New pages

(newest | oldest) View (newer 50 | older 50) (20 | 50 | 100 | 250 | 500)

• 18:46, 27 February 2025 ‎특성 방정식 (hist | edit) ‎[2,763 bytes] ‎AlanTuring (talk | contribs) (Created page with "'''특성 방정식'''(Characteristic Equation)은 점화식이나 선형 상미분 방정식의 해를 구하기 위해 사용되는 방정식이다. 점화식에서 특성 방정식은 수열의 일반해를 구하는 데 중요한 역할을 한다. ==정의== 특성 방정식은 동차 점화식의 일반해를 찾기 위해 다음과 같이 정의된다. *점화식: **a_n + c₁a_n-1 + c₂a_n-2 + ... + c_ka<...") Tag: Visual edit
• 18:44, 27 February 2025 ‎비동차 점화식 (hist | edit) ‎[3,021 bytes] ‎AlanTuring (talk | contribs) (Created page with "'''비동차 점화식'''(Non-Homogeneous Recurrence Relation)은 동차 점화식과 달리, 점화식의 오른쪽에 상수항 또는 독립적인 함수가 포함되는 점화식을 의미한다. 즉, 항들이 이전 항들의 선형 결합뿐만 아니라 추가적인 항을 포함하는 경우이다. ==정의== 비동차 점화식은 일반적으로 다음과 같이 표현된다. *a_n + c₁a_n-1 + c₂a_n-2 + ......") Tag: Visual edit
• 18:44, 27 February 2025 ‎동차 점화식 (hist | edit) ‎[2,671 bytes] ‎AlanTuring (talk | contribs) (Created page with "'''동차 점화식'''(Homogeneous Recurrence Relation)은 항들이 동일한 점화식을 따르며, 특정한 항들이 이전 항들의 선형 결합으로 표현되는 점화식을 의미한다. ==정의== 동차 점화식은 일반적으로 다음과 같이 표현된다. *a_n + c₁a_n-1 + c₂a_n-2 + ... + c_ka_n-k = 0 여기서, *a_n은 점화식의 n번째 항 *c₁, c<sub>2<...") Tag: Visual edit
• 00:54, 27 February 2025 ‎이진 탐색 (hist | edit) ‎[2,714 bytes] ‎AlanTuring (talk | contribs) (새 문서: '''이진 탐색'''(Binary Search)은 정렬된 배열에서 원하는 값을 효율적으로 찾는 탐색 알고리즘이다. 이진 탐색은 탐색 범위를 절반씩 줄여 O(log n)의 시간 복잡도를 가진다. ==알고리즘 개요== *정렬된 배열에서만 적용 가능하다. *탐색 범위를 절반씩 줄이며, 중간 값을 기준으로 비교한다. ==이진 탐색 과정== #배열의 중간 요소를 선택한다. #찾고자 하는 값과 비교한다. #...) Tag: Visual edit
• 18:59, 26 February 2025 ‎Kruskal’s Algorithm (hist | edit) ‎[3,069 bytes] ‎AlanTuring (talk | contribs) (Created page with "'''Kruskal’s Algorithm''' is a greedy algorithm used to find a '''Minimum Spanning Tree (MST)''' for a weighted, connected, and undirected graph. It works by sorting all edges by weight and adding them one by one while ensuring no cycles are formed. ==Concept== Kruskal’s Algorithm follows these principles: #'''Sort all edges''' in non-decreasing order of weight. #'''Select the smallest edge''' that does not form a cycle. #'''Repeat''' until the MST contains exactly (...") Tag: Visual edit
• 18:55, 26 February 2025 ‎Prim's Algorithm (hist | edit) ‎[3,998 bytes] ‎AlanTuring (talk | contribs) (Created page with "'''Prim's Algorithm''' is a greedy algorithm used to find a Minimum Spanning Tree (MST) for a weighted, connected, and undirected graph. The algorithm builds the MST by starting from an arbitrary vertex and iteratively adding the smallest edge that connects a vertex in the tree to a vertex outside the tree. ==Definition== Given a weighted, connected, undirected graph '''G = (V, E)''', Prim's Algorithm constructs a spanning tree '''T''' such that the total weight of the e...") Tag: Visual edit
• 18:53, 26 February 2025 ‎Generic Greedy Minimum Spanning Tree Algorithm (hist | edit) ‎[3,302 bytes] ‎AlanTuring (talk | contribs) (Created page with "'''Generic Greedy Minimum Spanning Tree Algorithm''' is a fundamental approach for constructing a Minimum Spanning Tree (MST) by iteratively selecting the smallest available edge that does not form a cycle. It is the basis for well-known MST algorithms such as Kruskal’s and Prim’s algorithms. ==Concept== The generic greedy MST algorithm follows a greedy strategy: #'''Initialize''' an empty set to store the MST edges. #'''Sort''' all edges by weight (if not already so...") Tag: Visual edit
• 18:46, 26 February 2025 ‎Minimum Spanning Tree (hist | edit) ‎[2,897 bytes] ‎AlanTuring (talk | contribs) (Created page with "'''Minimum Spanning Tree (MST)''' is a subset of edges in a weighted, connected, and undirected graph that connects all the vertices with the minimum possible total edge weight, without forming any cycles. ==Definition== Given an undirected graph '''G = (V, E)''', where: *'''V''' is the set of vertices. *'''E''' is the set of edges with weights. A minimum spanning tree satisfies: *It includes all vertices from '''V'''. *It forms a tree (i.e., a connected acyclic subgraph...") Tag: Visual edit
• 18:43, 26 February 2025 ‎Bin Packing Problem (hist | edit) ‎[2,807 bytes] ‎AlanTuring (talk | contribs) (Created page with "'''Bin Packing Problem''' is a combinatorial optimization problem that involves packing objects of varying sizes into a finite number of bins with a fixed capacity while minimizing the number of bins used. ==Definition== Given: *A set of '''n''' items, each with a weight '''w_i'''. *A set of bins, each with a fixed capacity '''C'''. The objective is to pack all items into the smallest number of bins such that: *The total weight of items in any bin does not exce...") Tag: Visual edit
• 18:40, 26 February 2025 ‎NP-hard Problem (hist | edit) ‎[2,773 bytes] ‎AlanTuring (talk | contribs) (Created page with "'''NP-hard problem''' refers to a class of problems in computational complexity theory that are at least as hard as the hardest problems in NP (nondeterministic polynomial time). NP-hard problems do not necessarily belong to NP, meaning they may not have a polynomial-time verification process. ==Definition== A problem is '''NP-hard''' if: *Every problem in NP can be reduced to it in polynomial time. *It does not have to be in NP itself (i.e., it may not be decidable in p...") Tag: Visual edit
• 18:35, 26 February 2025 ‎Huffman Code (hist | edit) ‎[3,359 bytes] ‎AlanTuring (talk | contribs) (Created page with "'''Huffman Code''' is a lossless data compression algorithm that assigns variable-length binary codes to input characters based on their frequency. It is widely used in data compression applications such as file compression and encoding. ==Concept== Huffman coding works by assigning shorter codes to more frequent characters and longer codes to less frequent characters, minimizing the total number of bits used to represent the data. ==Algorithm== The Huffman coding algori...") Tag: Visual edit
• 13:58, 26 February 2025 ‎Sortino Ratio (hist | edit) ‎[2,702 bytes] ‎Slack (talk | contribs) (새 문서: '''Sortino Ratio''' is a financial metric used to measure the risk-adjusted return of an investment, similar to the Sharpe Ratio. However, unlike the Sharpe Ratio, the Sortino Ratio only considers downside risk, making it a more precise tool for evaluating investments where investors are primarily concerned with losses. ==Definition== The Sortino Ratio is calculated as: *Sortino Ratio = (R_p - R_f) / σ_d where: *'''R_p''' – Return o...) Tag: Visual edit
• 17:23, 25 February 2025 ‎Open-High-Low-Close (hist | edit) ‎[2,139 bytes] ‎Slack (talk | contribs) (Created page with "'''Open-High-Low-Close (OHLC)''' refers to the four key price points recorded for a financial instrument during a specific time period. These values are used in technical analysis to assess price movement and market trends. ==Components== An OHLC data point consists of: *'''Open (O)''' – The price at which the asset starts trading in a given time period. *'''High (H)''' – The highest price reached during the time period. *'''Low (L)''' – The lowest price reached du...") Tag: Visual edit
• 16:04, 25 February 2025 ‎Range Breakout System (hist | edit) ‎[2,719 bytes] ‎Slack (talk | contribs) (Created page with "'''Range Breakout System''' is a trading strategy that identifies and trades price breakouts from a predefined range. Traders use this system to capture momentum when an asset moves beyond a support or resistance level. ==Concept== The strategy is based on the assumption that when the price breaks above or below a well-defined range, it is likely to continue moving in that direction. The range is typically defined by: *'''High and low prices over a period''' – Example:...") Tag: Visual edit
• 15:59, 25 February 2025 ‎1-200 Moving Average System (hist | edit) ‎[2,253 bytes] ‎Slack (talk | contribs) (Created page with "'''1-200 Moving Average System''' is a trend-following trading strategy that uses the interaction between the 1-day and 200-day moving averages to generate buy and sell signals. This system is widely used in technical analysis to capture long-term trends and avoid false signals. ==Concept== The strategy relies on: *'''1-day moving average (1MA)''' – Represents the most recent closing price. *'''200-day moving average (200MA)''' – Represents the long-term trend. Trade...") Tag: Visual edit
• 15:54, 25 February 2025 ‎Hindsight Bias (hist | edit) ‎[2,064 bytes] ‎Slack (talk | contribs) (Created page with "'''Hindsight Bias''' is a cognitive bias that leads people to perceive past events as having been more predictable than they actually were. This bias distorts memory and judgment, making individuals believe they "knew it all along" after an event has occurred. ==Definition== Hindsight bias occurs when people: *Overestimate their ability to predict an outcome after knowing what happened. *View past events as more obvious than they were at the time. *Misremember their prev...") Tag: Visual edit
• 15:49, 25 February 2025 ‎Trend Following Strategy (hist | edit) ‎[3,401 bytes] ‎Slack (talk | contribs) (Created page with "'''Trend Following Strategy''' is a trading approach that seeks to capitalize on market trends by buying assets in an uptrend and selling (or shorting) assets in a downtrend. It is widely used in stocks, commodities, forex, and futures markets. ==Concept== Trend following strategies operate on the principle that markets tend to move in sustained trends rather than random fluctuations. Traders using this approach do not attempt to predict price movements but instead react...") Tag: Visual edit
• 15:48, 25 February 2025 ‎Behind the Eight Ball (hist | edit) ‎[1,469 bytes] ‎Slack (talk | contribs) (Created page with "'''Behind the Eight Ball''' is an idiomatic expression meaning to be in a difficult, disadvantageous, or losing situation. The phrase originates from the game of pool, where being positioned behind the 8-ball can leave a player without a clear shot. ==Origin== The expression comes from '''Kelly Pool''', a variation of pocket billiards. In this game: *Players are assigned specific balls. *The 8-ball is often an obstacle. *If a player's cue ball is positioned behind the 8-...") Tag: Visual edit
• 17:47, 19 February 2025 ‎트리 순회 (hist | edit) ‎[3,949 bytes] ‎AlanTuring (talk | contribs) (새 문서: '''트리 순회'''(Tree Traversal)는 트리(Tree) 구조에서 모든 노드를 특정한 순서에 따라 방문하는 방법이다. 트리 순회는 탐색, 정렬, 표현식 계산 등 다양한 응용에서 사용된다. ==순회의 종류== 트리 순회는 크게 '''깊이 우선 탐색(DFS, Depth-First Search)'''과 '''너비 우선 탐색(BFS, Breadth-First Search)'''으로 구분된다. ===깊이 우선 탐색 (DFS)=== DFS는 트리의 한쪽 끝까지 탐색한 후...) Tag: Visual edit
• 17:43, 19 February 2025 ‎경로 (hist | edit) ‎[3,405 bytes] ‎AlanTuring (talk | contribs) (새 문서: '''경로'''(Path)는 그래프 이론에서 한 정점에서 다른 정점까지 이동할 수 있는 정점과 간선의 연속된 연결을 의미한다. 경로는 여러 분야에서 활용되며, 최단 경로 문제, 네트워크 라우팅, 교통 시스템 등에서 중요한 개념이다. ==정의== *그래프 '''G = (V, E)'''에서 '''경로 P'''는 정점들의 시퀀스로 정의된다. *수학적으로, 경로 P는 다음과 같이 표현된다. **P = (v₁...) Tag: Visual edit
• 17:36, 19 February 2025 ‎인접 리스트 (hist | edit) ‎[2,643 bytes] ‎AlanTuring (talk | contribs) (새 문서: '''인접 리스트'''(Adjacency List)는 그래프를 표현하는 방법 중 하나로, 각 정점이 연결된 이웃 정점들을 리스트 형태로 저장하는 방식이다. 이 방법은 간선이 적은 '''희소 그래프(Sparse Graph)'''에 적합하며, 메모리 효율성이 높다. ==정의== 인접 리스트는 그래프 G = (V, E)에 대해 다음과 같이 정의된다. *각 정점 V_i는 자신과 연결된 정점들의 리스트를 갖는다. *간...) Tag: Visual edit
• 17:35, 19 February 2025 ‎인접 행렬 (hist | edit) ‎[2,501 bytes] ‎AlanTuring (talk | contribs) (새 문서: '''인접 행렬'''(Adjacency Matrix)은 그래프를 표현하는 방법 중 하나로, 정점 간의 연결 관계를 2차원 행렬 형태로 나타낸다. 인접 행렬은 그래프의 저장과 연산을 효율적으로 수행하는 데 사용된다. ==정의== 인접 행렬 A는 그래프 G = (V, E)에 대해 다음과 같이 정의된다. *'''A_ij = 1''' (i에서 j로 간선이 존재하면 1) *'''A_ij = 0''' (i에서 j로 간선이 없으면 0) 무...) Tag: Visual edit
• 17:34, 19 February 2025 ‎평면 그래프 (hist | edit) ‎[2,805 bytes] ‎AlanTuring (talk | contribs) (새 문서: '''평면 그래프'''(Planar Graph)는 간선이 교차하지 않고 평면(2차원 공간) 상에 그릴 수 있는 그래프를 의미한다. 그래프 이론에서 평면 그래프는 위상 기하학 및 전기 회로 설계, 네트워크 분석 등 다양한 분야에서 활용된다. ==정의== *평면 그래프 G는 평면 위에서 간선이 교차하지 않도록 그릴 수 있는 그래프이다. *평면 그래프가 아닌 그래프는 '''비평면 그래프(Non-Pla...) Tag: Visual edit
• 12:25, 19 February 2025 ‎리눅스 DBus (hist | edit) ‎[3,212 bytes] ‎리눅스마스터 (talk | contribs) (새 문서: '''DBus'''(Desktop Bus)는 리눅스 및 유닉스 계열 운영 체제에서 애플리케이션 간 통신(IPC, Inter-Process Communication)을 위한 메시지 버스 시스템이다. 프리데스크톱(freedesktop.org)에서 개발하였으며, 데스크톱 환경뿐만 아니라 시스템 서비스에서도 널리 사용된다. ==개요== DBus는 프로세스 간 데이터를 교환하기 위한 메시지 버스 시스템으로, 두 개의 주요 버스를 제공한다. *''...) Tag: Visual edit
• 18:59, 18 February 2025 ‎린 스타트업 (hist | edit) ‎[1,025 bytes] ‎175.123.96.40 (talk) (속도,피드백,반복)
• 12:48, 16 February 2025 ‎엑셀 함수 PRODUCT (hist | edit) ‎[1,749 bytes] ‎AlanTuring (talk | contribs) (새 문서: '''PRODUCT''' 함수는 엑셀(Excel)에서 주어진 숫자들의 곱을 계산하는 함수이다. 이 함수는 여러 개의 숫자를 곱해야 할 때 사용되며, 개별 곱셈 연산을 수행하는 것보다 간결하게 표현할 수 있다. ==구문== PRODUCT(number1, [number2], ...) *'''number1''', '''number2''', ... : 곱할 숫자나 셀 범위를 지정한다. *최소 1개 이상의 인수가 필요하며, 최대 255개의 인수를 입력할 수 있다. ==사...) Tag: Visual edit
• 12:35, 16 February 2025 ‎분산 (hist | edit) ‎[2,754 bytes] ‎AlanTuring (talk | contribs) (새 문서: '''분산'''(Variance)은 데이터가 평균을 중심으로 얼마나 퍼져 있는지를 나타내는 통계적 지표이다. 분산은 표준 편차의 제곱과 동일하며, 확률 이론과 통계학에서 데이터의 변동성을 측정하는 데 사용된다. ==정의== 분산은 각 데이터 값과 평균 간의 편차를 제곱하여 평균을 구한 값이다. *'''모집단 분산(σ²)''' **σ² = (1/N) * Σ (X_i - μ)² *...) Tag: Visual edit
• 12:31, 16 February 2025 ‎표준 편차 (hist | edit) ‎[2,789 bytes] ‎AlanTuring (talk | contribs) (새 문서: '''표준 편차'''(Standard Deviation)는 데이터의 분포가 평균을 중심으로 얼마나 퍼져 있는지를 나타내는 통계적 지표이다. 표준 편차가 크면 데이터가 평균에서 멀리 퍼져 있고, 작으면 평균에 가까이 모여 있다. ==정의== 표준 편차는 분산(Variance)의 제곱근으로 정의된다. *'''모집단 표준 편차(σ)''' **σ = sqrt( (1/N) * Σ (X_i - μ)² ) *'''표본 표준 편차(s)''' **s = sqrt( (1/(n-1)) *...) Tag: Visual edit
• 21:36, 15 February 2025 ‎카라츠바 곱셈 (hist | edit) ‎[2,994 bytes] ‎핵톤 (talk | contribs) (새 문서: '''카라츠바 곱'''(Karatsuba Multiplication)은 대형 정수의 곱셈을 더 효율적으로 수행하는 분할 정복 알고리즘이다. 이 알고리즘은 일반적인 곱셈 방식(O(n²))보다 빠르게 계산할 수 있으며, O(n^log₂3) ≈ O(n^1.585) 의 시간 복잡도를 가진다. ==개요== 카라츠바 알고리즘은 큰 수의 곱셈을 더 작은 부분 문제로 나누고, 이를 재귀적으로 해결하여 전체 계산량을 줄인다. 기본적...) Tag: Visual edit
• 12:48, 15 February 2025 ‎다항 함수 (hist | edit) ‎[2,853 bytes] ‎AlanTuring (talk | contribs) (새 문서: '''다항 함수'''(Polynomial Function)는 유한 개의 항으로 이루어진 함수로, 변수에 대한 거듭제곱과 상수 계수의 조합으로 표현된다. 다항 함수는 미적분학, 대수학, 공학 등 다양한 분야에서 중요한 역할을 한다. ==정의== 다항 함수는 다음과 같은 일반적인 형태를 가진다. P(x) = a_n x^n + a_{n-1} x^{n-1} + ... + a_1 x + a_0 여기서, *n : 다항 함수의 차수 *a_n, a_{n-1}, ..., a_0 : 계수 *x...) Tag: Visual edit
• 19:31, 13 February 2025 ‎Standard Deviation (hist | edit) ‎[2,104 bytes] ‎Yun (talk | contribs) (Created page with "'''Standard Deviation''' (σ) is a statistical measure that quantifies the amount of variation or dispersion in a dataset. It indicates how spread out the data points are from the mean. ==Definition== The standard deviation is the square root of variance and is given by: *'''Population Standard Deviation (σ):''' **σ = √[(1/n) * Σ (xᵢ - μ)²] *'''Sample Standard Deviation (s):''' **s = √[(1/(n-1)) * Σ (xᵢ - x̄)²] where: *'''xᵢ''' – Each data point. *'''...") Tag: Visual edit
• 19:20, 13 February 2025 ‎Variance (hist | edit) ‎[2,011 bytes] ‎Yun (talk | contribs) (Created page with "'''Variance''' is a statistical measure that quantifies the dispersion of a dataset relative to its mean. It indicates how much the values in a dataset deviate from the average value. ==Definition== The variance (σ²) of a dataset with n elements is calculated as: *Population Variance (σ²): **σ² = (1/n) * Σ (xᵢ - μ)² *Sample Variance (s²): **s² = (1/(n-1)) * Σ (xᵢ - x̄)² where: *'''xᵢ''' – Each data point. *'''μ''' – Population mean. *'''x̄'''...") Tag: Visual edit
• 19:08, 13 February 2025 ‎Sharpe Ratio (hist | edit) ‎[1,968 bytes] ‎Yun (talk | contribs) (Created page with "'''Sharpe Ratio''' is a financial metric used to measure the risk-adjusted return of an investment. It helps investors understand how much excess return they are earning for the additional risk taken compared to a risk-free asset. ==Definition== The Sharpe Ratio is calculated as: *Sharpe Ratio = (R_p - R_f) / σ_p where: *'''R_p''' – Return of the portfolio. *'''R_f''' – Risk-free rate (e.g., U.S. Treasury rate). *'''σ_p''' – Standard deviation of the portfolio's...") Tag: Visual edit
• 19:06, 13 February 2025 ‎Information Ratio (hist | edit) ‎[2,191 bytes] ‎Yun (talk | contribs) (Created page with "'''Information Ratio''' is a financial metric that measures the risk-adjusted return of an investment relative to a benchmark. It evaluates how efficiently a portfolio manager generates excess returns compared to the additional risk taken. ==Definition== The Information Ratio (IR) is calculated as: *Information Ratio = (R_p - R_b) / Tracking Error where: *'''R_p''' – Return of the portfolio. *'''R_b''' – Return of the benchmark. *'''Tracking Error''' – Standard dev...") Tag: Visual edit
• 18:43, 12 February 2025 ‎B+ 트리 (hist | edit) ‎[5,918 bytes] ‎AlanTuring (talk | contribs) (새 문서: '''B+ 트리'''(B+ Tree)는 B 트리(B-Tree)의 확장된 버전으로, 데이터베이스 및 파일 시스템에서 효율적인 검색 및 범위 쿼리를 수행하는 데 사용된다. B+ 트리는 모든 키를 리프 노드(Leaf Nodes)에 저장하며, 리프 노드끼리는 연결 리스트(Linked List)로 연결되어 있다. ==개요== B+ 트리는 B 트리와 유사하지만 몇 가지 중요한 차이점이 있다. *'''리프 노드에만 키와 데이터 저장'''...) Tag: Visual edit
• 20:28, 11 February 2025 ‎아파치 스파크 Pair RDD 연산 (hist | edit) ‎[4,605 bytes] ‎AlanTuring (talk | contribs) (새 문서: '''Apache Spark Pair RDD 연산'''(Apache Spark Pair RDD Operations)은 Apache Spark에서 키-값(Key-Value) 형태의 RDD(Pair RDD)를 다룰 때 사용하는 변환(Transformation) 및 액션(Action) 연산을 의미한다. Pair RDD는 분산 데이터 처리에서 데이터를 그룹화하거나 조인하는 등의 연산을 수행하는 데 필수적이다. ==개요== Pair RDD는 (K, V) 형태로 구성된 RDD로, 키를 기준으로 그룹화(grouping), 조인(join), 집...) Tag: Visual edit
• 20:14, 11 February 2025 ‎아파치 스파크 RDD reduceByKey (hist | edit) ‎[4,419 bytes] ‎AlanTuring (talk | contribs) (새 문서: '''Apache Spark RDD reduceByKey'''(아파치 스파크 RDD reduceByKey)는 키-값(Key-Value) 형식의 RDD에서 동일한 키를 가진 값들을 그룹화하여 연산을 수행하는 집계(aggregation) 연산이다. `reduceByKey`는 키별로 데이터를 병합하며, 동일한 키를 가진 데이터를 같은 파티션에서 연산하여 성능을 최적화한다. ==개요== `reduceByKey` 연산은 키-값 RDD에서 동일한 키를 가진 값들에 대해 지정된 이...) Tag: Visual edit
• 19:57, 11 February 2025 ‎아파치 스파크 RDD reduce (hist | edit) ‎[4,145 bytes] ‎AlanTuring (talk | contribs) (새 문서: '''Apache Spark RDD reduce'''(아파치 스파크 RDD reduce)는 분산 데이터 처리 프레임워크인 Apache Spark에서 사용되는 RDD(Resilient Distributed Dataset)의 집계(aggregation) 연산 중 하나이다. `reduce` 연산은 RDD의 모든 요소를 하나의 값으로 축소하는 함수로, 병렬 처리를 통해 높은 성능을 제공한다. ==개요== `reduce` 연산은 RDD의 모든 요소를 특정 연산자로 축소(reduce)하여 하나의 값으로...) Tag: Visual edit
• 19:32, 11 February 2025 ‎Apache Spark RDD Operation (hist | edit) ‎[6,371 bytes] ‎Spark (talk | contribs) (Created page with "'''Apache Spark RDD Operation''' refers to the various transformations and actions that can be applied to Resilient Distributed Datasets (RDDs) in Apache Spark. RDD operations enable efficient parallel processing of large datasets in a distributed environment. ==Types of RDD Operations== RDD operations are classified into two types: *'''Transformations:''' Lazy operations that return a new RDD without immediate execution. *'''Actions:''' Operations that trigger c...") Tag: Visual edit
• 14:26, 5 February 2025 ‎12·3 비상계엄 윤석열 공소장 (hist | edit) ‎[182,987 bytes] ‎경수 (talk | contribs) (새 문서: <blockquote>아래 내용은 정부 공식 문서 내용입니다. 양식, 형태 조정 외 실질적인 내용 수정을 금합니다. (출처: 서울중앙지방검찰청)</blockquote>파일:비상계엄 윤석열 공소장 전문.png == I. 사건관계인들의 신분 및 지위 == 피고인(윤석열 대통령)은 1979. 2.경 A고등학교를제8회로 졸업하였고, 1991. 10.경 제33회 사법 시험에 합격하여 1994. 2.경 사법연수원을 제23기로 수료...) Tag: Visual edit
• 17:02, 2 February 2025 ‎하세 다이어그램 (hist | edit) ‎[3,624 bytes] ‎AlanTuring (talk | contribs) (새 문서: '''하세 다이어그램'''(Hasse Diagram)은 부분 순서 집합(Partially Ordered Set, Poset)의 순서 관계를 시각적으로 표현하는 그래프이다. 불필요한 정보를 생략하여 보다 간결하게 표현하며, 수학 및 컴퓨터 과학에서 순서 관계를 분석하는 데 사용된다. ==정의== 하세 다이어그램은 부분 순서 집합을 표현하는 특수한 그래프이며, 다음 조건을 만족한다. *'''반사성(Reflexivity)을 생...) Tag: Visual edit
• 16:48, 2 February 2025 ‎유향 비순환 그래프 (hist | edit) ‎[4,452 bytes] ‎AlanTuring (talk | contribs) (새 문서: '''유향 비순환 그래프'''(Directed Acyclic Graph, DAG)는 방향성을 가진 간선(Edges)을 포함하며, 순환(Cycle)이 존재하지 않는 그래프이다. DAG는 여러 알고리즘 및 데이터 구조에서 중요한 역할을 하며, 위상 정렬(Topological Sorting), 작업 스케줄링, 의존성 해결 등에 활용된다. ==정의== 유향 비순환 그래프(DAG)는 다음 조건을 만족하는 그래프이다. *'''유향 그래프''' (Directed Graph) **...) Tag: Visual edit
• 16:44, 2 February 2025 ‎부분 순서 관계 (hist | edit) ‎[4,111 bytes] ‎AlanTuring (talk | contribs) (새 문서: '''부분 순서 관계'''(Partial Order Relation)는 집합 내 원소들 사이의 순서를 정의하는 이항 관계(Binary Relation) 중 하나로, 반사성(reflexivity), 반대칭성(antisymmetry), 이행성(transitivity)의 세 가지 성질을 만족하는 관계이다. ==정의== 집합 '''X''' 위의 이항 관계 '''≤'''가 다음 세 가지 성질을 만족하면, 이를 '''부분 순서 관계'''라고 한다. *'''반사성 (Reflexivity)''' **모든 원소 x에...) Tag: Visual edit
• 12:54, 2 February 2025 ‎Merge Sort (hist | edit) ‎[3,159 bytes] ‎AlanTuring (talk | contribs) (새 문서: '''Merge Sort''' is a divide-and-conquer sorting algorithm that recursively splits an array into smaller subarrays, sorts them, and then merges the sorted subarrays to produce the final sorted array. It guarantees a worst-case time complexity of O(n log n). ==Algorithm Overview== Merge Sort follows these steps: #'''Divide:''' Recursively split the array into two halves until each subarray has one element. #'''Conquer:''' Sort the subarrays (trivial for single-element arrays). #'...) Tag: Visual edit
• 12:53, 2 February 2025 ‎리눅스 메모리 (hist | edit) ‎[4,767 bytes] ‎AlanTuring (talk | contribs) (새 문서: '''리눅스 메모리'''(Linux Memory)는 운영체제에서 프로세스 및 커널이 사용하는 메모리 관리 방식을 의미한다. 리눅스에서는 가상 메모리, 캐시, 스왑 등의 개념을 활용하여 효율적인 메모리 관리를 수행한다. ==개요== 리눅스는 메모리를 효율적으로 사용하기 위해 가상 메모리(Virtual Memory) 시스템을 채택하고 있으며, 프로세스마다 독립적인 메모리 공간을 할당한다....) Tag: Visual edit
• 12:47, 2 February 2025 ‎파이썬 print (hist | edit) ‎[3,636 bytes] ‎AlanTuring (talk | contribs) (새 문서: '''파이썬 print'''(Python print)는 표준 출력(standard output)에 데이터를 출력하는 함수이다. 기본적으로 문자열, 숫자, 리스트 등 다양한 데이터를 출력할 수 있으며, 여러 옵션을 활용하여 출력 형식을 조정할 수 있다. ==기본 사용법== `print()` 함수는 인자로 전달된 값을 화면에 출력한다.<syntaxhighlight lang="python"> print("Hello, world!") # 출력: Hello, world! print(42) # 출...) Tag: Visual edit
• 12:40, 2 February 2025 ‎파이썬 나눗셈 (hist | edit) ‎[4,660 bytes] ‎AlanTuring (talk | contribs) (새 문서: '''파이썬 나눗셈'''(Python Division)은 파이썬에서 숫자를 나누는 연산을 의미하며, 다양한 연산자와 내장 함수를 제공한다. 기본적으로 파이썬에서는 정수 나눗셈과 실수 나눗셈을 구분하며, 나머지를 구하는 연산도 지원한다. ==나눗셈 연산자== 파이썬에서는 다음과 같은 연산자를 사용하여 나눗셈을 수행할 수 있다. *'''실수 나눗셈''' (`/`) **두 수를 나눈 후 결과를 ''...) Tag: Visual edit
• 12:37, 2 February 2025 ‎머지 소트 (hist | edit) ‎[4,763 bytes] ‎AlanTuring (talk | contribs) (새 문서: '''머지 소트'''(Merge Sort)는 분할 정복(divide and conquer) 방식의 정렬 알고리즘으로, 데이터를 반으로 나누어 정렬한 후 병합하는 방식으로 동작한다. 안정 정렬(stable sort)에 속하며, 평균 및 최악의 경우 시간 복잡도가 O(n log n)으로 일정하다. (Θ(n log n) ==개요== 머지 소트는 문제를 작은 부분으로 나누고, 이를 정렬한 후 병합하는 방식으로 동작한다. 알고리즘의 동작 과...) Tag: Visual edit
• 22:35, 31 January 2025 ‎RAMCloud (hist | edit) ‎[3,291 bytes] ‎Matei (talk | contribs) (새 문서: '''RAMCloud''' is a distributed in-memory storage system designed for low-latency and high-throughput applications. It provides persistent storage with sub-microsecond access times by keeping all data in DRAM while ensuring durability through fast logging to disk or flash. ==Overview== RAMCloud aims to combine: *'''Low-Latency Storage:''' Data is stored entirely in DRAM for rapid access. *'''High Availability:''' Data is replicated across servers for fault tolerance. *'''Durabil...) Tag: Visual edit
• 22:34, 31 January 2025 ‎Resilient Distributed Datasets (hist | edit) ‎[4,195 bytes] ‎Matei (talk | contribs) (새 문서: '''Resilient Distributed Datasets (RDDs)''' are the fundamental data structure in Apache Spark that provide fault-tolerant, parallel computation on large datasets. RDDs enable efficient distributed data processing while ensuring resilience to failures. ==Overview== RDDs are immutable, distributed collections of objects that can be processed in parallel. They are designed to optimize large-scale data processing by: *'''Fault Tolerance:''' Automatically recovering lost data us...) Tag: Visual edit

(newest | oldest) View (newer 50 | older 50) (20 | 50 | 100 | 250 | 500)