dev-lee 님의 블로그

AWS 네트워킹 서비스 완전 정리 — VPC, 서브넷, 보안 구성AWS 클라우드 네트워크의 기본 개념부터 VPC/Public Subnet/Private Subnet 구축까지 단계별로 정리합니다.목차네트워킹 기초 개념AWS 글로벌 네트워크AWS 네트워킹 서비스 소개VPC · Public Subnet · Private Subnet 구성VPC 마법사로 빠르게 만들기Public Subnet에 웹서버 생성AMI 이미지 생성 및 활용리소스 삭제 순서1. 네트워킹 기초 개념사설 IP 주소 블록 (RFC 1918)클래스CIDR주소 수주요 사용처Class A10.0.0.0/8약 1,670만 개대규모 기업·ISP 내부망Class B172.16.0.0/12약 100만 개중대형 기업·대학·공공기관Class C192.168.0..

AWS EC2 완전 정복 — 생성부터 삭제까지클라우드 입문자를 위한 Amazon EC2 핵심 정리 목차 1. EC2 인스턴스 유형 6가지 — 어떤 걸 골라야 할까? 2. 인스턴스 상태 & 공인 IP — 모르면 요금 폭탄 3. 스토리지 옵션 완전 비교 (EBS / Instance Store / EFS) 4. EC2 생성 & 보안 그룹 설정 실전 가이드 1. EC2 인스턴스 유형 6가지 — 어떤 걸 골라야 할까?EC2를 처음 생성할 때 가장 먼저 마주치는 선택지가 바로 인스턴스 유형입니다. 쉽게 말해 "어떤 사양의 컴퓨터를 빌릴 것인가"를 결정하는 단계예요. AWS는 사용 목적에 따라 크게 6가지 카테고리로 나누어 제공합니다. 범용 General Purpose ..

1. AWS 계정 가입하기 — 준비물부터 완료까지 AWS를 시작하려면 먼저 계정을 만들어야 합니다. 가입 자체는 5단계로 구성되어 있고 10~15분 정도 걸려요. 시작 전에 아래 세 가지를 미리 준비해 두면 중간에 막히는 일이 없습니다. 필수 이메일 계정 수신 가능한 메일 주소가 필요합니다. 인증 코드가 발송되며 스팸 폴더로 들어갈 수 있으니 확인해 두세요. 필수 신용/체크카드 카드 유효성 확인 목적으로 100원이 임시 인출됩니다. 곧 반환되며 무료 플랜에서는 추가 요금이 발생하지 않아요. 필수 핸드폰 SMS 본인 인증과 이후 OTP 앱 설치에 사용합니다. 국내 번호면 국가 코드 +8..

본격적인 내용에 앞서 데이터베이스의 종류를 표로 나타냈다. 데이터 베이스 : 정형 데이터데이터 레이크 : 원본데이터 웨어하우스 : 정형 데이터 + 분석기능데이터 마트 : 웨어하우스의 부분 집합(특정 주제) 데이터베이스 설치 로컬 PC(설치)OS 레벨 설치Docker 기반 위에 컨테이너 설치os 영향을 받지 않음hub를 통해서 다양한 형태의 버전을 설치할 수 있음(이미지)오피셜 mysql 이미지로 설치클라우드(임대)RDS 등 서비스를 이용하여 세팅 -> 사용 -> 사용한만큼 비용 지불AWS, Azure, 구글 클라우드 데이터베이스 접속 docker 기반 기준GUI해당 컨테이너 > exec > 접속docker cli로 접속 가능 # i : 표준입력(stdin, interactive) # t : 가상 터미..

데이터를 가져와서 분석하려면 먼저 데이터의 종류에 대해 알아야 할 필요가 있다.데이터 종류 정형구조화된 데이터특징관계형 데이터베이스(RDB) 기반으로 추출된 데이터raw 데이터와 구조정보(스키마)가 분리되어 있음SQL을 통해서 데이터 추출DB에서 직접 추출AWS Athena 등 이용하여 추출(raw 데이터 직접 쿼리)open API를 통해 추출되는 결과물RDB행기반, 열기반 제품(용도가 다름 -> DB 수업에서 체크) 비정형(종류로 판단)구조가 없는 데이터종류바이너리 데이터영상, 이미지, 오디오, 문서(doc, pdf, ...) -> 주로 딥러닝에서 다루는 데이터들NoSQL 계열몽고DB, 레디스, ...텍스트 데이터로그 데이터(로그는 형식을 정의하여 구성) 반정형데이터 안에 구조 정보(스키마)가 들어있..

데이터 종류정형 구조화된 데이터특징관계형 데이터베이스(RDB) 기반으로 추출된 데이터raw 데이터와 구조정보(스키마)가 분리되어 있음SQL을 통해서 데이터 추출DB에서 직접 추출AWS Athena 등 이용하여 추출(raw 데이터 직접 쿼리)open API를 통해 추출되는 결과물RDB행기반, 열기반 제품(용도가 다름 -> DB 수업에서 체크) 비정형(종류로 판단) 구조가 없는 데이터종류바이너리 데이터영상, 이미지, 오디오, 문서(doc, pdf, ...) -> 주로 딥러닝에서 다루는 데이터들NoSQL 계열몽고DB, 레디스, ...텍스트 데이터로그 데이터(로그는 형식을 정의하여 구성)반정형데이터 안에 구조 정보(스키마)가 들어있는 데이터데이터 = raw 데이터 + 스키마(일체형)종류JSON, xml텍스트 기..

개요파이썬 프로그램 구성모듈*.py파이썬 파일 # 실행 python *.py [인자값1, 인자값2, ...]패키지폴더/디렉토리디렉토리 내부에는 여러개의 *.py 혹은 다른 패키지 존재할 수 있음패키지 내에는 같은 목적을 제공하기 위해 여러 모듈들이 모여있음특정 기능이 완결되면 전세계 개발자들에게 사용할 수 있게 제공할 수 있음오픈소스라면 깃에도 공개됨리소스모듈이 아닌 파일(환경변수, 이미지, ...) 모듈화 / 패키지필요성팀작업 -> 작업에 대한 분업 -> 공간/역할 등에 따라 개별적으로 배치(공통 작업이 아니라면)위 작업이 완료되면 다른 사람들이 만든 모듈을 가져와서 사용해야 함(모듈 가져오기)실습구조 / L 6.모듈화_모듈가져오기_예외처리.ipynb : 현재 파일 L a ..

컬렉션 처리 - map, filtermap()연속된 데이터(컬렉션 계열 중 리스트, 튜플 등)의 멤버를 하나씩 꺼내서 작업 진행ex) 모든 멤버의 값 두배 처리 : 전처리datas = [1,2,3,4,5]# 요구사항 : datas의 모든 멤버들의 값을 두배로 업그레이드 하시오.# [1,2,3,4,5] -> [2,4,6,8,10]datas * 2 # 리스트가 2번 복사된다결과값 : [1, 2, 3, 4, 5, 1, 2, 3, 4, 5]----------------------------------------------------------# map()을 이용하여 멤버를 하나씩 꺼내서 두배로 업그레이드하여 다시 리스트에 담는다# pandas 가면 apply()%%timedef 더블함수 (x) : # 반드시 멤..

개요 목적절차적 코드의 단점을 개선특정 기능의 수행단위 구성기능의 재사용성(활용) 높임생산성 향상 -> 비용 감소 -> 기업/공익 이익유지보수 유리절차적 코드의 단점중복 표현 많이 발생기존 코드의 재사용 불가흐름 제어의 난이도 높음 (코드가 복작함)코드가 길어짐(확률이 높음)장점간단, 편리함, 빠르게 구성 가능결론적절히 섞어서 적재 적소에 사용 함수 구성 본질구성입력함수를 호출할때 데이터가 전달되는 통로함수를 정의할때 : 매개변수, parameter함수를 호출할때 : 인자, argument생략 가능처리/함수의 목적/비즈니스로직예시더하기 함수로그인 처리 함수LLM이 프럼프트를 받아서 추론하여 결과를 응답하는 함수영상 데이터를 받아서 이를 분석하여 판독/객체탐지/추적등을 수행...생략 가능 (함수의 의미 x..

반복문 + 조건문(필터링)for n in range(1,10): #n값이 짝수면 출력, 홀수면 아무일도 하지 않는다 -> 이분법적 상황 -> if ~ else ~ if n%2: print(n) 결과값 : 13579----------------------------------------------------------------------for n in range(1,10): #n값이 짝수면 출력, 홀수면 아무일도 하지 않는다 -> 이분법적 상황 -> if ~ else ~ if not n%2: print(n) 결과값 : 2468이중 for문for문 안에 for문이 존재하는 경우중첩 반복문구구단, 게임 드로잉 시 패턴 표현딥러닝 > 영상/ 이미지 인식(CNN) > 필터/커널이 2..