분류 전체보기
우분투(Ubuntu)에서 아파치(apache2) 실행하기
2015. 1. 15.root@gcloud-seoul:~# sudo -s // sudo 는 substitute user do (다른 사용자의 권한으로 명령을 이행하라는 뜻이다)의 줄임말이다 sudo: unable to resolve host gcloud-seoul root@gcloud-seoul:~# sudo vim /etc/hosts // 호스트네임을 gcloud-seoul 으로 맞춰준다 root@gcloud-seoul:~# sudo -s root@gcloud-seoul:~# sudo service apache2 restart * Restarting web server apache2 ... waiting [ OK ] root@gcloud-seoul:~#
_imaging.c:75:20: fatal error: Python.h: 그런 파일이나 디렉터리가 없습니다 (pip install PIL)
2015. 1. 15.root@gcloud:~# pip install PIL _imaging.c:75:20: fatal error: Python.h: 그런 파일이나 디렉터리가 없습니다 root@gcloud:~# sudo apt-get install python2.7-dev
[파이썬/기초] 물건을 만들려면 재료와 도구가 필요하다 - 데이터와 함수, 메소드
2015. 1. 9.물건을 만들려면 재료와 도구가 필요하다. 1. 재료 = 데이터 1) 데이터(재료)에는 다양한 종류가 있다 = 데이터의 형(型) ← 재료를 종류별로 나누어 적합한 도구를 사용하는 편이 편리2) 기본재료와 응응재료 (1) 기본재료 = 내장데이터 = 정수, 문자열, 실수, 부울, 리스트 등 → import 로 모듈을 읽어들일 필요가 없다 (2) 응용재료3) 변수 = 재료에 이름붙이기(알파벳, 숫자, 언더스코어) 2. 도구 = 함수 등1) 함수(인수) = 반환값2) 메소드 = 각각의 데이터형이 지닌 전용함수(특정 데이터에만 존재하는 함수, 못 ↔ 쇠망치, 나사 ↔ 드라이버) 3. 사물의 상하관계1) 재료와 도구를 함께 생각하기 = 도구(메소드)도 세트로 되어 있다 문자열형⇔과일형 [데이터] ⇔ [재료] 'Seo..
컴퓨터 부팅시 '삐~~~ 삐삐삐' 소리가 난다면
2014. 12. 27.컴퓨터를 켰을 때 다음과 같은 소리가 나면서 부팅이 되지 않을 때 먼저, 삐~~~ 삐삐삐 이렇게 길게 한번 짧게 여러번 울리는 경우에라면 그래픽카드의 정상 작동 여부를 의심해야 한다. 그래픽 카드가 제대로 끼워져 있는지를 확인하고 (이 때 먼지제거도 같이 해주고) 다시 켜본다. 마찬가지 소리가 난다면 그래픽 카드가 고장난 것이다. 그 외에 삐~~~ 삐~~~ 삐~~~ 와 같이 길게 반복되는 경우는 램이 제대로 꽂혀있지 않을 경우가 많다. 이 경우 램을 다시 꾹 눌러서 제대로 꽂아준다.
시험장가서 후회하지 않는 AICPA 시험 응시순서팁!
2014. 12. 24.AICPA 시험 공부 못지 않게 필요한 것이 적절한 응시계획이며, 잘짜인 수험 계획은 그만큼 합격률도 높여준다고 할 수 있습니다. 그럼 본 게시물에서는 시험 계획 수립 어떤 식으로 접근해야 하는지 알아보겠습니다. 1. AICPA 시험 합격률이 상승하고 있는 이유 CPA 시험의 합격률은 조금씩 상승했습니다. 2004년 CBT 시험 도입 당시 평균 합격률은 43% 였던 반면, 2014년 현재는 과목따라 편차가 있긴 하지만 48~57% 로, 상당폭 상승한 것을 알 수 있습니다. 이러한 합격률 상승의 배경에는 CBT 가 도입되기 전 연간 2회만 지정된 날짜에 시험을 보던 방식에서 CBT 의 도입으로 연간 8개월(3, 6, 9, 12월 제외) 동안 응시가 가능해짐으로써 스케줄링에 유연성을 가지게 된 점도 분명 작..
[웹사이트 만들기] (4) 블로그 만들기 - install Homebrew / Easy-Install (Homebrew /Easy-Install 설치하기)
2014. 12. 24.Ubuntu 에서 Homebrew 설치하기 1. Ruby 프로그램부터 설치한다 sudo apt-get install build-essential curl git m4 ruby texinfo libbz2-dev libcurl4-openssl-dev libexpat-dev libncurses-dev zlib1g-dev 2. Homebrew 설치 ruby -e "$(wget -O- https://raw.github.com/Homebrew/linuxbrew/go/install)"아래와 같은 메시지가 출력되는 경우 다음과 같이 한다. 1) Don't run this as root!말 그대로 root 계정이 아닌 다른 계정을 추가하여 해당 계정으로 설치하면 된다.useradd 로 계정 추가한 뒤, 해당 계정으로 H..
우분투Ubuntu 터미널 색상 변경(putty 색상변경)
2014. 12. 23.putty 의 경우 ls -al 명령을 실행시켜보면 디렉토리명의 색이 파란색으로 표시되어 눈에 잘 띄지 않는다. 해당 설정의 변경은 change settings... > Window > Colours 에서 가능하나, 여기서 변경되는 사항은 재접속시 원래의 설정으로 돌아온다는 단점이 있다. ~/.bashrc 파일을 변경함으로써 재접속시에도 동일 설정을 유지할 수 있도록 해보자. dircolors >> ~/.bashrc 실행 후bashrc 파일을 열어보면 하단에 아래와 같이 LS_COLORS 값 설정 라인이 있다.여기서 디렉토리를 나타내는 di 값을 원하는 색상 값으로 변경해주면 된다.현재 값은 34, 즉 파랑으로 되어 있음을 알 수 있다. 변경 후 화면 모습이다. 훨씬 눈에 잘 들어옴을 알 수 있다. 색상..
사이토 히토리, 「1퍼센트 부자의 법칙」- 소리내어 표현하면 파동이 발생한다
2014. 12. 13.1 "나는 행복해" 2 "해서 안 되는 일은 없어. 하지 않으면 이룰 수 없는 거야" 3 "나는 풍족해" 이 같은 말들은 바로 사람의 파동이라고 할 수 있다. 하지만 파동은 '생각'이 아니기 때문에 말의 의미를 믿거나 이해하지 않아도 된다. 입버릇처럼 소리내어 표현하면 자연스럽게 파동이 발생한다. "생각이 바뀌어야 사람이 바뀐다." 많은 사람들이 이 같은 착각을 하고 있다. 운이 없거나 자신감이 없는 자신의 처지를 획기적으로 바꾸겠다는 생각에 지금까지의 사고방식을 고치고자 한다. 하지만 자신의 사고방식을 바꾼다 해도 사람 그 자체가 바뀌지는 않는다. 사람의 파동은 말이다. 따라서 소리내어 말을 바꾸지 않는 한 그 사람의 사고방식을 바꿀 수는 없다. 그러나 말로 표현하는 동안 자신도 모르게 파동이 바뀐다...
사이토 히토리, 「1퍼센트 부자의 법칙」- 어울리지 않기 때문에 암도 도망간다
2014. 12. 13.일본의 효고현에는 환자를 웃기는 방법으로 암을 치유하는 병원이 있다고 한다. 어쩌면 이 치료법은 내 사고방식과 비슷한지도 모른다. 그 이유는 이 세상에서는 '어울리지 않는' 일이 발생하지 않기 때문이다. 효고현의 병원에서처럼 고통스러워야 할 암환자가 웃고 있는 것은 아무래도 어울리지 않는 광경이다. 어울리지 않는 행동을 하게 되면 어울리지 않는 방향으로 결과가 나온다. 암환자에게 어울리지 않는, 웃는다는 행동 때문에 암은 도망가고 만다. 1퍼센트 부자의 법칙 - 일본 최고 부자 사이토 히토리의 국내도서 저자 : 사이토 히토리 출판 : 한국경제신문사(한경비피) 2004.04.15상세보기
사이토 히토리, 「1퍼센트 부자의 법칙」- 학교에서 공부나 운동을 시키면 안 된다
2014. 12. 13.비지니스 세계에서 매출을 열 배 이상 늘리는 것은 100m를 1초 만에 달리는 것과 같은 의미다. 단지 머리로만 생각하면 당연히 무리라는 판단이 내려질 것이다. 노력이나 근성만으로는 도저히 불가능한 일이기 때문이다. 노력과 근성을 통해 100m를 1초만에 달릴 수 있다고 생각하는 사람은 이 세상에 단 한 명도 없다. 100m를 1초 만에 달리는 방법이 있다고 해보자. 이는 노력이나 근성과는 아무런 관계가 없는 방법이다. 이것이 곧 비즈니스다. 여러분의 자녀를 어엿한 한 인간으로 성장시키고 싶다면 학교에서 공부나 운동을 시키지 않는 편이 좀 더 나을지도 모른다. 공부나 운동을 시키면 자신도 모르는 사이에 노력과 근성을 갖추게 된다. 어렸을 때 몸에 벤 습관은 성인이 된 후에도 쉽게 떨쳐버릴 수 없다. 근성..
사이토 히토리, 「1퍼센트 부자의 법칙」- 행복과 노력 사이에는 아무런 관계가 없다
2014. 12. 13.마쓰시타가 큰 인물이 될 수 있었던 것은 성공과 노력간에 아무런 관계가 없다는 사실을 알고 있었기 때문이다. 노력이란, 하고 싶지 않은 일을 어쩔 수 없이 하는 것이다. 하고 싶지 않은 일을 하는 사람이 행복해지기란 불가능하다. 즉, 노력을 할수록 사람은 불행하다. 행복과 노력 사이에는 아무런 관계도 없다. 오히려 노력은 불행으로 다가가는 지름길이다. 서른세 군데를 돌면서 말로 소원을 비는 '관음참배'라는 수행이 있다. 사실, 이는 내 유일한 취미다. 그런데 소원을 빌면서 왜 말로 표현해야 하는 것일까? 그 이유는 '관음', 즉 소리(音)를 보기(觀) 때문이다. 관음, 즉 관세음보살은 소리를 보고 소원을 들어준다. 서른세 군데를 돌면서 소원을 비는 관음참배는 매우 엄격한 수행이다. 그러나 점점 몸이 지치..
사이토 히토리, 「1퍼센트 부자의 법칙」- 소원이 이루어지게 하는 방법
2014. 12. 13.0 ("멋진 집을 구했어. 정말 고마운 세상이야.") 1 "나는 행복해" 2 "해서 안 되는 일은 없어. 하지 않으면 이룰 수 없는 거야" 3 "나는 풍족해" 세상에 감사하는 이 말을 나는 가장 먼저 사용한다. 즉 처음부터 소원이 이루어진 것을 가정하고 미리 고맙게 생각한다. 그렇기 때문에 자연스럽게 "나는 행복해"라는 말을 할 수 있다. 그럼 몇 번이나 말로 표현해야 하는가 그 수는 천 번이다. 하지만 노력해서는 안된다. '천 번'을 의식하거나 자기 자신에게 어떤 부담도 주지 말아야 한다. 의식적으로 말하는 것이 아니라 자신도 모르는 사이에 입 밖으로 새어나오는 상태가 이상적이다. 천 회의 법칙은 자신의 몸이 자연스럽게 움직이는 상태에서 이루어지지 않으면 효과가 없다. 가만히 생각해 보면 알 수 있지만..
사이토 히토리, 「1퍼센트 부자의 법칙」- 머리가 알아서 상황을 맞춘다
2014. 12. 13. 아무런 맥락없이 말을 하면 사람의 사고회로는 착란 현상을 일으킨다. 이 착란 현상을 멈추기 위해 머리는 그 원인을 찾기 시작한다. 몸이 왜 "나는 행복해"라는 말을 한 것인지 그 원인을 찾는다. 사람의 머리는 공회전을 가장 싫어하기 때문에 어떻게든 상황을 맞추려 한다. 그럴 경우 다음과 같이 행복한 이유를 자유롭게 찾아내서 입 밖으로 표현하게 만든다. '그래, 오늘은 날씨가 좋아서 나는 행복해.' 주변 사람들은 무슨 헛소리를 하느냐고 힐난할지도 모른다. 이런 비난에는 귀 기울일 필요가 없다. 그저 행복과 관련된 내용을 말로 표현하면 된다. 한편 "나는 행복해"라는 말과 대치되는 것이 '한숨'이다. 한숨을 쉬는 것은 세상에서 가장 나쁜 행위다. 한숨 속에는 꿈이 없다. 아울러 소망을 포기하게 만들고 ..
사이토 히토리, 「1퍼센트 부자의 법칙」- TV가 도움이 되지 않는 이유
2014. 12. 13. 독서는 공부가 되지만 TV 시청은 그렇지 않다. TV가 제공하는 정보에는 사회생활에 도움이 되는 지혜가 없다. TV 정보는 공짜이기 때문이다. 공짜로 손에 넣은 정보는 가치가 없고, 가치가 없는 정보는 이익을 발생시키지 않는다. 제로에 제로를 아무리 더해도 결국 제로일 뿐이기 때문이다. 따라서 TV 시청은 시간낭비라는 사실에 반드시 유념해야 한다. TV 뿐 아니라 공짜로 얻은 책 또한 가치가 없다. 물론 도서관에서 무료로 빌려 읽을 수 있겠지만, 그 내용을 어딘가에 써먹을 요량이라면 반드시 값을 치르고 구입해야 한다. 대가를 지불하지 않고 얻은 지식은 정녕 피와 살이 될 수 없다. 어쨌든 최근 들어 독서 인구가 많이 줄었다. 하지만 이 같은 추세는 어쩌면 절호의 기회로 작용할지도 모른다. 지금부터 책..
리눅스linux 버전 확인 명령어
2014. 12. 11.[root@jpalace /]# uname -aLinux lms.kais.co.kr 2.4.20-8smp #1 SMP Thu Mar 13 17:45:54 EST 2003 i686 i686 i386 GNU/Linux[root@jpalace /]# uname -r2.4.20-8smp[root@jpalace /]# cat /proc/versionLinux version 2.4.20-8smp (bhcompile@porky.devel.redhat.com) (gcc version 3.2.2 20030222 (Red Hat Linux 3.2.2-5)) #1 SMP Thu Mar 13 17:45:54 EST 2003[root@jpalace /]# cat /etc/issueRed Hat Linux release 9 (S..
[웹사이트 만들기] (3) 블로그 만들기 Building our Blog
2014. 12. 10.디렉토리 및 프로젝트 생성[root@lms data]# mkdir project[root@lms data]# cd project[root@lms project]# django-admin.py startproject Jbin[root@lms project]# cd Jbin[root@lms Jbin]# ls -al▒հ▒ 24drwxr-xr-x 2 root root 4096 12▒▒ 10 17:58 .drwxr-xr-x 3 root root 4096 12▒▒ 10 17:58 ..-rw-r--r-- 1 root root 0 12▒▒ 10 17:58 __init__.py-rw-r--r-- 1 root root 503 12▒▒ 10 17:58 manage.py-rw-r--r-- 1 root root 5027 12▒..
[웹사이트 만들기] (2) Django 설치 Installing django
2014. 12. 10.https://www.djangoproject.com [Complete Installation Guide]https://docs.djangoproject.com/en/1.7/topics/install/ Django 설치[root@jpalace root]# wget http://www.djangoproject.com/download/1.3.1/tarball/[root@jpalace root]# tar xzvf Django-1.3.1.tar.gz[root@jpalace root]# cd Django-1.3.1[root@jpalace root]# python setup.py install설치된 버전 확인[root@jpalace data]# pythonPython 2.7 (r27:82500, Dec 10 201..
[웹사이트 만들기] (1) 파이썬Python 설치(2.7 버전으로 업그레이드)
2014. 12. 10.설치된 버전을 확인힌다.[root@jpalace root]# python[root@jpalace root]# Python 2.2.2 (#1, Feb 24 2003, 19:13:11) // 버전 2.2.2 가 설치되어 있다[GCC 3.2.2 20030222 (Red Hat Linux 3.2.2-4)] on linux2Type "help", "copyright", "credits" or "license" for more information.파이썬 2.7을 다운로드하여 설치한다[root@jpalace root]# wget http://python.org/ftp/python/2.7/Python-2.7.tgz[root@jpalace root]# tar xzf Python-2.7.tgz[root@jpalace r..
아파치apache 버전 확인 방법
2014. 12. 10.설치된 아파치의 버전을 알고 싶으면 다음과 같이 한다. 설치된 경로가 다르므로 아래와 같이 아파치 실행 경로를 확인한 후 -v 옵션으로 버전 확인 [root@dbserver ~]# ps -ef | grep httpd // 실행되고 있는 아파치 확인apache 1735 4954 0 Dec07 ? 00:00:00 /usr/sbin/httpd // 아파치 경로 확인root 4954 1 0 Jun20 ? 00:00:01 /usr/sbin/httpd[root@dbserver ~]# /usr/sbin/httpd -vServer version: Apache/2.0.52Server built: Jan 30 2007 09:56:53[root@dbserver ~]#
Data Preparation (20) - Review (전체코드)
2014. 12. 9.R version 3.1.2 (2014-10-31) -- "Pumpkin Helmet"Copyright (C) 2014 The R Foundation for Statistical ComputingPlatform: i386-w64-mingw32/i386 (32-bit) R is free software and comes with ABSOLUTELY NO WARRANTY.You are welcome to redistribute it under certain conditions.Type 'license()' or 'licence()' for distribution details. R is a collaborative project with many contributors.Type 'contributors()'..
Data Preparation (19) - Prepare (Save Dataset)
2014. 12. 9.다음과 같이 이상 살펴봤던 데이터세트를 저장할 수 있다.> paste0("_", format(Sys.Date(), "%y%m%d")) // paste = concatenate 와 같이 문자열을 합쳐준다[1] "_141206"> dsdate paste0(dsname, dsdate, ".RData")[1] "weather_141206.RData"> dsrdata save(ds, dsname, dspath, dsdate, target, risk, id, ignore, vars, nobs, omit, inputi, inputc, numi, numc, cati, catc, file=dsrdata) 이후 해당 데이터세트를 로딩은 다음과 같이 한다.> (load(dsrdata))[1] "ds" "dsname" "ds..
Data Preparation (18) - Prepare (Numeric and Categoric Variables)
2014. 12. 6.numeric, categoric 변수에 대한 확인도 필요하다. 여기서는 numeric, categoric 모두 이름과 인덱스를 통해 확인한다. 인덱스를 사용하는 것은 해당 데이터세트내에 변수를 항상 일정한 순서로 배열하며, 모든 변수가 존재한다고 가정해야함을 의미한다. > which(sapply(ds, is.numeric)) min_temp max_temp rainfall evaporation 3 4 5 6 sunshine wind_gust_speed wind_speed_9am wind_speed_3pm 7 9 12 13 humidity_9am humidity_3pm pressure_9am pressure_3pm 14 15 16 17 cloud_9am cloud_3pm temp_9am temp_3pm ..
Data Preparation (17) - Prepare (Variables)
2014. 12. 6.모델링에 사용할 변수를 확정할 준비가 끝났다.앞서 이미 변수의 역할에 대해서는 정의가 끝났고, 이제 모델링하고자하는 것들만 고르면 된다.투입될 변수부터 시작하는데, 인풋 변수를 문자(변수의 이름)나 정수(변수의 인덱스)의 벡터로 정의한다. > inputc inputc [1] "min_temp" "max_temp" "rainfall" [4] "evaporation" "sunshine" "wind_gust_dir" [7] "wind_gust_speed" "wind_dir_9am" "wind_dir_3pm" [10] "wind_speed_9am" "wind_speed_3pm" "humidity_9am" [13] "humidity_3pm" "pressure_3pm" "cloud_9am" [16] "cloud_3..
Data Preparation (10) - Clean (Identify Correlated Variables)
2014. 12. 6.> sapply(ds, is.numeric) date location min_temp max_temp rainfall FALSE FALSE TRUE TRUE TRUE evaporation sunshine wind_gust_dir wind_gust_speed wind_dir_9am TRUE TRUE FALSE TRUE FALSE wind_dir_3pm wind_speed_9am wind_speed_3pm humidity_9am humidity_3pm FALSE TRUE TRUE TRUE TRUE pressure_9am pressure_3pm cloud_9am cloud_3pm temp_9am TRUE TRUE TRUE TRUE TRUE temp_3pm rain_today risk_mm rain_tomorr..
Data Preparation (16) - Clean (Ensure Target is Categoric)
2014. 12. 6.타겟의 카테고리 여부 확인하기 > target[1] "rain_tomorrow"> ds[[target]] [1] Yes Yes Yes Yes No No No No Yes No No No No No No No Yes No [19] No No No Yes No No No No No No No Yes Yes No Yes No No No [37] Yes No No No No No No No Yes Yes No No Yes Yes Yes Yes No Yes [55] No No Yes No No No No No No No No No No No No No No No [73] Yes No No No Yes No Yes Yes No No No No No No No No No No [91] Yes Yes No No Yes..
Data Preparation (15) - Clean (Normalise Factors)
2014. 12. 6.일부 변수가 갖고 있는 각각의 레벨을 아래와 같이 normalise 해야한다. > sapply(ds[vars],is.factor) date location min_temp max_temp rainfall FALSE TRUE FALSE FALSE FALSE evaporation sunshine wind_gust_dir wind_gust_speed wind_dir_9am FALSE FALSE TRUE FALSE TRUE wind_dir_3pm wind_speed_9am wind_speed_3pm humidity_9am humidity_3pm TRUE FALSE FALSE FALSE FALSE pressure_9am pressure_3pm cloud_9am cloud_3pm temp_9am FALSE FALS..
Data Preparation (14) - Clean (Omitting Observations)
2014. 12. 6.간단하게 결측값을 가진 관측값을 제거하기를 원할 수도 있다.여기서 na.omit()을 이용하여 생략하고자 하는 행을 확정하고, 리턴된 오브젝트의 na.action 속성에 생략할 행의 목록이 저장된다. 그런 다음 그러한 관측값들을 데이터세트에서 제거한다. 이번에도 역시 원복을 위해 카피본을 만들어놓고 작업한다. > ods omit dim(ds[vars])[1] 366 24> sum(is.na(ds[vars]))[1] 47 // 결측값 47개> attr(na.omit(ds[vars]),"na.action")// na.omit 는 NA 값을 전부 제거한 오브젝트를 반환한다// na.action 는 결측값이 어떻게 처리되었는지를 정의하는 함수 전달// attr(x, which) : x는 속성에 억세스해야하는 오..
Data Preparation (13) - Clean (Deal with Missing Values)
2014. 12. 6.결측값에 대해 새로운 가치를 매기는(impute) 작업 > ods dim(ds[vars])## [1] 366 18> sum(is.na(ds[vars]))## [1] 47 // 결측값(missing value)가 47개> ds[vars] sum(is.na(ds[vars]))## [1] 0 // NA가 0이 되었음> dim(ds[vars])## [1] 366 18> ds
Data Preparation (12) - Clean (Remove Missing Target)
2014. 12. 5.아래는 missing target 을 제거하는 작업이다. > target[1] "rain_tomorrow"> ds[target] rain_tomorrow1 Yes2 Yes3 Yes4 Yes5 No6 No7 No8 No9 Yes10 No11 No12 No> is.na(ds[target]) rain_tomorrow [1,] FALSE [2,] FALSE [3,] FALSE [4,] FALSE [5,] FALSE [6,] FALSE [7,] FALSE [8,] FALSE [9,] FALSE [10,] FALSE> sum(is.na(ds[target]))[1] 0 > ds sum(is.na(ds[target]))[1] 0> dim(ds) // 366 observations, 24 variables[1] 366 ..
Data Preparation (11) - Clean (Feature Selection)
2014. 12. 5.FSelector (Romanski, 2013) 패키지는 주어진 데이터세트에서 속성을 선택할 수 있는 기능을 제공한다. 관련성이 없거나 불필요한 정보를 확정하고 제거하는 기능을 한다. > library(FSelector)> form cfs(form, ds[vars]) // cfs : algorithm finds attribute subset using correlation and entropy measures for continous and discrete data[1] "min_temp" "sunshine" "wind_gust_speed" "humidity_3pm" [5] "pressure_3pm" "cloud_3pm" > information.gain(form, ds[vars]) // informat..