d061120 님의 블로그

4. 서버와 스토리지Unit 4. 스토리지※ 스토리지란?컴퓨터, 서버 등의 데이터를 저장하는 저장소 PC 의 하드디스크, USB, 기업용 스토리지 등 기업에서는 고가의 대용량, 고성능 스토리지 사용 스토리지 유형 Tape HDD SSD NVMe Cloud storage[저장 장치]- Tape기업에서 사용하는 가장 오래된 스토리지 저장장치 유형 전송속도는 느리지만, 30년 가까이 저장 가능 싼 가격으로 주로 데이터 백업용도로 사용- HDDHard Disk Drive IBM이 최초 개발 Tape 보다 높은 전송 속도 제공- SSDSolid State Drive HDD 보다 수 배 빠른 전송 속도 제공 HDD 보다 고가의 비용- NVMe주로 노트북용 SSD로 사용 NVMe 서버에 장착하여 기업에서도 사용 고성..

4. 서버와 스토리지Unit 1. 서버※ 서버란?Server: 제공자 클라이언트에게 서비스를 제공하는 컴퓨터 또는 시스템 클라이언트의 요청에 응답하여 데이터를 보내주는 시스템 또는 컴퓨터[K-마켓 IT 인프라 구성도 - 서버 & 스토리지][서버(컴퓨터)의 전통적인 아키텍처]App: 웹, 데이터베이스, 게임, 메일OS: Z/OS, AIX, HPUX, Windows, LinuxH/W(CPU, Memory, Disk, Network): 메인프레임, 유닉스, x86[Server Farm & DMZ]서버팜컴퓨터와 서버 등 운영에 필요한 시스템을 한 곳에 모아 놓은 곳 외부에서 허가 되지 않은 접근은 접근 차단 DMZ (비무장지대)보안 지역과 비보안 지역사이의 중립지역 공개해도 되는 서버를 배치하여 서버팜으로의 직..

1. IT 인프라 이해※ IT 인프라란?네트워크, 서버, 데이터베이스, 정보보안, 시스템 소프트웨어 및 기반시설 등 IT서비스의 기반이 되는 시스템 및 구조[K-마켓 IT 인프라 구성도][IT 인프라의 주요 구성요소]IT 인프라의 구성요소는 크게 하드웨어와 소프트웨어 네트워킹 등으로 구분하드웨어 : 눈에 보이는 물리적 장비PC, 모니터, 하드디스크, CPU, MEMORY, 서버, 스토리지, 라우터, 스위치 등소프트웨어 : 눈에 보이지 않는 프로그램OS (Windows, Linux 등), Database, Microsoft Office, Photoshop 등 네트워크 : 컴퓨터 같은 장비들이 그물망처럼 연결된 형태 또는 장비공유기(Router), 스위치, 방화벽, 케이블 등※ 기업 IT 인프라 - 데이터센..

참고https://velog.io/@hewas1230/ObjectDetection-Architecturehttps://deepbaksuvision.github.io/Modu_ObjectDetection/posts/01_00_What_is_Object_Detection.htmlhttps://developer-lionhong.tistory.com/34https://leedakyeong.tistory.com/entry/Object-Detection%EC%9D%B4%EB%9E%80-Object-Detection-%EC%9A%A9%EC%96%B4%EC%A0%95%EB%A6%AC 1. Object Detection(객체 탐지)컴퓨터비전, 영상처리와 관계가 깊은 컴퓨터 기술주요 개념1. Class Classifica..

1. 딥러닝 모델링: ② 이진분류※ 함수(Fuction)입력값(input)을 넣으면, 출력값(output)을 준다.입력값을 x, 출력값을 y로 표현따라서 x를 t로 변환(transformation)시켜준다고 할 수 있다.※ 예시f(x) = x^2x = [1, 2, 3, 4, ...] → y = [1, 4, 9, 16, ...] 1.1. 딥러닝 구조 - 이진분류- Survived 를 예측하기 위한 함수f(x) = w1·Age + w2 ·Fare + w3 ·Sex + w0 → -∞ ~ ∞- 목표: Survived를 0, 1로 예측하는 것- Node 의 결과를 변환해주는 함수 필요그것을 활성 함수(Activation Function)라고 한다. 1.2. 딥러닝 구조 - 활성 함수(Activation Funct..

※ CNN(Convolutional neural network)데이터로부터 직접 학습하는 딥러닝의 신경망 아키텍처영상에서 객체, 클래스, 범주 인식을 위한 패턴을 찾을 때 특히 유용함오디오, 시계열 및 신호 데이터를 분류하는 데도 매우 효과적1. CNN 구조- 복잡해 보이지만 아래 4가지만 기억하자.① input_shape: 분석 단위인 이미지 한 장의 크기(픽셀 사이즈, 가로*세로*채널)흑백: 채널 = 1컬러: 채널 = 3 (RGB 3개이므로) ② Convolutional Layer: 필터로 지역적인 특성(feature)을 뽑는 과정 ③ Max pooling Layer: 뽑은 특징을 요약(압축) ④ 펼쳐서(Flatten), Dense Layer에 연결 2. CNN 코드2.1. ConvNet- ConvN..