보호되어 있는 글입니다.

보호되어 있는 글입니다.

저자: 이즈미 마사토 읽은 기간: 2022.11.25 ~ 2022.11.29 돈이란, 시용을 가시화한 것이다. 돈을 가져오는 건, 반드시 자신이 아닌 다른 사람이라고 말했다. 돈은 신용이 있는 사람에게만 전달된다. 그리고 신용이 높으면 그만큼 많은 돈이 기회라는 얼굴로 접근한다. 신용은 지난 행동들의 결과이고, 지난 행동은 하루하루 사고해온 결과다. 요컨대, 하루하루의 사고가 행동을 만들고, 그 행동이 신용을 만들며, 그 신용이 결과적으로 돈이라는 형태로 나타나는 것이다. 학교에 가서 공부하고, 친구들과 약속을 지키고, 직장에서 착실하게 일하는 건 모두 신용을 얻기 위한 행동이다. 그렇게 얻은 신용은 돈이라는 형태로 남고, 그 돈은 인생의 선택지를 늘려주는 도구가 된다. 그렇게 삶에서 유용하게 쓸 수 있..

쿠버네티스 클러스터를 구축하는 방법은 여러 가지가 있다. 사용하고 있는 노트북 혹은 데스크톱의 CPU와 Memory가 충분하다면 로컬에 Docker Desktop을 이용하면 손쉽게 쿠버네티스 클러스터를 구축할 수 있다. 나는 로컬에 구축할 수 있다면 로컬에 올라간 클러스터를 사용하는 게 제일 간편하다고 생각한다. 하지만 나는 리소스가 충분하지 않았었다. 취업을 준비할 때 많은 기업에서 쿠버네티스를 사용한다고 하여 경쟁력을 높이기 위해 쿠버네티스를 공부하고자 했었지만 구축이 제일 큰 산이였었다. 집에 놀고 있던 데스크탑에 메모리를 추가로 구매해 서버로서 쿠버네티스를 구축하기도 하고 사용하던 노트북에 쿠버네티스를 구축하려고도 했지만 쉽지 않았다. 그러던 중 GCP에서 제공하는 GKE라는 서비스를 알게 되었고..

Github Actions는 Github에서 제공하는 CI / CD를 위한 툴이다. CI : Continous Integration(지속적 통합) CD: Continous Delivery or Continous Deploy(지속적 배포) 사용자의 피드백을 빠르게 적용하기 위해서 많은 수의 배포가 빠르게 진행되어야 한다. 이는 곧 서비스의 경쟁력이 되기 때문이다. 한 번의 코드 변화로부터 사용자에게 전달되기까지 모든 과정이 수동으로 이루어진다면 많은 시간이 걸릴 것이다. CI / CD는 그 과정을 자동화하는 것이라고 생각한다. 쉽게 예를 들어 CI / CD를 구분해보자. CI : 소스코드의 변경에 따른 도커 이미지의 빌드 및 푸시 CD : 변경된 도커 이미지를 바탕으로 쿠버네티스의 리소스 업데이트 위 그림..

안녕하세요~~ 오늘 작성해볼 내용은 머신러닝 모델을 위한 CI / CD 파이프라인입니다. CI는 Continous Integration CD는 Continous Deploy 혹은 Continuous Delivery 이는 사람마다 해석이 조금씩 다른 거 같습니다. 뭐 굳이 나누나 싶긴 한데 저는 CI는 배포 전까지의 모든 단계를 이야기하고 CD는 배포하는 단계로 정의하고 글을 작성하겠습니다.. 그리고 CI / CD가 뭐야?라고 누군가 저에게 물어보면 저는 "자동화하는 거요..."라고 대답할 거 같습니다. 머신러닝 관점에서 CI / CD를 한다는 것은 모델러가 코드를 Github에 업로드했을 때 모든 과정이 자동화되어 사용자에게 전달되게 끔 하는 것이라고 생각합니다. 이는 비즈니스의 성격과 모델의 성격에 따..

Go 설치 HelloWorld 출력 게산기 웹서버 Go Routine 1. Go 설치 Go의 Document의 Install을 따라 진행하면 됨 https://go.dev/doc/install Download and install - The Go Programming Language Download and install Download and install Go quickly with the steps described here. For other content on installing, you might be interested in: 1. Go download. Click the button below to download the Go installer. Download Go Don't see you..

BentoML 0.13.1 1. 모델 학습 꽃 품종 데이터셋인 Iris 데이터를 분류하기 위한 SVM 모델을 학습한다. Scikit-learn을 통해 데이터셋을 불러오고 모델학습까지 손쉽게 할 수 있다. 그리고 모델을 pickle로 저장한다. # train.py from sklearn import svm from sklearn import datasets import pickle ​ # Load training data iris = datasets.load_iris() X, y = iris.data, iris.target ​ # Model Training clf = svm.SVC(gamma='scale') clf.fit(X, y) ​ with open("model.pkl", 'wb') as f: pick..