둘째 형태소분석함수이다 이함수에서는한나 눔의한글형태소분석기를이용하여링크 특수기호 등분석에불필요한요소를제거한후 긍정어절과 부정어절사전을비교하여각각의카운터를계산한 다 또한긍정또는부정카운터의수치가동일하다 면긍정으로처리 판단불가한상태라면토큰분석으 int pcount = 0; int ncount = 0; // context analysis by minimum sentence unit List<String> lst = gettwittersentences(source); for (String s : lst) { pcount += getpostivecount(keyword, s); ncount += getnegativecount(keyword, s); if (pcount == 0 && ncount == 0) { return 0.0; int result = pcount - ncount ; // if the result is zero then assign 1 to the result(positive) if (result == 0) { result = 1; return result; Fig. 4. Context Analysis Algorithm 로이관한다 셋째 토튼분석함수이다 이함수는원본자료 트위트 의토큰을공백으로분리하고 한글형태소분석기를사용하여형태소를분석한결과와긍정어절과부정어절사전을비교하여각각의카운터를계산하며 긍정또는부정카운터의수치가동일하다면긍정으로처리 판단불가한상태라면금칙어분석으로이관한다 넷째 금칙어분석함수이다 이함수에서는최종분석단계로상위의과정에서분석이이루어지지못했을경우금칙어사전을기반으로금칙어스코어계산한다 형태소분석 토큰분석및금칙어분석을위한알고리즘은그림 와같다 2.4 감성분석사전제안한 함수에서사용하는사전은모두 가지종류이다 즉 긍정어 부정어 긍정문맥 부정문맥 금칙어 사전이다 제안된감성분석사전은감성분석을위한각맵함수에서사용된다 각사전의역할은표 와같다 3. 실험결과및고찰 3.1 비정형 SNS 데이터수집제안한시스템의성능분석을위한데이터수집은 와트위터 를통해이루어졌다 는트위터나구글플러스등 서비스에서사용자의활동을분석해통계기법으로정리해주며 하루 억건의방대한데이터를분석하여제공한다 에서제공하는 는상업용키

5 //Morphological Analysis //if the result is zero in previous stage, this stage is processed public double calculatesentencescore(string source) { double sc = 0.0; List<MorphemeTag>verifyMorphemeList = cleansingword(source); double posidx = getmorphemescore(verifymorphemelist, MorphemeCalculator.s_posDic); double negidx = getmorphemescore(verifymorphemelist, MorphemeCalculator.s_negDic); if (posidx == 0 && negidx == 0){ sc = 0.0; else{ sc = posidx - negidx; // is the sc is zero, then assign the posidx value to the sc //value as a positive value if (sc == 0) { sc = posidx; // Token Analysis if (sc == 0.0) { List<String> tokenlist = Arrays.asList(source.split(" ")); List<MorphemeTag>verifyMorphemeList= leansingword(source);... if (posidx == 0 && negidx == 0){ sc = 0.0; else{ sc = posidx - negidx; if (sc == 0) { sc = posidx; //Prohibited word Analysis if (sc == 0){ List<MorphemeTag>verifyMorphemeList = cleansingword(source); for (MorphemeTag tag : verifymorphemelist) {... return sc; Fig. 5. Morphological, Token and Prohibited word Algorithms. 가아닌일반용키는하루에최대 쿼리를 요청할수있으며 과거데이터의수집이완료된후 지속적인증분데이타의경우 를이용하여 트위터에서제공하는데이터를수집한다 트위터제 공데이터는현시점으로부터최대 주일과거데이 터만을수집가능하며 트위트에서제공되는키 토큰 는 분동안 개의쿼리를사용할수있다 본연구에서는크론을통해매 시간마다데이터수집모듈을실행하도록하였다 그림 은 를이용하여트위터로부터데이터를수집하는과정을보여주고있다 3.2 실험환경제안시스템의성능분석을위한환경은표 과같다 실험환경은 대의서버를하둡기반의병렬시스템으로구성하였으며 사용운영체제는 를사용하였다 3.3 실험분석및평가제안시스템의성능분석을위해아래와같은 가지의테스트를진행하였다 첫째 데이터량에따른시스템성능실험이다 를통해수집된표 와같은 개셋트의실제트위터데이터에대해수집시간및처리시시스템의부하를테스트하였다 그림 은데이터셋트별크롤링시간과 적재시간을비교한것이다 그림 과그림 는데이터셋트별크롤링과 적재시각노드별메모리부하와 부하를나타낸것이다 각데이터셋트의데이터건수에대하여크롤링시간과 적재시간이비례하여안정적으로증가하는것을볼수있다 따라서제안된시스템에서데이터를수집하여적재하는데네트워크부하나시스템부하는미비하며 수초 수분의시간내에안정적인데이터수집과적재가가능함을알수있다 Table 2. Dictionaries for Emotion Analysis

6 Twitter4j Name Content Date Profile_image RESTful Service(HTTP) OAUTH (Bearer Token) URL HTTP Request 결과를포함한 HTTP Response Gradual Crawler 상태값저장 크롤링데이터저장 MongoDB Hadoop (HDFS) Fig. 6. Data Crawling using Twitter4j. Table 3. Experimental Environment Table 4. Data Sets for experiment and analysis 그림 과같이슬레이브노드 에서 까지의노드들은메모리사용량이최소 에서최대 사용한것으로나타났고 마스트노드 의경우최소 에서최대 를사용한것으로나타났다 슬레이브노드의경우데이터를분산적재함으로써메모리부하가낮게나왔으며 마스터노드의경우전체슬레이브노드의분산데이터처리를위해슬레이브노드보다약 배가량더많은메모리자원을사용하는것으로나타났다 그림 과같이슬레이브노드 과 의 경우최소 에서최대 의 사용량을나타냈으나 슬레이브노드 의경우최소 에서최대 의 사용량을나타냈다 이는병렬분산처리시 시스템의자동병렬처리과정에서슬레이브노드 을주로사용하기때문인것으로파악된다 마스트노드의경우최소 에서최대 의 사용량을나타냈다 따라서 사용량에있어서도제안된시스템은데이터의수집과적재시안정적인환경을제공하는것으로나타났다 둘째 데이터량에따른감성분석시간과시스템

7 Fig. 7. Crawling Time and HDFS Loading Time. Fig. 10. Time of MapReduce Processing for Sentiment Analysis. Fig. 8. Memory Consumption of Data Crawling and HDFS Loading. Fig. 11. CPU Consumption of MapReduce Processing for Sentiment Analysis. Fig. 9. CPU Consumption of Data Crawling and HDFS Loading. 부하테스트이다 첫번째실험에서사용한데이터셋을가지고감성분석시소요되는분석시간과시스템부하정도를실험하였다 그림 은데이터셋트별감성분석소요시간을비교한것이고그림 과그림 는감성분석시각노드별 부하와메모리부하를각각비교한것이다 그림 과같이 개의데이터셋트들에대해감성분석시간은 초에서 초의시 Fig. 12. Memory Consumption of MapReduce Processing for Sentiment Analysis. 간이소요되어데이터건수와비례하여감성분석시 간이안정적으로증가하는것으로나타났다 그림 에서마스트노드 는실제분석처리를 하지않고하위슬레이브노드를관리하므로 의 사용량이낮은반면 슬레이브노드는분석을하므로

8 자원을사용한다 데이터건수 인데이터셋트까지는각슬레이브노드가데이터를상호병렬처리하는것으로나타났으나 데이터건수 인데이터셋트이후는분산된데이터량이많아짐에따라모든슬레이브노드들이 를최대로사용한다 따라서제안된시스템은일정한수준까지안정적인상호병렬처리가이루어지는것으로볼수있다 그림 도그림 과같이슬레이브노드가분석을병렬처 Fig. 13. Time of Data Loading to MongoDB. Fig. 14. Load Valance in MongoDB searching. 리를하므로많은메모리를사용한다 따라서 제안된시스템과알고리즘은자원할당측면에서단일노드에만시스템부하가집중되지않고상호병렬처리됨으로써안정적인병렬분석환경을제공하는것으로나타났다 셋째 데이터조회시처리시간과인덱싱사용유무에따른속도비교테스트이다 첫번째실험에서사용한데이터셋에대하여 에저장된데이터를적재및조회할때소요되는시간과시스템의부하테스트를진행하였다 그림 은데이터셋트별 에데이터가적재되는시간을비교한것이고 그림 는 조회시시스템의부하를비교한것이다 그림 과같이데이터셋트의데이터건수에비례하여 에적재되는시간이증가하였다 그림 에서는 에적재된데이터조회시메모리사용량은데이터건수에비해큰차이가없는것으로나타났고 사용량의경우 정도 메모리사용량 정도로데이터조회시시스템 에의한성능저하는없는것으로판단할수있다 마지막으로감성분석결과의정확도및오차비교에관한테스트이다 애플 을키워드로하여추출한 건의데이터셋에대해긍정또는부정의대한정확도를제안된시스템분석결과와인간이직접지각으로느끼는정도를비교분석하였다 그림 는제안시스템의감성분석 형태소분석 결과와인간의직시적인감성분석결과를비교한것이다 그림 와같이중립감성의경우상대적으로오차가높았다 부정과긍정의감성인경우비교적오차가적었으나 제안된시스템에의한감성분석결과가인간의직시적인감성분석결과에상당히근접하고있음을알수있다 4. 결론 Fig. 15. Data Accuracy. 본연구에서는 로부터발생하는대량의비정형데이터로부터사용자의감성을분석할수있는빅데이터처리시스템과알고리즘을제안하였다 제안된시스템은하둡에코시스템기반병렬 시스템을구성하며 로 개의주요기능을가진함수를구성하였다 또한감성분석을위한 가지종류의데이터사전을사용하였다 제안한시스템은실험을통해다음과같은결론을얻었다 첫째

9 데이터량에따른시스템성능은데이터를수집하여적재하는데네트워크부하나시스템부하는미비하며 수초 수분의시간내에안정적인데이터수집과적재가가능함을알수있었다 둘째 데이터량에따른감성분석시간과시스템부하실험에서데이터건수에따라단일노드에만시스템부하가집중되지않고상호병렬처리됨으로써안정적인병렬분석환경을제공하는것으로나타났다 셋째 데이터조회시처리시간과인덱싱사용유무에따른속도비교실험에서데이터건수가증가함에따라인덱싱의사용이유용함을알수있었다 에적재된데이터조회시메모리사용량은데이터건수에비해큰차이가없는것으로나타났고 데이터조회시시스템 에의한성능저하도없는것으로판단할수있었다 마지막으로감성분석결과의정확도및오차비교에관한실험에서제안된시스템에의한감성분석결과가인간의직시적인감성분석결과에상당히근접하고있음을알수있었다 REFERENCE

10 680 멀티미디어학회 논문지 제17권 제6호( ) Simplified Data Processing on Large Clusters, Communications of the ACM, Vol. 51, No. 1, pp , 년 영남대학교 전산공학과 학사 2001년 영남대학교 정보처리교육 전공 석사 2003년 영남대학교 컴퓨터공학과 박사 백 봉 현 1999년 동국대학교 전자계산학과 이학사 2002년 영남대학교 컴퓨터공학과 공학석사 2014년 영남대학교 컴퓨터공학과 하 일 규 1992년 1995년 증권감독원 전산업무실 2002년 현재 영남대학교 컴퓨터공학과 강사, 객원교수 관심분야 : 센서네트워크, 소셜네트워크분석, 빅데이터 처리 공학박사 일본 SecuAvail 시스템엔지니어 2010 현재 아르고스 대표이사 관심분야 : 빅데이터처리, 센서네트워크, 데이터마이닝, 개인정보 보호 1976년 안 병 철 영남대학교 전자공학과 학사 1986년 오레곤주립대 전기 및 컴 퓨터공학 석사 1989년 오레곤주립대 전기 및 컴 퓨터공학 박사 1976년 1984년 국방과학연구소 연구원 1989년 1992년 삼성전자 수석연구원 관심분야 : 센서네트워크, 임베디드시스템, 리, 멀티미디어처리 빅데이터처

문서의 제목 나눔고딕B, 54pt

문서의 제목 나눔고딕B, 54pt 실시간데이터수집및처리 Network Computing System Architecture Lab Dongguk University MooSeon Choi 2013.11.07 목차 1. 연구목표 2. 2차발표리뷰 3. 실시간데이터수집및처리 4. 향후연구계획 3 / 14 연구목표 ( 1 세부 데이터페더레이션을위한기술 ) 모바일기반 SNS( 비정형 ) 데이터와기존

More information

DB진흥원 BIG DATA 전문가로 가는 길 발표자료.pptx

DB진흥원 BIG DATA 전문가로 가는 길 발표자료.pptx 빅데이터의기술영역과 요구역량 줌인터넷 ( 주 ) 김우승 소개 http://zum.com 줌인터넷(주) 연구소 이력 줌인터넷 SK planet SK Telecom 삼성전자 http://kimws.wordpress.com @kimws 목차 빅데이터살펴보기 빅데이터에서다루는문제들 NoSQL 빅데이터라이프사이클 빅데이터플랫폼 빅데이터를위한역량 빅데이터를위한역할별요구지식

More information

Microsoft Word - th1_Big Data 시대의 기술_ _조성우

Microsoft Word - th1_Big Data 시대의 기술_ _조성우 Theme Article Big Data 시대의기술 중앙연구소 Intelligent Knowledge Service 조성우 1. 시대의화두 Big Data 최근 IT 분야의화두가무엇인지물어본다면, 빅데이터가대답들중하나일것이다. 20년전의 PC의메모리, 하드디스크의용량과최신 PC, 노트북사양을비교해보면과거에비해데이터가폭발적으로늘어났다는것을실감할수있을것이다. 특히스마트단말및소셜미디어등으로대표되는다양한정보채널의등장과이로인한정보의생산,

More information

Open Cloud Engine Open Source Big Data Platform Flamingo Project Open Cloud Engine Flamingo Project Leader 김병곤

Open Cloud Engine Open Source Big Data Platform Flamingo Project Open Cloud Engine Flamingo Project Leader 김병곤 Open Cloud Engine Open Source Big Data Platform Flamingo Project Open Cloud Engine Flamingo Project Leader 김병곤 (byounggon.kim@opence.org) 빅데이터분석및서비스플랫폼 모바일 Browser 인포메이션카탈로그 Search 인포메이션유형 보안등급 생성주기 형식

More information

PowerPoint Presentation

PowerPoint Presentation 하둡전문가로가는길 심탁길 terryshim@naver.com 목차 1. 하둡과에코시스템개요 2. 홗용사례붂석 3. 하둡젂문가의필요성 4. 무엇을어떻게준비할까? 5. 하둡기반추천시스템데모 하둡개요 구글인프라 배치애플리케이션 온라인서비스 MapReduce Bigtable GFS Client API Chubby Cluster Mgmt 주요소프트웨어스택 Google

More information

들어가는글 2012년 IT 분야에서최고의관심사는아마도빅데이터일것이다. 관계형데이터진영을대표하는오라클은 2011년 10월개최된 오라클오픈월드 2011 에서오라클빅데이터어플라이언스 (Oracle Big Data Appliance, 이하 BDA) 를출시한다고발표하였다. 이와

들어가는글 2012년 IT 분야에서최고의관심사는아마도빅데이터일것이다. 관계형데이터진영을대표하는오라클은 2011년 10월개최된 오라클오픈월드 2011 에서오라클빅데이터어플라이언스 (Oracle Big Data Appliance, 이하 BDA) 를출시한다고발표하였다. 이와 Oracle Data Integrator 와 Oracle Big Data Appliance 저자 - 김태완부장, 한국오라클 Fusion Middleware(taewan.kim@oracle.com) 오라클은최근 Big Data 분약에 End-To-End 솔루션을지원하는벤더로급부상하고있고, 기존관계형데이터저장소와새로운트랜드인비정형빅데이터를통합하는데이터아키텍처로엔터프로이즈시장에서주목을받고있다.

More information

빅데이터_DAY key

빅데이터_DAY key Big Data Near You 2016. 06. 16 Prof. Sehyug Kwon Dept. of Statistics 4V s of Big Data Volume Variety Velocity Veracity Value 대용량 다양한 유형 실시간 정보 (불)확실성 가치 tera(1,0004) - peta -exazetta(10007) bytes in 2020

More information

슬라이드 1

슬라이드 1 Hadoop 기반 규모확장성있는패킷분석도구 충남대학교데이터네트워크연구실이연희 yhlee06@cnu.ac.kr Intro 목차 인터넷트래픽측정 Apache Hadoop Hadoop 기반트래픽분석시스템 Hadoop을이용한트래픽분석예제 - 2- Intro 트래픽이란 - 3- Intro Data Explosion - 4- Global Trend: Data Explosion

More information

슬라이드 1

슬라이드 1 www.altsoft.co.kr www.clunix.com COMSOL4.0a Cluster 성능테스트 2010 년 10 월 클루닉스 / 알트소프트 개요 개요 목차 BMT 환경정보 BMT 시나리오소개 COMSOL4.0a MPP 해석실행조건 BMT 결과 COMSOL4.0a 클러스터분석결과 ( 메모리 / 성능 ) COMSOL4.0a 클러스터최종분석결과 -2- 개요

More information

Cover Story 01 20 Oracle Big Data Vision 01_Big Data의 배경 02_Big Data의 정의 03_Big Data의 활용 방안 04_Big Data의 가치

Cover Story 01 20 Oracle Big Data Vision 01_Big Data의 배경 02_Big Data의 정의 03_Big Data의 활용 방안 04_Big Data의 가치 Oracle Big Data 오라클 빅 데이터 이야기 Cover Story 01 20 Oracle Big Data Vision 01_Big Data의 배경 02_Big Data의 정의 03_Big Data의 활용 방안 04_Big Data의 가치 최근 빅 데이터에 대한 관심이 커지고 있는데, 그 배경이 무엇일까요? 정말 다양한 소스로부터 엄청난 데이터들이 쏟아져

More information

<4D F736F F F696E74202D203137C0E55FBFACBDC0B9AEC1A6BCD6B7E7BCC72E707074>

<4D F736F F F696E74202D203137C0E55FBFACBDC0B9AEC1A6BCD6B7E7BCC72E707074> SIMATIC S7 Siemens AG 2004. All rights reserved. Date: 22.03.2006 File: PRO1_17E.1 차례... 2 심벌리스트... 3 Ch3 Ex2: 프로젝트생성...... 4 Ch3 Ex3: S7 프로그램삽입... 5 Ch3 Ex4: 표준라이브러리에서블록복사... 6 Ch4 Ex1: 실제구성을 PG 로업로드하고이름변경......

More information

Observational Determinism for Concurrent Program Security

Observational Determinism for  Concurrent Program Security 웹응용프로그램보안취약성 분석기구현 소프트웨어무결점센터 Workshop 2010. 8. 25 한국항공대학교, 안준선 1 소개 관련연구 Outline Input Validation Vulnerability 연구내용 Abstract Domain for Input Validation Implementation of Vulnerability Analyzer 기존연구

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 System Software Experiment 1 Lecture 5 - Array Spring 2019 Hwansoo Han (hhan@skku.edu) Advanced Research on Compilers and Systems, ARCS LAB Sungkyunkwan University http://arcs.skku.edu/ 1 배열 (Array) 동일한타입의데이터가여러개저장되어있는저장장소

More information

Basic Template

Basic Template Hadoop EcoSystem 을홗용한 Hybrid DW 구축사례 2013-05-02 KT cloudware / NexR Project Manager 정구범 klaus.jung@{kt nexr}.com KT의대용량데이터처리이슈 적재 Data의폭발적인증가 LTE 등초고속무선 Data 통싞 : 트래픽이예상보다빨리 / 많이증가 비통싞 ( 컨텐츠 / 플랫폼 /Bio/

More information

Slide 1

Slide 1 빅데이터기술의이해 2016. 8. 23 장형석 충북대비즈니스데이터융합학과교수 chjang1204@nate.com 장형석교수 # 경력 ( 현직 ) - 충북대학교비즈니스데이터융합학과 - 국민대학교빅데이터경영 MBA 과정겸임교수 - 연세대학교데이터사이언스과정외래교수 # 저서및역서 - [ 실전하둡운용가이드 ] 한빛미디어, 2013.07 - [ 빅데이터컴퓨팅기술 ]

More information

이도경, 최덕재 Dokyeong Lee, Deokjai Choi 1. 서론

이도경, 최덕재 Dokyeong Lee, Deokjai Choi 1. 서론 이도경, 최덕재 Dokyeong Lee, Deokjai Choi 1. 서론 2. 관련연구 2.1 MQTT 프로토콜 Fig. 1. Topic-based Publish/Subscribe Communication Model. Table 1. Delivery and Guarantee by MQTT QoS Level 2.1 MQTT-SN 프로토콜 Fig. 2. MQTT-SN

More information

<30302DB8F1C2F7BFDC2E687770>

<30302DB8F1C2F7BFDC2E687770> Journal of the Korea Institute of Information and Communication Engineering 하둡과의미특징을이용한문서요약 김철원 * Document Summarization using Semantic Feature and Hadoop Chul-Won Kim * Department of Computer Engineering,

More information

2017 년 6 월한국소프트웨어감정평가학회논문지제 13 권제 1 호 Abstract

2017 년 6 월한국소프트웨어감정평가학회논문지제 13 권제 1 호 Abstract 2017 년 6 월한국소프트웨어감정평가학회논문지제 13 권제 1 호 Abstract - 31 - 소스코드유사도측정도구의성능에관한비교연구 1. 서론 1) Revulytics, Top 20 Countries for Software Piracy and Licence Misuse (2017), March 21, 2017. www.revulytics.com/blog/top-20-countries-software

More information

Microsoft PowerPoint - ch09 - 연결형리스트, Stack, Queue와 응용 pm0100

Microsoft PowerPoint - ch09 - 연결형리스트, Stack, Queue와 응용 pm0100 2015-1 프로그래밍언어 9. 연결형리스트, Stack, Queue 2015 년 5 월 4 일 교수김영탁 영남대학교공과대학정보통신공학과 (Tel : +82-53-810-2497; Fax : +82-53-810-4742 http://antl.yu.ac.kr/; E-mail : ytkim@yu.ac.kr) 연결리스트 (Linked List) 연결리스트연산 Stack

More information

다른 JSP 페이지호출 forward() 메서드 - 하나의 JSP 페이지실행이끝나고다른 JSP 페이지를호출할때사용한다. 예 ) <% RequestDispatcher dispatcher = request.getrequestdispatcher(" 실행할페이지.jsp");

다른 JSP 페이지호출 forward() 메서드 - 하나의 JSP 페이지실행이끝나고다른 JSP 페이지를호출할때사용한다. 예 ) <% RequestDispatcher dispatcher = request.getrequestdispatcher( 실행할페이지.jsp); 다른 JSP 페이지호출 forward() 메서드 - 하나의 JSP 페이지실행이끝나고다른 JSP 페이지를호출할때사용한다. 예 ) RequestDispatcher dispatcher = request.getrequestdispatcher(" 실행할페이지.jsp"); dispatcher.forward(request, response); - 위의예에서와같이 RequestDispatcher

More information

컴파일러

컴파일러 YACC 응용예 Desktop Calculator 7/23 Lex 입력 수식문법을위한 lex 입력 : calc.l %{ #include calc.tab.h" %} %% [0-9]+ return(number) [ \t] \n return(0) \+ return('+') \* return('*'). { printf("'%c': illegal character\n",

More information

쉽게 풀어쓴 C 프로그래밊

쉽게 풀어쓴 C 프로그래밊 Power Java 제 27 장데이터베이스 프로그래밍 이번장에서학습할내용 자바와데이터베이스 데이터베이스의기초 SQL JDBC 를이용한프로그래밍 변경가능한결과집합 자바를통하여데이터베이스를사용하는방법을학습합니다. 자바와데이터베이스 JDBC(Java Database Connectivity) 는자바 API 의하나로서데이터베이스에연결하여서데이터베이스안의데이터에대하여검색하고데이터를변경할수있게한다.

More information

빅데이터분산컴퓨팅-5-수정

빅데이터분산컴퓨팅-5-수정 Apache Hive 빅데이터분산컴퓨팅 박영택 Apache Hive 개요 Apache Hive 는 MapReduce 기반의 High-level abstraction HiveQL은 SQL-like 언어를사용 Hadoop 클러스터에서 MapReduce 잡을생성함 Facebook 에서데이터웨어하우스를위해개발되었음 현재는오픈소스인 Apache 프로젝트 Hive 유저를위한

More information

요. 우리는 살 수가 없으니게 이게 큰 무슨 전쟁이다 그래가지고서 봉 동면이라고 거기가 말하자면 항구 였거든요. 그때 군인들이 후퇴를 한 거예요. 군인들이 후퇴하면서 활동 못 할 사람들은 다 그냥 죽어버리고 그 나머지 어느 정도 부상당했어도 활 동할 수 있는 사람들은

요. 우리는 살 수가 없으니게 이게 큰 무슨 전쟁이다 그래가지고서 봉 동면이라고 거기가 말하자면 항구 였거든요. 그때 군인들이 후퇴를 한 거예요. 군인들이 후퇴하면서 활동 못 할 사람들은 다 그냥 죽어버리고 그 나머지 어느 정도 부상당했어도 활 동할 수 있는 사람들은 형을 대신해 가장으로 산다는 것 자 료 명 : 20140411차형돈(보령) 조 사 일 : 2014년 4월 11일 조사시간 : 37분(10:05-10:42) 구 연 자 : 차형돈(남 1936년생) 조 사 자 : 박경열, 유효철, 이원영. 조사장소 : 충청남도 보령시 청소면 죽림3리 의식경로당 [구연자 정보] 고향은 황해도 옹진이다. 1936년으로 전쟁 당시 15세였다.

More information

Eclipse 와 Firefox 를이용한 Javascript 개발 발표자 : 문경대 11 년 10 월 26 일수요일

Eclipse 와 Firefox 를이용한 Javascript 개발 발표자 : 문경대 11 년 10 월 26 일수요일 Eclipse 와 Firefox 를이용한 Javascript 개발 발표자 : 문경대 Introduce Me!!! Job Jeju National University Student Ubuntu Korean Jeju Community Owner E-Mail: ned3y2k@hanmail.net Blog: http://ned3y2k.wo.tc Facebook: http://www.facebook.com/gyeongdae

More information

MySQL-.. 1

MySQL-.. 1 MySQL- 기초 1 Jinseog Kim Dongguk University jinseog.kim@gmail.com 2017-08-25 Jinseog Kim Dongguk University jinseog.kim@gmail.com MySQL-기초 1 2017-08-25 1 / 18 SQL의 기초 SQL은 아래의 용도로 구성됨 데이터정의 언어(Data definition

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 Flamingo Big Data Performance Management Product Documentation It s the Best Big Data Performance Management Solution. Maximize Your Hadoop Cluster with Flamingo. Monitoring, Analyzing, and Visualizing.

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 In-memory 클러스터컴퓨팅프레임워크 Hadoop MapReduce 대비 Machine Learning 등반복작업에특화 2009년, UC Berkeley AMPLab에서 Mesos 어플리케이션으로시작 2010년 Spark 논문발표, 2012년 RDD 논문발표 2013년에 Apache 프로젝트로전환후, 2014년 Apache op-level Project

More information

학습목차 2.1 다차원배열이란 차원배열의주소와값의참조

학습목차 2.1 다차원배열이란 차원배열의주소와값의참조 - Part2- 제 2 장다차원배열이란무엇인가 학습목차 2.1 다차원배열이란 2. 2 2 차원배열의주소와값의참조 2.1 다차원배열이란 2.1 다차원배열이란 (1/14) 다차원배열 : 2 차원이상의배열을의미 1 차원배열과다차원배열의비교 1 차원배열 int array [12] 행 2 차원배열 int array [4][3] 행 열 3 차원배열 int array [2][2][3]

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 How Hadoop Works 박영택 컴퓨터학부 HDFS Basic Concepts HDFS 는 Java 로작성된파일시스템 Google 의 GFS 기반 기존파일시스템의상위에서동작 ext3, ext4 or xfs HDFS 의 file 저장방식 File 은 block 단위로분할 각 block 은기본적으로 64MB 또는 128MB 크기 데이터가로드될때여러 machine

More information

CONTENTS Volume.174 2013 09+10 06 테마 즐겨찾기 빅데이터의 현주소 진일보하는 공개 기술, 빅데이터 새 시대를 열다 12 테마 활동 빅데이터 플랫폼 기술의 현황 빅데이터, 하둡 품고 병렬처리 가속화 16 테마 더하기 국내 빅데이터 산 학 연 관

CONTENTS Volume.174 2013 09+10 06 테마 즐겨찾기 빅데이터의 현주소 진일보하는 공개 기술, 빅데이터 새 시대를 열다 12 테마 활동 빅데이터 플랫폼 기술의 현황 빅데이터, 하둡 품고 병렬처리 가속화 16 테마 더하기 국내 빅데이터 산 학 연 관 방송 통신 전파 KOREA COMMUNICATIONS AGENCY MAGAZINE 2013 VOL.174 09+10 CONTENTS Volume.174 2013 09+10 06 테마 즐겨찾기 빅데이터의 현주소 진일보하는 공개 기술, 빅데이터 새 시대를 열다 12 테마 활동 빅데이터 플랫폼 기술의 현황 빅데이터, 하둡 품고 병렬처리 가속화 16 테마 더하기 국내

More information

Microsoft PowerPoint - 알고리즘_5주차_1차시.pptx

Microsoft PowerPoint - 알고리즘_5주차_1차시.pptx Basic Idea of External Sorting run 1 run 2 run 3 run 4 run 5 run 6 750 records 750 records 750 records 750 records 750 records 750 records run 1 run 2 run 3 1500 records 1500 records 1500 records run 1

More information

DBMS & SQL Server Installation Database Laboratory

DBMS & SQL Server Installation Database Laboratory DBMS & 조교 _ 최윤영 } 데이터베이스연구실 (1314 호 ) } 문의사항은 cyy@hallym.ac.kr } 과제제출은 dbcyy1@gmail.com } 수업공지사항및자료는모두홈페이지에서확인 } dblab.hallym.ac.kr } 홈페이지 ID: 학번 } 홈페이지 PW:s123 2 차례 } } 설치전점검사항 } 설치단계별설명 3 Hallym Univ.

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 ㆍ Natural Language Understanding 관련기술 ㆍ Semantic Parsing Conversational AI Natural Language Understanding / Machine Learning ㆍEntity Extraction and Resolution - Machine Learning 관련기술연구개발경험보유자ㆍStatistical

More information

게시판 스팸 실시간 차단 시스템

게시판 스팸 실시간 차단 시스템 오픈 API 2014. 11-1 - 목 차 1. 스팸지수측정요청프로토콜 3 1.1 스팸지수측정요청프로토콜개요 3 1.2 스팸지수측정요청방법 3 2. 게시판스팸차단도구오픈 API 활용 5 2.1 PHP 5 2.1.1 차단도구오픈 API 적용방법 5 2.1.2 차단도구오픈 API 스팸지수측정요청 5 2.1.3 차단도구오픈 API 스팸지수측정결과값 5 2.2 JSP

More information

제목을 입력하십시오

제목을 입력하십시오 Big Data Analytics BK21+ Kick-off Meeting Jong Uk, Lee eastwest9@korea.ac.kr 2013. 10. 21 Section I) Data! Section Ⅱ) Big Data! Section Ⅲ) Big Data Technology Section Ⅳ) Big Data Use Case and Proposal

More information

김기남_ATDC2016_160620_[키노트].key

김기남_ATDC2016_160620_[키노트].key metatron Enterprise Big Data SKT Metatron/Big Data Big Data Big Data... metatron Ready to Enterprise Big Data Big Data Big Data Big Data?? Data Raw. CRM SCM MES TCO Data & Store & Processing Computational

More information

THE JOURNAL OF KOREAN INSTITUTE OF ELECTROMAGNETIC ENGINEERING AND SCIENCE Jun.; 27(6),

THE JOURNAL OF KOREAN INSTITUTE OF ELECTROMAGNETIC ENGINEERING AND SCIENCE Jun.; 27(6), THE JOURNAL OF KOREAN INSTITUTE OF ELECTROMAGNETIC ENGINEERING AND SCIENCE. 2016 Jun.; 276), 504511. http://dx.doi.org/10.5515/kjkiees.2016.27.6.504 ISSN 1226-3133 Print)ISSN 2288-226X Online) Near-Field

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 Spider For MySQL 실전사용기 피망플러스유닛최윤묵 Spider For MySQL Data Sharding By Spider Storage Engine http://spiderformysql.com/ 성능 8 만 / 분 X 4 대 32 만 / 분 많은 DB 중에왜 spider 를? Source: 클라우드컴퓨팅구 선택의기로 Consistency RDBMS

More information

슬라이드 1

슬라이드 1 제 2 장 빅데이터기술 2015.02 조완섭충북대학교경영정보학과대학원비즈니스데이터융합학과 wscho@chungbuk.ac.kr 043-261-3258 010-2487-3691 목차 개요 빅데이터기술 클라우드컴퓨팅 Hadoop & Databases 데이터분석기술 다차원분석 통계분석 : R 데이터마이닝 빅데이터시각화기술 2015-07-23 2 개요 빅데이터 -

More information

160322_ADOP 상품 소개서_1.0

160322_ADOP 상품 소개서_1.0 상품 소개서 March, 2016 INTRODUCTION WHO WE ARE WHAT WE DO ADOP PRODUCTS : PLATON SEO SOULTION ( ) OUT-STREAM - FOR MOBILE ADOP MARKET ( ) 2. ADOP PRODUCTS WHO WE ARE ADOP,. 2. ADOP PRODUCTS WHAT WE DO ADOP,.

More information

1217 WebTrafMon II

1217 WebTrafMon II (1/28) (2/28) (10 Mbps ) Video, Audio. (3/28) 10 ~ 15 ( : telnet, ftp ),, (4/28) UDP/TCP (5/28) centralized environment packet header information analysis network traffic data, capture presentation network

More information

슬라이드 1

슬라이드 1 Data-driven Industry Reinvention All Things Data Con 2016, Opening speech SKT 종합기술원 최진성원장 Big Data Landscape Expansion Big Data Tech/Biz 진화방향 SK Telecom Big Data Activities Lesson Learned and Other Topics

More information

Cover Story 빅데이터플랫폼 Big Data 시대의엔터프라이즈인프라스트럭처 ORACLE KOREA MAGAZINE Spring 개요빅데이터를처리하는기술의가장중심기술은아파치하둡기술일것이다. 하둡기술은데이터를취득하고이를구조화시키고분석을하는일련의과정에

Cover Story 빅데이터플랫폼 Big Data 시대의엔터프라이즈인프라스트럭처 ORACLE KOREA MAGAZINE Spring 개요빅데이터를처리하는기술의가장중심기술은아파치하둡기술일것이다. 하둡기술은데이터를취득하고이를구조화시키고분석을하는일련의과정에 Cover Story 04 빅데이터플랫폼 Big Data 시대의엔터프라이즈인프라스트럭처 저자 - 홍기현상무, 한국오라클 Tech Sales Consultant(kihyun.hong@oracle.com) 빅데이터기술은데이터크기혹은증가속도가빠르고데이터저장형태도다양하여이를 모델링후분석하기에는부적합한형태의데이터를분산시스템을이용하여분석하는기술이다. 또한빅데이터로는트위터나페이스북같은소셜미디어에올라온데이터가언급되기도하지만,

More information

PowerPoint Template

PowerPoint Template 대량기록물의 효율적인 처리를 위한 Database 관리방안 연구 2011.10.08 서강대학교 컴퓨터공학과 이대욱 목 차 1. 연구범위 및 내용 2. 대량기록물의 효율적인 처리를 위한 Database 구조연구 기록관리 서브시스템별 특징,기능 및 DBMS 역할 입수단 / 보존단 / 제공단 3. 인프라 변화에 대응한 Database 관리 방안 연구 대용량데이터처리기술

More information

Microsoft PowerPoint - 3ÀÏ°_º¯¼ö¿Í »ó¼ö.ppt

Microsoft PowerPoint - 3ÀÏ°_º¯¼ö¿Í »ó¼ö.ppt 변수와상수 1 변수란무엇인가? 변수 : 정보 (data) 를저장하는컴퓨터내의특정위치 ( 임시저장공간 ) 메모리, register 메모리주소 101 번지 102 번지 변수의크기에따라 주로 byte 단위 메모리 2 기본적인변수형및변수의크기 변수의크기 해당컴퓨터에서는항상일정 컴퓨터마다다를수있음 short

More information

위세아이텍_iOLAP_

위세아이텍_iOLAP_ 빅데이터관리와분석을위한 플랫폼융합활용사례 BI Forum 분석시스템구축 Review(1/2) 1 분석시스템구축 Review(2/2) 분석속도가느리다면? 정보요구사항이변하거나 추가된다면? 데이터량이너무많다면? 2 과거의빅데이터저장 데이터량이너무많다 그러나 RDBMS 에서관리하는것은 막대한비용소요 지금까지의처리방안 1. 데이터간에우선순위부여 신용카드데이터 > 상품데이터

More information

adfasdfasfdasfasfadf

adfasdfasfdasfasfadf C 4.5 Source code Pt.3 ISL / 강한솔 2019-04-10 Index Tree structure Build.h Tree.h St-thresh.h 2 Tree structure *Concpets : Node, Branch, Leaf, Subtree, Attribute, Attribute Value, Class Play, Don't Play.

More information

untitled

untitled 시스템소프트웨어 : 운영체제, 컴파일러, 어셈블러, 링커, 로더, 프로그래밍도구등 소프트웨어 응용소프트웨어 : 워드프로세서, 스프레드쉬트, 그래픽프로그램, 미디어재생기등 1 n ( x + x +... + ) 1 2 x n 00001111 10111111 01000101 11111000 00001111 10111111 01001101 11111000

More information

PowerPoint Presentation

PowerPoint Presentation RHive 와빅데이터분석 - 넥스알 Agenda 1. RHive 의소개 RHive 란? RHive 기능 & 사용법 Enterprise RHive 2. RHive 의운용사례 CloudLog CDR 2 R 분석가를 RHive 탄생배경 RHive 의소개 Big Data 플랫폼의데이터처리능력과 R 의데이터분석기능의결합필요성이대두됨 3 RHive 의정의 RHive 의소개

More information

졸업작품중간보고서 - 구글 MapReduce 를이용한클라우드컴퓨팅 조중연 서종덕 지도교수님진현욱교수님 ( 인 )

졸업작품중간보고서 - 구글 MapReduce 를이용한클라우드컴퓨팅 조중연 서종덕 지도교수님진현욱교수님 ( 인 ) 졸업작품중간보고서 - 구글 MapReduce 를이용한클라우드컴퓨팅 - 200814194 조중연 200814187 서종덕 지도교수님진현욱교수님 ( 인 ) 목 차 1. 개요및목적 2. 관련기술및기술동향 I. 관련기술 II. 기술동향및사례조사 3. 프로젝트세부사항 I. 개발내용 II. 동작과정 III. 개발환경 4. 진행사항 I. 개발환경설정 II. 설치및환경설정현황

More information

항목

항목 Cloud 컴퓨팅기반분산파일시스템개요 개발실 UPDATE : 2012. 11 18 INDEX 1. 가용성 2. 확장성 3. PrismFS 4. Q&A 2 가용성 3 Gmail 장애 2011년 2월 27일 34000명의 Gmail 사용자들이일어나보니메일, 주소록, 채팅기록등이사라진것을발견 2011년 2월 28일 스토리지소프트웨어업데이트를진행하는중 Bug로인해발생했다고공지

More information

임베디드시스템설계강의자료 6 system call 2/2 (2014 년도 1 학기 ) 김영진 아주대학교전자공학과

임베디드시스템설계강의자료 6 system call 2/2 (2014 년도 1 학기 ) 김영진 아주대학교전자공학과 임베디드시스템설계강의자료 6 system call 2/2 (2014 년도 1 학기 ) 김영진 아주대학교전자공학과 System call table and linkage v Ref. http://www.ibm.com/developerworks/linux/library/l-system-calls/ - 2 - Young-Jin Kim SYSCALL_DEFINE 함수

More information

Microsoft PowerPoint - 3주차.pptx

Microsoft PowerPoint - 3주차.pptx 2016.08 조완섭충북대학교경영정보학과대학원비즈니스데이터융합학과 wscho@chungbuk.ac.kr 043-261-3258 010-2487-3691 빅데이터기술 목차 개요 빅데이터기술 클라우드컴퓨팅 Hadoop & Databases 데이터분석기술 다차원분석 통계분석 : R 데이터마이닝 빅데이터시각화기술 2016-09-30 Wan-Sup Cho (wscho@cbnu.ac.kr)

More information

<BFACB1B85F323031332D333728BCDBC5C2B9CE295FC3D6C1BEC8AEC1A45FC0CEBCE2BFEB28323031343031323029B8F1C2F7BCF6C1A42E687770>

<BFACB1B85F323031332D333728BCDBC5C2B9CE295FC3D6C1BEC8AEC1A45FC0CEBCE2BFEB28323031343031323029B8F1C2F7BCF6C1A42E687770> 연구보고서 2013-37 인터넷 건강정보 게이트웨이 시스템 구축 및 운영 -빅데이터 활용방안을 중심으로- 송태민 진달래 이중순 안지영 박대순 책임연구자 송태민 한국보건사회연구원 연구위원 주요저서 빅데이터 분석 방법론 한나래아카데미, 2013(공저) 보건복지연구를 위한 구조방정식 모형 한나래아카데미, 2012(공저) 공동연구진 진달래 한국보건사회연구원 연구원

More information

< C617720BBF3B4E3BBE7B7CAC1FD20C1A632B1C72E687770>

< C617720BBF3B4E3BBE7B7CAC1FD20C1A632B1C72E687770> IT&Law 상담사례집 - 제 2 권 - IT&Law 상담사례집제2권 - 1 - 제 1 장프로그램저작권일반 - 2 - IT&Law 상담사례집제2권 - 3 - 제 1 장프로그램저작권일반 - 4 - IT&Law 상담사례집제2권 - 5 - 제 1 장프로그램저작권일반 - 6 - IT&Law 상담사례집제2권 - 7 - 제 1 장프로그램저작권일반 - 8 -

More information

03_queue

03_queue Queue Data Structures and Algorithms 목차 큐의이해와 ADT 정의 큐의배열기반구현 큐의연결리스트기반구현 큐의활용 덱 (Deque) 의이해와구현 Data Structures and Algorithms 2 큐의이해와 ADT 정의 Data Structures and Algorithms 3 큐 (Stack) 의이해와 ADT 정의 큐는 LIFO(Last-in,

More information

Hallym Communication Policy Research Center 15 빅데이터기술은대용량의데이터를다룰때, 여러과정을거치게되는데, 데이터수집및데이터전처리, 저장, 분석, 활용 ( 시각화 ) 까지의과정을 거치게되며각과정별로핵심기술이존재한다. 빅데이터기술은대용

Hallym Communication Policy Research Center 15 빅데이터기술은대용량의데이터를다룰때, 여러과정을거치게되는데, 데이터수집및데이터전처리, 저장, 분석, 활용 ( 시각화 ) 까지의과정을 거치게되며각과정별로핵심기술이존재한다. 빅데이터기술은대용 14 한림 ICT 정책저널 H a l l y m I C T P o l i c y J o u r n a l 빅데이터기술동향 전략적클라우드림 김광호이재준이사교수 빅데이터기술이란? 빅데이터기술은기존의데이터분석기법에비해 100배이상많은데이터를다루는기술이다. 빅데이터기술이다루는데이터의성격은다양하다. 예를들어시스템운영을통해산출되는로그데이터와구매기록데이터등의정형데이터뿐만아니라,

More information

ISO/IEC 의온톨로지와메타데이터 표준화동향 한국과학기술정보연구원 김장원

ISO/IEC 의온톨로지와메타데이터 표준화동향 한국과학기술정보연구원 김장원 ISO/IEC 의온톨로지와메타데이터 표준화동향 2013. 06. 26. 한국과학기술정보연구원 김장원 목차 메타데이터와온톨로지 표준제정및표준화기구 사례분석 소개 메타데이터 (Metadata) 정의 데이터의데이터 (Wikipedia) 객체혹은사물에관한기술 (ISO/IEC) if P is data and if P Q represents the descriptive

More information

빅데이터 라이프사이클관리 심탁길

빅데이터 라이프사이클관리 심탁길 빅데이터 라이프사이클관리 심탁길 terryshim@naver.com 목차 1. 빅데이터개요 2. 빅데이터라이프사이클 3. 주요오픈소스기술소개 빅데이터개요 빅데이터란? Big Data 데이터베이스관점업무관점 기존의방식으로 저장 / 관리분석하기어려울정도의큰규모의자료 일반적인데이터베이스 SW 가저장, 관리분석할수있는범위를초과하는규모의데이터 ( 맥킨지, 2011)

More information

Ubiqutious Pubilc Access Reference Model

Ubiqutious Pubilc Access  Reference Model Hadoop/Hbase 기반의 Twitter 공간정보분석 군산대학교컴퓨터정보공학과 {pseudo_jo, didvuddn, kwnam}@kunsan.ac.kr 조현구, 양평우, 남광우 배경및필요성 Twitter 스트림에서의공간정보추출 - 공간현상의추출및공유부분은부족 Twitter 스트림에서의정보추출 - 자연어기반텍스트정보셋에서의키워드추출 - 시간의변화에따른이슈변화모니터링

More information

< B1E8C7F6C1D65FC7CFB5D3B1E2B9DDBAF2B5A5C0CCC5CDB1E2B9FDB8A6C0CCBFEBC7D128BCF6C1A4292E687770>

< B1E8C7F6C1D65FC7CFB5D3B1E2B9DDBAF2B5A5C0CCC5CDB1E2B9FDB8A6C0CCBFEBC7D128BCF6C1A4292E687770> Journal of the Korea Academia-Industrial cooperation Society Vol. 16, No. 1 pp. 726-734, 2015 http://dx.doi.org/10.5762/kais.2015.16.1.726 ISSN 1975-4701 / eissn 2288-4688 하둡기반빅데이터기법을이용한웹서비스데이터처리설계및구현

More information

rmi_박준용_final.PDF

rmi_박준용_final.PDF (RMI) - JSTORM http://wwwjstormpekr (RMI)- Document title: Document file name: Revision number: Issued by: Document Information (RMI)- rmi finaldoc Issue Date: Status:

More information

[ 2014 Capstone Design2 ] 지도교수 Twitter 분석시스템 < 졸업작품계획서 > 컴퓨터공학부 지도교수 민덕기교수님 T 박미관 김의명 제출일자

[ 2014 Capstone Design2 ] 지도교수 Twitter 분석시스템 < 졸업작품계획서 > 컴퓨터공학부 지도교수 민덕기교수님 T 박미관 김의명 제출일자 [ 2014 Capstone Design2 ] 지도교수 Twitter 분석시스템 < 졸업작품계획서 > 컴퓨터공학부 지도교수 민덕기교수님 T22 200911388 박미관 200911378 김의명 제출일자 2014.06.12-1 - 목 차 1. 프로젝트개요 3 1) 개발동기 2) 개발목표 3) 시장현황 4) 기술동향 3 3 4 5 2. 팀구성및소개 10 1) 담당자

More information

출원국 권 리 구 분 상 태 권리번호 KR 특허 등록 10-2012-0092520 10-2012-0092518 10-2007-0071793 10-2012-0092517

출원국 권 리 구 분 상 태 권리번호 KR 특허 등록 10-2012-0092520 10-2012-0092518 10-2007-0071793 10-2012-0092517 기술사업성평가서 경쟁정보분석서비스 제공 기술 2014 8 출원국 권 리 구 분 상 태 권리번호 KR 특허 등록 10-2012-0092520 10-2012-0092518 10-2007-0071793 10-2012-0092517 Ⅰ 기술 구현 메커니즘 - 1 - 경쟁정보분석서비스 항목 - 2 - 핵심 기술 특징 및 주요 도면

More information

따끈따끈한 한국 Azure 데이터센터 서비스를 활용한 탁월한 데이터 분석 방안 (To be named)

따끈따끈한 한국 Azure 데이터센터 서비스를 활용한 탁월한 데이터 분석 방안 (To be named) 오늘그리고미래의전략적자산 데이터. 데이터에서인사이트까지 무엇이? 왜? 그리고? 그렇다면? Insight 데이터의변화 CONNECTED DIGITAL ANALOG 1985 1990 1995 2000 2005 2010 2015 2020 데이터의변화 CONNECTED DIGITAL ANALOG 1985 1990 1995 2000 2005 2010 2015 2020

More information

목차 BUG offline replicator 에서유효하지않은로그를읽을경우비정상종료할수있다... 3 BUG 각 partition 이서로다른 tablespace 를가지고, column type 이 CLOB 이며, 해당 table 을 truncate

목차 BUG offline replicator 에서유효하지않은로그를읽을경우비정상종료할수있다... 3 BUG 각 partition 이서로다른 tablespace 를가지고, column type 이 CLOB 이며, 해당 table 을 truncate ALTIBASE HDB 6.1.1.5.6 Patch Notes 목차 BUG-39240 offline replicator 에서유효하지않은로그를읽을경우비정상종료할수있다... 3 BUG-41443 각 partition 이서로다른 tablespace 를가지고, column type 이 CLOB 이며, 해당 table 을 truncate 한뒤, hash partition

More information

C# Programming Guide - Types

C# Programming Guide - Types C# Programming Guide - Types 최도경 lifeisforu@wemade.com 이문서는 MSDN 의 Types 를요약하고보충한것입니다. http://msdn.microsoft.com/enus/library/ms173104(v=vs.100).aspx Types, Variables, and Values C# 은 type 에민감한언어이다. 모든

More information

<4D F736F F D204954B1E2C8B9BDC3B8AEC1EE2DB1E8C1A4C1D8>

<4D F736F F D204954B1E2C8B9BDC3B8AEC1EE2DB1E8C1A4C1D8> 주간기술동향 2013. 5. 1. 공간빅데이터기술동향 김정준건국대학교컴퓨터공학부조교수 jjkim9@db.konkuk.ac.kr 신인수, 한기준건국대학교컴퓨터공학부 1. 서론 2. 공간빅데이터분석기술 3. 공간빅데이터인프라기술 4. 공간빅데이터응용및활용사례 5. 결론 1. 서론오늘날인터넷사용의급격한증가, 스마트폰보급, SNS(Social Networking Service)

More information

Microsoft Word - FunctionCall

Microsoft Word - FunctionCall Function all Mechanism /* Simple Program */ #define get_int() IN KEYOARD #define put_int(val) LD A val \ OUT MONITOR int add_two(int a, int b) { int tmp; tmp = a+b; return tmp; } local auto variable stack

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 파이썬을이용한빅데이터수집. 분석과시각화 Part 2. 데이터시각화 이원하 목 차 1 2 3 4 WordCloud 자연어처리 Matplotlib 그래프 Folium 지도시각화 Seabean - Heatmap 03 07 16 21 1 WORDCLOUD - 자연어처리 KoNLPy 형태소기반자연어처리 http://www.oracle.com/technetwork/java/javase/downloads/index.html

More information

<30392DB5A5C0CCC5CDBAA3C0CCBDBA20B9D720C0CEC5CDB3DDC0C0BFEB2DC1A4C8B8B0E62E687770>

<30392DB5A5C0CCC5CDBAA3C0CCBDBA20B9D720C0CEC5CDB3DDC0C0BFEB2DC1A4C8B8B0E62E687770> Journal of the Korea Institute of Information and Communication Engineering 한국정보통신학회논문지 (J. Korea Inst. Inf. Commun. Eng.) Vol. 19, No. 3 : 552~557 Mar. 2015 오픈소스프레임워크를활용한검색엔진구현 송현옥 김아용 정회경 * Implement

More information

용어사전 PDF

용어사전 PDF 0100010111000101010100101010101010010101010010101010101000101010101010101010101010001001011000101001010100001010111010 1101101101111010011101010010101000010111010000101010101010101110010010011111101010101010010101010101010100101010100001

More information

워밍업 누구를 위한 책인가 방대한 빅데이터 관련 업무에 필요한 역량을 갖추고자 하나 어떤 기술이 있고 이 중 어떤 것을 익 혀야 할지 갈피를 잡지 못하는 학생들과, 그들을 지도하는 교육 종사자를 위한 책이다. 새로 등장 하는 수많은 빅데이터 기술에 대한 탐색과 이해의

워밍업 누구를 위한 책인가 방대한 빅데이터 관련 업무에 필요한 역량을 갖추고자 하나 어떤 기술이 있고 이 중 어떤 것을 익 혀야 할지 갈피를 잡지 못하는 학생들과, 그들을 지도하는 교육 종사자를 위한 책이다. 새로 등장 하는 수많은 빅데이터 기술에 대한 탐색과 이해의 워밍업 누구를 위한 책인가 방대한 빅데이터 관련 업무에 필요한 역량을 갖추고자 하나 어떤 기술이 있고 이 중 어떤 것을 익 혀야 할지 갈피를 잡지 못하는 학생들과, 그들을 지도하는 교육 종사자를 위한 책이다. 새로 등장 하는 수많은 빅데이터 기술에 대한 탐색과 이해의 기회를 제공해 줄 것이다. 또한 현직에 종사하 는 실무자가 새로운 기술에 휩쓸리지 않고 적절한

More information

A Hierarchical Approach to Interactive Motion Editing for Human-like Figures

A Hierarchical Approach to Interactive Motion Editing for Human-like Figures 단일연결리스트 (Singly Linked List) 신찬수 연결리스트 (linked list)? tail 서울부산수원용인 null item next 구조체복습 struct name_card { char name[20]; int date; } struct name_card a; // 구조체변수 a 선언 a.name 또는 a.date // 구조체 a의멤버접근 struct

More information

Global Bigdata 사용 현황 및 향후 활용 전망 빅데이터 미도입 이유 필요성 못느낌, 분석 가치 판단 불가 향후 투자를 집중할 분야는 보안 모니터링 분야 와 자동화 시스템 분야 빅데이터의 핵심 가치 - 트랜드 예측 과 제품 개선 도움 빅데이터 운영 애로 사항

Global Bigdata 사용 현황 및 향후 활용 전망 빅데이터 미도입 이유 필요성 못느낌, 분석 가치 판단 불가 향후 투자를 집중할 분야는 보안 모니터링 분야 와 자동화 시스템 분야 빅데이터의 핵심 가치 - 트랜드 예측 과 제품 개선 도움 빅데이터 운영 애로 사항 Global Bigdata 사용 현황 및 향후 활용 전망 빅데이터 미도입 이유 필요성 못느낌, 분석 가치 판단 불가 향후 투자를 집중할 분야는 보안 모니터링 분야 와 자동화 시스템 분야 빅데이터의 핵심 가치 - 트랜드 예측 과 제품 개선 도움 빅데이터 운영 애로 사항 - 재직자 전문성, 복잡성으로 인해 알고리즘 개발 난항 본 조사 내용은 美 Techpro Research

More information

<4D F736F F D20C5EBC7D5C7D8BCAEBDC3BDBAC5DB5F D2BC0C720424D54B0E1B0FABAB8B0EDBCAD2E646F63>

<4D F736F F D20C5EBC7D5C7D8BCAEBDC3BDBAC5DB5F D2BC0C720424D54B0E1B0FABAB8B0EDBCAD2E646F63> 통합해석시스템기반 STARCCM+ 의병렬계산성능 BMT 결과보고서 클루닉스 본자료는 클루닉스에서 CAE 해석 S/W(STARCCM+) 의병렬처리성능을측정한 BMT 결과보고서입니다. BMT 환경 : GridCenter-CAP, GridCenter-HPC BMT S/W : STARCCM+ BMT 진행 : 클루닉스 BMT 일자 : 2009년 08월 12일 ~2009년

More information

Microsoft PowerPoint - chap06-2pointer.ppt

Microsoft PowerPoint - chap06-2pointer.ppt 2010-1 학기프로그래밍입문 (1) chapter 06-2 참고자료 포인터 박종혁 Tel: 970-6702 Email: jhpark1@snut.ac.kr 한빛미디어 출처 : 뇌를자극하는 C프로그래밍, 한빛미디어 -1- 포인터의정의와사용 변수를선언하는것은메모리에기억공간을할당하는것이며할당된이후에는변수명으로그기억공간을사용한다. 할당된기억공간을사용하는방법에는변수명외에메모리의실제주소값을사용하는것이다.

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 CRM Data Quality Management 2003 2003. 11. 11 (SK ) hskim226@skcorp.com Why Quality Management? Prologue,,. Water Source Management 2 Low Quality Water 1) : High Quality Water 2) : ( ) Water Quality Management

More information

비트와바이트 비트와바이트 비트 (Bit) : 2진수값하나 (0 또는 1) 를저장할수있는최소메모리공간 1비트 2비트 3비트... n비트 2^1 = 2개 2^2 = 4개 2^3 = 8개... 2^n 개 1 바이트는 8 비트 2 2

비트와바이트 비트와바이트 비트 (Bit) : 2진수값하나 (0 또는 1) 를저장할수있는최소메모리공간 1비트 2비트 3비트... n비트 2^1 = 2개 2^2 = 4개 2^3 = 8개... 2^n 개 1 바이트는 8 비트 2 2 비트연산자 1 1 비트와바이트 비트와바이트 비트 (Bit) : 2진수값하나 (0 또는 1) 를저장할수있는최소메모리공간 1비트 2비트 3비트... n비트 2^1 = 2개 2^2 = 4개 2^3 = 8개... 2^n 개 1 바이트는 8 비트 2 2 진수법! 2, 10, 16, 8! 2 : 0~1 ( )! 10 : 0~9 ( )! 16 : 0~9, 9 a, b,

More information

<4D F736F F F696E74202D20332DC1F6B9DDC1A4BAB8BDC3BDBAC5DB>

<4D F736F F F696E74202D20332DC1F6B9DDC1A4BAB8BDC3BDBAC5DB> "Seoul National University 21 세기한국의미래 서울대학교에너지자원공학과 [3] GIS 와소프트웨어 오늘의강의들여다보기 GIS 소프트웨어의구성 GIS 소프트웨어의구조및유형 상용 GIS 소프트웨어의종류 ( 시연 ) 서울시 GIS 포털 ( 시연 ) Google Earth ( 시연 )A ArcGIS 2 GIS 소프트웨어 방법 M 사람 N GIS

More information

Spring Boot/JDBC JdbcTemplate/CRUD 예제

Spring Boot/JDBC JdbcTemplate/CRUD 예제 Spring Boot/JDBC JdbcTemplate/CRUD 예제 오라클자바커뮤니티 (ojc.asia, ojcedu.com) Spring Boot, Gradle 과오픈소스인 MariaDB 를이용해서 EMP 테이블을만들고 JdbcTemplate, SimpleJdbcTemplate 을이용하여 CRUD 기능을구현해보자. 마리아 DB 설치는다음 URL 에서확인하자.

More information

환경중잔류의약물질대사체분석방법확립에 관한연구 (Ⅱ) - 테트라사이클린계항생제 - 환경건강연구부화학물질연구과,,,,,, Ⅱ 2010

환경중잔류의약물질대사체분석방법확립에 관한연구 (Ⅱ) - 테트라사이클린계항생제 - 환경건강연구부화학물질연구과,,,,,, Ⅱ 2010 11-1480523-000702-01 환경중잔류의약물질대사체분석방법확립에 관한연구 (Ⅱ) - 테트라사이클린계항생제 - 환경건강연구부화학물질연구과,,,,,, Ⅱ 2010 목차 ⅰ ⅱ ⅲ Abstract ⅳ Ⅰ Ⅱ i 목차 Ⅲ Ⅳ i 목차 ii 목차 iii Abstract α β α β iv Ⅰ. 서론 Ⅰ 1 Ⅱ. 연구내용및방법 Ⅱ. 2 Ⅱ. 연구내용및방법

More information

Web Scraper in 30 Minutes 강철

Web Scraper in 30 Minutes 강철 Web Scraper in 30 Minutes 강철 발표자 소개 KAIST 전산학과 2015년부터 G사에서 일합니다. 에서 대한민국 정치의 모든 것을 개발하고 있습니다. 목표 웹 스크래퍼를 프레임웍 없이 처음부터 작성해 본다. 목표 웹 스크래퍼를 프레임웍 없이 처음부터 작성해 본다. 스크래퍼/크롤러의 작동 원리를 이해한다. 목표

More information

<4D F736F F D20BBE7BABB202D20C3D6BDC54954B5BFC7E2>

<4D F736F F D20BBE7BABB202D20C3D6BDC54954B5BFC7E2> 최신 IT 동향주간기술동향 2012. 4. 11. NoSQL DB 인기도조사, 하둡진영과몽고 DB 의경쟁양상 * 비즈니스인텔리전스 (BI) 전문기업인재스퍼소프트 (Jaspersoft) 가 NoSQL DB 의인기도를알수있는빅데이터지수 (JBDI) 를발표 - 빅데이터는대규모의정형및비정형데이터를분석하는것이므로, 정형데이터를 SQL 쿼리로관리하는관계형데이터베이스관리시스템

More information

<4D F736F F D F5357BAB05FC5EBC7D5C7D8BCAEBDC3BDBAC5DB5FBCBAB4C920BAD0BCAE20B0E1B0FABAB8B0EDBCAD F444C F767

<4D F736F F D F5357BAB05FC5EBC7D5C7D8BCAEBDC3BDBAC5DB5FBCBAB4C920BAD0BCAE20B0E1B0FABAB8B0EDBCAD F444C F767 CAE S/W 별통합해석시스템성능분석결과보고서 HP DL38G6 vs DELL R71 성능비교분석 클루닉스 본자료는최신 Intel Processor Architecture인 Nehalem CPU 기반에서 CAE 해석 S/W에대한성능분석보고서입니다. 클루닉스의통합해석시스템구성제품인 GridCenter-CAP을이용하여테스트되었으며, 클루닉스의허가없이복사나배포를금지합니다.

More information

Beyond Relational SQL Server, Windows Server 에디션비교 씨앤토트 SW 기술팀장세원

Beyond Relational SQL Server, Windows Server 에디션비교 씨앤토트 SW 기술팀장세원 Beyon Relational SQL Server, Winows Server 에디션비교 씨앤토트 SW 기술팀장세원 SQL Server 2012 Eition 비교 요약 항목 Enterprise Business Intelligence Stanar H/W 지원 고가용성 확장성및성능 보안 관리생산성 SQL Server Integration Services Master

More information

C 언어 프로그래밊 과제 풀이

C 언어 프로그래밊 과제 풀이 과제풀이 (1) 홀수 / 짝수판정 (1) /* 20094123 홍길동 20100324 */ /* even_or_odd.c */ /* 정수를입력받아홀수인지짝수인지판정하는프로그램 */ int number; printf(" 정수를입력하시오 => "); scanf("%d", &number); 확인 주석문 가필요한이유 printf 와 scanf 쌍

More information

제 31회 전국 고교생 문예백일장 산문 부문 심사평.hwp

제 31회 전국 고교생 문예백일장 산문 부문 심사평.hwp 제 31회 전국 고교생 문예백일장 산문 부문 심사평 *당선자 : 장원-울산효정고등학교 이예슬 차상-수리고등학교 전하영 차하-안양예술고등학교 이본느 가작-은평고등학교 강보미 가작-고양예술고등학교 강보민 배우고( 知 ), 좋아하고( 好 ), 즐기며( 樂 ) 쌓아가는 삶의 피라미드! 단국대 제 31회 전국고교생 백일장 산문부 심사위원들의 가장 큰 아쉬움은 글제 삼각

More information

중간고사

중간고사 중간고사 예제 1 사용자로부터받은두개의숫자 x, y 중에서큰수를찾는알고리즘을의사코드로작성하시오. Step 1: Input x, y Step 2: if (x > y) then MAX

More information

< D FC1B6BFB5C5B92DBCF6C1A42E687770>

< D FC1B6BFB5C5B92DBCF6C1A42E687770> ISSN 1229-800X The Transactions of the Korean Institute of Electrical Engineers Vol. 64P, No. 2, pp. 85~91, 2015 http://dx.doi.org/10.5370/kieep.2015.64.2.085 하둡기반빅데이터시스템을이용한스마트그리드전력데이터분석 Analyzing Smart

More information

Microsoft PowerPoint - ch07 - 포인터 pm0415

Microsoft PowerPoint - ch07 - 포인터 pm0415 2015-1 프로그래밍언어 7. 포인터 (Pointer), 동적메모리할당 2015 년 4 월 4 일 교수김영탁 영남대학교공과대학정보통신공학과 (Tel : +82-53-810-2497; Fax : +82-53-810-4742 http://antl.yu.ac.kr/; E-mail : ytkim@yu.ac.kr) Outline 포인터 (pointer) 란? 간접참조연산자

More information

U.Tu System Application DW Service AGENDA 1. 개요 4. 솔루션 모음 1.1. 제안의 배경 및 목적 4.1. 고객정의 DW구축에 필요한 메타정보 생성 1.2. 제품 개요 4.2. 사전 변경 관리 1.3. 제품 특장점 4.3. 부품화형

U.Tu System Application DW Service AGENDA 1. 개요 4. 솔루션 모음 1.1. 제안의 배경 및 목적 4.1. 고객정의 DW구축에 필요한 메타정보 생성 1.2. 제품 개요 4.2. 사전 변경 관리 1.3. 제품 특장점 4.3. 부품화형 AGENDA 1. 개요 4. 솔루션 모음 1.1. 제안의 배경 및 목적 4.1. 고객정의 DW구축에 필요한 메타정보 생성 1.2. 제품 개요 4.2. 사전 변경 관리 1.3. 제품 특장점 4.3. 부품화형 언어 변환 1.4. 기대 효과 4.4. 프로그램 Restructuring 4.5. 소스 모듈 관리 2. SeeMAGMA 적용 전략 2.1. SeeMAGMA

More information

슬라이드 1

슬라이드 1 장비지원사례연구 ( 세종대학교인공지능 - 빅데이터연구센터중심으로 ) 신병주 bjshin@sejong.ac.kr 문제 기업의빅데이터인력및시스템투자예산 데이터분석역량및경험부족 19.6% 시스템구축비, 관리비등예산부족 19.4% 정보보호및안정성에대한우려 17.5% 투자대비수익 (ROI) 의불투명성 15.1% 빅데이터에준비되지않은기업문화 15.9% 적합한데이터관리솔루션의부재

More information

Apache Ivy

Apache Ivy JBoss User Group The Agile Dependency Manager 김병곤 fharenheit@gmail.com 20100911 v1.0 소개 JBoss User Group 대표 통신사에서분산컴퓨팅기반개인화시스템구축 Process Designer ETL, Input/Output, Mining Algorithm, 통계 Apache Hadoop/Pig/HBase/Cassandra

More information

PowerPoint Template

PowerPoint Template Market & Issue 분석 Report 2012. 7. 17 [ 빅데이터처리기술현황및전망 ] 차세대방송 모바일미래인터넷융합기술정보보호전파위성방송통신시장방송통신정책 본보고서의내용은집필자개인의견해로서한국방송통신전파진흥원의공식입장과는무관합니다. I. 개요 빅데이터 (Big Data) 는기존데이터베이스관리도구의데이터수집, 관리, 분석역량을넘어서는대량의데이터셋

More information

윈도우시스템프로그래밍

윈도우시스템프로그래밍 데이터베이스및설계 MySQL 을위한 MFC 를사용한 ODBC 프로그래밍 2012.05.10. 오병우 컴퓨터공학과금오공과대학교 http://www.apmsetup.com 또는 http://www.mysql.com APM Setup 설치발표자료참조 Department of Computer Engineering 2 DB 에속한테이블보기 show tables; 에러발생

More information

RUCK2015_Gruter_public

RUCK2015_Gruter_public Apache Tajo 와 R 을연동한빅데이터분석 고영경 / 그루터 ykko@gruter.com 목차 : R Tajo Tajo RJDBC Tajo Tajo UDF( ) TajoR Demo Q&A R 과빅데이터분석 ' R 1) R 2) 3) R (bigmemory, snowfall,..) 4) R (NoSQL, MapReduce, Hive / RHIPE, RHive,..)

More information

Microsoft PowerPoint 웹 연동 기술.pptx

Microsoft PowerPoint 웹 연동 기술.pptx 웹프로그래밍및실습 ( g & Practice) 문양세강원대학교 IT 대학컴퓨터과학전공 URL 분석 (1/2) URL (Uniform Resource Locator) 프로토콜, 호스트, 포트, 경로, 비밀번호, User 등의정보를포함 예. http://kim:3759@www.hostname.com:80/doc/index.html URL 을속성별로분리하고자할경우

More information

C++ Programming

C++ Programming C++ Programming 연산자다중정의 Seo, Doo-okok clickseo@gmail.com http://www.clickseo.com 목 차 연산자다중정의 C++ 스타일의문자열 2 연산자다중정의 연산자다중정의 단항연산자다중정의 이항연산자다중정의 cin, cout 그리고 endl C++ 스타일의문자열 3 연산자다중정의 연산자다중정의 (Operator

More information