우리 FISA AI엔지니어링 9주차 과정

Monday(03.03)

 

오늘은 대체공휴일이라, 집에서 redis 공부를 했다.

https://koreatstm.tistory.com/257

 

Tuesday(03.04)

https://koreatstm.tistory.com/259

 

Wednesday(03.05)

https://koreatstm.tistory.com/260

https://koreatstm.tistory.com/262

 

Thursday(03.06)

https://koreatstm.tistory.com/264

 

Friday(03.07)

 

원-핫 인코딩

 

범주형 데이터를 머신러닝 모델이 이해할 수 있는 숫자 형태로 변환하기 위해서 사용

머신러닝 모델은 숫자 데이터를 다룬다.

• 대부분의 머신러닝 알고리즘(특히 거리 기반 알고리즘, 예: K-Means, KNN 등)은 숫자 데이터를 입력으로 받음
• 범주형 데이터를 그냥 '빨강=1, 파랑=2, 초록=3'으로 하면 숫자의 크기 때문에 의미가 왜곡 될 수 있음

순서가 없는 범주형 데이터를 표현하기 위해

• '빨강=1, 파랑=2, 초록=3' 같은 숫자 부여 방식(레이블 인코딩)은 순서가 있는 것처럼 보이지만, 사실 색깔에는 순서가 없음
• 이를 방지하기 위해 각 범주를 개별 컬럼으로 나누고, 해당하는 값만 1로 설정하는 원-핫 인코딩을 사용함

 

OPIc

오늘 FISA 동기와 오픽 시험을 보러갔다.

작년보다 2배 준비하면 더 좋은 점수를 받을 수 있지 않을까 해서 5시간 정도 공부하고 시험보러 갔다.

https://koreatstm.tistory.com/125

[Opic] 시험 응시 후기

정확히 한 등급 올랐다. IM이 목표였기에 만족한다.

 

Saturday(03.08)

 

지난 2번의 세미나에 이어 이번주도 상품을 탔다 (심지어 2개!)

열심히 듣고 답변하다보니 자연스럽게 상품을 받는것 같다.

좋은 내용에 상품까지 ㅎㅎ

냠냠

1차시: 여신

• 은행의 3가지 자금 용도: 생활안전자금, 전세자금, 주택구입대출
• 대출 상환 방식 차이: 만기일시, 원금균등, 원리금균등
• 사정가액 변화: 주변 환경(예: 화장터 건설)으로 인한 집값 변동
• 담보인정비율(LTV): 담보 종류·지역에 따라 달라짐 (강남 90% 수준)
• 선순위 채권: 임차인이 전세로 거주 중이면 대출 가능 금액 감소
• 예상임대차 차감: 서울 5,500만 원, 경기 4,800만 원 (임대차보호법 적용)
• 유효담보가액 계산: 사정가액 × 담보인정비율 - (선순위 채권 + 예상 임대차)
• 소액임대차 방공제: 미래 세입자 보호를 위해 대출 시 일부 금액 공제
• LTV(주택담보대출비율): 기본 70%, 투기지역(강남·서초·송파·용산) 규제 적용

 

2차시: 미들웨어

• 역할: 소스코드가 실행될 환경 제공, 요청을 처리하고 응답 반환
• 클라우드와 미들웨어
  • 오케스트레이션 및 운영 비용 절감 위해 퍼블릭 클라우드 활용
  • 기존 WAS 등 미들웨어는 클라우드 최적화되지 않음 → 성능 이슈
• 금융권의 변화
  • 기존 하드웨어에서 클라우드로 직접 이동은 적음
  • 점진적인 변화 → MSA 채택 증가
• 미들웨어의 장점
  • 트러블슈팅 용이
  • 문제 해결 과정에서의 논리적 사고와 기술적 도전 가능

 

3차시: 방카슈랑스

• 방카슈랑스 vs GA(General Agency) 채널
  • 방카슈랑스: 은행에서 판매하는 보험 상품
  • GA 채널: 독립 보험 대리점에서 다양한 보험사 상품 비교 후 판매
• 보험 가입 시 유의사항
  • 암보험 갱신형 절대 금지: 나이 들수록 보험료 폭등
  • 기존 보험 유지가 유리: 과거 상품이 일반적으로 더 좋은 조건 제공
  • 설계서 확인 필수: 서명 전에 환급률 확인
  • 변액보험 주의
    • 운영 비용(펀드 관리 비용 등)이 많이 차감됨
    • 보험사가 직접 투자하지 않으며, 비용 부담이 큼