쵸코쿠키의 연습장

스왑은 실제 RAM 메모리가 가득 찰 때 사용되는 디스크의 공간입니다. 리눅스 시스템에 RAM이 부족하면 비활성 페이지가 RAM에서 스왑 공간으로 이동합니다. 스왑 공간은 전용 스왑 파티션 또는 스왑 파일의 형태를 취할 수 있습니다. 대부분의 경우 가상 시스템에서 Linux를 실행할 때 스왑 파티션이 없으므로 유일한 옵션은 스왑 파일을 생성하는 것입니다. 이 튜토리얼은 Ubuntu 18.04 및 CentOS 7가 설치된 Linux 시스템에서 테스트되었습니다. 다른 Linux 배포 버전과 함께 사용할 수 있습니다. 스왑 파일을 추가하는 방법 다음 단계에 따라 서버에 1GB의 스왑을 추가합니다. 1GB 대신 2GB를 추가하려면 1G를 2G로 교체합니다. 01. 스왑에 사용할 파일을 만듭니다. sudo fal..

이번 포스팅에서는 CentOS 7에 Tomcat 8.5를 설치하는 방법을 보여 줍니다. Tomcat은 Java Servlet, JavaServer Pages, Java Expression Language 및 Java WebSocket 기술의 오픈 소스 구현체입니다. 필수 구성 요소 이 튜토리얼로 시작하기 전에 sudo 권한을 가진 사용자 계정 또는 루트 사용자 계정으로 서버에 로그인했는지 확인합니다. 루트 대신 sudo 사용자로 관리 명령을 실행하는 것이 가장 좋습니다. 시스템에 sudo 사용자가 없는 경우 다음 지침에 따라 sudo 사용자를 만듭니다. JDK 설치 Tomcat 8.5에는 Java SE 7 이상이 필요합니다. 이 튜토리얼에서는 CentOS 7의 기본 Java 개발 및 런타임인 Java 플..

CentOS 7은 PHP 버전 5.4와 함께 운영됩니다. PHP 버전은 상당 기간 공식 EOL로 지정되었으며 더 이상 지원되지 않습니다. PHP 7을 사용하면 애플리케이션 로딩 속도가 빨라지고 시스템 리소스 사용량이 줄어듭니다. 이 튜토리얼에서는 PHP 7.0, 7.1, 7.2 및 7.3을 CentOS 7에 설치하거나 업그레이드하는 방법에 대해 설명합니다. 또한 PHP를 Nginx 및 Apache와 통합하는 방법도 알려드리겠습니다. 또한 특정 PHP 7.x 버전을 설치하기 전에 응용 프로그램에서 해당 버전을 지원하는지 확인합니다. 필수 구성 요소 이 튜토리얼로 시작하기 전에 sudo 권한을 가진 사용자 계정 또는 루트 사용자 계정으로 서버에 로그인했는지 확인합니다. 루트 대신 sudo 사용자로 관리 명령..

Nginx는 인터넷에서 가장 큰 사이트의 로드를 처리하는 무료 오픈 소스 고성능 HTTP 및 역방향 프록시 서버입니다. Nginx는 독립 실행형 웹 서버로 사용할 수 있으며 Apache 및 기타 웹 서버의 역방향 프록시로 사용할 수 있습니다. Apache에 비해 Nginx는 많은 수의 동시 연결을 처리할 수 있으며 연결당 메모리 설치 공간이 작습니다. 이 튜토리얼에서는 CentOS 7에 Nginx를 설치하고 관리하는 방법에 대해 설명합니다. 필수 구성 요소 튜토리얼로 시작하기 전에 sudo 권한을 가진 사용자로 로그인해야 하며 포트 80 또는 443에서 Apache나 다른 서비스를 실행하지 않아야 합니다. CentOS에 Nginx를 설치 다음 단계에 따라 Centre에 Nginx를 설치합니다.OS 서버는..

Java는 세계에서 가장 인기 있는 프로그래밍 언어 중 하나로, 다양한 종류의 애플리케이션과 시스템을 구축하는 데 사용됩니다. 이 튜토리얼에서는 CentOS 7에 Java의 다양한 버전 및 구현을 설치하는 방법에 대해 설명합니다. Oracle Java와 OpenJDK를 설치하는 방법에 대해 설명합니다. 필수 구성 요소 이 튜토리얼을 계속하기 전에 sudo 권한을 가진 사용자로 로그인했는지 확인합니다. Java 변형 Java는 Standard Edition(SE), Enterprise Edition(EE), Micro Edition(ME)의 세 가지 버전으로 배포됩니다. 이 튜토리얼에서는 Java SE(Standard Edition) 버전을 다룹니다. CentOS 7에 두 개의 Java 패키지가 있습니다...

Nginx는 인터넷에서 가장 큰 사이트 중 일부에 전원을 공급하는 무료 오픈 소스 고성능 HTTP 및 역방향 프록시 서버입니다. Apache 에 비해 Nginx는 많은 수의 동시 연결을 처리할 수 있으며 연결당 메모리 설치 공간이 작습니다. 이 튜토리얼에서는 Ubuntu 16.04 시스템에 Nginx를 설치하고 관리하는 방법에 대해 설명합니다. Prerequisites 튜토리얼로 시작하기 전에 sudo 권한을 가진 사용자로 로그인해야 하며 포트 80 또는 443에서 Apache나 다른 서비스를 실행하지 않아야 합니다. Install Nginx Nginx 패키지는 Ubuntu 기본 소프트웨어 리포지토리에서 사용할 수 있습니다. 설치는 매우 간단합니다. 다음 명령을 실행하기만 하면 됩니다. sudo apt ..

사전 처리를 시작하기 전에 잠시 데이터 세트 밸런싱의 중요성에 대해 이야기 하겠습니다. 두 클래스 고양이와 강아지의 사진 분류 문제에 대해 생각해 보겠습니다. 좋은 모델에서 기대하는 정확도는 어느 정도일까요? 사진의 70%를 정확하게 분류한다면 그리 나쁘지 않을 것입니다. 80%의 정확도는 좋은 반면 90%는 초보자에게 매우 좋습니다. 구글과 페이스북의 분류가 대부분의 문제에서 99.9퍼센트 정확도를 달성하는 것에 대해 말하는 것이 아닙니다. 90% 정확도는 인상적인 성과입니다. 이제 알고리즘에 무엇을 먹이든 동물 사진을 찍고 고양이만 출력하는 모델을 상상해 보세요. 항상 정답으로 고양이를 출력합니다. 좋은 모델은 그렇지 않아요. 이 기계에게 물어볼 수 있을 까요? 원하는 기계 학습 알고리즘의 결과는 분..

MariaDB는 MySQL의 이전 버전과 호환되는 이진 드롭다운 대체의 오픈 소스 관계형 데이터베이스 관리 시스템입니다. 이 제품은 MySQL의 원래 개발자 중 일부와 커뮤니티의 많은 사람들에 의해 개발되었습니다. CentOS와 함께 말입니다. MySQL은 기본 데이터베이스 시스템으로 MariaDB로 대체되었습니다. 어떤 이유로든 MySQL을 설치해야 하는 경우 CentOS7에 MySQL을 설치하는 방법을 확인합니다. 응용 프로그램에 특정 요구 사항이 없는 경우 CentOS 7의 기본 데이터베이스 시스템인 MariaDB를 사용해야 합니다. 이 튜토리얼에서는 CentOS에 최신 버전의 MariaDB를 설치하는 방법을 보여줍니다. OS 7은 공식 MariaDB 리포지토리를 사용합니다. 사전 준비 튜토리얼을 ..

서비스를 개발하기 위해 무엇이 필요한 지 알아보았습니다. 실생활 데이터로 작업하고 있기 때문에 어떻게 할 것인지 살펴 보았습니다. 데이터 과학 팀의 머신 러닝을 위해서는 사전 처리가 중요합니다. 분석을 위한 데이터 세트를 준비하는 것이 작업입니다. 이것이 여기에서 머신 러닝 알고리즘을 처음부터 생성하기 위한 몇 가지 일반적인 기술을 보여 드리고자 합니다. 세 가지 중요한 단계가 필요합니다. 첫 번째 단계는 데이터 세트의 균형을 맞추는 것입니다. 두 번째 단계는 데이터 세트를 훈련 검증과 테스트로 세 부분으로 나누는 것입니다. 이미 수행해야하는 이유를 이미 알고 있습니다. 이제 처음부터 수행하는 방법을 살펴 보겠습니다. 새로 생성된 세트를 텐서 친화적인 형식으로 저장합니다. 마지막으로 기계 학습 알고리즘을..

안녕하세요. 기본적인 비즈니스 사례에 대해 알아보겠습니다. 이미 알고있는 모든 것을 단순히 적용하는 것입니다. 문제가 있습니다. 오디오 북 앱을 논리적으로 데이터베이스의 각 고객이 최소 한 번 이상 구매 한 도서의 오디오 버전과 관련된 데이터가 있습니다. 데이터를 기반으로 머신 러닝 알고리즘을 만들어 고객은 오디오 북 회사에서 다시 구매할 것을 예측합니다. 주된 아이디어는 회사가 돌아올 가능성이 없는 개인을 대상으로 광고 예산을 지출해서는 안된다는 것입니다. 다시 전환 할 가능성이있는 고객에게 노력을 집중할 수 있다면 매출 및 수익성 개선 수치를 얻을 수 있습니다. 따라서 모델은 몇 가지 측정 항목을 취하고 인간 행동을 예측하려고 노력할 것입니다. 모델이 고객이 돌아 오는 데 가장 중요한 측정 항목이 무..

모듈 임포트, 데이터 전처리, 데이터 import numpy as np import tensorflow as tf import tensorflow_datasets as tfds mnist_dataset, mnist_info = tfds.load(name='mnist', with_info=True, as_supervised=True) mnist_train, mnist_test = mnist_dataset['train'], mnist_dataset['test'] num_validation_samples = 0.1 * mnist_info.splits['train'].num_examples num_validation_samples = tf.cast(num_validation_samples, tf.int64) n..

패키지 임포트 import numpy as np import tensorflow as tf import tensorflow_datasets as tfds 이번 포스팅에서도 동일하게 패키지 임포트를 진행합니다. 패키지를 설치하는 방법이나 활용하는 방법은 이전 포스팅을 참조해주세요. 데이터 전처리 mnist_dataset, mnist_info = tfds.load(name='mnist', with_info=True, as_supervised=True) mnist_train, mnist_test = mnist_dataset['train'], mnist_dataset['test'] num_validation_samples = 0.1 * mnist_info.splits['train'].num_examples nu..

패키지 임포트 import numpy as np import tensorflow as tf import tensorflow_datasets as tfds 계속 포스팅해왔던 것 처럼, 필요한 패키지를 임포트를 진행합니다. 필요한 라이브러리를 설치하고, 진행합니다. 데이터 전처리 mnist_dataset, mnist_info = tfds.load(name='mnist', with_info=True, as_supervised=True) mnist_train, mnist_test = mnist_dataset['train'], mnist_dataset['test'] num_validation_samples = 0.1 * mnist_info.splits['train'].num_examples num_validati..

패키지 임포트 import numpy as np import tensorflow as tf import tensorflow_datasets as tfds 기존 처럼 동일하게 패키지 임포트를 진행해줍니다. 해당 내용은 다른 포스팅에서 언급했으므로, 이번 포스팅에서는 따로 언급하지 않겠습니다. 데이터 전처리 mnist_dataset, mnist_info = tfds.load(name='mnist', with_info=True, as_supervised=True) mnist_train, mnist_test = mnist_dataset['train'], mnist_dataset['test'] num_validation_samples = 0.1 * mnist_info.splits['train'].num_examp..

패키지 임포트 import numpy as np import tensorflow as tf import tensorflow_datasets as tfds 필요한 패키지를 임포트 합니다. 임포트 내용은 이전에 했던 포스팅을 참조해주시면 감사하겠습니다. 데이터 전처리 mnist_dataset, mnist_info = tfds.load(name='mnist', with_info=True, as_supervised=True) mnist_train, mnist_test = mnist_dataset['train'], mnist_dataset['test'] num_validation_samples = 0.1 * mnist_info.splits['train'].num_examples num_validation_samp..

정규화의 개념 함수적 종속성 등의 종속성 이론을 활용합니다. 이상한 디자인된 관계형 스키마입니다. 이러한 스키마를 더 작은 속성의 세트로 쪼갭니다. 그러면 바람직한 스키마로 생성해가는 과정을 의미합니다. 훌륭한 데이터베이스 스키마를 만들어 냅니다. 불필요한 데이터의 반복을 방집합니다. 정보 검색을 효율적으로 할 수 있도록 허용합니다. 정규화의 목적 데이터 구조의 안전성을 최대화합니다. 반복 데이터를 최소화합니다. 수정, 삭제 시 에러 현상을 최소화합니다. 테이블이 일치하지 않는 위험을 간소화합니다. 정규화의 의의 디비의 변경시 이상 현상을 삭제합니다. 테이블을 변경시, 원치 않는 동작이 발생할 수 있습니다. 이 부작용은 충분히 정규화되지 않았을 때 발생할 수 있는 현상입니다. 충분히 정규화를 진행하지 않..

pom.xml 4.0.0 org.inflearn inflearn 1.0-SNAPSHOT org.springframework.boot spring-boot-starter-parent 2.0.3.RELEASE org.springframework.boot spring-boot-starter-web org.springframework.boot spring-boot-maven-plugin Application.java package org.inflearn; import org.springframework.boot.SpringApplication; import org.springframework.boot.autoconfigure.SpringBootApplication; @SpringBootApplication pu..

스프링 부트 소개 Spring Boot를 사용하면 실행할 수 있는 독립 실행형 Spring 기반 애플리케이션을 쉽게 만들 수 있습니다. 기존 Spring을 사용하면, 초반 설정에 따라 많은 비용이 들어갔습니다. 스프링 플랫폼과 제3 라이브러리들의 의견을 수렴하여 최소한의 비용을 사용하도록 합니다. 대부분의 스프링 부트 애플리케이션에는 스프링 구성이 거의 필요하지 않습니다. 적절한 선언을 통해, 바로 프로젝트 구현이 가능해집니다. Spring Boot를 사용하여 Java -jar 뿐만 아니라, 전통적인 war 배포를 사용하여 시작할 수 있는 Java 응용 프로그램을 만들 수 있습니다. 또한 "스프링 스크립트"를 실행하는 커맨드라인을 제공해줍니다. 스프링 부트 목표 모든 Spring 개발을 위해 획기적으로 ..

계층화의 개념 계층화에 대한 개념을 이해해야 합니다. 네트워크나 통신에 대한 책을 보게 되면 계층구조가 항상 나옵니다. 보통 사람과 사람 간의 대화를 하게 되면 내가 가지고 있는 어떤 생각을 언어로 표현합니다. 그 다음에는 물리적인 전송장치, 즉 다시말해서, 입으로 이야기를 합니다. 그러면 이제 말하는 내용이 공기라는 매체를 통해서 수신 장치, 귀로 듣습니다. 그 다음에는 한국어로 말을 하고 있으니까 한국말 하는 것을 듣습니다. 그래서 아 이게 한국말이구나. 알고 그게 무슨 뜻인지 아는 것입니다. 그래서 사실은 사람과 사람 간의 대화도 가만히 생각해보면 내가 가지고 있는 생각, 즉 아이디어라는 것을 언어로 표현하고, 물리적인 송수신 장치인 입과 귀를 통해서 의사소통한다는 것을 알 수 있습니다. 그러니까 ..

네트워크 구성 요소 네트워크는 노드라고 불리는 장치들이 있습니다. 이 장치들이 통신링크로 연결된 집하체를 의미합니다. 장치로는 PC, Server, 라우터, 스위치가 있습니다. 링크는 유선, 무선이 있습니다. 좋은 네트워크의 조건 성능이 중요합니다. 처리량과 지연시간의 측면에서 측정이 가능합니다. 처리량은 링크를 통해 전달되는 단위 시간 당의 데이터의 양을 의미합니다. 지연 시간은 경유시간, 응답시간, 왕복 시간을 의미합니다. 신뢰성도 좋아야합니다. 그 다음엔 최근에는 보안이라는게 중요도가 올라갔습니다. 네트워크의 좋고 나쁨을 평가하는 기준 중에 하나는 보안성입니다. 보안은 성능도 좋고 네트워크도 365일 24시간 돌아갑니다. 외부로부터의 해킹 공격으로부터 취약하다면 좋은 네트워크는 아닙니다. 그래서 좋..