1. SQL
※ 테이블과 컬럼 ※
- 데이터베이스는 '데이터가 저장되어있는 큰 폴더'를 말한다. '데이터베이스'라는 폴더가 있고, 그 안에 '테이블'이라는 파일이 있다.
- 테이블은 마치 '엑셀 파일'과 같이 생겼다.
- 테이블 목록
1. food_oders : 음식 주문 정보 테이블
2. payments : 결제 정보 테이블
3. customers : 고객 정보 테이블
※ SELECT, FROM ※
- 원하는 곳에서 데이터를 가져오는 기본 명령어 SELECT, FROM
SELECT : 데이터를 가져오는 기본 명령어, 데이터를 조회하는 모든 Query에 사용된다.
FROM : 데이터를 가져올 테이블을 특정해주는 문법
* : 모든 컬럼을 가져와준다는 의미
- 기본 문법 실행하기
-> 모든 Query는 이 구조를 갖는다.
Query를 실행하면 아래와 같은 결과가 나온다. (단축키 : ctrl + enter)
[실습]
1. payments 테이블 데이터 조회 (from payments)
2. customers 테이블 데이터 조회 (from customers)
※ 원하는 컬럼만 선택하는 방법 ※
- 모든것을 조회한다는 ' * ' 대신, 필요한 컬럼을 적는다.
예)
- 컬럼에 별명으로 바꾸기
방법1. 컬럼1 as 별명1
방법2 : 컬럼2 별명2
예) restaurant_name -> 음식점, addr -> address
+ 별명 지을때 유의사항
[실습]
- 주문 (food_orders) 테이블에서 order_id, price, quantity 를 가져와서 ord_no, 가격, 수량 으로 별명 지어주기
※ 조건에 맞는 데이터만 필요할 때, 필터링(WHERE) ※
- WHERE이란?
1. 데이터 중에 특정 조건을 필터링 해야할 때 사용
2. 기본 조건은 ' = '을 통하여 줄 수 있다.
3. 숫자가 아닌 문자에도 사용 가능 (여성 : female)
- 구조
예) 21살인 사람을 필터링
[실습]
- 결제 (payments) 테이블에서 카드로 결제한 경우만 조회하기
- 주문 (food_orders) 테이블에서 한국음식을 주문한 경우만 조회하기
※ 필터링을 할 때 유용한 표현(비교연산, BETWEEN, IN, LIKE) ※
- 같음. 큼, 작음 등의 조건
- other 조건 종류 (BETWEEN, IN, LIKE)
1. BETWEEN : A와 B 사이
2. IN : '포함'하는 조건
3. LIKE : 완전 똑같진 않지만, 비슷한 값을 조건으로 줄때
[실습]
- 비교 연산자 적용
고객(customers) 테이블에서 나이가 40세 이상인 고객 조회
- other 조건 적용
1. 주문 (food_orders) 테이블에서 주문 금액이 20,000~30,000원 사이인 고객 조회하기
2. 주문 (food_orders) 테이블에서 B 로 시작하는 상점의 주문 조회하기
※ 여러개의 필터링 조건을 한번에 적용 ※
예) AND : 나이가 21세 이상이고, 남성이블과 컬럼 ※
[실습]
- 주문(food_orders)테이블에서 한국음식이면서, 가격이 3만원 이상인 경우
- 결제 (payments) 테이블에서 카드로 결제했거나, vat 율이 0.2 이하인 경우
※ 에러메세지에 대처하는 방법 ※
- 에러메세지에서 확인할 부분은 '에러코드'가 아니라 '왜 에러가 났는가'가 중요함.
- 자주 접할 수 있는 메세지
1. 테이블 명을 다르게 적었을 때 (테이블이 존재하지 않음)
2. 컬럼 명을 다르게 적었을 때 (필드명이 잘못됨)
3. 필터링 조건을 줄 때 문자에 작은 따옴표(' ')를 안했을 때 (Korea에 문제가 있음)
[실습 문제]
- 상품 준비 시간이 20~30분 사이인, 한국 음식점의 식당명과 고객번호 조회
1. select 식당명, 고객번호
2. from 음식주문이기에 food orders 사용
3. where 첫번째 조건 상품준비시간 20~30분사이이므로 between 사용
and 두번째 조건 한국 음식점이여야 하므로 cuisine_type='Korean"
2. AI 리터러시
※ AI의 기본 개념 이해 ※
- AI란
단순 software가 아닌, 능동적으로 비선형 상황을 처리하는 똑똑한 Software를 말함.
선형상황 : 단편적으로 표현할 수 있는 문제
비선형상황 : 단편적으로 표현하기 어려운 문제
※ 규칙기반과 패턴학습 ※
- AI 학습법 : 기계학습(지도학습, 비지도학습, 강화학습 등)
지도학습(규칙기반)이란 :기술자의 의도대로 규칙을 기반하고 정답 데이터를 알려주어 해당 로직을 수행하도록 학습시킨다.
장점 - 특정 상황을 빠르고 정확하게 처리 할 수 있다. 명확한 답이 있다.
단점 - 유연성이 다소 떨어질 수 있다.
비지도학습(패턴기반)이란 : 특정 군집, 패턴을 인식한다. 많은 정보 속에서 특정 공통점과 차이점을 인식한다. (군집화를 하는데 많이 사용)
장점 - 정답 데이터가 필요 없음. 데이터셋만 있으면 됨
단점 - 명확한 정답이 없다. 해석하기 나름이다. 때문에 판단을 인간이 해야된다.(그룹핑이 너무 넓게 됐다 or 좁게 됐다 등)
※ 분류/생성 AI 사례 ※
- 분류에 활용되는 AI
그림, 글 신호 등 다양한 정보 분류
예) 스팸메일 분류, 신체신호 분류, 얼굴인식 AI
- 생성형 AI
어떤 직접 산출물이 발생
예) 글, 텍스트, 그림 생성(GPT, GROK 등)
[과제]
- 내 직무에서 이미 사용하는 AI 1가지 사례 조사
AI를 활용한신약 후보물질 발굴(Drug Discovery) - Insilico Medicine
Insilico Medicine은 인공지능을 활용해 새로운 약물 후보물질을 설계하고 개발하는 바이오 기업입니다. 기존 신약개발은 수많은 화합물을 실험하며 후보물질을 찾기 때문에 10년 이상 시간과 막대한 비용이 들지만, AI는 방대한 논문·유전체·화합물 데이터를 분석해 가능성 높은 후보물질을 빠르게 찾아냅니다.
이 회사는 AI 플랫폼을 통해 특발성 폐섬유증(IPF) 치료 후보물질을 발굴했고, 후보물질 선정부터 임상시험 진입까지 기존보다 훨씬 짧은 기간 안에 진행한 사례로 주목받았습니다.
★학습하며 겪었던 문제점&에러
- 여러개의 필터링을 적용해야하는 조건이 있을때, select, from, where, and에 각각 어떤 컬럼을 넣어야하는지 신속하게 분류하지 못했습니다. 이 문제점을 해결하기 위해서 테이블에 각각 들어가는 컬럼이 무엇인지 반복적으로 보고, 실습문제를 여러번 풀어보면서 감을 익혔습니다. 이후 조건이 생겼을 때 어떤 컬럼을 넣어야되는지 좀 더 빠르게 분류하고 SQL문을 작성 할 수 있었습니다.
- 또한 LIKE 논리연산을 사용할때 조건을 작성할때 like '@%', %를 기억해야한다고 알게되었습니다.