전체 글2111

• 

  [워드프레서] 한글 글꼴 바꾸기 문제상황폰트가 마음에 들지 않아 바꾸고 싶음  해결방법눈누에서 원하는 글꼴 찾기필자는 아래 폰트 https://noonnu.cc/font_page/1072 눈누코레일 둥근고딕 - 코레일noonnu.cc웹폰트로 사용 옆 복사 버튼 클릭   워드 프레스의 "추가 CSS" 메뉴 클릭   이곳에 아래 내용 입력 @font-face { font-family: 'KorailRoundGothicBold'; src: url('https://fastly.jsdelivr.net/gh/projectnoonnu/noonfonts_2212@1.0/KorailRoundGothicBold.woff2') format('woff2'); font-weight: 700; font-style: normal;}* {fo.. 🖥️ IT, 컴퓨터/👩🏻‍💻 IT 2025. 3. 22.

• 

  [공간자료] 서울 행정동별 소득 소비 데이터 https://data.seoul.go.kr/dataList/OA-22166/S/1/datasetView.do 열린데이터광장 메인데이터분류,데이터검색,데이터활용data.seoul.go.kr 🏞️ GIS & RS/💽 공간 데이터 저장소 2025. 3. 22.

• [옥외광고] 서울 주요상권 특성에 따른 옥외광고 전략 서울 주요 상권 12곳, 옥외광고 전략은 이렇게 달라져야 합니다서울은 각 지역마다 유동인구의 특성과 방문 목적이 다릅니다. 이는 옥외광고 전략 수립 시 중요한 요소로 작용합니다. 이번 글에서는 서울의 대표적인 12개 상권을 중심으로 유동인구 특성 및 일반적인 소득 수준, 거주자 vs 방문자 비율, 광고 전략 포인트를 상세히 살펴보겠습니다.1. 강남 · 논현 · 역삼 지역유동인구 특성 및 소득 수준: 이 지역은 20~40대의 직장인과 전문직 종사자가 주를 이루며, 평균 소득 수준이 높은 편입니다.거주자 vs 방문자 비율: 업무 목적의 방문자가 거주자보다 많습니다.광고 전략 포인트: 고소득층을 타겟으로 한 금융 상품, 고급 소비재, B2B 서비스 광고에 효과적입니다.2. 광화문 · 종로 지역유동인구 특.. 💖 Hongsi's Study/💼 마케팅･트렌드･경영 2025. 3. 22.

• 

  [노션 양식 공유] 자동 생성되는 다이어리/체크리스트 템플릿 무료 공유 안녕하세요! 노션 전도사 김홍시입니다.​기존에 노션으로 다이어리 쓰기 시도해보신 분 계실까요?​저의 경우 일기를 노션으로 쓸 때, 페이지 내에 줄글로 쭉 작성하면 뭔가 칸마다 하루의 기록을 남기는 그 맛이 나지 않고,또 그렇다고 페이지별로 관리하자니 매일 페이지 만드는 것도 귀찮더라구요.​그래서 오늘은 매일 자동으로 오늘의 일기 칸이 생성되는 노션 템플릿을 소개드리고자 해요.​​노션의 자동 생성 기능을 이용하면, 이렇게 매일매일 새로운 칸이 생성되는 일기 템플릿을 제작할 수 있어요.​매일매일 생성되는 칸에 매일 짧게 일상을 기록해볼 수 있는 템플릿입니다.​그리고 일기 뿐만 아니라 체크리스트를 관리할 수도 있는데요. 아래처럼 매일매일 체크리스트가 생기도록 설정할 수도 있답니다. ​자동 생성 기능 사용법 ​.. 🖥️ IT, 컴퓨터/📄 노션 Notion 2025. 3. 21.

• 

  [공간 자료] KT, 'K-데이터 인사이트 플랫폼' 오픈 https://bigsight.kt.com/bdip/components/portal/index.html#/portal kt BigSight bigsight.kt.com    https://plip.bigsight.kt.com/plip/dashboard 생활이동분석솔루션생활이동분석솔루션plip.bigsight.kt.com 🏞️ GIS & RS/💽 공간 데이터 저장소 2025. 3. 18.

• [머신러닝] DBSCAN (Density-Based Spatial Clustering of Applications with Noise)이란? DBSCAN (Density-Based Spatial Clustering of Applications with Noise)DBSCAN(밀도 기반 공간 클러스터링)은 밀도가 높은 지역을 클러스터로 그룹화하고 이상치(Noise)를 감지하는 비지도 학습 알고리즘입니다.K-Means와 달리 클러스터 개수(K)를 사전에 정의할 필요가 없으며, 비원형(Non-spherical) 데이터에도 강한 성능을 발휘합니다.🔍 DBSCAN의 핵심 개념DBSCAN은 데이터 포인트의 밀도를 기반으로 군집을 형성하며, 아래 3가지 개념을 사용합니다.📌 1. 주요 개념✅ Core Point (핵심 포인트)반경(ε) 내에 최소 개수(MinPts) 이상의 데이터 포인트가 존재하는 포인트새로운 클러스터의 중심이 될 수 있음✅ Borde.. 🖥️ IT, 컴퓨터/📁 데이터 분석 2025. 3. 18.

• 

  [머신러닝] K-Means 클러스터링이란? K-Means 클러스터링: 비지도 학습 기반 데이터 그룹화 기법🔍 K-Means 클러스터링이란?K-Means 클러스터링은 비지도 학습(Unsupervised Learning) 기법 중 하나로, 데이터를 유사한 특성을 가진 그룹(클러스터)으로 나누는 알고리즘입니다.데이터의 중심(centroid)을 기반으로 군집을 형성하며, 군집의 개수(K)를 사전에 설정해야 합니다.📌 K-Means의 특징비지도 학습 방식: 레이블 없이 데이터를 자동으로 그룹화유클리드 거리 기반: 데이터 포인트 간의 거리를 최소화하는 방식빠른 연산 속도: 대규모 데이터에도 적용 가능K(클러스터 개수) 설정이 중요📌 K-Means 알고리즘 동작 과정1️⃣ 초기 중심(K 개) 설정데이터에서 무작위로 K개의 중심(centroid) 선택2️.. 🖥️ IT, 컴퓨터/📁 데이터 분석 2025. 3. 18.

• 

  [공간통계] 공간회귀분석 (Spatial Regression Analysis): SAR & GWR 공간회귀분석 (Spatial Regression Analysis): SAR & GWR공간 데이터는 지리적으로 인접한 값들 간의 자기상관이 강하게 나타나는 특징이 있습니다.일반적인 회귀분석(OLS)은 공간적 의존성(spatial dependency)을 고려하지 않기 때문에 **공간적 자기상관을 반영한 공간회귀모형(Spatial Regression Models)**이 필요합니다.대표적인 공간회귀분석 기법에는 **SAR(공간자기회귀, Spatial Autoregressive Model)**과 **GWR(지리적 가중 회귀, Geographically Weighted Regression)**이 있습니다.📌 1. 공간자기회귀모형(SAR: Spatial Autoregressive Model)SAR 모델은 종속변수(.. 💖 Hongsi's Study/📊 통계･공간통계･공간최적화 2025. 3. 18.

• 

  [공간통계] 커널 밀도 추정(Kernel Density Estimation, KDE)이란? 커널 밀도 추정(Kernel Density Estimation, KDE): 데이터의 분포를 부드럽게 추정하는 기법🔍 커널 밀도 추정(KDE)란?커널 밀도 추정(KDE, Kernel Density Estimation)은 연속형 데이터의 확률 밀도 함수를 추정하는 비모수적(non-parametric) 기법입니다.즉, 데이터가 어떤 특정한 분포(예: 정규분포)를 따른다고 가정하지 않고, 주어진 데이터로부터 부드러운 확률 밀도 함수(PDF)를 추정하는 방법입니다.📌 주요 특징히스토그램보다 부드러운 분포 곡선을 제공적절한 밴드폭(bandwidth) 선택이 중요공간 데이터 분석에서는 **핫스팟 분석(밀집 지역 탐색)**에 활용📌 KDE의 핵심 개념KDE는 각 데이터 포인트 주변에 커널 함수(kernel fun.. 💖 Hongsi's Study/📊 통계･공간통계･공간최적화 2025. 3. 18.

• 

  [공간통계] Getis-Ord Gi*란? Getis-Ord Gi*: 공간 핫스팟(Hotspot) 분석의 핵심 지표🔥 Getis-Ord Gi*란?Getis-Ord Gi* 통계량은 **공간적 클러스터링(Hotspot & Coldspot)**을 식별하는 데 사용되는 공간 통계 기법입니다. 특정 공간 내에서 값이 유의미하게 높거나 낮은 지역을 찾고, 이를 통해 **핫스팟(Hotspot)과 콜드스팟(Coldspot)**을 분석하는 데 활용됩니다.핫스팟(Hotspot): 특정 지역 주변에서 값이 지속적으로 높게 나타나는 경우콜드스팟(Coldspot): 특정 지역 주변에서 값이 지속적으로 낮게 나타나는 경우Getis-Ord Gi*는 범죄 데이터, 부동산 시장 분석, 상업시설 밀집도 분석, 공공보건 연구 등 다양한 분야에서 공간적 패턴을 탐색하는 데 활용됩.. 💖 Hongsi's Study/📊 통계･공간통계･공간최적화 2025. 3. 18.

• 

  [공간통계] Geary's C란? Geary’s C: 공간 자기상관 분석의 또 다른 지표🔍 Geary’s C란?Geary’s C는 **공간 자기상관(Spatial Autocorrelation)**을 측정하는 지표로, Moran’s I와 유사하지만 값들의 국지적(local) 차이를 중점적으로 분석하는 것이 특징입니다. Moran’s I가 전체적인 공간적 패턴(글로벌 자기상관)을 측정하는 반면, Geary’s C는 개별 지역 간의 차이를 강조하여 보다 세밀한 공간 패턴을 식별하는 데 유용합니다.Moran’s I vs. Geary’s CMoran’s I는 **전체적인 경향(글로벌 패턴)**을 분석Geary’s C는 **인접한 지역 간의 값 차이(로컬 패턴)**를 분석Moran’s I가 클러스터링을 강조한다면, Geary’s C는 경계(디스컨.. 💖 Hongsi's Study/📊 통계･공간통계･공간최적화 2025. 3. 18.

• 

  [공간통계] Moran's I란? Moran’s I: 공간 자기상관 분석의 핵심 지표🔍 Moran’s I란?Moran’s I는 공간 자기상관(spatial autocorrelation)을 측정하는 대표적인 지표로, 공간 데이터에서 특정 값이 이웃한 지역과 유사한 패턴을 보이는지, 아니면 무작위로 분포하는지를 분석하는 데 사용됩니다.공간 자기상관(Spatial Autocorrelation): 지리적으로 가까운 데이터들이 유사한 특성을 가지는 경향을 의미합니다.Moran’s I 값+1에 가까울수록 강한 양의 공간 자기상관 (비슷한 값들이 클러스터링됨)0에 가까울수록 공간적 무작위성-1에 가까울수록 강한 음의 공간 자기상관 (서로 다른 값들이 인접)📌 Moran’s I 수식Moran’s I는 다음과 같은 공식으로 계산됩니다.NN: 총 관측.. 💖 Hongsi's Study/📊 통계･공간통계･공간최적화 2025. 3. 18.