전체 글 142

기획 _ TripTags

- 전 세계 도시별로 Local들을 모아서 여행의 차별화 및 여행기획 (Guide)- 도시별 친구, 로컬 간 교류 프로그램 및 사업화 요소 도입( contributor제도 ) 1. 권한 및 사용자 레벨 🥉 Bronze (신규) - 최소 요건: 거주 증명 - 콘텐츠 5개 이상 - 후기 10개 이상🥈 Silver (검증) - 거주 6개월 이상 증명 - 콘텐츠 20개 이상 - 평점 4.5 이상 - 후기 50개 이상🥇 Gold (전문가) - 거주 2년 이상 증명 - 콘텐츠 50개 이상 - 평점 4.7 이상 - 후기 200개 이상💎 Diamond (VIP) - 거주 5년 이상 - 콘텐츠 100개 이상 - 평점 4.9 이상 2. Contents구성 기획 1) 혼자 여행 Guide✅ 안전 정보 - 안전한 지..

카테고리 없음 2025.11.22

AWS_Cloud_6th

1. EKS ( Elastic Kubernetes Service, 표준 쿠버네티스 ) - AWS에서 쿠버네티스를 손쉽게 실행하도록 지원하는 관리형 서비스 ( Control Plane, MasterNode, WorkerNode를 모두 관리 )- 높은 관리비용 (클러스터 관리), 구축 난이도(ECS or App Runner보다 복잡)- Data Plane의 타입 EC2 ( High Performance, Customizing ) Fargate ( managed by AWS, Serverless, GPU X ) 1) 기본 설정 _ 실습 구성 ① aws cli 및 자격증명, kubectl/eksctl/node 설치 - region 변경은 aws configure로 진행 ② ECR(Elasti..

Infra 2025.09.08

AWS_Cloud_5th

ServerLess Solutions FaaS ( Function As A Service )- 장점: 비용이 적게 들고, 자동확장되며, 비용절감 (비지니스 로직에만 집중), 운영/유지보수의 작업을 CSP가 수행( OS설치, 보안패치, 스케일링 ), 1백만건 Free/month- 단점 : 월간 요청 임계점을 초과하는 경우, 장시간 실행/지속적인 서버상태관리가 필요한 어플리케이션 - 특징 : 이벤트 트리거 기반으로 실행 , 함수 호출 및 실행, 자동 확장 호출시 활성화로 첫 호출시 지연, 오류시 디버깅이 어려움 (별도의 Tool필요) 1. AWS Lambda- 함수 코드로 바로 실행가능 용도 : 웹어플리케이션, 파일처리, 스트림 처리, 예약 작업 ex) 주문 시 알림, 파일의 리사이징 ..

Infra 2025.09.04

AWS_CLOUD_3rd

1. RDS (Relational Database Service)- 완전 관리형 RDB ( 자동 OS업데이트, 백업/복구, 모니터링, Read Replicas(읽기 성능향상을 위해 읽기전용 복제본 인스턴스 운영), 고가용성 ( Multi-AZ 적용 : 기본인스턴스에서 보조 인스턴스로 Failover), EBS연동, 자동 스케일링 ) - Amazon Aurora ( MySQL/Postgre와 호환되는 DB, 성능 극대화 ) 고가용성/내구성 ( 자동 Scale-out, 128TB 확장가능, 6개 복사본을 3개의 AZ에 분산배치 )- RDB 프록시 : RDS와 Aurora DB연결하는 DB 풀링서비스 ( 어플리케이션과 DB사이의 연결의 커넥션 pool, 최적화 ) 1) 생성 (region에 종속)데이터베이스..

카테고리 없음 2025.08.23

AWS_CLOUD_2nd

1. 확장성 및 고가용성 1) 기본 개념 (1) 확장성- 시스템의 용량을 필요에 따라 확장 ( Scale Up, Scale Out )- Scale Up : 데이터베이스 등 분산이 불가능한 시스템 적용 ( RDS, Elastic Cache )- Scale Out : 분산 시스템 구성이 유리 ( 로드밸런서 필요 ) (2) 고가용성 - 시스템이 작동 가능한 상태를 유지 (수평확장과 함께 사용) - 클라우드에서는 인스턴스를 다양한 AZ에 분산하여 서비스가 중단되지 않도록 함 (3) 부하분산 ( Load Balancing )- 작업 부하를 고르게 배분 ( 과부하 방지) 2) ELB ( Elastic LoadBalancer )- 트래픽 분배 ( ASG와 결합, 트래픽에 대응 )- HTTP, HTTPS, TC, ..

Infra 2025.08.23

AWS_CLOUD_1st

1. Cloud Service1) 서비스 및 사업자 (1) 사업자 유형- CSP(Cloud Service Provider) : Cloud 서비스 제공자 - MSP(Managed Service Provider) : Cloud 도입/구축/운영 등 관리서비스 제공자 (2) 클라우드 서비스 유형 - IaaS : Infra서비스 대여 예) EC2- PaaS : Platform서비스 대여 예) RDS : 완전 관리형 DB - 이중화, 백업 등의 관리기능 포함- SaaS 2) AWS 기본 설정 (1) IAM (Identity and Access Management)- 접근제어 서비스( 사용자, 그룹, 역할 및 권한을 관리 )- 중앙집중식, 세분화된 접근제어, 정책기반 관리, MFA(다중 인증지원)- 권장 설..

Infra 2025.08.22

Spring Cloud MSA_1

1. Spring Cloud & MSA 1) MSA- 하나의 어플리케이션을 독립적인 서비스(MicroService)로 구성하는 Architecture- 장점 : 확장성, 다양한 기술 스택 적용가능, 유지보수 용이, 장애 대응- 핵심요소 : API Gateway, Service Mesh, Backing Service, CI/CD Automation, Telemetry, Container Management 2) MicroService Pattern(1) 클라이언트와 마이크로서비스 통신 : API Gateway Pattern (라우팅/프록시, 보안 , 밸런싱)(2) 마이크로 서비스 내부 통신 : Service Discovery Pattern ( 동적인 서비스 통신 )(3) 비동기 통신 : Message ..

Infra 2025.08.07

6. AutoEncoder & GAN , RNN

1.  오토인코더 1) 오토 인코더 - 입력데이터를 인코딩 후, 본래의 데이터형태로 디코딩하는 비지도학습 형태의 신경망 (부호화,복호화)- 입력층과 출력층 수가 동일 ( 이외에는 다층 퍼셉트론과 유사 )- 매니폴드를 찾는 것이 핵심 기능 (매니폴드 학습 : 고차원 데이터의 특징과 구조 투사하는 학습과정)  (1) 오토인코더 구조 ① 구성 요소   인코더 : 입력데이터를 저차원의 잠재 벡터로 압축    잠재 벡터 ( latency vector ) : 차원 압축의 결과물, z=h(x)   디코더 : 저차원의 잠재벡터를 입력데이터와 유사하게 복원, y=g(z)=g(h(x)) ② 학습   - 손실값 (MSELoss) 최소화 학습 ( 입력데이터 x와 재구성 예측값 y의 오차제곱합을 평균 ) (2) 오토인코더의 특..

5. Deep CNN

1. AlexNet (ReLU, 데이터증강, 드롭아웃)ILSVRC(ImageNet LargeScale VisualRecognition Challenge, 2010 ~ 2017) 2012 Winner - 2010,2011년 (전통적 비전, 정확도 70~75%), 2012~2015년 (딥러닝, 정확도 85~95%)- AlexNet을 토대로 Deep Learning시작 (16.4%에러율,  압도적인 성능으로 1위)- 256 x 256의 이미지,  1000개의 레이블 - 데이터 증강으로 120만 학습, 5만 검증, 15만개 테스트 1) AlexNet의 구조(1) 기본 구성- 5개의 합성곱과 3개의 완전연결층, 풀링층 3개 - 2개의 GPU로 연산을 처리할수 있는 병렬적인 구조로 설계 - ReLU, LRN, O..

4. CNN Basic & LeNet5

1. CNN  CNN - 이미지를 기반으로 한 영상처리에서 우수한 성능을 보이는 신경망영상처리  : 디지털 이미지의 조작, 분석, 인식, 생성등의 목적을 달성하기 위한 기술   1) 합성곱 연산(1) 영상의 표현 : RGB(그레이의 경우 값이 같음)와 투명도 값으로 표현  (2) 합성곱 연산(필터링 연산) - 하나의 함수와 또 다른 함수를 반전 이동한 값을 곱하고 구간에 대해 적분하여 새로운 함수를 구한 연산자  가중합 ( Σ 𝝎ᵢ𝒙ᵢ + 𝑏 )의 기본식, 𝝎ᵢ의 값(합성곱 필터의 픽셀값)곱하여 더하여 구간의 값을 구함   (합성곱의 경우 필터를 적용하는 것이 가중치 적용, 더하는 것이 적분)- 합성곱 신경망은 학습을 통해 가중치를 결정 (학습 완료전까지 필터 가중치 파악할수 없음)예) 포토샵, ..