쵸코쿠키의 연습장

이 게시물에서는 구조화된 로깅과 그 사용에 대한 근거를 소개합니다. 이해를 강화하기 위해 몇 가지 간단한 예를 제공합니다. AWS Lambda와 Java로 서버리스 함수를 작성하는 방법을 배울 때 구조화된 로깅 개념을 접하게 되었습니다. 이를 계기로 Structured Logs의 개념이 궁금해져서 더 자세히 살펴보기로 했습니다. 구조화된 로깅 일반적으로 응용 프로그램에서 생성된 로그는 어떤 식으로든 형식이 지정된 일반 텍스트입니다. 예를 들어 Java 응용 프로그램의 일반적인 로그 형식은 다음과 같습니다: [Sun Apr 02 09:29:16 GMT] book.api.WeatherEventLambda INFO: [locationName: London, UK temperature: 22 action: re..

데이터 암호화에 대해 설명하고 데이터 암호화의 이점, 유형 및 다양한 도구에서 볼 수 있는 일반적인 암호화 방법을 나열합니다. 데이터 암호화는 정보를 보호하고 사이버 위협의 영향을 줄이기 때문에 가장 널리 사용되는 디지털 안전 조치 중 하나입니다. 현대 조직은 통신 및 결제와 같은 다양한 일상 활동에 암호화를 통합합니다. 즉, 암호화의 기능을 활용하고 최적의 보호를 보장할 수 있도록 암호화의 작동 방식을 이해하는 것이 중요합니다. 이 게시물에서는 데이터 암호화에 대해 설명하고 데이터 암호화의 이점, 유형 및 다양한 도구에서 볼 수 있는 일반적인 암호화 방법을 나열합니다. 데이터 암호화 데이터 암호화는 메시지, 문서 및 파일에 있는 읽을 수 있는 텍스트를 스크램블 또는 이해할 수 없는 내용으로 변환합니다...

React v18의 세 가지 주요 기능인 서버의 자동 배치, 전환 및 서스펜스에 대해 설명합니다. 리액트 v18은 2021년부터 회자되어 마침내 출시되었습니다. React v18은 성능과 사용자 경험을 향상시킬 수 있는 흥미로운 새로운 기능을 제공합니다. 이 릴리스의 주요 강조점은 동시 모드, 새로운 후크, 리액트의 엄격한 모드 API의 개선점입니다. Resacton 2022 컨퍼런스에서 Shruti Kapoor가 제시한 표를 기반으로 구성되었습니다. React v18의 세 가지 주요 기능인 자동 배치, 전환 및 서버의 서스펜스를 다룹니다. 또한 동시성의 개념과 React DOM Client and Server에 도입된 새로운 API에 대해서도 다룰 것입니다. 마지막으로, useId 및 useTransi..

AI 혁명은 AI 윤리학자 및 엔터테인먼트 AI 도구 개발자를 포함하여 기술 산업에서 새로운 직업 기회를 창출합니다. 인공지능 기술이 계속 발전함에 따라, 그것은 한 때 들어본 적이 없는 광범위한 일자리를 창출하고 있습니다. 데이터 과학자, 기계 학습 엔지니어 및 AI 연구원과 같은 전통적인 AI 역할은 널리 인정받고 있지만, 기술 산업의 변화를 주도하는 데 똑같이 중요한 몇 가지 덜 알려진 경력이 있습니다. 이 기사에서, 우리는 AI 혁명의 숨겨진 21개의 경력을 탐구할 것입니다. AI 기술이 다양한 산업에 널리 퍼지면서 AI 혁명에서 이러한 숨겨진 경력이 점점 더 중요해지고 있습니다. AI의 인간적 영향을 이해하는 AI 심리학자부터 AI 시스템이 업무를 수행하는 데 필요한 정보를 보유하도록 보장하는 ..

Microsoft 365는 모든 규모의 조직에서 사용하는 인기 있는 생산성 제품군입니다. 다양한 기능과 이점을 제공하는 동시에 특히 사용자 데이터 보호 측면에서 보안 문제가 발생합니다. 사이버 위협이 증가함에 따라 Microsoft 365 사용자 계정과 데이터를 안전하게 보호하는 것이 그 어느 때보다 중요합니다. Microsoft 365 환경을 데이터 손실로부터 보호하는 데 도움이 되는 단계별 가이드를 제공합니다. 위협 요소, 마이크로소프트 365 보안 기능, 사용자 계정 보호를 위한 모범 사례 및 마이크로소프트 365용 데이터 백업 솔루션에 대해 살펴보겠습니다. 이 가이드에서 제공하는 정보와 권장 사항을 통해 조직의 중요한 데이터를 보호하고 비즈니스 연속성을 보장할 수 있습니다. 위협 요소 파악 데이터..

Git가 데이터 작업의 효율성을 개선할 수 있는 방법을 살펴보고 대규모 모델에 대한 데이터 작업의 중요성에 대해 자세히 알아봅니다. 최근 ChatGPT가 인기를 끌면서 대규모 모델 제품에 대한 열기가 일고 있습니다. 이에 따라 주요 기업들은 자체적으로 대규모 모델 제품을 선보이거나 출시할 예정입니다. 이전 AI 물결을 목격한 사람으로서, 저는 AI가 복잡한 데이터 거버넌스 작업을 지능적으로 처리하여 데이터 전문가들이 번거로운 데이터 운영에서 벗어날 수 있기를 항상 희망했기 때문에 감격했습니다. DataOps는 워크플로우 자동화, 프로세스 표준화, 협업 및 모니터링 촉진을 통해 전체 데이터 협업 프로세스를 가속화하는 신속한 변화를 위한 데이터 관리 방법입니다. 데이터 품질, 데이터 보안, 데이터 리소스의 ..

DevOps 환경을 모니터링하고 관리하는 것은 복잡합니다. 새로운 분산 아키텍처(예: Kubernetes)에서 생성되는 데이터의 양 때문에 DevOps 팀은 고객 요청에 효과적으로 대응하기 어렵습니다. 따라서 DevOps의 미래는 지능형 관리 시스템을 기반으로 해야 합니다. 인간은 일상적인 운영에서 방대한 양의 데이터와 컴퓨팅을 처리할 수 없기 때문에 인공지능(AI)은 팀이 애플리케이션을 개발, 제공, 배포 및 관리하는 방법을 계산, 분석 및 변환하는 데 중요한 도구가 될 것입니다. 기계 학습 운영 기계 학습 운영(MLops)은 기계 학습(ML) 프로젝트의 라이프사이클 관리를 말합니다. 이것은 현대 기계 학습 응용 프로그램 개발의 핵심 개념이며, 그 목적은 기계 학습 응용 프로그램의 교육, 배치 및 유지..

백도어 액세스에 의해 촉진되는 데이터 중독은 탐지 없이 기계 학습 데이터를 왜곡할 수 있습니다. 다음은 백도어 데이터 중독으로부터 보호하기 위한 몇 가지 팁입니다. 인공지능은 기계 학습이 인간이 이전에 생각하지 못했던 매우 귀중한 통찰력을 제공함에 따라 모든 분야를 혁신과 효율성으로 전환하고 있습니다. 그러나 AI 채택이 광범위하기 때문에 위협 행위자는 데이터 세트를 자신에게 유리하게 조작할 수 있는 기회를 봅니다. 데이터 중독은 모든 조직의 AI 발전을 위태롭게 하는 새로운 위험입니다. 그래서 지금 이익을 얻기 위해 시류에 편승할 가치가 있는가, 아니면 기업들은 위험이 더 통제될 때까지 기다려야 합니까? 데이터 중독 인간은 AI 데이터를 정확한 결정을 보장하기 위해 지속적으로 설정합니다. 감독은 부정확..

생성 AI는 DevOps 팀이 지루한 반복을 없애고, 자동화를 강화하며, 복잡한 워크플로우를 간단한 대화 작업으로 압축할 수 있도록 지원합니다. 생성 인공지능의 개념은 최소한의 인간 입력으로 새로운 콘텐츠를 만들 수 있는 기계 학습 알고리즘을 설명합니다. 이 분야는 지난 몇 년 동안 텍스트 작성 도구 ChatGPT 및 현실적인 이미지 작성자 DAL-E2와 같은 프로젝트가 주류의 관심을 끌면서 빠르게 발전했습니다. 하지만 생성 AI는 콘텐츠 제작자만을 위한 것이 아닙니다. 또한 소프트웨어 엔지니어링 및 DevOps 분야의 기술 작업을 혁신할 준비가 되어 있습니다. 예를 들어, 논란이 되고 있는 "AI 페어 프로그래머"인 깃허브 코파일럿은 이미 코드가 작성되는 방식에 대한 재고를 불러일으키고 있지만, 협업 ..

오늘날, 우리는 웹사이트와 애플리케이션을 구축하기 위해 끊임없이 다른 프로그래밍 언어를 배웁니다. 또한 밀려나지 않고 세계의 최신 개입에 대한 최신 정보를 유지하는 것이 중요합니다. 모든 프로그래밍 언어는 그 중요성과 차별성을 가지고 있습니다. 각각의 특성과 용도가 다르기 때문에 하나를 다른 하나와 비교하는 것은 잘못된 것입니다. 하지만 우리 모두는 여러 작업을 할 수 있는 기계 언어를 배우고 싶어합니다. 그러한 언어 중 하나가 자바스크립트인데, 자바스크립트는 그들이 크든 작든 상관없이 모든 회사에서 공간을 만들었습니다. 편리하고 가치가 있으며 고객을 위한 대화형 응용프로그램 및 웹 페이지를 만들 수 있습니다. 처음에는, 그것은 약간 제한적이었지만, 지금은 시장에서 가장 유명한 언어들에 경쟁을 주고 있습..

인공지능(AI)과 기계 학습(ML)으로 기계에서 인간의 지능을 시뮬레이션하는 것이 가능합니다. 이러한 시뮬레이션을 통해 많은 사람의 도움 없이 다양한 작업을 완료할 수 있습니다. 기업이 더 효율적이고 새로운 AI 및 ML 모델을 개발하려면 정확한 교육 데이터가 필요합니다. 인공지능(AI) 훈련 데이터로 추가 사용하기 위해 데이터 주석 및 레이블링을 통해 후속적으로 강화될 수 있는 훈련 데이터 세트를 사용하여 주어진 문제에 대한 더 나은 이해를 얻을 수 있습니다. 기계가 배우는 것 기계 학습의 목표는 데이터와 알고리즘을 사용하여 인간의 학습 과정을 모방하는 것입니다. 예측의 정확도가 점차 향상됩니다. 통계적 방법을 사용하면 알고리즘이 기계 학습을 사용하여 데이터 마이닝 프로젝트 내에서 분류 또는 예측을 수..

기계 학습(ML)은 특정 작업의 자동화와 함께 데이터 중심 의사 결정을 가능하게 함으로써 다양한 산업에 혁신을 가져왔습니다. 예를 들어, 많은 은행 기관은 사기 거래를 탐지하기 위해 고급 기계 학습 모델을 구축합니다. 이러한 모델은 지속적으로 진화해야 합니다. 그렇지 않으면 잘못된 긍정이 급격하게 증가할 것입니다. 그러나 프로덕션에서 새로운 기계 학습 모델을 배포하는 것은 어려울 수 있습니다. 프로덕션 데이터에 대한 모델 교육, 구현 및 유지보수는 쉽지 않습니다. 프로덕션의 머신 러닝 모델은 변화하는 데이터와 환경에 적응하지 못하는 경우가 많습니다. 이 모든 작업을 수동으로 수행하는 것은 효율적이지 않습니다. MLOps 또는 기계 학습 운영은 기계 학습 개발 및 배포의 전체 라이프사이클을 자동화하여 이러..

기계 학습(ML)이 기업의 디지털 전환에 혁신을 일으키고 있기 때문에 성공적인 ML 구현을 위한 경로에는 고유한 과제가 수반됩니다. 모든 산업에 걸쳐 기업들이 데이터 중심 전략을 구현하는 것의 가치를 인식함에 따라 머신 러닝(ML)은 고려해야 할 혁신적인 힘으로 부상하고 있습니다. 디지털 전환 전략의 핵심에 머신 러닝 이니셔티브를 구현하면서 이를 실현하는 복잡성을 측정하고 있습니다. 복잡성 탐색 및 프로젝트 함정 방지 분석가들은 기계 학습 프로젝트의 실패율이 약 80%라는 것에 동의합니다. 실제로 Gartner는 2022년 말까지 AI 프로젝트의 약 85%가 데이터, 알고리즘 또는 이를 관리하는 팀의 편향으로 인해 잘못된 결과를 제공할 것이라고 예측했습니다. IDC의 연구에 따르면 AI/ML 채택이 증가..

데이터 통합을 위한 오픈 소스 ELT의 이점, 즉 제어 개선, 효율적인 처리, 비용 절감 및 업계의 증가 추세를 알아보십시오. 오픈 소스 기술은 데이터 통합 업계에서 점점 더 인기를 끌고 있으며, 그럴 만한 이유가 있습니다. 오픈 소스는 적절한 인센티브를 제공하여 사용자가 가격표가 있는 독점 툴에서 지식을 구축하는 폐쇄형 소스와 달리 데이터를 완전히 소유할 수 있도록 합니다. 오픈 소스는 또한 공통적인 문제를 중심으로 커뮤니티를 형성하여 귀중한 지식의 교환과 공동 문제 해결을 가능하게 합니다. 데이터 통합 산업에 대해 더 깊이 탐구하기 전에 오픈 소스 채택 성공의 이유를 조사하기 시작할 것이며, 특히 오픈 소스 대 클로즈드 소스 ELT(Extract, Load, Transform) 솔루션에 초점을 맞출 ..

Java 모듈 시스템이 수행하는 기능과 보다 안전하고 구조화된 코드를 작성하는 데 어떤 이점이 있는지 빠르게 알아봅니다. Java SE 9는 Java 모듈 시스템을 도입했습니다. 메이븐이나 IntelliJ Idea 등의 모듈과 혼동해서는 안 됩니다. Java SE 9 모듈은 Java를 직접 지원하는 새로운 기능입니다. Java Module 시스템이 수행하는 기능과 보다 안전하고 구조화된 코드 작성에 어떤 이점이 있는지를 간략하게 소개합니다. Java 모듈 사용의 이점 모듈식 Java 코드를 사용하면 다음과 같은 이점이 있습니다: 강력한 캡슐화: 글로벌 공간에서 의도하지 않은 클래스 없음 Java 모듈은 다른 Java 모듈로 내보낼(사용 가능) Java 패키지를 명시적으로 알려주어야 합니다. 이는 모듈 수..

QA는 항상 간단한 구문, 더 나은 호환성 및 더 빠른 실행으로 풍부한 기능을 제공하는 최고의 자동화 테스트 프레임워크를 검색합니다. 웹 테스트를 위해 Selenium과 함께 Ruby를 사용하도록 선택한 경우 웹 응용 프로그램 테스트를 위해 Ruby 기반 테스트 프레임워크를 검색해야 할 수 있습니다. Ruby 테스트 프레임워크는 동작 중심 개발, 조롱 및 스텁, 테스트 스위트 구성 등 다양한 기능을 제공하여 개발자가 Ruby 기반 응용프로그램에 대한 효과적인 테스트를 작성하기가 더 쉽습니다. 지난 10년 동안, 기술이 계속해서 큰 발전을 이룰 것이라는 것이 분명해졌습니다. Ruby는 20년 이상 인기와 유용성을 유지해왔기 때문에 최고의 Ruby 기반 프레임워크에 약간의 빛을 던지는 것이 타당합니다. 모든..

AI 모델을 교육할 때 작업의 80%는 데이터 준비(데이터 수집, 정리, 전처리)이며, 나머지 20%는 모델 선택, 교육, 튜닝 및 평가를 위해 예약됩니다. 이러한 7가지 일반적인 DL 및 ML 오류와 제한 사항을 검토하여 모델을 최신 상태로 유지하고 연구에 최적화하십시오. 이제 막 시작한 것이든, AI 모델로 한동안 일하던지 간에, 우리 모두가 때때로 인식하고 상기해야 할 몇 가지 일반적인 기계 학습과 딥 러닝 실수가 있습니다. 이것들은 방치하면 앞으로 큰 두통을 일으킬 수 있습니다! 우리가 데이터에 세심한 주의를 기울이고 인프라를 모델링하며 출력물을 검증한다면 좋은 데이터 과학자 습관을 실천하는 기술을 연마할 수 있습니다. 피해야 할 머신 러닝 및 딥 러닝 데이터 실수 머신러닝과 딥러닝을 시작할 때 ..

ChatGPT에 대해 간략하게 설명합니다. 간단히 말해서, 데이터 과학과 기계 학습에 전혀 익숙하지 않은 사람들을 위한 것입니다. ChatGPT는 OpenAI가 개발한 최첨단 인공지능 모델로, 제공된 입력을 기반으로 인간과 같은 텍스트를 생성하도록 설계되었습니다. 이 모델은 텍스트 데이터의 대규모 데이터 세트에 대해 훈련되어 언어의 패턴과 관계에 대한 광범위한 지식을 제공합니다. 텍스트를 이해하고 생성하는 기능을 갖춘 ChatGPT는 언어 번역, 질문 및 텍스트 생성과 같은 광범위한 자연어 처리(NLP) 작업을 수행할 수 있습니다. ChatGPT의 가장 유명한 기능 중 하나는 현실적인 챗봇 대화를 생성하는 데 사용되는 것입니다. 많은 회사와 조직은 고객과 상호 작용하기 위해 챗봇을 사용하여 일반적인 질문..

REST 서버를 조롱하려면 상당한 시간 투자가 필요합니다. 이 과정에 도움이 되는 몇 가지 도구를 이 기사에서 공유하겠습니다. 개발되지 않은 외부 API로 애플리케이션을 구축하는 것은 어려울 수 있습니다. 그러나 HTTP 모킹 도구는 이러한 문제를 완화하고 개발 및 테스트 프로세스를 단순화할 수 있습니다. 모의 서버는 가짜 응답을 사용하여 실제 서버를 모방하여 병렬 개발 및 초기 단계 테스트를 가능하게 합니다. 개발자는 실제 백엔드가 준비되기 전에 API를 많이 사용하는 구성 요소를 테스트할 수 있으며 개선을 위한 피드백을 더 빠르게 제공할 수 있습니다. 모의 서버를 사용하면 다음과 같은 많은 이점이 있습니다: 프런트 엔드 및 백엔드 구성 요소를 병렬로 개발할 수 있습니다. 완벽하게 작동하는 백엔드에 의..

GraphQL과 REST의 차이점과 유사점, 그리고 사용 이유와 방법에 대해 배울 것입니다. 현대의 응용 프로그램은 우리가 전에 없이 세상과 연결될 수 있게 해줍니다. 그러나 이 구조가 서로 다른 애플리케이션 간의 강력한 연결과 서로 다른 장치 간의 데이터 공유를 제공하는 데 어떻게 효과적입니까? 개발자는 API(Application Programming Interface)를 사용하여 복잡한 기능을 구축하고 애플리케이션 기능을 리소스로 노출할 수 있습니다. API의 목적은 클라이언트와 서버 간의 통신입니다. 여기에는 데이터 전송, 데이터 보안 및 다양한 네트워크 및 타사 애플리케이션으로의 배포 프로세스가 포함됩니다. API의 장점은 사용자 지정 코드나 통합을 제공하지 않고는 얻을 수 없는 정보와 기능에 ..