just-data

SQL에서 특정 조건의 데이터를 더 유연하게 필터링하고 싶을 때 사용하는 연산자들이 있습니다. 이번 글에서는 LIKE, IN, BETWEEN, IS NULL의 용도와 사용 예시를 정리하도록 하겠습니다. 1. LIKELIKE는 문자열 안에 특정 패턴이 포함되어 있는지 확인할 때 사용합니다.와일드카드와 함께 사용됩니다. % : 0개 이상의 문자_ : 정확히 1개의 문자예시의미WHERE name LIKE 'A%'A로 시작하는 이름WHERE email LIKE '%@gmail.com'@gmail.com으로 끝나는 이메일WHERE code LIKE 'A_3'A로 시작하고 중간에 아무 문자 1개, 3으로 끝나는 문자열SELECT nameFROM usersWHERE name LIKE '%son';→ 이름이 ‘son’..

SQL에서 데이터를 조회할 때 WHERE 조건절과 함께 자주 사용되는 것이 바로 비교 연산자와 논리 연산자입니다. 이 글에서는 자주 사용되는 연산자들의 의미와 사용 예시를 간단하게 알아보도록 하겠습니다. 1. 비교연산자비교 연산자는 두 값을 비교해 참(True) 또는 거짓(False)을 판단합니다. 주로 WHERE 조건절과 함께 사용됩니다. 연산자 의미 예시 =같다WHERE age = 30!=같지 않다WHERE name != 'Tom'>크다WHERE salary > 50000작다WHERE age >=크거나 같다WHERE score >= 90작거나 같다WHERE joined_at SELECT name, ageFROM usersWHERE age >= 18;→ age가 18 이상인 사용자만 조회합니다. 2..

데이터베이스를 배우기 시작할 때 가장 먼저 접하게 되는 문법이 바로 SELECT, FROM, LIMIT입니다. 이번 글에서는 이 세 가지 문법이 각각 어떤 역할을 하는지, 그리고 어떻게 활용할 수 있는지를 알아보겠습니다. SELECT / FROMSELECT는 가져올 열(column)을, FROM은 데이터를 가져올 테이블을 지정합니다.SELECT name, ageFROM users;→ users 테이블에서 name과 age 컬럼을 조회합니다.SELECT *FROM users;→ 모든 컬럼을 가져오려면 *을 사용합니다. LIMITLIMIT은 조회 결과 중 출력할 행(row)의 개수를 제한합니다.SELECT nameFROM usersLIMIT 5;→ users 테이블에서 이름을 5개만 조회합니다.

관계형 데이터베이스를 설계할 때 가장 많이 하는 실수는 “무엇을 기준으로 테이블을 나눌 것인가?에 대한 기준 없이 시작하는 것입니다.이 글에서는 실무와 학습에서 꼭 필요한 DB 테이블 분리 규칙 4가지를 예시 중심으로 정리했습니다. 규칙 1. 한 칸에는 한 가지 정보만 들어가도록 만들어라.테이블의 각 컬럼은 하나의 의미만 담아야 합니다. 예를 들어, 아래와 같은 테이블과 같이 하나의 칸 내 쉼표 등으로 여러 이메일이 나눠있게 되면 나중에 데이터 삽입, 삭제 등 수정 시 오류 발생 가능성이 증가하게 됩니다.id (PK)이름이메일1홍길동gd123@naver.com, gd00@naver.com2김철수king123@naver.com, queen123@naver.com 따라서 아래와 같이 테이블을 분리해야 합니..

관계형 데이터베이스(Relational Database)가 널리 사용되면서, 서로 연관된 데이터를 일관성 있고 효율적으로 관리하는 방법이 절실해졌습니다. 데이터는 여러 테이블에 나뉘어 저장되는데, 이를 연결할 수 있는 명확한 기준이 없다면 다음과 같은 문제들이 발생합니다:동일한 데이터가 여러 테이블에 중복 저장되어 관리와 유지보수가 어려움하나의 데이터를 수정하거나 삭제했을 때, 관련된 데이터가 함께 변경되지 않아 불일치(Inconsistency) 발생테이블 간 관계가 불명확해져 데이터 분석이나 검색이 복잡해짐이러한 문제를 해결하기 위해 PK(Primary Key)와 FK(Foreign Key) 개념이 등장했습니다.PK는 테이블 내 각 데이터를 고유하게 식별합니다.FK는 다른 테이블의 PK를 참조하여 테이..

프로그래밍을 막 시작했거나 백엔드 개발 공부를 하다 보면 꼭 만나게 되는 개념, 바로 관계형 데이터베이스(Relational Database)입니다. MySQL, MariaDB, PostgreSQL 등 익숙한 이름의 데이터베이스들이 바로 이 범주에 속합니다. 오늘은 이 관계형 데이터베이스가 어떻게 구성되어 있는지, 그리고 그 구조가 왜 중요한지에 대해 이야기해보려 합니다. 관계형 데이터베이스란?관계형 데이터베이스는 말 그대로 "관계(relationship)"를 기반으로 데이터를 저장하는 방식입니다. 이 방식에서는 데이터를 테이블(Table)이라는 단위로 나누어 관리합니다.테이블은 우리가 흔히 사용하는 표(table)와 같은 형태를 가지고 있습니다. 관계형 데이터베이스에서 가장 기본적인 구성 단위는 바로..

백엔드 개발을 공부하면서 누구나 한 번쯤 듣게 되는 말, "데이터베이스 모델링". 처음에는 조금 어렵고 낯설게 느껴질 수 있지만, 사실 이 개념은 우리가 일상에서 무언가를 정리하고 분류하는 것과 크게 다르지 않습니다. 오늘은 데이터 모델링이 왜 중요한지, 그리고 그것이 어떤 개념인지 쉽고 구체적으로 소개해보겠습니다. 데이터베이스 모델링이란?간단히 말해서 데이터베이스 모델링이란 서비스에서 발생하는 다양한 데이터를 잘 정리하고, 분류하고, 저장하는 방법을 설계하는 일_입니다.예를 들어, 우리가 웹사이트나 모바일 앱을 운영할 때 다양한 데이터가 발생하죠. 게시글, 댓글, 사용자 정보, 좋아요, 메시지 등 정말 많습니다. 이런 데이터를 아무렇게나 저장하면 나중에 찾기도 어렵고, 수정이나 삭제도 매우 비효율적이 ..

머신러닝과 통계학은 매우 밀접한 관련이 있습니다.  그중, MLE(Maximum Likelihood Estimation)와 MAP(Maximum A Posterior)은 머신러닝 분야와 통계학을 이어주는 중요한 개념이라고 개인적으로 생각하고 있습니다. 따라서, 앞으로 몇 가지의 통계학(Statistics) 포스팅은 이 두 가지 개념을 머신러닝 관점에서 다루는 글을 작성하고자 합니다. 먼저, Bayes Theorem(베이즈 정리)에 대해서 알아보도록 하겠습니다. 그전에 Conditional Probability(조건부 확률)에 대해서 설명해 보면, 조건부 확률은 어떤 사건 $B$가 발생했다는 조건 하에서 다른 사건 $A$가 발생할 확률을 의미합니다. 이를 수식으로 표현하면 다음과 같습니다.$$P(A \mi..

MLOps(Machine Learning Operations)는 머신러닝(ML) 시스템이 현대 비즈니스 환경에서 증가하는 데이터 복잡성과 빠르게 변화하는 요구사항에 효과적으로 대응하기 위해 등장했습니다. 초기의 ML 시스템은 연구 및 실험 수준에서 사용되었으나, 비즈니스 적용이 확대되면서 운영 단계에서의 문제들이 부각되었습니다. 이러한 문제에는 데이터의 변화로 인한 모델 성능 저하, 예측 서비스의 불안정성, 수동 관리로 인한 운영 부담 등이 포함됩니다. 특히, ML 시스템 운영의 핵심 과제는 다음과 같습니다.데이터의 변화에 대한 적응성데이터는 시간에 따라 변화하거나 품질에 문제가 생길 수 있습니다. 이를 무시하면 모델 성능 저하로 이어질 가능성이 큽니다.운영 효율성데이터 준비, 모델 학습, 검증, 배포 ..

Matrix Multiplication TransformationA transformation(or function or mapping) &T& from $\mathbb{R}^n$ to $\mathbb{R}^m$ Matrix Transformation Ex.$$ \begin{bmatrix}1&0&0 \\0&1&0 \\0&0&1 \end{bmatrix}=A$$$$ \begin{bmatrix}1&0&0 \\0&1&0 \\0&0&1 \end{bmatrix}\begin{bmatrix}x_1\\x_2\\x_3\end{bmatrix}=\begin{bmatrix}x_1\\x_2\\0\end{bmatrix}$$ Ex.$$\begin{bmatrix}1&3 \\0&1 \end{bmatrix}$$$$\begin{bmatri..