728x90

STUDY 222

기본 컬러 조합과 상세 구성을 오픈소스로 제공하는 : Open Color

https://yeun.github.io/open-color/ Open Color Color scheme for UI design yeun.github.io Open Color는 오픈 소스로 자주 쓰이는 13개 컬러 정보를 상세히 제공해주는 웹서비스. 동일계열의 색장을 컬러별로 옅고 진한 내용으로 제공되며, 컬러값도 함께 있어 복사 후 바로 활용이 가능 (컬러값을 마우스로 더블 클릭 시 복사 가능) 스케치, XD, 피그마 등에서 더 빠르게 컬러 정보를 확인 할 수 있는 플러그인, 라이브러리도 다운받을 수 있음

STUDY/디자인 2021.05.18

iOS 디바이스 모델 별 상세 해상도 및 관련 정보 확인 : Screen Sizes

https://www.screensizes.app/ Screen Sizes A complete guide for Apple displays www.screensizes.app iOS 기준으로 아이폰, 아이패드, 아이팟터치, 애플워치, 애플TV, 카플레이까지 여러 디바이스, 모델 별 정보를 확인할 수 있는 웹서비스 6개 디바이스를 디스플레이 크기와 상세 모델에 따라 확인 가능 ‘Screen Sizes’는 iOS 디바이스 디스플레이 및 관련 정보를 깔끔하게 정리해주는 곳으로, 디바이스 별 크기와 상세 모델에 따라 정보를 확인할 수 있도록 구성되어 있음. 아이폰 외에도 아이패드, 아이팟터치, 애플워치, 애플TV, 카플레이까지 다양한 디바이스의 해상도 및 status bar등의 내용등 다양한 내용을 접할 수 있음

STUDY/디자인 2021.05.17

[Google Analytics] Referral Traffic 이해하기

Google Analytics 외부유입 트래픽 유형 중, “Referral” 이라는 것을 볼 수 있다. 이것은 단순히 한 웹사이트에서 다른 웹 사이트를 추천하는 것과 같다. 이러한 유입 경로를 Google Analytics에서는 “Referral Report”를 통해 확인할 수 있다. 이 지표는 고객들이 우리의 웹 사이트를 찾는 방법과 그들이 사이트에 도착한 후, 무엇을 하는지 이해하는데 도움이 된다. 비즈니스에 중요한 핵심 지표를 채널 별로 비교한다면, 고 품질의 Traffic을 가져다주는 유의미한 신규 채널을 발굴할 수도 있을 것이다. “Referral” 트래픽이란 무엇인가? Referral 트래픽은 검색 엔진 외부의 다양한 채널에서, 우리의 사이트로 유입된 방법을 알려주는 GA만의 한 지표다. 사용..

STUDY/GAIQ 2021.05.11

본인확인/본인인증 용어 정리

1. 본인확인의 정의 특정한 방법을 통하여 특정인이 본인인지 아닌지를 식별하는 방법 2. 본인인증의 정의 특정한 방법을 통하여 특정인이 본임임을 증명하는 방법 3. 본인확인과 본인인증의 차이 일반적으로 혼용되고 있으며, 혼용하더라도 유사한 의미가 전달되기 때문에 명확하게 용어를 구분하고 있지 않음굳이 구분하자면, 예를 들어 공인인증서를 발급받기 위해서 본인확인기관이 제공하는 일정한 절차 (휴대폰/실명확인 등)을 통해 제공한 정보가 본인이 것인지를 식별하는 행위를 “본인확인”으로 정의하고 금융거래를 위해서 발급받은 공인인증서를 통해 본인임을 증명하는 행위를 “본인인증”으로 구분할 수 있음. 4. 인증방법 분류구분세부설명지식 기반 인증- 알고 있는 어떤 것에 대한 확인을 기반으로 인증 - 구현이 가장 쉬우나..

STUDY/etc 2021.05.10

[용어] 메타(meta) 태그

메타(meta) 태그 란 HTML 문서가 어떤 내용을 다모 있고, 문서의 키워드는 무엇이며, 누가 만들었는지 등의 문서 자체의 특성을 담고 있는 것/브라우저나 검색로봇에게 해당 페이지 정보를 알려주는 기능이 있어 직접적으로 meta 태그를 이용하여 표기해준다. 이 표기방법 중 페이스북의 오픈그래프 프로토콜을 사용하는 것이 og 태그이다! 오픈그래프는 어떤 HTML 문서의 메타정보를 쉽게 표시하게 위해서 메타정보에 해당하는 제목, 설명, 문서의 타입, 대표 URL 등 다양한 요소들에 대해서 사람들이 통일해서 쓸 수 있도록 정의해놓은 프로토콜이며 페이스북에 의하여 기존의 다양한 메타 데이터 표기 방법을 참조하여 만들어졌습니다. 그 간편함으로 인하여 현재는 그 창시자인 페이스북은 물론이고 네이버 블록, 카카오..

STUDY/HTML 2021.05.04

[용어] 와이어프레임_스토리보드_프로토타입

와이어프레임(Wireframe) 와이어프레임은 화면 단위의 레이아웃을 설계하는 작업입니다.. 의사소통 관계자들과 레이아웃을 협의하거나 서비스의 간략한 흐름을 공유하기 위해 사용하며, UI, UX 설계에 집중되어 있습니다. 스토리보드(Storyboard) 디자이너/개발자가 참고하는 최종적인 산출물로써 정책, 프로세스, 콘텐츠 구성, 와이어프레임(UI, UX), 기능 정의, 데이터베이스 연동 등 서비스 구축을 위한 모든 정보가 담겨 있는 문서입니다. 현업에서는 해당 문서를 바탕으로 커뮤니케이션을 진행합니다. 프로토타입(Prototype) 프로토타입은 실제 서비스와 흡사한 모형을 만드는 작업입니다.. 정적인 화면으로 설계된 와이어프레임 또는 스토리보드에 인터랙션(동적 효과)을 적용함으로써 실제 구현된 것처럼 ..

STUDY/기획 2021.05.03

CASE 표현식 : 복잡한 조건 논리 처리하기

복잡한 조건식을 여러 개 적용해야 할 때는 DECODE 함수보다 CASE 표현식을 이용하는 것이 유용할 수 있습니다. DECODE 함수는 데이터 값이 정확히 맞거나 틀린 조건을 처리하게 쉬운 반면 CASE 함수는 조건의 범위가 다양한 경우에 쉽게 처리할 수 있습니다. [사용법]CASE WHEN 조건 1 THEN 출력 값 1 WHEN 조건 2 THEN 출력 값 2 .... ELSE 출력 값 3 END예시> employees 테이블에서 job_id가 IT_PROG라면 employee_id, first_name, last_name, salary를 출력하되 salary가 9000 이상이면 '상위급여', 6000과 8999 사이면 '중위급여', 그 외에는 '하위급여'라고 출력하세요. SELECT employee_..

STUDY/SQL 2021.04.29

RANK, DENSE_RANK, ROW_NUMBER : 데이터 값에 순위 매기기

RANK, DENSE_RANK, ROW_NUMBER 는 데이터 값에 순위를 매기는 함수입니다. 순위를 매기는 것은 동일하지만 사용법이 조금씩 다릅니다. 즉, 공통 순위가 있을 때 출력을 어떻게 하느냐에 따라 용도가 달라집니다. 차이는 다음과 같습니다. 함수설명순위 예시RANK공통 순위를 출력하되 공통 순위만큼 건너뛰어 다음 순위를 출력한다.1, 2, 2, 4.....DENSE_RANK공통 순위를 출력하되 건너뛰지 않고 바로 다음 순위를 출력한다.1, 2, 2, 3.....ROW_NUMBER공통 순위를 없이 출력한다.1, 2, 3, 4..... 예시> RANK, DENSE_RANK, ROW_NUMBER 함수를 각각 이용해 employees 테이블의 salary 값이 높은 순서대로 순위를 매겨 출력해 보세요..

STUDY/SQL 2021.04.28

DECODE : 조건 논리 처리하기

DECODE는 데이터 값이 조건 값과 일치하면 치환 값을 출력하고 일치하지 않으면 기본값을 출력합니다. SQL문을 작성할때 매무 자주 쓰는 함수입니다. 예시> employees 테이블에서 first_name, last_name, department_id, salary를 출력하되 department_id가 60인 경우에는 급여를 10% 인상한 값을 계산하여 출력하고 나머지 경우에는 원래의 값을 출력하세요. 그리고 department_id가 60인 경우에는 '10%인상'을 출력하고 나머지 경우에는 '미인상'을 출력하세요. [실행문]SELECT first_name, last_name, department_id, salary 원래급여, DECODE(department_id, 60, salary*1.1, sala..

STUDY/SQL 2021.04.27

머신러닝 용어집

A/B 테스트(A/B testing)둘 이상의 기법을 통계적으로 비교하는 방법으로서, 일반적으로 기존 기법과 새로운 기법을 서로 비교합니다. A/B 테스트의 목표는 더 우수한 기법을 찾는 것뿐만 아니라 그 차이가 통계적 유의성을 갖는지 여부를 파악하는 것입니다. A/B 테스트에서는 일반적으로 단일 측정항목을 사용하여 두 기법을 비교하지만, 적용 가능한 기법 및 측정항목의 수에는 유한성의 범위 내에서 제한이 없습니다. 정확성(accuracy)분류 모델의 예측이 얼마나 정확한지를 의미합니다. 다중 클래스 분류에서 정확성의 정의는 다음과 같습니다.정확성정확한예측총예시수정확성=정확한 예측총 예시 수이진 분류에서 정확성의 정의는 다음과 같습니다.정확성참양성참음성총예시수정확성=참양성+참음성총 예시 수참양성 및 참음..

STUDY/etc 2021.04.26
728x90