|
|
|
전체
(검색결과 약 2,093개 중 29페이지)
| |
|
|
|
 |
|
| 다음의 개념을 사례나 예를 들어 설명하라.
1. 클라우드 컴퓨팅
정의 : 인터넷기반의 컴퓨터기술을 의미하는 것으로 여기에서 구름(cloud)은 컴퓨터 네트워크상에 숨겨진 복잡한 인프라구조, 인터넷을 뜻한다. 클라우딩 컴퓨팅은 사용자가 필요한 소프트웨어를 자신의 컴퓨터에 설치하지 않고도 인터넷 접속을 통해 언제든 사용할 수 있고 동시에 각종 IT기기로 데이터를 손쉽게 공유할 수 있는 사용 환경.. |
|
|
|
|
|
 |
|
| *제목: 축전기의 충방전
*목적:
축전기의 충전과 방전현상을 관측하여 그 변화가 지수함수를 따르는가 확인하고 시간상수의 의미를 확인한다.
*방법:
1부 컴퓨터
1. 전압센서를 데이터 스튜디오 아날로그 채널 B에 연결하고 신호발생기의 출력단자에 연결선 바나나 플러그를 꼽는다.
2. ‘Signal Output , Voltage Sensor , Sampling options 을 알맞은 값으로 설정한다.
2부 실험장치 및 측정
1. 330F축.. |
|
|
|
|
|
 |
|
| [별지 8 서식]
등록신청 취하서
접수번호
접수일자
저작물
·
저작인접물
·
데이터베이스
제호
종류
신청인
성명
주민등록번호
주소
신청 내용
취하 이유
위와 같이 상기 저작물 · 저작인접물 · 데이터베이스에 대한 등록 신청을 취하합니다.
년월일
(신청인) (서명 또는 인)
※ 첨부서류
1. 신청인임을 증명할 수 있는 서류
2. 대리인에 의하여 절차를 밟는 경우 그 대리권을 증명하는 서류 .. |
|
|
|
|
|
 |
|
| [측량학 및 실습]
Light Detection and Ranging
L i D A R
목 차
LiDAR란
LiDAR의 원리
LiDAR 데이터 처리
LiDAR의 활용 사례
LiDAR의 향후 활용방향
1. LiDAR란
LiDAR (Light Detection And Ranging)는 레이더와 동일한 원리를 이용해 사물에 직접적인 접촉 없이 원하는 정보를 취득하는 능동형 원격탐사의 한 종류.
정보를 취득하고자 하는 목표물에 레이저를 쏘아 목표물로부터 반사되어 돌아오는 .. |
|
|
|
|
|
 |
 |
RFID,정보통신과사회,마케팅,브랜드,브랜드마케팅,기업,서비스마케팅,글로벌,경영,시장,사례,swot,stp,4p ( 21Pages ) |
|
| R F I D
정보통신과 사회
Company Logo
Contents
1.RFID정의, 원리, 특징
2. RFID장단점
3.RFID사용 예
4. RFID향후 발전방향
RFID의 정의
RFID (Radio Frequency Identification)
Radio Frequency : 무선 주파수
Identification : 식별(識別), 인지(認知)
↓
IC칩과 무선을 통해 식품, 동물, 사물 등
다양한 개체의 정보를 원격으로 관리할 수
있는 차세대 인식 기술.
RFID의 정의
RFID (Radio Frequ.. |
|
|
|
|
|
 |
|
| Organization sturucture the Environment
Mechanistic Organic Management Systems
Mechanistic Organic
⇒ 여러분의 생각은 어떠신가요
출처: 데이터뉴스
Mechanistic Management Systems
Hierarchical structure
Centralization
High Formalization
Vertical communication
.... |
|
|
|
|
|
 |
|
| 1. 프로그램 Source
FILENAME = NETWORK.FOR
C 이 프로그램은 수리학책 110,111쪽에 있는 표 4-6. 관망해석 프로그램과
C 114쪽에 있는 데이터를 Source로 이용하여 작성하였습니다. 책에나온 Source
C 로는 데이터 입력시 에러가 발생하므로 약간의 수정을 하였습니다. 또한
C 인쇄된 Source와 결과는 워드 프로세서를 이용하여 작성했기 때문에 아래의
C 프로그램과 인쇄할때의 프로그램은 약간의 차이.. |
|
|
|
|
|
 |
|
| 경영정보시스템(EIS) 소프트웨어의 구조 및 보안
1. EIS 소프트웨어의 계층구조
1) 데이터 베이스
내부의 데이터베이스는 물론 외부의 데이터베이스까지도 포함하는 것이다. 古典的인 의미의 데이터베이스 資料는 물론, 워드프로세싱이나 그래픽, 스프레드 쉬트 등의 모든 작업 결과까지도 EIS에 필요로 한다면 자료로 저장하여 앞으로의 정보산출에의 기반을 제공한다.
2) 자료의 처리
데이터베이스로부.. |
|
|
|
|
|
 |
|
| LCD 제어
목차
LCD 모듈
LCD 모듈의 내부 구성
LCD 명령어
LCD 초기화
LCD 모듈 프로그래밍
LCD 모듈에 관한 예제
LCD 모듈
LCD 모듈이란
- 가정 또는 산업 현장에서 가장 많이 사용되고 있는 것으로,
표시(Display)장치와 구동(Driver) 장치가 하나로 되어 있는 것을 의미
LCD 모듈의 사양
- 16문자 2라인
- 5x7 폰트
- LCD 컨트롤러
- C.G. ROM과 C.G.RAM을
이용한 글자 발생기
LCD의 핀 기능 (.. |
|
|
|
|
|
 |
|
| 전자상거래 보안을 위한 대칭적 암호화 방법
1. 데이터 암호화 표준(DES)
상업적으로 폭넓게 개발된 최초의 대칭적 암호화 방법은 데이터 암호화 표준(Data Encryption Standard; DES)이었다. 1974년 미 상무성으로부터의 공식 요청에 의하여 IBM이 개발한 DES는 1977년에 미 연방 표준으로, 1981년에는 금융 산업 표준으로 채택되었다. 이 표준은 비정형화되어 있는 정부의 기록과 금융 산업의 거래를 위.. |
|
|
|
|
|
 |
|
| [생산정보시스템] 생산정보시스템의 정의와 유형 및 하위관리시스템
목차
* 생산정보시스템
Ⅰ. 생산정보시스템의 정의
Ⅱ. 생산정보시스템의 유형
1. CAD
2. CAM
3. CAPP
4. MRP
5. CIM
Ⅲ. 하위관리시스템
1. 작업관리시스템
2. 품질관리시스템
3. 비용관리시스템
4. 자재관리시스템
1) 계획기능
2) 구매기능
3) 보관기능
5. 판매관리시스템
6. 외주관리시스템
생산정보시스템
I. 생산정보시스템의.. |
|
|
|
|
|
 |
|
| 중세국어의 통시적 변화를 통한 현대국어
유의어의 변화 예측
1. 머리말
언어가 어떤 관련성을 맺고 있다는 사실은 이미 일반적인 사실로 인식하고 있다. 그렇지만 이들이 어떤 관련성을 맺고 있고, 또한 이들이 어느 정도의 관련성을 맺고 있느냐를 찾는 것도, 이러한 인식 못지않게 중요한 일이다. 이러한 현상을 발견하고자 하는 분석을 데이터 마이닝(data mining)기법에서 연관성 분석(association a.. |
|
|
|
|
|
 |
|
| 결과 분석 및 보고서
- 지능형 자동차 및 지능형 교통시스템에서의 GPS 응용사례
■ 지능형 자동차 GPS 응용사례
▶ BIS (Bus Information System) : 각 버스에 위성항법장치(GPS)를 설치하여 인공위성과 연결시켜, 운행상황을 교통정보센터로 보내면 이를 각 정류장에 설치된 디지털 안내판에 표시해준다. 따라서 승객들이 몇 분 뒤에 버스를 탈 수 있는지 확인할 수 있고, 버스를 타고 있는 승객도 언제 목.. |
|
|
|
|
|
 |
  |
[CJ ENM 콘텐츠마케팅(tvN) 합격 자기소개서] CJ ENM 콘텐츠마케팅(tvn) , CJ ENM 콘텐츠마케팅(tvn), 자기소개서자소서, 합격 자기소개서, 합격자소서, 합격자기소개서,합격자소서,기업 자기소개서, 기업 자소서, 기업자기소개서, 기업자소서, 취업 자소서, 취업 자기소개서, 면접 자소서, 면접 자기소개서, 이력서 ( 5Pages ) |
|
| 콘텐츠 마케팅 직무에서 데이터를 기반으로 트렌드와 타깃층을 파악하여 마케팅을 기획하는 것은 핵심 역량입니다.
저는 유료 콘텐츠 채널의 매출 부진을 데이터 분석을 토대로 2030의 취향을 저격하는 신규 콘텐츠를 런칭함으로써 극복한 경험을 통해 핵심 역량을 길렀습니다.
이를 CJENM의 다양한 데이터를 분석하여 tvN 채널 콘텐츠 시청자의 마음을 공략하는 콘텐츠 마케팅을 기획하는 데 활용하겠습니.. |
|
 |
콘텐츠, 분석, 경험, 마케팅, 2030, 기획, 파악, 드라마, 층, 역량, 타깃, 해당, 팬층, 통해, 높다, 핵심, 유료, tvn, 작성, 공략 |
|
|
|
|
 |
|
| Quick Sorting과 Merge Sorting 그리고 Selection sorting 까지 돌려본 결과는 아래의 그림과 같습니다.
위의 결과를 아래의 표로 만들어서 그래프를 만들어본 결과, 데이터의 개수가 커질수록 Quick Sorting이 시간이 매우 적게 드는 것을 볼 수 있었습니다.
데이터 갯수
Quick
Merge
10
3.3549
29.0247
50
13.0799
109.7688
100
26.2297
217.0126
200
54.7144
435.8002
300
93.5589
667.8226
400
114.64.. |
|
|
|
|
|
|
|
