전체 글

Copyright. Soaple EC2란, 클라우드에서 탄력적으로 컴퓨팅 자원을 제공해주는 서비스이다.즉, 가상 서버 서비스라고 생각하면 쉬움인스턴스 패밀리 종류  1. 범용 (M4)- 컴퓨팅, 메모리, 네트워크 자원을 고르게 사용할 수 있는 인스턴스- 특별히 한쪽 자원이 많이 필요한 게 아니라, 전반적인 균형이 중요한 웹 서버, 테스트 환경 등에 적합- 즉, 만능형 플레이어라고 이해하면 쉬움! 2. 컴퓨팅 최적화 (C4)- CPU 성능이 매우 뛰어나고 가격 대비 성능이 좋음- 연산이 많고 CPU 위주인 작업 (batch 처리 / 고속 API 서버)에 적합 3. 메모리 최적화 (R4)- RAM(메모리) 용량이 많아서 대용량 데이터를 처리하기에 좋음- 인메모리 캐시, 데이터베이스, 빅데이터 분석에 유리함 ..

클라우드 컴퓨팅이란? - 초기 투자나 장기 계약 없이 인터넷을 통해 IT 리소스와 애플리케이션을 원할 때 언제든지 (on-demand) 사용한 만큼만 요금을 내는 서비스 장점1. 초기 선투자 비용 없음 2. 운영 비용 절감- on premise 방식으로는 간과하기 쉬운 전기세나 항온항습 비용 등이 소모되지만, 클라우드로는 이 모든 것들을 신경쓰지 않아도 되기 때문에 운영 비용이 절감된다는 장점이 존재 3. 탄력적인 운영 및 확장- AWS에서는 프로그램 코드로 필요한 자원을 자동 증설 및 감소할 수 있어 비용 효율적일 뿐만 아니라, 최적의 성능 및 안정성을 제공할 수 있음 4. 속도와 민첩성- On-premise 방식으로 직접 서버를 구축하면 실패의 비용이 높으며 혁신 속도가 느려지지만, 클라우드로는 수 ..

1. 큰 그림 보기- to do : 캘리포니아 인구 조사 데이터를 사용해 캘리포니아의 주택 가격 모델 만들기- 캘리포니아 block group 마다 population, median income, median housing price 등을 담고 있음- block group : 미국 인구 조사국에서 샘플 데이터를 발표하는데 사용하는 최소한의 지리적 단위 (한 구역당 보통 600~3000명의 인구를 나타냄)- 목표 : 해당 데이터로 모델을 학습시켜 다른 측정 데이터가 주어졌을 때 구역의 중간 주택 가격을 예측 1.1 문제 정의Q1. 비즈니스의 목적이 정확히 무엇인가?A. 이 모델의 출력이 여러 가지 다른 신호(정보)와 함께 다른 머신러닝 시스템에 입력으로 사용됨 * pipeline : 데이터 처리 compo..

*해당 글은 핸즈온 머신러닝 서적을 바탕으로 정리한 글입니다. 1. 머신러닝 시스템의 종류머신러닝 시스템의 종류는 다음과 같이 크게 3가지로 분류할 수 있다. 훈련 지도 방식 (지도, 비지도, 준지도, 자기 지도, 강화 학습)실시간으로 점진적인 학습을 하는지 아닌지 (온라인 학습과 배치 학습)단순하게 알고 있는 데이터 포인트와 새 데이터 포인트를 비교하는 것인지 아니면 과학자들이 하는 것처럼 훈ㄹㄴ 데이터셋에서 패턴을 발견하여 예측 모델을 만드는지 (사례 기반 학습과 모델 기반 학습)위 범주들은 서로 배타적이지 않고 원하는 대로 연결할 수 있음!ex) 최첨단 스팸 필터가 심층 신경망 모델을 사용해 스팸과 스팸이 아닌 메일로부터 실시간으로 학습 => 온라인 & 모델 기반 & 지도 학습 system 1.1 ..

KNIME 5.2.5 기준으로 작성하였음. 1. Overview of KNIME 일단 KNIME을 설치하고 들어가보면 다음과 같은 화면이 뜨는데, 각각의 역할에 대해서 간단히 알아보자. 1. KNIME explorer- workflow file들을 포함하고 있는 카테고리별 workflowgroup files 생성 2. Node Repository- workflow editor에서 사용할 수 있는 노드 저장소  3. Workflow Coach- 현재 선택한 노드 다음에 어떤 노드가 가장 많이 사용되는지 제안해주는 역할 (% 확률로 recommend)  4. Workflow Editor- Node port : input port, output portex) file reader, joiner- Node st..

엡실론(Epsilon)이란, 컴퓨터에서 부동소수점 숫자 연산의 '정확도 한계'를 나타내는 개념이다.이 값은 매우 작은 숫자로, 두 부동소수점 숫자가 실제로는 같아야 하지만 컴퓨터에서 계산된 값에 오차가 있을 때 그 오차의 크기를 측정하는 데 사용된다. 파이썬에서는 sys.float_info.epsilon 을 통해 이 값을 확인할 수 있으며, 이는 64비트 부동소수점에서 가장 작은 양의 숫자이다.import sysprint(sys.float_info.epsilon) # 2.220446049250313e-16 예를 들어 10.0 % 3.2 를 하면 0.4가 아니라 0.39999999999999947 이 나오는데, 그 이유는 다음과 같다. 1. 부동 소수점 표현의 한계- 컴퓨터는 소수를 이진수로 변환하여 저..