• 

  [보안] NAC 네트워크 접근제어 개념 및 주요 기능, 특징 NAC 네트워크 접근제어의 주요 개념 및 기능, 특징을 알아봅니다. [ Contents ] 1. NAC(Network Access Control, 네트워크 접근제어)네트워크에 접속하려는 사용자나 기기의 보안 상태를 점검하고, 정책에 맞는 경우만 접속을 허용하는 기술 주로 사내 네트워크에서 사용하는 기술입니다. 사내 보안 및 관리 프로그램을 설치하지 않으면 네트워크를 이용할 수 없는 식으로 운용하고 있죠. 정책에 맞는 기기만 접속을 허용하는 일종의 보안 게이트 역할을 합니다. 2. NAC 주요 기능1) 접근 제어/인증인증된 사용자만 접근을 허용하며, 사용자별 적절한 네트워크 권한 부여 네트워크의 모든 IP 기반 장치에 접근 제어를 수행합니다. 인증된 사용자에게 적절한 네트워크 권한을 인가하며, 인증.. 2025.09.14

• 

  [보안] IPSec VPN과 SSL VPN 개념과 동작방식, 차이점 비교 VPN 방식인 IPSec VPN과 SSL VPN 개념과 그 차이점을 알아봅니다. VPN은 가상 사설망으로 외부 인터넷망에서 암호화된 가상의 통신 터널을 만들어 데이터를 송수신하는 방식입니다. VPN에 대한 설명은 아래 글을 참조해주세요. 2025.09.14 - [CS/보안] - [보안] VPN(가상 사설망)의 개념과 기능: 데이터 암호화, 무결성, 접근통제, 개인정보보호 [보안] VPN(가상 사설망)의 개념과 기능: 데이터 암호화, 무결성, 접근통제, 개인정보보호VPN 개념과 기능에 대해서 알아봅니다. VPN은 실생활에서도 많이 사용하는 기술 중 하나로, 보안적으로도 중요한 개념 중 하나입니다. [ Contents ] 1. VPN(Virtual Private Network)이란?공용 네트워크(인터넷sta.. 2025.09.14

• 

  [보안] VPN(가상 사설망)의 개념과 기능: 데이터 암호화, 무결성, 접근통제, 개인정보보호 VPN 개념과 기능에 대해서 알아봅니다. VPN은 실생활에서도 많이 사용하는 기술 중 하나로, 보안적으로도 중요한 개념 중 하나입니다. [ Contents ] 1. VPN(Virtual Private Network)이란?공용 네트워크(인터넷)를 통해 사설 네트워크처럼 안전하게 통신할 수 있도록 해주는 기술 인터넷과 같은 불특정 다수의 망 위에 암호화된 가상의 통신 터널을 만들어, 외부에서 내부망에 안전하게 접속하거나 데이터를 보호하는 방식입니다. VPN은 한국어로 '가상 사설망'이라고 하며, 실제 전용선은 아니지만 논리적으로 전용선처럼 연결된 것처럼 만드는 걸 의미합니다. 그래서 출장이나 재택근무 시 사내망에 접속할 때 VPN을 사용합니다. 개인은 해외망 VPN을 사용해서 국내에 차단된 서비스를 접근.. 2025.09.14

• 

  [보안] 무단 복제 유출 방지 기술: 스테가노그래피, 워터마킹, 핑거프린팅 무단으로 복제하거나 유출하는 걸 막고자, 컨텐츠에 특정 정보를 삽입하는 기술을 소개합니다. 이러한 기술에는 스테가노그래피, 워터마킹, 핑거프린팅이 있으며 아래서 개념과 특징을 알아봅니다. [ Contents ] 1. 스테가노그래피컨텐츠에 첩보/비밀 메시지를 은닉 스테가노그래피는 이미지나 사운드에 메시지를 숨겨두는 기술입니다. 겉보기에는 평범한 사진이나 음악으로 보이지만, 특수한 프로그램으로 읽어내면 메시지가 나오는 방식이죠. 일종의 암호입니다. 그래서 무단 유출이나 복제를 방지하기 위해서보다는 비밀리에 정보를 전달하는 방식으로 사용했습니다. 하지만 지금은 이 기술을 활용해서 무단 유출이나 복제를 방지하는 데에도 쓰이고 있죠. 2. 워터마킹컨텐츠에 저작권/소유권 정보를 은닉 우리가 흔히 접하는 워터.. 2025.09.14

• 

  [보안] 윈도우 레지스트리 개념과 구조, 주요 특징 윈도우에서 사용하는 레지스트리에 대해 알아보고, 그 구조와 특징을 살펴봅니다. [ Contents ] 1. 레지스트리(Registry)란?윈도우 OS, 드라이버, 애플리케이션의 설정 정보 및 환경 설정을 계층적 트리 구조로 저장한 데이터베이스 레지스트리는 윈도우 운영체제의 핵심 데이터베이스로, 각종 주요 설정 정보 및 환경 설정을 저장하고 있습니다. JSON 파일과 유사하게 KEY-VALUE 구조를 띄고 있으며 각 키마다의 값을 저장합니다. 윈도우 레지스트리 편집기입니다. 값을 다 가려둔 이유는 공개되었을 경우 보안상 매우 취약하기 때문입니다. 중요 시스템 정보를 레지스트리 편집기에서 수정하실 수 있으며, 잘못 수정하면 시스템 장애가 나게 됩니다. 따라서 값을 수정하실 때에는 매우 신중하게 하셔야 .. 2025.09.12

• 

  [보안] SSO 관련 기술 및 프로토콜: SAML, OAuth, Kerberos SSO 인증방식에서 사용하는 기술 및 표준화 프로토콜에 대해서 알아봅니다. SSO는 여러 서비스의 계정 검증을 도맡아서 처리하므로, 표준화된 프로토콜이 필요하며 이리한 방식에는 SAML, OAuth, Kerberos가 있습니다. 이에 대해 살펴봅니다. [ Contents ] 1. SAML(Security Assertion Markup Language)XML 기반의 인증 및 인가 데이터 교환 표준 기업에서 SSO 구현 시에 가장 많이 쓰이는 프로토콜로, 브라우저/웹 환경에 최적화되어 있습니다. 인증서버와 서비스 간의 인증 및 인가 정보를 담은 XML문서를 주고 받아 접근을 허용합니다. 2. OAuth토큰 기반의 접근권한 위임 프레임워크 엑세스 토큰(Access Token)을 사용하여 API를 호출해.. 2025.09.08

• 

  [보안] SSO(Single Sign-On, 단일 로그인) 개념 및 장단점 사내 업무 시스템이나, 포털 사이트에서 많이 사용하는 SSO 인증 방식에 대해서 알아봅니다. 먼저 개념을 살펴보고, SSO 인증 방식의 장단점도 알아봅니다. [ Contents ] 1. SSO(Single Sign-On) 개념 한 번의 로그인으로 여러 시스템이나 서비스를 재인증 없이 접근할 수 있는 중앙 집중식 인증 체계 SSO는 번역하면 '단일 로그인'으로, 한 번의 로그인으로 연관 서비스들을 접속할 수 있는 방식을 말합니다. 예를 들어 네이버에 로그인하면 메일, 블로그, 카페 등 다양한 연계 서비스를 로그인 없이 이용할 수 있죠. 이는 SSO 인증서버에서 각 서비스의 사용자 자격 증명을 도맡아서 처리해주기 때문입니다. 2. SSO 동작 방식1. 사용자가 서비스 A에 로그인 요청2. 서비스 A가 .. 2025.09.07

• 

  [보안] 크리덴셜 스터핑(Credential Stuffing) 개념 및 공격 방법, 예방 대책 최근 개인정보 유출사고로 주목받고 있는 '크리덴셜 스터핑'의 개념 및 공격방법, 대처 방법에 대해서 알아봅니다. [ Contents ] 1. 크리덴셜 스터핑(Credential Stuffing) 유출된 아이디와 비밀번호 목록을 다른 웹사이트에 무작위로 입력해 로그인 후 개인정보를 훔치는 방식 보통 동일한 계정 아이디와 비밀번호로 여러 사이트에 회원가입을 합니다. 그렇지 않으면 본인이 계정 정보를 까먹어서 로그인을 못 하죠. 그래서 대부분 동일한 계정 정보를 갖고 있고, 유출된 계정 정보를 자동화 도구로 여러 사이트에 무차별 대입하는 공격 방식을 크리덴셜 스터핑이라고 합니다. 2. 공격 방식1. 공격자가 다크웹, 피싱, 데이터 유출 사건 등을 통해 ID/비밀번호 목록 확보2. 자동화 도구(봇, 스크립.. 2025.09.06

• 

  [Activity] 빅데이터분석기사 합격 후기 (쓸모, 필기 실기 공부 전략, 요약) 빅데이터 분석기사에 대해 알아보고, 합격 후기와 필기 실기 공부전략을 공유합니다. [ Contents ] 1. 빅데이터 분석기사란? 빅데이터 분석기사는 2019년에 창설된 기사 자격증입니다. 빅데이터 & AI 시대를 맞아, 빅데이터 전문인력을 양성하기 위해 만들어졌죠. 물론 빅데이터 분석 및 AI 업무는 주로 석·박사생이 하기 때문에, 현업과는 조금 동떨어져 있긴 합니다. 그럼에도 여전히 취업 시장에서는 유효한 입지를 가지고 있습니다. 수요에 비해 AI 인력이 부족하며, 도메인 지식을 가진 현업 종사자가 AI & 빅데이터 분석기술을 익혀서 적용하는 경우가 많기 때문입니다. AI 연구 및 R&D 쪽으로 취업은 어렵겠지만, 현업 지식을 가진 경력자가 이직하거나 직종 전환에서는 유효한 자격증입니다. (신입 .. 2025.07.16

• 

  [Scipy] 분산분석(ANOVA, Analysis of Variance) 개념과 파이썬 활용 예제 알아보기 Scipy.stats 통계 패키지의 f_oneway를 이용해서 분산분석하는 예제를 살펴보고, ANOVA의 개념도 알아봅니다. [ Contents ] 1. 분산분석 (ANOVA, Analysis of Variance)3개 이상의 집단의 평균이 서로 같은지 검정 분산분석은 3개 이상의 집단 평균이 서로 같은지를 판별하는 검정입니다. 두 집단의 평균이 같은지는 T검정을 통해서 판별하며, 분산분석은 3개 이상의 집단을 대상으로 합니다. 2025.06.17 - [Data Visualization/Python Lib] - [Scipy] T-검정 개념 및 파이썬 활용 예시 알아보기 (ttest-1samp, ttest_ind, ttest_rel) [Scipy] T-검정 개념 및 파이썬 활용 예시 알아보기 (ttes.. 2025.06.17

• 

  [Scipy] chisquare 카이제곱 적합도 검정, 범주형 변수 기대 분포 일치 여부 검정하기 scipy.stats 통계패키지의 chisquare를 이용하여 카이제곱 적합도 검정을 해봅니다. [ Contents ] 1. 카이제곱 적합도 검정한 범주형 변수의 관찰값이 기대 분포와 일치하는지 여부 검정 단일 범주형 변수에 대해 관찰값이 기대 분포(확률)와 일치하는지를 판별하는 검정입니다. 귀무가설(H0): 실제 관측 분포는 기대 분포와 같다.대립가설(H1): 실제 관측 분포는 기대 분포와 다르다. 귀무가설을 채택하면 관측 분포가 기대 분포와 같다고 볼 수 있으며, 유의수준 5%에서 p-value가 0.05보다 커야 합니다. 2. 활용 예제from scipy.stats import chisquare# 예: 동전 앞/뒤 100번 중 나온 횟수observed = [48, 52] .. 2025.06.17

• 

  [Scipy] 카이제곱 독립성 검정 개념 및 chi2_contingency 사용 예제 Scipy.stats 통계 패키지에 chi2_contingency를 이용하여 범주형 변수의 독립성 검정 하는 방법을 알아봅니다. [ Contents ] 1. 카이제곱 독립성 검정두 범주형 변수 간의 독립 여부 판별 카이제곱 독립성 검정은 성별이나 국적과 같은 범주형 변수의 독립 여부를 판별합니다. 귀무가설(H0): 두 변수는 서로 독립이다.대립가설(H1): 두 변수는 서로 독립이 아니다. 귀무가설은 두 변수의 독립성을 가정하며, 유의수준 5%에서 p-value가 0.05보다 크면 두 변수는 서로 독립이라고 판별할 수 있습니다. 2. 활용 예제import pandas as pdfrom scipy.stats import chi2_contingency# 예시 데이터: 성별(gender)과 제품 구매(p.. 2025.06.17

• 

  [Scipy] 등분산 검정 Levene Test, 파이썬 통계 패키지 이용해서 검정하는 방법 두 집단의 분산이 같은지 검정하는 걸 등분산 검정이라고 합니다. 대표적인 등분산 검정인 Levene test를 알아보고, 이를 파이썬 패키지를 이용해서 검정해보겠습니다. [ Contents ] 1. 등분산 검정 두 개 이상의 그룹이 같은 분산을 가지는지 검정 두 개 이상의 표본 집단의 분산이 서로 같은지를 판별하는 검정입니다. T 검정 등을 하기 전에 등분산 여부를 판별해야 하는 경우가 있으므로, 본 검정 전에 주로 시행합니다. 귀무가설(H0): 두 그룹의 분산이 같다.대립가설(H1): 두 그룹의 분산이 다르다. levene 레빈 검정에서 귀무가설은 등분산을 뜻하며, 유의수준 5%에서 p-value가 0.05보다 크면 귀무가설을 채택합니다. 즉, p-value가 0.05보다 커야 통계적으로 등분산이.. 2025.06.17

• 

  [Scipy] 정규성 검정 개념 및 shapiro를 통한 파이썬 사용 예시 알아보기 파이선 Scipy.stats 패키지에서는 shapiro 샤피로 검정을 제공합니다. 정규성 검정이 무엇인지 살펴보고, 그 활용 예시도 알아봅니다. [ Contents ] 1. 정규성 검정 (normality Test)데이터가 정규성을 따르는지 검정 데이터가 정규분포를 이루는지 판별하는 검정입니다. 통계에서 정규성은 상당히 중요하며, 대부분의 이론이 정규성을 가정으로 하고 있죠. 물론 그 토대에는 중심극한정리가 있고, 표본 수가 크면 대체로 정규분포 형태를 가진다고 합니다. 귀무가설(H0): 데이터는 정규분포를 따른다대립가설(H1): 데이터는 정규분포를 따르지 않는다 정규성 검정에는 Shapiro-Wilk Test가 대표적이며, 위와 같은 가설 검증을 합니다. 아래에선 파이썬 패키지를 통해 예제 데이터.. 2025.06.17

• 

  [Scipy] T-검정 개념 및 파이썬 활용 예시 알아보기 (ttest-1samp, ttest_ind, ttest_rel) 평균값 검정에 쓰이는 T 검정의 개념에 대해 알아보고, 이를 파이썬 Scipy.stats 라이브러리를 이용해서 시연해봅니다. [ Contents ] 1. T검정(T-test)두 집단(또는 한 집단과 기준값) 간의 평균 차이가 통계적으로 유의한지를 검정하는 통계적 방법 표본을 통해 모집단의 평균을 추정할 때 T 검정을 합니다. 특정 값 또는 특정 집단과의 평균 차이가 어느 정도 되는지를 T 검정을 통해서 가름할 수 있습니다. 1) 가설 설정귀무가설(H0) : 두 평균의 차이는 없다.대립가설(H1) : 두 평균의 차이가 있다. 유의수준 5%에서 p-value 값이 0.05보다 작으면 귀무가설을 기각하여, 평균 차이가 있다고 볼 수 있습니다. 반대로 0.05보다 크면 귀무가설을 채택하여 통계적으로 .. 2025.06.17

• 

  [Pandas] map 이용해서 데이터프레임 그룹 통계 열 추가하기 Pandas map을 이용해서 groupby를 통해 생성한 그룹 통계를 열에 추가하는 방법을 알아봅니다. [ Contents ] 1. mapSeries.map(함수 또는 dict 또는 Series) map은 groupby로 생성한 그룹 통계나 함수 등을 매핑할 때 사용합니다. 단순 설명으로는 이해가 쉽지 않으니, 아래 예제를 통해 알아보겠습니다. 2025.06.07 - [Data Visualization/Python Lib] - [Pandas] 데이터셋 그룹 집계함수 groupby 사용법 (평균, 합계, 개수, 최대, 최소) [Pandas] 데이터셋 그룹 집계함수 groupby 사용법 (평균, 합계, 개수, 최대, 최소)판다스에서 groupby 집계함수를 사용해서 평균, 합계, 개수, 최대, 최소, .. 2025.06.17

• 

  [Pandas] transform 이용해서 groupby 집계별 연산결과 덧붙이기 판다스의 transform 함수를 이용해서 groupby로 도출한 집계 결과별 연산 결과를 덧붙이는 방법을 알아봅니다. [ Contents ] 1. transformdf.groupby('기준컬럼')['타겟컬럼'].transform(함수) transfrom은 groupby와 함께 쓰이는 함수입니다. 기존에는 groupby('기준칼럼')['타겟컬럼'].집계함수() 방식으로 집계결과를 따로 도출하곤 했습니다. 하지만 transform은 기존 행에 집계 결과를 덧붙일 수 있습니다. 이는 아래 예시를 통해서 자세히 알아봅니다. 2. 활용 예시import pandas as pddf = pd.DataFrame({ '부서': ['영업', '영업', '인사', '인사', '개발', '개발'], '이름'.. 2025.06.17

• 

  [Pandas] 데이터프레임 행 열마다 함수 연산 적용하는 방법 (apply 활용) apply를 이용해서 판다스에서 데이터프레임 또는 시리즈 데이터에 함수를 적용할 수 있습니다. 해당 함수를 사용하는 방법을 예제와 함께 다룹니다. [ Contents ] 1. apply함수DataFrame.apply(func, axis=0) # axis=0이면 열(column) 기준DataFrame.apply(func, axis=1) # axis=1이면 행(row) 기준 apply는 '적용하다'라는 뜻처럼, 데이터에 함수 연산을 적용해서 원하는 값을 도출해낼 수 있습니다. axis 파라미터 생략 시, 기본값을 열 기준(axis=0)으로 세팅됩니다. 보통 통계적 수치는 열 기준으로 잡을 때가 많죠. 2. 활용 예제import pandas as pddf = pd.DataFrame({ '1과목.. 2025.06.16

• 

  [AI/DL] 랜덤포레스트 앙상블 모델로 분류 문제 예측하는 방법 (Sklearn 이용) sklearn 패키지를 통해 랜덤포레스트 분류 학습을 하는 방법을 알아봅니다. [ Contents ] 1. 모델 학습from sklearn.model_selection import train_test_splitx_train, x_val, y_train, y_val = train_test_split(train_data, y, test_size=0.1)print(x_train.shape, x_val.shape, y_train.shape, y_val.shape) 모델 학습에 앞서, 학습 및 평가에 쓰일 데이터를 분리합니다. train_test_split 를 이용해서 9대 1 비중으로 학습데이터와 평가데이터를 나눕니다. # 모델 학습from sklearn.ensemble import RandomForest.. 2025.06.15

• 

  [빅데이터분석기사 실기 10회] 테스트 체험 환경 제2유형 풀이 (원핫 인코딩 이용) 빅데이터분석기사 실기 10회 체험환경 2유형 문제를 원핫 인코딩 방식으로 풀이합니다. [ Contents ] 1. 문제 풀이2025.06.15 - [Data Engineering] - [빅데이터분석기사 실기 10회] 테스트 체험 환경 제2유형 모델 학습 정답 및 해설 [빅데이터분석기사 실기 10회] 테스트 체험 환경 제2유형 모델 학습 정답 및 해설빅데이터분석기사 실기 10회 제2유형 체험 환경 문제를 풀어보고, 예시 답안과 결과를 살펴봅니다. [ Contents ] 1. 문제 분석 구름EDU - 모두를 위한 맞춤형 IT교육구름EDU는 모두를 위한 맞춤형 IT교육star7sss.tistory.com 제2유형은 문제와 풀이가 정해져 있습니다. 구름 IDE환경에서 더 심화된 모델 학습이나 평가를 하기에는.. 2025.06.15

• 

  [빅데이터분석기사 실기 10회] 테스트 체험 환경 제2유형 모델 학습 정답 및 해설 빅데이터분석기사 실기 10회 제2유형 체험 환경 문제를 풀어보고, 예시 답안과 결과를 살펴봅니다. [ Contents ] 1. 문제 분석 구름EDU - 모두를 위한 맞춤형 IT교육구름EDU는 모두를 위한 맞춤형 IT교육 플랫폼입니다. 개인/학교/기업 및 기관 별 최적화된 IT교육 솔루션을 경험해보세요. 기초부터 실무 프로그래밍 교육, 전국 초중고/대학교 온라인 강의, 기업/edu.goorm.io 10회 실기시험 2유형 체험 문제는 '회귀'가 나왔습니다. 백화점 고객의 1년간 상품 구매 기록을 학습해서, 총구매액을 예측하는 모델을 만들어야 합니다. 평가 지표는 RMSE였습니다. 2. 데이터 전처리import pandas as pdtrain = pd.read_csv("data/customer_train.. 2025.06.15

• 

  [빅데이터분석기사 실기 10회] 테스트 체험 환경 제3유형 통계 분석 정답 및 해설 빅데이터분석기사 실기 10회 체험 문제 - 제3유형 통계 분석 문제를 풀어봅니다. [ Contents ] 1. 문제 분석 구름EDU - 모두를 위한 맞춤형 IT교육구름EDU는 모두를 위한 맞춤형 IT교육 플랫폼입니다. 개인/학교/기업 및 기관 별 최적화된 IT교육 솔루션을 경험해보세요. 기초부터 실무 프로그래밍 교육, 전국 초중고/대학교 온라인 강의, 기업/edu.goorm.io 빅데이터분석기사 실기 체험 문제는 위 링크에서 확인하실 수 있습니다. 다만 주기적으로 문제를 교체하기 때문에, 추후에는 변경될 수 있습니다. 제10회 체험문제는 T-검정 문제가 나왔습니다. 제3유형으로 통계 분석 문제가 나온지 얼마되지 않았기 때문에 기출도 적고, 나올 유형도 많습니다. 그래서 기출을 외우기 보다는, 시험에 .. 2025.06.14

• 

  [빅데이터분석기사 실기 10회] 테스트 체험 환경 제1유형 데이터 분석 정답 및 해설 빅데이터분석기사 실기는 구름 EDU에서 실시하며, 미리 시험환경을 테스트해볼 수 있습니다. 테스트 문제를 풀어보며 10회 시험 감각을 익혀봅니다. [ Contents ] 1. 문제 분석 구름EDU - 모두를 위한 맞춤형 IT교육구름EDU는 모두를 위한 맞춤형 IT교육 플랫폼입니다. 개인/학교/기업 및 기관 별 최적화된 IT교육 솔루션을 경험해보세요. 기초부터 실무 프로그래밍 교육, 전국 초중고/대학교 온라인 강의, 기업/edu.goorm.io 문제는 위 링크를 통해서 보실 수 있습니다. 체험 문제는 지속적으로 업데이트가 되기 때문에, 추후 달라지기도 합니다. 데이터는 회사 직원 연봉과 근속 연수 등에 대한 자료가 나왔습니다. 결측치 대체 및 제거 과정을 거치고, 4분위수와 그룹 통계를 구하는 문제였어.. 2025.06.14

• 

  [Web] 홈페이지 공지사항 팝업창 띄우는 알아보기 홈페이지에서 공지 팝업창을 띄우는 방법을 알아봅니다. [ Contents ] 1. HTML 공지사항 공지사항 내용입니다. 닫기 공지사항 팝업창이 될 를 간단히 만들어봅니다. 닫기 버튼도 태그를 이용해서 만듭니다. 위와 같은 팝업창을 공지사항 탭 링크를 누르면 띄우도록 만들어보겠습니다. 2025.06.13 - [Web] - [Web] 홈페이지 탭 전환 기능 구현하기 (addClass, removeClass 이용) [Web] 홈페이지 탭 전환 기능 구현하기 (addClass, removeC.. 2025.06.13

• 

  [Web] 홈페이지 탭 전환 기능 구현하기 (addClass, removeClass 이용) 홈페이지에서 addClass, removeClass 이용해서 탭 전환하는 방법을 알아봅니다. [ Contents ] 1. HTML 공지사항 갤러리 공지12025.06.01 공지22025.06.02 공지32025.06.03 공지42025.06.04 .. 2025.06.13

• 

  [Web] 이미지 슬라이드 fade out, fade in 구현 방법 알아보기 홈페이지 이미지 슬라이드에서 점차 흐려지다가, 다음 이미지로 넘어가는 fade out, fade in 기법을 알아보겠습니다. [ Contents ] 1. HTML 이미지1 이미지2 이미지3 ul - li 태그를 이용해서 이미지를 배치합니다. 현재 이미지는 li 태그 안에 있으므로 수직형태입니다. 2.. 2025.06.13

• 

  [Web] 홈페이지 일자형 슬라이딩 메뉴 구현하기 (수직 메뉴바) 홈페이지에서 수직 형태의 메뉴 바를 구현하는 방법을 알아봅니다. [ Contents ] 1. HTML 메인1 서브1 서브2 서브3 서브4 메인2 서브1 서브2 서브3 메인3 서브1 서브2 서브3 메인.. 2025.06.13

• 

  [Web] 슬라이드 메뉴 구현하는 방법 (전체 서브메뉴 슬라이딩) 홈페이지에서 상단 네비게이션 메뉴 바에서 마우스를 올려뒀을 때, 하단 메뉴가 슬라이딩되게 만드는 법을 다룹니다. [ Contents ] 1. HTML 우리가 일반적으로 볼 수 있는 메뉴 형태입니다. 위 메뉴는 아래와 같이 틀을 짤 수 있습니다. 메인메뉴1 서브1 서브2 서브3 메인메뉴2 .. 2025.06.13

• 

  [Web] 웹페이지 좌우로 움직이는 이미지 슬라이드 구현 방법 웹페이지에서 좌우로 움직이는 이미지 슬라이드 구현 방법을 알아봅니다. [ Contents ] 1. HTML 이미지1 이미지2 .. 2025.06.13

• 

  [Web] 웹페이지 위아래로 움직이는 이미지 슬라이드 구현 방법 웹페이지에서 위아래로 움직이는 이미지 슬라이드 구현 방법을 알아봅니다. [ Contents ] 1. HTML 이미지1 이미지2 .. 2025.06.13