1. Introduction현실 세계 → 컴퓨터 세계 : 현실 → 이해 → 형식화(Formalism) → 설계/코딩 → 응용/운영 - 왜 형식화가 필요한가? : 검증 가능(verifiable), 구현 가능(machine understandable) ex) 수식, 다이어그램(UML), 대수(Algebra) SW 생명주기 vs DB 생명주기SW life cycleDB life cycle요구사항 분석요구사항 분석기능 명세모델링설계스키마 설계구현DB 환경 구축테스트데이터 입력, 품질관리유지보수질의 및 관리 DB의 2가지 관점- 논리적(Logical or Conceptual): 정보 구조 중심 - DB 설계, 모델- 물리적(Physical): 파일 구조, 인덱스 등 - DBMS 관련→ 논리/물리 독립성 중..

1. 관계형 모델이란?- 수학 기반 모델 (수리적 표현): 다이어그램(UML) 같은 시각 표현이 아니라, 수학적 기호와 개념을 통해 데이터 구조를 표현- 핵심 구조- 데이터베이스: 여러 개의 테이블(관계) 집합- 관계 R: 속성들의 카티시안 곱의 부분집합- Ai: 속성 (attribute, 도메인, 필드)- ai: 속성 값- 스키마: R(A₁, A₂, ..., Aₙ) - 튜플: (a₁, a₂, ..., aₙ) 2. Relation as Table : 테이블로 표현된 관계Attributes: 열 (column)Tuples: 행 (row)Relation schema : 테이블 이름 + 속성 목록 + 타입 + 제약조건 (키)Movie(title, year, length, genre) 왜 관계형 모델인가?- 단..

1. 생명 정보학 생명정보학:생명과학적 데이터, 특히 대규모의 복잡한 데이터셋을 이해하기 위한 방법론과 소프트웨어 도구를 개발하는 분야→ 즉 생명과학 빅데이터를 다루기 위한 방법론과 도구를 개발 현대 생명정보학: 단순히 분석 지원을 넘어서 연구의 중심 있기 시작했다. 공간 전사체학 (Spatial Trancriptomics): 세포의 위치 정보를 포함한 전사체 분석, 세포 유형별 RNA를 공간상에서 측정- SpaceTx 컨소시엄: 공간 전사첵학 실험 빛 분석 방법론 비교 분석 연구주제1: Deep Adversarial Autoencoder - 오토인코더와 adversarial learning을 결합한 분류기연구주제2: CRISPER 유전자 가위- 유전자편집기술(질병치료, 신약개발, 신품종개발)연구주제3..

6.1. Statistical Learning [ Learning에서는 Nonlinearity, X들 사이의 interaction (비선형끼리도) ]1. 정의 데이터를 이해하기 위한 vast/huge 도구들의 집합데이터를 조사하는 모든 과정은 통계적 학습의 과정으로 볼 수 있다. 항상 "예측"만이 목적인 것은 아니다.2. 지도 학습 vs 비지도 학습Supervised LearningXs=Ypredict y with Xs하나 이상의 입력에 기반하여 출력을 예측하거나 추정하기 위한 통계 모델을 구축한다.즉, 입력과 출력 간의 상호 관계를 다룬다.ex) 회귀 모델 (regression models)Unsupervised LearningCorrelations among Xs (cluster y)입력만 존재하고,..

4.1. Categorical variable 1. 범주형 변수: 데이터를 분류하거나 카테고리로 구분하는 데 사용되는 변수로, 숫자로 표현되더라도 해당 숫자는 크기나 순서와는 관련이 없을 수 있다. Binary Variables(이진 변수): yes/no, success/failNominal Variables (순서 없음): sunflower, cherry blossom, pansyOrdinal Variables (순서 있음) : severe, moderate, mildDiscrete Interval : [1-20), [20-30), [30-100)2. 범주형 변수의 분포Binomial Distribution (이항 분포) : 이진 변수에 사용y = 성공횟수의 총합, y1​,y2​,…,yn​는 독립적이고..

5.1. Survival Data1. Survival data :  특정 사건이 발생하기까지의 시간은 관심 대상으로 하는 데이터. 응답변수는 종종 failure time, survival time, 또는 event time으로 불린다. 2. Survival Time Response -> 정규분포 아니다.보통 연속형 데이터이다.일부 대상에서는 완전히 관측되지 않을 수 있으며, 이 경우 censoring(검열)된 응답으로 간주한다.항상 0이상의 값을 가진다.  표준회귀분석의 한계검열이 없을 경우, 표준 회귀 분석을 사용할 수 있다. 하지만 생존 데이터의 특성상 적절하지 않을 수 있다. 왜냐하면a. 이벤트 시간이 항상 양수이고 비대칭이다.b. 특정 시점을 넘어 생존할 확률이 이벤트의 기대시간보다 더 중요한 경..