Q. GitHub에 새로운 코드를 올렸는데 클라우드에 올라간 서버는 계속 과거 이미지(과거코드)를 보여줘요! 해당 오류는 25년에 이어 26년에도 발발했다...과거에도 해당 이슈가 있었다. 이를 번복하지않으려, 나는 항상 AWS의 ECR에 들어가 과거의 image들을 모두 삭제하고 있었다. 다만 이것은 명백한 해결책이 아니었다. AWS의 ECR에서 docker image를 지운다는 것은 클라우드 드라이브에서 파일을 지운 것과 같다. EC2(내 서버)에서 컨테이너가 돌아가는 것은 내 컴퓨터에 이미 내려받아 설치된 프로그램을 실행 중인 것 (매번 갱신하는게아니었음) 왜 이런 일이 발생하나요?로컬 캐시 우선: Docker는 docker run을 할 때 로컬에 해당 이름(태그)의 이미지가 있으면 외부(EC..

기존에는 노션을 활용해 API 문서를 정리했었는데, 너무 비효율적이었다. 연주선배님이랑 저번에 밥먹을 때, 이야기 나눴던 스웨거가 생각나서, 이를 적용하기로결정. 기존에는 AWS에 서버를 올려놨었는데, 매달 나가는 비용 대비 개발 속도가 진행이 안돼서 현재는 내린상태이다. 실질적으로 발생하던 비용은 EC2가 돌아가는 것에 대한 비용만 나가고있었다. (하루 0.5달러였나..) 750 시간까지 무료였다. (프리티어) 아무튼,,, 다들 졸프, 수강신청, 여행 등으로 바쁜 시기라 개발 진척도가 안나가고 & 디자이너가 팀을 나가게되어 기존의 프엔 작업물을 사용하지 못하게되는 상황이 되어버려 연동에 시간이 걸릴 것 같아 서버를 내렸다. 기존에는 스웨거 배포된 서버로 접근가능하게 security 설정 열어놨었는데,..

해당 프로젝트를 개발하다가, 심사위원분이 우리 프로젝트에서 파일을 잘 못찾으셨던 것을 계기로, 프로젝트 구조를 다시 정리하려고한다.당시 받은 피드백 ㄱ 현재 구조를 정확히 진단해보자.더보기더보기..순수 레이어드아키텍처 X (Controller, Service, Repository, Domain.... 등으로 패키지 분리)아키텍처 레이어(4레이어) : User Interface(외부통신) - Application(비즈니스로직, 트랜잭션) - Domain(도메인 객체) - Infrastructure(DB연결, 외적 인프라와 연결)아키텍처레이어 (3레이어) :프레젠테이션 레이어 -> 애플리케이션 레이어 -> 데이터 접근 레이어( Controller ) | ( Service ..

1차 시도.시간초과로 장렬히 전사하다.import java.util.*;class Main{ public static void main(String args[]){ Scanner input = new Scanner(System.in); int N = input.nextInt(); ArrayList cards = new ArrayList(); for(int i=1; i초기화시켜주고, 매번 빼고 이러면 시간복잡도가 O(N^2)가된다. 시간초과임.Deque를 써보자. Deque를 사용할때, 요소를 추가하는 상황이있다고하자.`add`보다는 `offer`를 많이 사용한다고한다. 왜? 예외상황이 발생했을 때, offer의 경우 fa..

Implementation and Analysis of Hashing & SearchCourse: Data StructuresStudentID: 2466044Author: LEE SIEUNDate: 2025-12-15Repository(public): https://github.com/sihyes/2025-Data-Structures/tree/main/09-HashingSearch #1. Introduction(Theoretical Background, Logic)#1.1 HashingHashing is a method to access items by calculating their addresses (index) in a hash table using an arithmetic operation on ..

보호되어 있는 글입니다.

머신러닝 프로젝트 ... 수집->처리->분석 (파이프라인 중)머신러닝 파이프라인요구사항 정의목표 태스크 정의 및 유형 파악 -> 분류/회귀/군집 등성능 지표 선택 -> 태스크 유형에 따라 달라진다.데이터 수집/정제(처리)데이터 수집 및 각종 전처리 ( 결측치 및 이상치 처리, 노이즈 제거 등)기존 데이터 분석 파이프라인의 일부DataOps 적용 영역학습 /검증 / 테스트 데이터셋 분리 용도분리를미리해줘야합니다 학습데이터 : 학습 알고리즘을 통한 모델 파라미터 학습에 사용!검증 데이터 : 학습 알고리즘의 학습 방향 결정에 사용. (중간에 한번 그 모델이 현재까지 잘 원하는대로 되는지)테스트데이터 :학습된 모델의 성능평가에 사용 (학습 과정에 절대 사용하면 안됨. 최종시험이라고보면됨. 이걸주면 컨닝페이퍼닷!..

목표 : 빅데이터 분석 소프트웨어의 특징으로부터 Data Ops의 필요성 찾기DataOps의 개념과 목표 핵심전략 DataOps : 필요성빅데이터 분석 파이프라인 운영의 실제점점 복잡해지는 빅데이터 분석 파이프라인- 파이프라인의 각 단계를 구성하는 태스크의 세분화 + 다양한 인력 간의 협업 필요데이터 변화(ex. 스키마 변화)로 인한 문제데이터 소스의 스키마 변화 등으로 인하여 기존 분석 파이프라인이 깨질 수 있음빅데이터 분석 파이프라인의 수동 운영 시 문제분석 환경 변화에의 대응 및 파이프라인 스케줄 관리의 어려움장애 추적/오류 재현/ 자동 복구의 어려움데이터 일관성 모니터링 등 체계적인 품질 관리의 어려움필요성 : (못들엇땅 ㅎㅎ)빅데이터 분석 파이프라인의 수동 운영 → 데이터 분석의 품질, 속도, ..