본문 바로가기

전체 글46

SAA - C03 Examtopics Dump (#26 - 30) #026번회사는 Amazon S3 버킷에 무단 구성 변경이 없는지 확인하기 위해 AWS 클라우드 배포를 검토해야 합니다.이 목표를 달성하려면 솔루션 아키텍트가 무엇을 해야 합니까?A. 적절한 규칙을 사용하여 AWS Config를 활성화합니다.B. 적절한 점검을 통해 AWS Trusted Advisor를 활성화합니다.C. Turn on Amazon Inspector with the appropriate assessment template.D. Amazon S3 서버 액세스 로깅을 활성화합니다. Amazon EventBridge(Amazon Cloud Watch 이벤트)를 구성합니다.정답 : A AWS Config는 AWS 리소스의 구성을 기록하고 점검하여 변경 사항을 추적하는 서비스입니다. 이를 통해 사용.. 2025. 1. 16.
SAA - C03 Examtopics Dump (#21 - 25) #021번 #021번한 전자 상거래 회사가 AWS에서 하루에 한 번 거래하는 웹 사이트를 시작하려고 합니다. 매일 24시간 동안 정확히 하나의 제품이 판매됩니다. 회사는 피크 시간 동안 밀리초의 대기 시간으로 매시간 수백만 건의 요청을 처리할 수 있기를 원합니다.최소한의 운영 오버헤드로 이러한 요구 사항을 충족하는 솔루션은 무엇입니까?A. Amazon S3를 사용하여 다양한 S3 버킷에서 전체 웹 사이트를 호스팅하십시오. Amazon CloudFront 배포를 추가합니다. S3 버킷을 배포 원본으로 설정합니다. Amazon S3에 주문 데이터를 저장합니다.B. 여러 가용 영역에 걸쳐 Auto Scaling 그룹에서 실행되는 Amazon EC2 인스턴스에 전체 웹 사이트를 배포합니다. 웹 사이트 트래픽을 .. 2025. 1. 15.
데이터분리 데이터 분리과적합 여부를 판정해보는 방법 .. 데이터를 분리해서 사용하는 것 !전체데이터에서 훈련데이터셋/테스트데이터셋 을 나누는 것이 최소이고,그러나 , 테스트를 하기전 훈련데이터를 다시 나누어서 일부를 Validation 용으로 (검증용) 으로 사용한다.이것은 내가 가진 데이터를 가지고 과적합을 막을 수 있고 일반화된 성능을 확보하기 위해 나누어서 사용하는 이유이다.그럼 이번에는 데이터를 나눈 후 훈련/검증/테스트 까지 시켜보는 과정을 해보겠다.from sklearn.datasets import load_irisimport pandas as pdiris = load_iris()from sklearn.model_selection import train_test_splitfeatures = iris.da.. 2025. 1. 13.
zip과 언패킹 zip먼저 리스트 두개를 만들어준다.# zip 과 언패킹list1 = ['a','b','c']list2 = [1,2,3]zip 을 해준다.pairs = [pair for pair in zip(list1, list2)]pairs결과물을 dict 형태로 변경해 준다.dict(pairs)이 과정을 한 줄로 끝내는 방법dict(zip(list1, list2)) # zip을 이용해서 딕셔너리를 만들 수 있음언패킹언패킹은 매우 쉽다. 다시 변수에 까서 넣어주면 된다.x,y = zip(*pairs) # zip을 이용해서 언패킹x, y에 다시 튜플형태로 값이 들어간 것을 볼 수 있다. 그런데 이를 다시 리스트로 바꿔주려면list 로 감싸 형변환 시켜주면 된다.끝! 2025. 1. 13.
타이타닉 생존자 분석 EDA 2 타이타닉 생존자 분석 EDA21. 경제력 대비 생존률pd.crosstab(titanic['pclass'], titanic['survived'], margins=True)pclass 는 객실등급을 뜻한다.crosstab 은 데이터 분석과 통계에서 주로 사용되는 함수라고 한다. 2개의 범주형 변수를 비교할 수 있어서 pclass 범주형 변수와 survived 범주형 변수를 넣어서 사용해 보겠다.survived01Allpclass123All12320032315811927752818170980950013091등실의 생존 가능성이 매우 높다.그런데 여성의 생존률도 높다.그럼, 1등실에는 여성이 많이 타고 있었나?2. 객실등급별 각 성별의 나이분포 확인(FacetGrid)grid = sns.FacetGrid(tit.. 2025. 1. 13.
머신러닝을 이용한 생존자예측 - titanic 이제 드디어 머신러닝을 활용하여 생존자를 예측하는 모델을 만들어 본다.먼저 머신러닝 데이터에는 문자열 데이터가 오는게 아닌 숫자형만 와야 하는데,info() 를 찍어보니,내가 사용 할 feature 인 sex가 문자로 되어있다.그래서 이것을 형변환 해주기 위해 사이킷런에 labelencoder 를 사용해보겠다.1. LabelEncoder# 머신러닝을 이용한 생존자 예측from sklearn.preprocessing import LabelEncoderle = LabelEncoder()le.fit(titanic['sex'])labelencoder모델에 타이타닉의 sex값을 넣어서 학습을 돌렸다.2. class 확인le.classes_array(['female', 'male'], dtype=object)3. .. 2025. 1. 13.
반응형

티스토리툴바