hyuko

들어가며머신러닝 모델을 학습시키는 것과 실제 서비스에 배포해서 운영하는 것 사이에는 상당한 간극이 있다. 많은 데이터 사이언티스트와 머신러닝 엔지니어들이 Jupyter Notebook 등에서 훌륭한 모델을 만들어 내지만 이를 실제 프로덕션 환경에서 안정적으로 운영하는 것은 완전히 다른 차원의 문제입니다.이 이유 때문에 **MLOps(Machine Learning Operations)**가 등장한 이유인것 같다MLOps 란 무엇인가?MLOps는 머신러닝 모델의 개발부터 배포, 운영, 모니터링 까지의 전체 생명주기를 관리하는 일련의 방법론과 같다.DevOps의 개념을 머신러닝 영역에 적용한 것으로 , 다음과 같은 핵심 목표가 있다.핵심 목표자동화: 반복적인 작업의 자동화를 통한 효율성 증가재현성: 동일한 조..

Pandas를 이용해서 분석연습을 해보는 시간입니다.캐글 데이터 셋을 불러오는 방법부터분석을 할 때 어떤식의 순서로 진행되는지 까지 한 번 알아보려합니다.해당 코드의 전체코드는 다음 깃헙에서 알 수 있습니다. https://github.com/hyuk12/numpy-study/blob/main/notebooks/02_pandas_basics.ipynb분석시 순서🔍 1. 데이터 분석 프로젝트 시작 시항상 데이터 품질부터 확인 (df.info(), df.describe())결측값과 이상치 패턴 파악메모리 사용량 체크 (큰 데이터셋의 경우)📊 2. 탐색적 데이터 분석 (EDA)단변량 분석: 히스토그램, 박스플롯이변량 분석: 산점도, 상관관계다변량 분석: 그룹화, 피벗 테이블🛠️ 3. 데이터 전처리결측값:..

TL;DR: 자바 백엔드 개발자가 AI/ML 전향을 위해 NumPy를 학습하며 배운 배열 생성 방법들과 시각화 기법을 정리했습니다. 체스보드 패턴부터 프랙탈까지, 코드와 함께 단계별로 설명합니다.🎯 학습 배경자바 베이스 백엔드 개발자에서 AI 로 변경하면서 마주하게되는 가장 첫번째 난관이 NumPy 인 것 같아서 통계전에 정리를 하기 위해 포스팅 합니다.두고두고 다시 보기 위한 기록용 블로그 포스팅 용입니다.🏗️ 환경 설정기본적으로 우분투 리눅스 24.04 버전을 사용하고 있습니다. 우분투 리눅스에서 파이썬 설치와 가상환경 세팅에 대한 내용은 따로 다시 올릴 예정입니다.# 가상환경 생성 및 활성화python -m venv numpy-studysource numpy-study/bin/activate ..

문제 상황: 방화벽과 보안 제약으로 인한 접근성 문제우리 프로젝트에서 대시보드 시스템을 구성하는 과정에서 흥미로운 문제가 발생했씁니다.Django 서버에서 생성되는 이미지를 최종 사용자에게 효율적으로 전달하기 위해서 브라우저에서 바로 접근하는 형식으로 구성했었습니다.하지만 보안 정책으로 인해서 몇몇 pc 에서 사용자 브라우저에서 Django 서버에 직접 접근하는 것이 불가능 했습니다.보안 이슈로 인해서 방화벽 규칙을 변경하는 것은 불가능했습니다.따라서 사용자의 브라우저와 Django 서버사이의 중개자 역할을 할 솔루션이 필요했습니다.시도 1 : Base64 인코딩 - 간단하지만 비효율적첫 번째 접근 방식은 Spring Boot WAS 에서 Django 서버로부터 이미지를 가져온후 Base64로 인코딩 한..