일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
- 웹크롤링
- hadoop
- 빅데이터분석기사
- ggplot2
- 머신러닝
- 하계인턴
- kt aivle school
- python
- kaggle
- dx
- SQLD
- Eda
- 에이블스쿨
- 소셜네트워크분석
- 지도학습
- Ai
- 딥러닝
- 가나다영
- r
- 하둡
- 한국전자통신연구원
- 에이블러
- 시계열
- cnn
- 시각화
- 다변량분석
- matplot
- httr
- 기계학습
- arima
- KT AIVLE
- 빅분기
- ETRI
- KT 에이블스쿨
- 프로그래머스
- SQL
- 한국전자통신연구원 인턴
- ML
- 에트리 인턴
- 서평
- Today
- Total
목록에이블스쿨 (19)
소품집
안녕하세요! 오늘은 한 달 만에 돌아온 KT 에이블스쿨 4차 미니젝트 회고를 해보려 합니다. 이번 미니프로젝트는 특이하게 에이블 데이가 함께 있었는데요! 에이블 데이 때는 KT에서 주관하는 AICE 시험을 봤습니다. 시험 범위는 데이터 분석, 시각화, EDA, 모델링이었습니다! 에이블스쿨 교육에서 배운 내용이 시험 범위 + 오픈북 + 사전 실습자료 배포를 해주셨습니다. 무난히 통과할 만큼은 한 것 같지만 결과는 나와봐야 알겠죠! ^_^ ( 합격 했습니다~!ㅎㅎ) 학교 캠퍼스에도 AICE 자격증 홍보 플랜카드도 붙어있더라고요 신설 자격증이고, 우대 기업도 많으니 알아보고 필요하시면 취득하는 것도 좋은 것 같습니다. https://aice.study/ AICE aice.study 다시 돌아와서 미니프로젝트!..
느슨한 결합 아키텍처에 대하여 동기식 처리 - 클라이언트에서 요청을 보냈을 때 서버가 처리 후, 응답을 받은 뒤에 다음 동작을 수행함 - 설계가 간단하고 직관적이지만 응답을 받기 전까진 대기 상태로 유지하는 단점이 있음 비동기식 처리 - 비동기 방식은 서버에 요청을 보내고 응답 여부와 상관 없이 클라이언트는 대기 없이 다음 동작을 수행함 - 설계가 동기식 처리보단 복잡하지만, 응답 여부와 상관 없이 다음 동작을 수행하기 때문에 자원을 효율적으로 사용할 수 있음 SQS (Simple Queue Service)란? 운영하는 서비스의 규모가 커질수록 요청하는 기능을 정확하게 처리하는게 중요해지고 있으며, 서버들끼리 주고받는 메세지를 SQS는 서버들끼리 주고받는 메세지 처리를 정확하게 수행해줌. - 시스템이 처..
모니터링 서비스 - CloudWatch AWS 리소스 및 애플리케이션에 대한 각종 성능 지표를 수집, 모니터링하며 관리하기 위한 서비스 전체 시스템의 리소스 사용률, 애플리케이션 성능, 운영 상태를 종합적으로 파악 CloudWatch 작동방식 CloudWatch는 AWS 서비스의 지표와 로그 저장소로 저장된 지표를 모니터링하고 로그를 분석함 오토 스케일링 기능은 모니터링하며 리소스를 자동으로 확장/축소하며 리소스 비용을 최적화하는 데 용이함 애플리케이션을 통해 수신하는 클라이언트 요청을 SQS 대기열에 적제 > CloudWatch를 활용해 메시지가 쌓일 경우 경보 발생 CloudTrail 기업 내에서는 클라우드 내에서 자원을 저장하고 조회하게 되는데, 적법한 사용자만 클라우드 서비스에 접근했는지 감사하고..
아키텍처 비즈니스 요구사항을 만족하는 시스템을 구축하기 위해 필요한 전체 시스템에 대한 구조를 최적화하여 정의한 설계 문서 아키텍처 인프라를 구축할 때 고려해야 할 사항으로는 고가용성, 성능, 비용 측면 등이 있음 클라우드 아키텍처를 구성하기 위해서 우리는 가용 / 리소스 / 서비스가 어떤 역할, 기능을 제공하는 서비스인지 파악하는 것이 중요함 Networking Service - AWS VPC 가용 영역과 리전 가용 영역(Availability Zone) : 여러 데이터 센터의 집합으로, 각각의 가용 영역 간에는 고속 프라이빗 전용선으로 연결되어 있음 리전(Region) : 가용영역의 집합 VPC : Virtual Private Cloud 클라우드의 가상 프라이빗 네트워크 공간으로 AWS 리소스를 사용..
DX - Digital Transformation란 디지털 기술을 적용하여 비즈니스 모델 변화하고 혁신시키는 과정 고객과 사용자의 니즈를 파악하고 변화를 민첩하고 유연하게 대응하며 지속 가능한 발전을 이룰 수 있도록 함. 코로나19 이슈로 비대면으로 진행되는 행사/업무가 늘어남에 따라 많은 기업들의 디지털 트랜스포메이션을 가속화시키는 결정적인 계기가 되었음! 클라우드 컴퓨팅의 정의 클라우드 컴퓨팅이란 사용자들이 필요에 의해 컴퓨팅 자원을 할당 받고, 자원이 공유되는 가상화된 시스템을 의미함 클라우드 컴퓨팅은 IT 리소스를 인터넷을 통해 온디맨드로 제공하고 사용한 만큼 비율을 지불하는 것 온디맨드(On-Demand)? 주문형 서비스로 고객이 필요한 만큼 자원을 할당받는 것 클라우드의 추상화, 가상화 1) ..
1. OSI 7 계층 모델 네트워크 프로토콜이 통신하는OSI 7 계층은 위와 같이 7개의 계층으로 구성되고, 각 계층 간 상호 동작하는 방식을 정리한 모델 송신 측은 보내고자 하는 데이터가 각 계층을 지나 내려가면서 헤더가 첨가되고, 수신 측에서는 수신한 패킷을 위로 올려보내며 헤더를 하나씩 확인, 제거한다. 동일한 계층끼리 헤더를 통해 정보를 주고받는 모습을 보고 “동일한 계층끼리 논리적으로 연결되어 있다”라고 표현하기도 한다. 물리 계층 (Physical Layer) > 장비: 허브, 리피터 물리 계층은 OSI 최하위 계층에 속하며, 상위 계층에서 전송된 데이터를 물리 매체(허브, 라우터, 케이블 등)를 통해 다른 시스템에 전기적 신호를 전송하는 역할을 한다. 전송 단위: 비트(bit) 데이터 링크 ..
네트워크 1. 패킷의 처리 인터넷은 여러 네트워크의 연결로 구성되어 있기 때문에 송신지에서 목적지까지 도달할 수 있는 경로가 여러개 있을 수 있다. 여기서 어느 하나의 올바른 경로를 선택하는 것이 라우팅(경로 설정)이며 이는 네트워크 계층의 핵심적인 기능이다. 1) 패킷의 발송 IP 패킷이 네트워크가 통과 시킬 수 있는 최대 바이트보다 클 경우에는 단편화(Fragmentation) 전송하게 되는데 그 단표화 정보도 IP 패킷의 헤더에 저장하여 보내게 된다. 2) 최종 목적지 단편화된 패킷을 받은 목적지에서는 다면, 단편들을 모아서 하나의 온전한 패킷을 조립한다. 여기서 만약 하나의 온전한 패킷으로 조립이 불가능 하다면 모두 폐기시키고 이를 송신지에게 CMP(Internet Control Message P..
안녕하세요! 이번에는 저번 주에 마무리된 KT 지니랩스 데브옵스 경진대회 후기를 작성해보려고 합니다. 모델 학습에 시간이 많이 소모되어 성능을 많이 내보지 못해서 아쉬웠는데요! 코드 리뷰는 내부 사정으로 비공개지만 그래도 추억겸 + 저희 반 연진, 종민님과의 데브옵스 경진대회 본선 과정을 담아보려고합니다. 우선 저는 학교 랩실생이 아니었지만 친한 석사 오빠들이 있어서! 자리를 빌렸습니다 정말 2주동안 기생충처럼 랩실에 있었어요... 다행인건 학교 축제기간이랑 겹쳐서 랩실이 널널 했어요 제가 축제를 못 즐겼단 말이기도 합니다😂 게다가 최종주에는 에이블스쿨 미니 프로젝트와 겹쳐서 10배로 더 바빴습니다. 세명 모두 9-6시는 고정으로 못하니 밤-새벽, 주말에는 풀로 진행했습니다. 연진님 방은 안가봤지만 가 ..
안녕하세요! 오늘은 KT 에이블스쿨 3차 미니프로젝트 회고를 해보려고 합니다. 이번 3차 미니프로젝트에서 가장 기억에 남았던 세션이었던 Kaggle competition에서 악성 코드 탐지 모델 개발을 주제로 진행됐는데요, 저는 이번 대회에서 13등을 했습니다!! 점심 먹기전엔 4등이었는데... 금세 밀려나는 게 재밌더라고요 오랜만에 전공지식 다 꺼내기 + 구글링 + 도메인 빠르게 확보.. 해서 10등에서 제발 내려가지 마라!! 했지만.. 어림도 없지 앞으로 치고 나오는 에이블러분들..ㅎㅎ... 한없이 겸손해지는 이번 대회였습니다. 앞으로도 경진대회 많이 했으면 좋겠어요!!ㅋㅋㅋ * 더 자세한 코드는 제 Github에 올려두었습니다. https://github.com/sodayeong/AIVLE-Scho..
https://sodayeong.tistory.com/142?category=977648 [Deep Learning] CNN 입출력, 파라미터 계산 다음 조건과 같은 이미지를 학습하는 CNN의 각 레이어별 입력 데이터와 출력 데이터의 Shape을 계산해 보고 네트워크가 학습시키는 파라미터의 개수를 계산해 보겠습니다. 입력 데이터 Shape: (39, 31 sodayeong.tistory.com - 코랩 환경에서 이미지 분류 데이터 셋으로 유명한 MNIST 데이터로 CNN 모델을 실습했다. - 강의 진도 상 오늘은 실습만 하고, 추후 이론 설명을 해주신다고 하셨다. - 지난번에 기록한 딥러닝 CNN 입출력, 파라미터 계산을 공부하고 내일 수업 듣자.