saul's log

https://www.elastic.co/kr/what-is/vector-embedding 벡터 임베딩이란 무엇인가? | 벡터 임베딩 종합 안내서벡터 임베딩을 정의하고 자연어 처리 및 머신 러닝의 사용 사례를 이해합니다. 벡터 임베딩 유형과 생성 방법을 살펴보세요.www.elastic.cohttps://www.bobdc.com/blog/semantic-web-semantics-vs-vect/ Semantic web semantics vs. vector embedding machine learning semanticsIt's all semantics.www.bobdc.com 벡터 임베딩 정의- 벡터 임베딩은 단어와 문장 및 기타 데이터를 의미와 관계를 포착하는 숫자로 변환하는 방법입니다.- 텍스트, 이미..

https://www.hanbit.co.kr/channel/view.html?cmscode=CMS5675948724&gad_source=1&gad_campaignid=23518945342&gbraid=0AAAAA_x2BewgWi5F5NZcIneowfewkbxH9&gclid=CjwKCAjwqonVBhA4EiwA9wYJ3Vq5fC5Be7fuBSnwJJH-eZXifvZGy6V7QwshVh25bb-0GXCcsRe3axoCX3MQAvD_BwE 원리부터 이해하는 쿠버네티스 - 클러스터, 컨트롤 플레인, 노드, 워크로드, 네트워크, 스토리지✅쿠버네티스의 개념 쿠버네티스는 어떻게 탄생했으며 어떤 역할을 수행하는지 알아봅시다. 1-1) 쿠버네티스의 어원과 역사쿠버네티스Kubernetes는 컨테이너화된 애플리케이션의 자동..

https://kubernetes.io/ko/docs/tasks/run-application/horizontal-pod-autoscale-walkthrough/ HorizontalPodAutoscaler 연습HorizontalPodAutoscaler(약어: HPA)는 워크로드 리소스(예: 디플로이먼트 또는 스테이트풀셋)를 자동으로 업데이트하며, 워크로드의 크기를 수요에 맞게 자동으로 스케일링하는 것을 목표로 한다. 수평kubernetes.io HPAHorizontal scaling means that the response to increased load is to deploy more Pods. This is different from vertical scaling, which for Kuberne..

https://kubernetes.io/docs/concepts/overview/working-with-objects/labels/ Labels and SelectorsLabels are key/value pairs that are attached to objects such as Pods. Labels are intended to be used to specify identifying attributes of objects that are meaningful and relevant to users, but do not directly imply semantics to the core system. Labels cankubernetes.io 라벨 (Label) - Pod, Node 등의 리소스에 붙..

https://kubernetes.io/docs/concepts/workloads/controllers/deployment/ DeploymentsA Deployment manages a set of Pods to run an application workload, usually one that doesn't maintain state.kubernetes.io Deployment YAML 구조apiVersion: apps/v1kind: Deploymentmetadata: name: my-db-deployspec: strategy: type: RollingUpdate rollingUpdate: maxSurge: 2 maxUnavailable: 1 replicas: 3 se..

분산과 표준편차 - 간단하게 계산할 수 있는 기초 통계량과 함께 데이터의 특징을 표현하는 지표로 분산(variance)과 표준편차(standard deviation)가 있습니다. - 평균으로부터 먼 곳까지 데이터가 퍼져 있다면 분산과 표준편차의 값이 커지며, 대부분의 데이터가 평균 근처에 위치한다면 분산과 표준편차의 값이 작아집니다. * 평균으로 부터 먼 곳에 분포 : 분산, 표준편차 값 상승 * 평균으로 부터 근처에 분포 : 분산, 표준편차 값 하락 표준오차 - 표준 오차에는 절대값을 활용해 계산하는 방법과 제곱을 통해 계산하는 방법이 있습니다. 1) 절대값을 활용한 표준오차 2) 제곱을 활용한 표준오차 * 절대값과 제곱을 이용한 표준오차 중 제곱을 사용하는 것이 데이터의 흐트러짐을 조금 더..

https://velog.io/@salgu1998/Kubernetes-%EC%BF%A0%EB%B2%84%EB%84%A4%ED%8B%B0%EC%8A%A4-Deployment Kubernetes 쿠버네티스 - Deployment(update, rollback)Deployment는 Pod 배포 자동화를 위한 오브젝트(ReplicaSet + 배포 전략)새로운 Pod를 Roll Out/Roll Back할 때 ReplicaSet 생성을 대신해줌다양한 배포 전략을 제공하고 이전 Pod에서 새로운 Pod로 전환 속도를 제velog.io Deployment란?쿠버네티스의 Deploymemt(디플로이먼트)는 Pod를 직접 관리하지 않고, ReplicaSet을 통해 Pod의 개수와 버전을 관리해 주는 상위 컨트롤러입니다...

0. 전제(X)전체 데이터 집합(x_i)(i)번째 데이터(i)데이터의 번호(n)전체 데이터 개수 1. 평균(Average) - 주어진 값들의 합을 데이터 개수로 나눈 산술평균을 의미 * 시그마는 일정한 규칙으로 나열된 숫자를 순서대로 더해 합을 계산하는 기호입니다.* 즉 x1부터 xn 까지 전부 더한 후 * 1/n 을 곱하라는 의미입니다. * 엑셀에서는 AVERAGE() 함수로 적용할 수 있습니다. 2. 중앙값(Median) - 데이터를 크기 순으로 정렬했을 때 가운데 위치하는 값을 중앙값이라고 합니다. - 먼저 데이터를 오름차순으로 정렬 후 중앙에 위치하는 값을 확인합니다. - 극단적 연속적 값의 데이터인 경우 평균값이 크게 튀는 경우가 있습니다. 그런 경우 중앙값을 사용합니다. 예..

1. 문제 정의 - 문제 정의 단계에서는 데이터 분석의 목적은 무엇이며 목표는 무엇인가를 명확하게 정의해야 합니다. 데이터 분석 목적데이터 분석 목표아이스크림 회사의 매출 예측 가게의 입지조건으로 일 평균 손님 수 예측 자동차 회사의 소비자 앙케이트 정보 활용연령별 수익별 잘 팔리는 모델에 대한 분석 2. 데이터 수집- 목표를 정한 후 데이터 수집을 진행합니다.- 데이터의 특성을 활용하여 수집을 진행해야 합니다.수치형 데이터연속형소수점까지 계속 나올 수 있는 숫자키 175.3cm, 몸무게 68.5kg, 온도 23.7℃수치형 데이터이산형횟수자녀 수 2명, 구매 횟수 5회, 불량품 3개범주형 데이터명목형단순히 종류를 구분성별, 혈액형, 지역, 제품 종류범주형 데이터순위형순위가 존재하는 데이터만족도,..

https://medium.com/codetodeploy/kubernetes-deep-dive-deployments-replicasets-services-with-diagrams-real-examples-80edbd9229df 🚀 Kubernetes Deep Dive: Deployments, ReplicaSets & Services (With Diagrams & Real Examples)Master Kubernetes scaling, updates, and networking using Deployments, ReplicaSets, and Services, explained visually and practicallymedium.com 서버 이중화와 고가용성의 필요성단일 서버 구성 시 단일 서버에 장애..