누워서 코딩하기 - 떡 먹는 것처럼 쉽고 재밌게! 🤭

HTTP 프로토콜 환경: "connectionless, stateless"한 특성을 가짐 → 서버는 클라이언트가 누구인지 매번 확인해야 함 connectionless : 클라이언트가 요청을 한 후 응답을 받으면 그 연결을 끊어 버리는 특징 stateless : 통신이 끝나면 상태를 유지하지 않는 특징 ※ 이러한 특성을 보안하기 위해 쿠키를 사용함 Cookie란? 웹 서버가 웹 브라우저에게 보내어 저장했다가 서버의 부가적인 요청이 있을 때 다시 서버로 보내주는 문자열 정보 웹 페이지 방문 시 방문 기록 등 브라우저에서의 정보들이 저장된 텍스트 파일 웹에서 요청마다 매번 연결과 해제가 되면서 요청마다 새로운 사용자로 인식되는 단점이 있지만, 쿠키와 세션을 통해 브라우저를 종료했다가 다시 접속해도 로그인 상태..

* Enhancement 일단 정리 프로세스 마이닝의 3가지 타임 1. discovery : 알파마이닝 2. conformance : 적합도 검사 Token replay 3. enhancement : repair, extension이 있음 extension을 통해 로그와 모델을 상호 연관 시킴으로써 model에 새로운 관점 도입(리소스 or 시간) => 통합된 모델 구축 # 관점 - 조직적 관점 : social networks 등에 대한 인사이트 도출 - 시간 관점 : bottleneck 분석, 4가지 관점으로 확장 가능(Time, cost, quality, flexability), 성과측정 - 비용 관점 : 의사결정을 이해하고 cases 사이의 차이점 분석 "추가된 정보를 바탕으로 어떤 새로운 정보를 ..

# 프로세스 모델과 로그의 관계 1) play-out: 모델이 로그를 생성 2) play-in: 로그로부터 모델을 생성 3) replay: 로그와 프로세스 모델 활용, 로그가 모델에서 replay됨으로써 다양한 현상 분석 Conformance Checking # Conformance Checking의 목적 프로세스 모델의 자취와 로그의 자취를 비교함으로써 공통점과 차이점을 파악 전체적인 비교 결과 수치 뿐만 아니라 세부적인 차이 파악에 활용 - 부정사례 발견! - 데이터 평가: 로그에 기록된 현실이 모델이 부합하는지 - 모델 평가 : 모델이 현실에 부합하는지 확인 # 로그와 모델의 비매칭의 결과 해석 * 서술적(모델 관점) : 모델이 현실을 더 파악하기 위해 향상될 필요가 있다는 것을 의미 Descrip..

Process discovery * 목표 : 각 이벤트를 잘 설명하는 프로세스 모델 만들기 noise -> 프로세스 모델을 그룹화함으로써 해결 # Representation Bias ex) 알파알고리즘 - 병렬(XOR, AND)설명, OR 설명하지 못함, 루프 처리 못함 - !! 빈도수를 고려하지 않고 activity의 순서만 고려 !! -> DFG 마이닝 등장 (알파보다 더 단순한) DFG mining - trace내 작업의 선후 관계를 바탕으로 도출하는 모델 - 가장 기초적인 모델, xor과 and등 control-flow의 도출이 어렵다. - 복잡한 모델을 임계치를 활용하여 단순화하게 만든다. * 휴리스틱 마이닝 - 모델 생성시 이벤트의 빈도와 순서 고려 - 빈버하지 않은 행동은 모델에 포함시키지 ..

* 이벤트 로그 - 케이스의 사례의 모음 - 케이스 : 이벤트의 흔적/순서 - 각 이벤트는 case, 활동, 시점 의미 ' * 이벤트 로그는 어디에서? - 데이터베이스 시스템 - 거래 로그 - ERP 시스템 - PAIS * 이벤트 로그를 통해 case들의 패턴을 파악 -> 다른 관점에서 해석 * 이벤트 로그의 확장 - 한 개의 이벤트는 시작, 종료 외 다양한 이벤트 타입을 포함할 수 있음 # case attributes : 변화하지 않음 (성별, 생일) # event attributes : 변화할 수 있음 (특정 작업과 연관) Transition System TS = (S, A, T) - S: states, A: activities, T: Transitions - 가장 기초적인 프로세스 모델링 방법 - ..

프로세스 모델 : 행위의 순서, 의사결정 지점, 시간 정보, 작업자 정보 등 포함 * 목적 - 모델링 과정에서 다양한 각도에서 프로세스를 바라볼 수 있음 - 시스템 형상 관리를 위해 사용 - 관련 인증 획득과 교육을 위해 문서화 - 시스템이나 처리과정에서의 오류를 찾기 위해 활용 * 한계 - 모델과 실제 상황의 연계 부족 - 재설계 도출, 신규 시스템 구현 실패 등 문제점 야기 1) 프로세스 모델에 관심이 있고, 2) 이벤트 데이터가 충분하며, 3) 수작업으로 작성한 모델의 한계가 있는 상황에서 * 이벤트 데이터와 모델을 연계하는 것이 의미가 있음* * Pertri - net - 토큰, 활성화, 점화, 마킹 - 점화의 조건 : Transition이 활성화가 되어야 한다. * BPMN - XOR, AND로..

프로세스마이닝(Process Mining) 프로세스 : 특정 결과를 달성하기 위한 과정 ex) 카페에서 음료 시키는 과정 - 카페 들어가기, 음료 고르기, 주문, 계산, 픽업 - 프로세스를 기반으로 한 데이터 분석 기법 - 다양한 시스템에 기록된 데이터인 이벤트 로그(event log)를 분석 - 이벤트 로그 데이터 분석을 통해 어떤 일이 어떻게 흘러가는지, 어떤 상품이 어떤 과정으로 제작되는 지, 한 고객이 서비스 내에서 어떤 여정을 거치는 지 등의 프로세스를 도출해 가시화하여 줌 프로세스마이닝의 장점 프로세스를 투명하고 정확하게 짚어낼 수 있음 어떤 고객이 어떤 작업으로 서비스를 이용하는지 예측 가능 적합도 진단, 재작업, 낭비 구간 개선을 통한 비용 절감, 작업 시간 단축, 업무나 작업자별 성과 모..

딥러닝(Deep Learning) 딥러닝 : 인공지능의 한 분야 "인공지능 > 머신러닝 > 표현학습 > 딥러닝" 인공지능(AI) - 기계가 인간의 인지 과정을 모방하는 것 (인지과정 : 학습, 문제 해결) 머신러닝 - 기계가 데이터로부터 패턴을 추출하여 스스로 지식을 획득(학습) - 표현을 출력으로 사상하는 방법 - 실세계의 지식이 관여하는 문제와 주관적으로 보이는 의사 결정 문제 해결 표현학습 - 표현 자체까지도 인공지능 시스템이 학습하는 것 - 과제에 맞는 특징 집합을 추출하는 것이 문제 해결에 중요 - 하지만 어떤 특징을 추출할지 알기 어려운 과제도 많음 Deep Learning 간단한 표현들을 이용하여 문제를 해결하는 방법 - 여러 층을 가진 인공신경망을 사용하여 머신러닝 학습을 수행하는 것 - ..

Selective repeat이란? Selective repeat는 한국말로 번역하면 선택적 반복이라고 한다. Go-Back-N과 달리 말 그대로 손실되거나 timeout이 발생한 패킷만 재전송한다. 따라서 불필요하게 재전송하는 경우를 피할 수 있다. sender는 올바르게 수신된 모든 패킷을 개별적으로 인식하고 필요에 따라 버퍼 패킷을 제공하여 상위 계층에 전달한다. 또한, 중간에 loss된 패킷이 발생하여 잘못된 순서의 패킷을 받았더라도 버퍼에 이를 저장해 둔 후, loss된 패킷만 다시 재전송하도록 하였다. timer는 손실된 패킷을 보호하기 위해 다시 사용하지만 오직 한 패킷만이 time out에 전송되기 때문에 각 패킷은 자신만의 논리 타이머를 가져야 한다. sender에서 보낸 패킷에 대한 a..

Go-Back-N이란? sender는 stop- and- wait처럼 확인 응답을 기다리지 않고 여러 패킷을 전송할 수 있다. 대신, 파이프라인 즉 window size에서 확인 응답이 되지 않은 패킷의 최대 허용 수는 window size = N보다 크지 않아야 한다. rdt_send()가 상위 계층으로부터 호출이 되면 송신자는 첫째로 윈도우가 가득 찼는지, 아직 확인 응답이 되지 않는 패킷이 있는지를 확인한다. 만약 윈도우가 가득 차 있지 않다면 패킷이 생성되고 receiver로 sequence number와 data를 보낸다. receiver가 보낸 sequence number와 data, 즉 packet가 sender에게 도착하면 잘 도착했다는 의미로 패킷 순서에 따른 ack를 보내준다. 이때, ..