데이터 모델링의 이해⬛ 데이터 모델링 - 데이터 모델링은 현실 세계를 데이터베이스로 표현하기 위해서 추상화 한다. - 데이터 모델링을 하기 위해서는 고객과의 의사소통을 통해 고객의 업무프로세스를 이해해야 한다. - 고객의 업무 프로세스를 이해한 후 데이터 모델링 표기법을 사용해서 모델링을 한다. - 데이터 모델링은 고객이 쉽게 이해할 수 있도록 복잡하지 않게 모델링 해야 한다. - 데이터 모델링은 고객의 업무 프로세스를 추상화하고, 소프트웨어를 분석, 설계하면서 점점 더 상세해진다. - 데이터 모델링은 고객의 비즈니스 프로세스를 이해하고 비즈니스 프로세스의 규칙을 정의 정의된 비즈니스 규칙을 데이터 모델로 표현 - 데이터 모델링 자체로서 업무의 흐름을 설명(별도의 표기 필요없음)하고 분석하는 부분에 의미..
해당 글은 https://cafe.naver.com/sqlpd/7810 을 참조하고 기출을 풀며, 내용 추가하였습니다.SQL 문장들의 종류DDL (데이터 정의어)CREATE,ALTER,RENAME, DROP, TRUNCATE DML (데이터 조작어)SELECT, INSERT, DELETE, UPDATE (COMMIT 입력해야 함)DCL (데이터 제어어)GRANT(권한 부여), REVOKE(권한 취소)TCL (트랜잭션 제어어)COMMIT(DB에 반영), ROLLBACK(트랜잭션 이전의 상태로 되돌림), SAVEPOINT(저장 지점) [Oracle] SAVEPOINT SVPT; ROLLBACK TO SVPT; [SQL Server] SAVE TRAN SVPT; ROLLBACK TRAN SVPT; DDL - ..
- Total
- Today
- Yesterday
- pandas-gpt
- SQLD
- Data Drift와 Concept Drift 차이
- 모델 드리프트 대응법
- AutoEncoder
- 최신시계열
- 모델 드리프트
- On-premise BI vs Cloud BI
- SQLD 정리
- 모델 배포
- Model Drift
- 데이터 드리프트
- 비즈니스 관점 AI
- 시계열딥러닝
- 영어공부
- SQLD자격증
- amazon Q
- NHITS설명
- 영화 인턴
- Model Drift Detection
- Data Drift Detection
- Tableau vs QuickSight
- 오토인코더
- pandas-ai
- amzaon quicksight
- data drift
- Generative BI
- 추천시스템
- 생성형BI
- Concept Drift
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | |||||
3 | 4 | 5 | 6 | 7 | 8 | 9 |
10 | 11 | 12 | 13 | 14 | 15 | 16 |
17 | 18 | 19 | 20 | 21 | 22 | 23 |
24 | 25 | 26 | 27 | 28 | 29 | 30 |