0m1n's Develog

쿠버네티스 : 컴퓨터 클러스터에 어플리케이션을 배치하고 실행을 관리하는 운영 수준의 오픈소스 플랫폼 마스터 노드 모든 관리 작업의 시작점, 쿠버네티스 클러스터 메인 컴포넌트, 워커노드 제어 API Server : 쿠버네티스 컴포넌트 허브 역할, RESTful API 제공 Scheduler : 각 노드의 리소스 사용률 추적, 생성된 Pod 감시 및 노드가 미할당된 Pod가 실행되도록 Node 선택 워커 노드(슬레이브 노드) Pod가 실행되는 공간, 마스터 노드와 통신하는 에이전트, 도커 등의 컨테이너 런타임 실행 kubelet: 쿠버네티스 워커 노드 메인프로세스, 클러스터의 각 노드에서 실행되는 에이전트 kube-proxy: 네트워크 프록시와 로드 밸런서 핸들링, TCP 등 네트워크 라우팅 담당 Pod: ..

MLOPS/Kubeflow 쿠버네티스용 머신러닝 툴킷 ‘쿠버플로우’를 통해 컨테이너 할당, 생성하는 역할 중 머신러닝 프로젝트의 모든 단계를 관리하도록 설계 Cloud Native Application Desktop application + Web application으로 클라우드 환경에서 실행되는 어플리케이션 프로그램 서비스 : 어플리케이션을 여러 개의 서로 독립적인 기능을 하는 서비스 구분 서비스들을 어떻게 구성하고 어떻게 연결하고 어떻게 관리하느냐가 관건 Microservices Application을 API를 통해 통신하는 작은 서비스의 집합으로 개발하는 아키텍처형 접근법 Devops 프로세스 자동화를 목표로 개발자와 운영자가 협업, 짧은 주기내 신뢰성 있는 소프트웨어 생성, 테스트, 릴리즈 할 ..

Native App Android 또는 iOS 같은 어떤 구체적인 플랫폼만을 위해 만들어진 응용 프로그램을 네이티브 앱 Hybrid App 네이티브 앱과 웹 앱의 기능을 결합한 것 Progessive Web App 사용자들에게 네이티브 앱의 느낌을 주면서도 웹 브라우저에서 바탕화면에 바로가기를 추가하여 특별한 다운로드와 인스톨 과정 없이 기본 앱처럼 사용할 수 있다 프로그레시브 웹 애플리케이션은 웹을 통해 전달되는 응용 소프트웨어의 일종으로, HTML, CSS, 자바스크립트를 포함한 일반 웹 기술들을 사용하여 만들어진다. PaaS-TA : 클라우드 인프라 환경 제어 & 앱 쉽게 개발하고 안정적 운영할 수 있도록 관리/지원하는 클라우드 플랫폼 Application Platform 기반인 PaaS-TA와 별..

API : Application Programming Interface 어떤 서버의 특정한 부분에 접속해서 그 안에 있는 데이터와 서비스를 이용할 수 있게 해주는 소프트웨어 도구 SOAP vs REST 차이점 SOAP REST 유형 프로토콜 아키텍쳐 스타일 기능 기능 위주 : 구조화된 정보 전송 데이터 위조 : 데이터를 위해서 리소스에 접근 데이터 포맷 XML만 사용 일반 텍스트, html,xml,json등 다양 보안 WS-Security, SSL SSL, HTTPS REST (Representational State Transfer) 웹 서비스와 모바일 앱 경량화의 필요에 맞춘 아키텍처 원칙 세트이며 설계적 지침 HTTP 프로토콜을 기반으로 웹에 최적화 / 인간과 기계 모두 읽기 가능 / 구성요소간 통..

클라우드 컴퓨팅 : 네트워크 기반의 컴퓨팅 기술 컴퓨팅 리소스를 데이터 센터에 대량으로 집적 -> 이용자가 요구하는 만큼 가상으로 분리하여 정보통신망을 통해 제공 사용량에 비례하여 비용 청구 IaaS (Infrastructure as a Service) - IT 전문가 PaaS (Platform as a Service) - S/W 개발자 SaaS (Software as a Service) - 최종 사용자 IaaS (Infrastructre as a Service) CPU나 하드웨어 등 컴퓨팅 리소스(자원)를 네트워크를 통해 서비스로 제공하는 모델 IaaS 가상화 유형 hypervisor : OS 환경을 통째로 가상화 함 장점 가상 서버마다 OS를 선택할 수 있음 가상 서버들이 완전 분리되어 있음 단점 가..

머신 러닝 주어진 데이터를 분석하여 규칙성, 패턴 등을 찾음 → 의미 있는 정보 추출 지도 학습 : 정답이 있는 데이터를 활용해 데이터를 학습시키는 것 회귀 : 연속된 수치 값을 예측 분류 : 이산적인 값을 결과로 출력 비지도 학습 : 종속변수(정답데이터)가 제공되지 않는 데이터에 대한 학습을 처리하는 기법 주로 군집화(클러스터링)에 사용 영상 데이터 픽셀을 머신 러닝 입력으로 사용 안하는 이유 픽셀 값은 매우 민감하게 변화하므로 k-폴드 교차 검증 훈련 데이터를 k개의 부분 집합으로 분할하여 학습과 검증을 반복하는 작업 OpenCV 머신 러닝 클래스는 주로 ml 모듈에 포함되어 있음 StatModel 추상 클래스를 상속 train() - 학습 predict() - 예측 분류 / 회귀에 사용 분류의 경우..

지역 특징 : 영상의 특징 중에서 에지, 직선 성분, 코너 처럼 영상 전체가 아닌 일부 영역에서 추출할 수 있는 특징 코너 검출 방법 해리스 코너 검출 방법 R이 0보다 충분히 큰 양수 : 코너 점, R이 0 가까운 실수 평탄, R < 0 : 에지 하나의 코너 위치에 사용자 지정 임계값보다 큰 픽셀이 여러개 발생할 수 있기 때문 → 비최대 억제 수행 FAST 코너 검출 방법 해리스는 연산 복잡해서 연산 속도가 느림 단순한 픽셀 값 비교를 통해 코너 검출 영상의 모든 픽셀에서 픽셀 둘러싸고 있는 16개의 주변 픽셀과 밝기 비교 16개 중 기준 좌표보다 충분히 밝거나 어두운 픽셀이 9개 이상 연속으로 존재 → 코너 코너 점 주변 픽셀도 코너로 검출하는 경우 많음 비최대 억제 작업 수행(코너 점수 가장 큰 코..

템플릿 매칭 영상에서 작은 크기의 부분 영상 위치를 찾아내고 싶을때 사용 작은 크기의 템플릿 영상을 입력 영상 전체 영역에 대해 이동하면서 가장 비슷한 위치를 수치적으로 찾음 유사도, 비유사도 계산 유사도 → 템플릿과 비슷한 부분에서 값 크게 나옴, 비유사도는 반대 matchTemplate() 사용 템플릿 영상과 입력 영상과의 비교 방식 제곱차 매칭 두 영상이 완벽하게 일치 → 0, 유사하지 않으면 0보다 큰 양수 상관관계 매칭 두 영상이 유사하면 큰 양수, else 작은 값 상관계수 매칭 두 영상을 미리 평균 밝기로 보정 후 상관관계 매칭 유사하지 않으면 0에 가까운 양수 or 음수 정규화된 상관계수 매칭 방법이 좋은 결과 제공 캐스케이드 분류기와 얼굴 검출 유사-하르 필터 집합으로부터 특정 집합 추출..