상장기업

ESG 포털 | ESG 기업정보 | 기업 ESG 조회 (krx.co.kr)

2022년 11월 현재

지속가능발전포털 | 국가지속가능발전목표(K-SDGs) (ncsd.go.kr)

지속가능발전의 개념

극심한 기후변화

6번째 대멸종에 대한 우려 

대한민국 면적 15배에 달하는 플라스틱섬 등 오늘날 지구는 긴박한 환경위기 가운데 있음

https://www.youtube.com/watch?v=JYw38XNYzVo 

반면, 지구촌 77억 60%는 여전히 극심한 가난과 질병에 시달리고 있는 상황 https://www.youtube.com/watch?v=GPlz7lvnMuc에서 

경제는 계속 발전해야 하는 인류의 숙명.

하지만, 더이상 화석연료에 기반한 기존의 개발방식은 이미 한계에 다다른 지구생태계가 그 부담을 견디기 힘듬.

지속가능발전(Sustainable Development)이란 현재 세대가 여러 가지 발전을 진행하면서도 미래 후손이 발전할 가능성을 보호하는 형태의 발전

지속가능발전(Sustainable Development) 이라는 용어

1987년 세계환경개발위원회(WCED)가 발표한 보고서  “우리 공동의 미래”(Our Common Future)에서 ‘미래 세대가 그들의 필요를 충족시킬 능력을 저해하지 않으면서 현재 세대의 필요를 충족시키는 발전’(development that meets the needs of the present without compromising the ability of generations to meet their own needs)이라고 정의

우리나라에서는 2008년 제정된 지속가능발전법에서 ‘현재 세대의 필요를 충족시키기 위하여 미래 세대가 사용할 경제ㆍ사회ㆍ환경 등의 자원을 낭비하거나 여건을 저하시키지 않고 서로 조화와 균형을 이루는 것을 뜻하는 지속가능성 개념에 기초하여 경제의 성장, 사회의 안정과 통합 및 환경의 보전이 균형을 이루는 발전’이라고 정의

UN 지속가능발전목표

국제사회는 지속가능한 발전을 달성하기 위해 빈곤, 기아, 퇴치, 불평등 감소, 기후변화 대응, 육상, 해상오염 저감, 혁신적 기술개발과 경제성장 등을 포함한 17개 지속가능발전목표(SDGs:Sustainable Development Goals) 를 2015년 제70차 UN총회에서 192개 회원국 만장일치로 채택.

 2030년까지 전세계가 함께 추구하는 인류 공동의 목표로 설정

UNDP, UNEP, World Bank 등 모든 국제기구들도 SDGs 달성을 각 기관의 미션으로 설정

Fortran 90 for Engineers and Scientists by Larry Nyhoff and Sanford Leestma

기후변화전문가 자격증 준다는데…끼워팔기 상술? 관심 확대? : 환경 : 사회 : 뉴스 : 한겨레 (hani.co.kr)

[함께 읽기] IPCC 6차 평가보고서: 완화편_내용과 의미 (notion.site)

https://youth4climateaction.notion.site/IPCC-6-_-5a62215c126d405d8a3371ad8be83f95

2022학년도 중등지구과학 사사과정 

 "머신러닝 알고리즘을 활용한 안개 분류 예측" 연구가 우수논문으로 선정되어 전국대회 진출하게 되었습니다. 

2022년 전국 대학부설 과학영재교육원 사사과정 연구성과 발표대회에 참석하게 됩니다.

 * 일시 : 2023년 1월 17일(화)예정

수리물리학에서 배운 Cramer’s Rule을 이용하여 아래 3차 연립방정식의 해가 존재 하는지를 판별하고, 해가 존재 한다면 그 해를 구하는 프로그램을 배열을 사용하여 작성하라.

2022 년 1월 1일이 토요일임을 참고하여 4522년 1월 1일은 무슨요일인지 계산하여 출력하는 코드를 작성하시오. 

sin x 는 아래와 같은 무한급수로 근사할 수 있다. x= 30, n=10 일때 결과를 계산하고, 내장함수를 사용한 결과와의 차이를 계산하여 출력하는 코드를 작성하시오. (내장함수 결과 - 근사결과) 

어느 마트의 어떤 주 토요일과 일요일 공기청정기, 에어컨, 냉장고, 노트북의 판매 수량은 아래 표1와 같다. 각 제품의 단가와 이익은 표2와 같다. 토요일과 일요일의 판매 수량의 합계와 수입 합계를 구하고, 아래 형식으로 출력하시오. 

아래 3 x 3 정방행렬 A와 B를 곱하는 프로그램을 작성하고 아래와 같이 출력하는 코드를 작성하시오.

다음 선언에 대한 각 출력 결과는 ?

integer :: i, m=3, n=7

real, dimension(8) :: a=(/0.0, 1.1, 2.2, 3.3, 4.4, 5.5, 6.6, 7.7/), &

                      b=(/ (16.0*2**i, i=0,7) /), c

integer, dimension(0:7) :: d=(/ (i+5, i=0,5), 1, 2 /)

real, dimension(0:7) :: e

real, dimension(100:107) :: g

1)  a(3:7)         ?

2)  a(1:8:2)      ?

3)  d(m:n:m)    ?

4)  b(n:m)           ?

5)  c=a+2*b         ?

6)  e=real(d)+5     ?

아래 역행렬 구하는 코드를 작성해 봅시다. 

아래 문양이 출력되는 프로그램을 작성하시오. 반드시 character 변수와 do 반복문을 사용하시오. 

그 외 교재 참조

배열

1차원 배열

2차원 배열

XGBOOST 작업 중 모델링 시간 측정 코드

# ## 4.4.4 시간 측정 (115)
# from sklearn.ensemble import GradientBoostingClassifier
# from xgboost import XGBClassifier
# from sklearn.metrics import accuracy_score
# import time

# start = time.time()
# df.info()
# end=time.time()
# elapsed = end - start
# print('\n실행시간: ' + str(elapsed) + '초')

# ## 4.4.5 속도비교(152)
# %timeit -n 100 -r 3 sum(np.square(range(10000)))
# %%timeit -n 100 -r 3
# summing = 0
# for i in range(10000):
#     summing += i**2
# ## 그레디언트 부스팅 분류
# # 모델크기 제한을 위해서 max_depth =2, n_estimator=100 으로 설정
# start = time.time()
# gbr = GradientBoostingClassifier(n_estimators = 100, max_depth = 2, random_state=2)
# gbr.fit(X_train, y_train)
# y_pred = gbr.predict(X_test)
# score = accuracy_score(y_pred, y_test)
# print('점수: ' + str(score))
# end = time.time()
# elapsed = end-start
# print('실행시간: ' + str(elapsed) + '초')
## XGB 분류
# ### 부스팅 분야에서 타의 추종을 불허하는 속도를 보이는 모델. GPU_0에서 30배 빠름
# start = time.time()
# xg_reg = XGBClassifier(n_estimators=100, max_depth=2, use_label_encoder=False)
# xg_reg.fit(X_train, y_train)
# y_pred = xg_reg.predict(X_test)
# score = accuracy_score(y_pred, y_test)
# print('점수 : ' +str(score))
# end = time.time()
# elapsed=end-start
# print('실행 시간: ' +str(elapsed) + '초')

At-A-Glance

• 나이브 베이즈 vs. 의사결정나무 
• Phen 자료 제외
• 1,2 시간 전 자료 모두 사용한 경우 
• 1 시간 전 자료만 사용한 경우

나이브 베이즈

1,2 시간 전 자료 모두 사용

             precision    recall  f1-score   support

           0       0.98      0.69      0.81     10479
           1       0.17      0.90      0.29       193
           2       0.36      0.69      0.47      2480

    accuracy                           0.69     13152
   macro avg       0.50      0.76      0.52     13152
weighted avg       0.85      0.69      0.74     13152

1시간 전자료만 사용

               precision    recall  f1-score   support

           0       0.94      0.83      0.88     10479
           1       0.21      0.80      0.34       193
           2       0.47      0.60      0.53      2480

    accuracy                           0.79     13152
   macro avg       0.54      0.74      0.58     13152
weighted avg       0.84      0.79      0.81     13152

의사결정나무

1,2 시간 전 자료 모두 사용

               precision    recall  f1-score   support

           0       0.94      0.93      0.94     10479
           1       0.63      0.66      0.64       193
           2       0.70      0.72      0.71      2480

    accuracy                           0.89     13152
   macro avg       0.76      0.77      0.76     13152
weighted avg       0.89      0.89      0.89     13152

1시간 전 자료만 사용

               precision    recall  f1-score   support

           0       0.95      0.93      0.94     10479
           1       0.60      0.59      0.59       193
           2       0.70      0.74      0.72      2480

    accuracy                           0.89     13152
   macro avg       0.75      0.75      0.75     13152
weighted avg       0.89      0.89      0.89     13152