외로운 Nova의 작업실

- App Safer, File Safer - Web Security Checker - System Security Checker - App Security Checker - Certificate Manager - Security Monitoring - Web Shell Behavior Detector

- Cloud Insight - Sub Account - Web Service Monitoring System(WMS) - Cloud Activity Tracer - Resourve Manager - Cloud Advisor - Organization - Cloud Data Box - Cloud Log Analytics(CLA) - Cloud Hadoop - Search Engine Service - Cloud Data Streaming Service

- Geolocation - SENS - Outbound Mailer - nShort URL - ChatBot - Clova Speech Recognition(CSR) - Clova Speech - Clova Voice - Clova Summary - Clova Sentiment - Clova Dubbing - Clova OCR - Papago Translation - Pose Estimation - Object Detection - AItems

- Mysql - Redis - MSSql - MongoDB - Postgre SQL

- Object Storage - Archive Strorage - NAS - Data Teleporter - Object Migration - Back up

- VPC - NACL, ACG 비교 - NAT Gateway - LoadBalancer - Global DNS - Global Traffic Manager - CDN - SSL VPN - IPSec - VPN - VPN 차이점 두 VPN의 차이점을 정리하면 다음과 같습니다. 1.사용 용도: SSL VPN은 주로 클라이언트와 네트워크를 연결하는 데 사용되며, IPSEC VPN은 네트워크와 네트워크를 연결하는 데 사용됩니다. 2.프로토콜: SSL VPN은 TCP/IP를 사용하며, IPSEC VPN은 IPsec을 사용합니다. 3.설치 위치: SSL VPN은 클라이언트에 설치되며, IPSEC VPN은 네트워크 장비(라우터, 방화벽 등)에 설치됩니다. 4.인증 방식: SSL VPN은 아이디/비밀번호, 인증서 등..

Compute - 서버 종류 - 요금 구성 - 서버 타입 - bare metal server - GPU 서버 - 서버 운영 방식 KVM은 증분 스냅샷 지원 안함. - ACG - 추가 스토리지 구성 - 추가 스토리지 구성 - 오토스케일링 설정 - 기대용량 처음 오토스케일링 만들떄 만들어지는 서버 수 - 쿨다운 오토스케일링 이후에 이벤트 알람이 발생하더라도 무시. - 펄스체크보류기간 헬스체크를 보류해서 서버 업데이트를 기다려주는 시간. - Container Registry - Kubernates Service - Cloud Function

이번 포스팅은 NCP로 로드밸런서와 오토 스케일링이 적용된 웹서버를 구축해보겠습니다. - VPC 생성 먼저 VPC를 생성해줍니다. - NET ACL 생성 이제 Network ACL을 생성해줍니다. 22번 포트도 열어줘야합니다. 따로 사진에는 안넣겠습니다. 그리고 Rule 설정을 해줍니다. 웹서버용으로 사용할 예정이니 80포트만 열어주겠습니다. - SubNet 생성 이제 서브넷을 생성해주겠습니다. 로드밸런서를 위한 서브넷을 만들어줍니다. 일반 서버를 위한 서브넷을 만들어줍니다. - ACG 만들기 이제 호스트 방화벽인 ACG를 만들어줍니다. 웹서버이므로 80포트를 열어줍니다. 22번 포트도 열어줘야합니다. 따로 사진에는 안넣겠습니다. - 내 서버 이미지 생성 저의 서버를 만들고 아파치를 설치 한 후 서버 이..

- 다층 퍼셉트론을 활용한 손글씨 분류 실습 0부터 9까지 손글씨를 가지고 다층 퍼셉트론을 활용해 0부터 9를 분류하는 AI를 만들어보겠습니다. 학습 데이터는 MINIST 데이터를 사용할 건데, MINIST 데이터는 28 * 28 스케일을 가지고 있습니다. 따라서 입력값은 28*28 = 784개가 될 것이며, 출력값은 0부터9까지인 10개가 될 것입니다. 지금부터 만들 다층 퍼셉트론의 구조입니다. 첫번째 레이어에서 784개의 입력을 받아 256개의 출력을 내고 두번째 레이어에서는 256개의 입력을 받아 128개의 출력을 냅니다. 그리고 3번째 레이어에서 128개의 입력으로 10개의 출력값을 내게됩니다. 이후 adam optimizer를 통해 역전파로 최적화를 하게되고 이때 사용하는 손실함수는 크로스 엔트..

- 다층 퍼셉트론으로 XOR 구현 import tensorflow as tf XOR의 입력레이어를 설정하겠습니다. 입력레이어는 4행 2열이고 출력레이어는 4행 1열의 형태를 갖습니다. X = tf.placeholder(tf.float32, shape=[4,2]) Y = tf.placeholder(tf.float32, shape=[4,1]) 첫번째 히든 레이어입니다. # 두개의 입력값을 받는 두개의 뉴론을 만듭니다. W1 = tf.Variable(tf.random_uniform([2,2])) # 각각의 뉴론은 한개의 편향값을 갖습니다. B1 = tf.Variable(tf.zeros([2])) # 출력값으로 Z를 리턴하도록 합니다. sigmoid(W1 * X + B1) Z = tf.sigmoid(tf.mat..