(제 23회) 시스템 구조 / (86)~(87) 해설

86. 두 네트워크 간의 상호 경쟁을 통해 네트워크의 성능을 향상시키는 개념을 포함하고 있는 딥러닝 방식으로 가장 적절한 것은?

 

① CNN(Convolutional Neural Network)

② GAN(Generative Adversarial Network)

③ RNN(Recurrent Neural Network)

④ SVM(Support Vector Machine)

 

▣ 해설

CNN	Comvolution Neural Network 데이터의 특징을 추출하여 특징들의 퍄턴을 파악하는 구조 CNN 알고리즘은 Convolution 과정과 Polling 과정을 통해 진행 Convolution Layer 와 Polling Layer 를 복합적으로 구성하여 알고리즘을 만듦
GAN	Generative Adversarial Network 생성모델과 판별모델이 경쟁하면서 실제와 가까운 이미지, 동영상, 음성 등을 자동으로 만들어 내는 기계학습(ML:Machine Learning) 방식의 하나 컴튜터 프로그램이 특정 분야 실제 예제들을 학습하고 공통점을 추론하여 매우 정교한 위조품을 만들어 낼 수 있음
RNN	Recursive Neural Network 반복적이고 순차적인 데이터(Sequential data) 학습에 특화된 인공신경망의 한 종류로써 내부의 순환구조 포함 특징 순환그조를 이용하여 과거의 학습을 Weight 를 통해 현재 학습에 반영 기존의 지속적이고 반복적이며 순차적인 데이터 학습의 한계 해결 알고리즘
SVM	Support Vector Machine 매우 강력하고 선형이나 비선형 분류, 회귀, 이상치 탐색에도 사용할 수 있는 다목적 머신러닝 모델이며, 머신러닝에서 가장 인기 있는 모델임(작거나 중간 크기의 데이터셋에 적합)

정답 : ②

 

 

87. 분산 패리티 기법을 사용하는 RAID 5 구축에 요구 되는 최소 디스크의 수로 가장 적절한 것은?

 

① 2개 ② 3개

③ 4개 ④ 5개

 

▣ 해설

방식	내용	최소 디스크 수	공간효율
RAID 0	스트라이트(Stripe), 일련의 데이터를 하나의 논리적 디스크 배열에 일정한 크기로 나누어 분산 저장하는 기법	2	1배
RAID 1	미러링(Mirroring), 배열 내의 모든 디스크가 동일한 데이터를 가지는 미러 디스크를 가짐	2	1/n 배
RAID 2	해밍코드를 통한 중복(Hamming code ECC), 디스크들 간에 데이터 스트라이핑을 사용, 오류 검출 능력이 없는 드라이브를 위해 허밍 코드 기법을 사용 오류정정코드(ECC) 를 저장	3	1-1/n*log2(n-1)배
RAID 3	비트 인터리브 패리티, 데이터 분산 저장을 위해 스트라이프 사용, 오류 검출과 수정을 위해 별도 패리티 드라이브 사용	3	1-(1/n)배
RAID 4	블록 인터리브 패리티, 각 드라이브에 데이터를 블록 단위로 분산 저장 데이터 분산저장을 위해 시트라이프 사용, 오류 검출/수정을 위해 별도 패리티 드리아브 사용	3	1-(1/n)배
RAID 5	블록 인터리브 분산 패리티, RAID4 와 유사하나 별도의 패리티 드라이브 대신 모든 드라이브에 패리티 정보를 분산 저장, 패리티에 의한 병목 현상 없음	3	1-(1/n)배
RAID 6	블록 인터리브 분산 듀얼 패리티, RAID5와 유사하나 하나의 패리티를 두개의 디스크에 분산저장 쓰기 속도는 저하될수 있지만 안정선이 높아지는 장점	4	1-(2/n)배
RAID 0+1	스트라이핑 후 미러링, 안정성과 성은을 보장하는 대신 비용이 증가	4	1/n배
RAID 1+0	미러링 후 스트라이핑, 레이드 볼륨이 깨졌을 경우 RAID0+1에 비해 복구가 용이	4	1/n배

정답 : ②

---

 

공감과 댓글은 아이티신비에게 큰 힘이 됩니다.

블로그 글이 유용하다면 블로그를 구독해주세요.♥