[TOPCIT 예상문제] 2. 데이터
02. 데이터 이해와 활용
Q & A
1. 데이터, 정보, 지식, 지혜 설명
2. ANSI-SPARC의 3 Level Database Architecture와 각각의 관점
3. 데이터 모델링 절차 3가지와 각 특징
4. Chen 표기법(까마귀발 모양의 표기법)
5. 데이터 무결성 4가지
6. 정규화 수행 과정
7. 데이터베이스 뷰
8. WITH CHECK OPTION의 역할
9. 분산 데이터베이스의 특징
10. 분산 데이터베이스의 구조
11. 분산 데이터베이스의 데이터 투명성 5가지
12. DDL, DCL, DML 각각 주요 명령어
13. 데이터베이스 시스템에서 동시성 제어의 정의와 목적 3가지
14. 동시성 제어 하지 않았을 경우 문제점
15. 트랜잭션 격리수준 4가지
16. 데이터베이스 백업 관리 중 백업 용량 산정의 내용
17. 데이터베이스 백업 범위에 따른 백업 방식 분류 4가지
18. 빅데이터 3대 요소(3V)
19. 대량의 데이터를 병렬로 처리 가능한 모델
20. NoSQL의 특징
21. 인공지능의 역사
A & Q
1. 데이터: 가공되지 않은 사실적 자료 / 정보: 데이터를 처리, 가공한 값 / 지식: 개별 정보 일반화, 규칙 도출 / 지혜: 지식을 활용하는 능력
2. 외부 스키마 - 사용자 관점 / 개념 스키마 - 통합 관점 / 내부 스키마 - 저장 관점(물리적 저장 구조)
3. 데이터 모델링
1) 개념적 모델링 - 객체관계 다이어그램으로 표현
2) 논리적 모델링 - 정규화 수행 단계. ERD를 테이블 구조도로 전환
3) 물리적 모델링 - 물리적 저장 구조, 저장 장치, 접근 방법 결정
5. 데이터 무결성
1) 영역 무결성 - 속성 원자값
2) 키 무결성 - 레코드 서로 식별 가능
3) 엔티티 무결성 - 기본키 존재, Null X
4) 참조 무결성 - 참고 관계 두 테이블 데이터 일관 유지
6. 비정규 릴레이션 - (도메인 원자값) -> 1NF - (부분 함수 종속 제거) -> 2NF - (이행 함수 종속 제거) -> 3NF - (결정자가 후보키가 아닌 함수종속 제거) -> BCNF - (다치 종속 제거) -> 4NF - (조인 종속 제거) -> 5NF
7. 원하는 데이터를 선택해 가상적으로 만든 테이블
8. 뷰를 생성할 때에 조건에 해당하는 데이터만 수정 가능
9. 네트워크 상에서 여러 컴퓨터에 물리적으로는 분리되어 있지만 사용자가 하나의 데이터베이스처럼 사용할 수 있도록 논리적으로 통합된 데이터베이스
10. 전역 스키마 - 지역 독립적인 스키마 - 지역 스키마 - 지역 DBMS
11. 분할 투명성(수직 분할: 릴레이션을 속성의 부분집합으로 이루어진 릴레이션으로 나눈 것 / 수평 분할: 릴레이션을 투플의 부분집합으로 이루어진 릴레이션으로 나눈 것), 위치 투명성, 중복 투명성, 장애 투명성, 병행 투명성
12. 명령어
1) DDL: 데이터 정의어 - CREATE, ALTER, DROP, RENAME
2) DCL: 데이터 제어어 - GRANT, REVOKE, DENY, COMMIT, ROLLBACK
3) DML: 데이터 조작어 - SELECT, WHERE, FROM, INSERT, UPDATE, DELETE
13. 데이터베이스 시스템에서 여러 트랜잭션들이 동시에 실행될 수 있도록 지원 / 목적: 1) 트랜잭션들의 직렬 가능성 보장, 2) 공유도 최대, 응답시간 최소, 시스템 활동 최대 보장, 3) 데이터 무결성과 일관성 보장
14. 1) 오손 데이터 읽기, 2) 갱신 손실, 3) 모순성, 4) 연쇄 복귀, 5) 반복할 수 없는 읽기
15. 1) 완료되지 않은 읽기, 2) 완료된 읽기, 3) 반복 읽기, 4) 직렬화
16. 백업의 특성은 데이터 중복. 미러 백업이면 본래 데이터 용량의 2배, 디스크 백업이면 3배, 재난 복구면 5배까지 필요
17. 전체 백업, 차등 백업, 증분 백업, 아카이브 로그 백업
18. Volume, Velocity, Variety
19. 맵리듀스(MapReduce) (map 함수: 연관 데이터 분류 / reduce 함수: 중복 데이터 제거)
20. 수평적 확장이 가능한 비-관계형 분산 데이터 저장소
21. 인공지능의 역사
1) 1950: 인공지능의 시작
2) 1956: 데이터 기반 분석 체계
3) 1970: AI 겨울(암흑기)
4) 1980: 전문가 시스템
5) 1990: 자연의 모방. 뉴럴 네트워크, 유전 알고리즘
6) 2010~: 머신러닝, 딥러닝