728x90
728x90
IT 인프라 복습서버와 스토리지서버클라이언트에게 서비스를 제공하는 컴퓨터 또는 시스템서버의 전통적인 아키텍처APP, OS, HardWare Server Farm & DMZ서버팜컴퓨터와 서버 등 운영에 필요한 시스템을 한 곳에 모아 놓은 곳외부에서 허가 되지 않은 접근은 접근 차단DMZ(비무장지대) 보안 지역과 비보안 지역사이의 중립지역공개해도 되는 서버를 배치하여 서버팜으로의 직접적인 접근을 막아 보안강화 웹서비스 3Tier 아키텍처 요소 웹서버웹 브라우저(클라이언트)로부터 요청을 받아 정적인 컨텐츠(html, jpeg)는 직접 처리하고 동적인 컨텐츠는 WAS에 전달Apache, Nginx, IIS 등WAS (Web Application Server)DB조회나 다양한 로직을 처리하는 동적인 컨텐츠 처리T..
IT 인프라 복습IT 인프라네트워크, 서버, 데이터베이스, 정보보안, 시스템 소프트웨어 및 기반시설 등 IT서비스의 기반이 되는 시스템 및 구조하드웨어 : 눈에 보이는 물리적 장비PC, 모니터, 하드디스크, CPU, MEMORY, 서버, 스토리지, 라우터, 스위치 등소프트웨어 : 눈에 보이지 않는 프로그램OS (Windows, Linux 등), Database, Microsoft Office, Photoshop 등네트워크 : 컴퓨터 같은 장비들이 그물망처럼 연결된 형태 또는 장비공유기(Router), 스위치, 방화벽, 케이블 등 기업 IT 인프라 - 데이터 센터서버, 네트워크, 스토리지와 같은 기업의 IT 인프라 구성 요소들이 모여 있는 시설 IT 인프라 유형 온 프레미스(On-Premise, 기존 프레..
클라우드 모니터링클라우드 환경에서 시스템 및 애플리케이션의 성능, 가용성, 보안 등을 실시간으로 모니터링하고 관리하는 프로세스사용자는 성능 저하 및 장애에 신속하게 대응할 수 있으며, 안정적인 컴퓨팅 환경 구성을 위해 리소스 용량 확대 계획을 편리하게 수립할 수 있음 대표적인 클라우드 모니터링 툴 Amazon Web Services (AWS) - AWS CloudWatch Google Cloud Platform (GCP) - Google Cloud MonitoringMicrosoft Azure - Azure Monitor Datadog Datadog클라우드 기반 모니터링 및 분석 플랫폼을 제공하는 대표적인 기업 Datadog의 주요 기능1. IntergrationsDatadog에서는 인터그레이션을 통해..
5차 미니 프로젝트(4월 24일 ~ 5월 2일)5차 미니 프로젝트는 두 가지 프로젝트로 나누어졌는데 첫 번째 프로젝트는 '유통 매장에서 상품별 재고 문제 해결'이라는 주제로 시계열 데이터 분석을 진행해 보았습니다! 팀원 6명 중 2명씩 팀을 이루어 각자 맡은 세가지 상품에 대한 EDA 작업 및 시계열 패턴을 찾고 데이터 전처리 파이프라인을 구성하는 형식으로 진행 되었습니다. 아울러 모델링 후 성능을 평가하고 비즈니스 관점의 평가까지 마무리 하였습니다! 두 번째는 Yolov8 모델을 활용해 얼굴 인식 모델을 만드는 프로젝트였습니다! 조원 얼굴들 이미지를 각각 100장 이상 수집 후 라벨링을 진행하였고 조원들 이름으로 class를 수정해 yaml을 새로 생성하였습니다. 그 후 yolov8n 모델을 이용해 ..
10주차 4차 미니 프로젝트 (4월 22일 ~ 23일)4차 미니 프로젝트에서는 AICE Associate 시험 대비를 위한 시간을 가졌습니다. 데이터 전처리부터 머신러닝, 딥러닝까지 여태껏 배웠던 교육과정을 한번에 정리할 수 있어서 좋았습니다! 다만 분명 배웠음에도 기억이 나지를 않아서 구글링을 멈출 수가 없었습니다.. 시험 합격하려면 잊어버리지 않게 꾸준히 준비해야할 거 같습니다!! AICE Associate 시험 대비 1. 라이브러리 설치 import numpy as npimport pandas as pdimport matplotlib.pyplot as plt!pip install seabornimport seaborn as snsimport sklearn as sk 2. 데이터 로드df = pd.r..
딥러닝 심화 복습CNN(합성곱 신경망, Convolutional Neural Network)입력 이미지를 효율적으로 처리하고 특징을 추출하여 이미지 분류, 객체 감지, 객체 분할 등의 작업을 수행하는 데 사용1. Conv2D (Convolutional Layer)합성곱 연산을 수행하는 레이어로, 입력 이미지에 필터를 적용하여 특징 맵을 생성주로 이미지 처리에서 사용되며, 각 필터는 입력 이미지를 스캔하고 특정한 특징을 감지하는 역할filters = 32 (새롭게 제작하려는 feature Map의 수)kernel_size =(3,3) (필터의 가로세로 사이즈)Strides = (1,1) (필터의 이동 보폭)padding = 'Same' (feature map의 사이즈 유지, 외각의 정보를 조금이라도 더 반..