소품집

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..

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.

sequential model 기본 import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns from sklearn.model_selection import train_test_split from sklearn.metrics import * from sklearn.preprocessing import StandardScaler, MinMaxScaler # DL - keras from keras.models import Sequential # 모델 레이어를 선형으로 연결, 인스턴스 자동으로 넘겨줌 from keras.layers import Dense # hidden layer 쌓기 from ten..

데이터 분석 프로세스 1. 비즈니스 이해 - 문제 정의 (따릉이 배치 장소를 추가하자) - 데이터 분석 방향, 목표 설정 (따릉이 수요와 공급이 맞는 장소에 배치를 늘린다) - 가설 수립 (따릉이 대여량은 따릉이 배치 시설과 관련이 있다) 2. 데이터 이해 - EDA & CDA - 데이터 통계량 확인 3. 데이터 전처리 - 결측치 확인 (대치, 삭제, 변환 등) - 가변수화 (범주 > 수치) - 스케일링 * 표준화, 정규화 - 데이터 분할 (train, validation) 4. 모델링 - 분류 > logistic, Naive bayes, DT, SVM, catboost, ensemble.. - 회귀 > liner, Gradient desent, ridge, lasso.. - 모델 학습 - 검증 및 평가..

seaborn 시각화 라이브러리 옵션 정리 1. 히스토그램 + kde 중첩 plt.figure(figsize=(13,6)) plt.subplot(1,2,1) sns.histplot(data=titanic, x='Age', hue='Survived', bins=16,stat='density', kde=True, multiple='stack') plt.title('seaborn 히스토그램') plt.subplot(1,2,2) plt.hist(data=titanic, x='Age', bins=20, color='pink', edgecolor='black', alpha=0.7, density=True,) plt.xlabel('Age') plt.title('matplot 히스토그램') plt.grid() plt...