김띵준의 Programming Story

안녕하십니까. 오늘은 Saturday Azure Live라는 세미나에 참여하게 되어 포스팅 합니다. 링크 :  https://festa.io/events/386 Hybrid Kubernetes Cluster with AKS Engine 쿠버네티스를 도입하기 위해서 아래와 같은 이슈를 처리하였다고 함. https://github.com/kubernetes/kubernetes/issues/65163 https://github.com/kubernetes/kubernetes/issues/66947 윈도우 Azure 계정 생성 https://github.com/krazure/hybrid-aks-hol

아래 내용은 딥 리워드 핸즈온 세미나를 참석하면서 작성한 필기 내용을 담은 포스팅 입니다. 세부 내용들은 링크들을 따라가시면 확인하실 수 있으므로 개략적으로만 담았습니다. https://festa.io/events/383 매달 정기적으로 진행하는 스터디. 전 세션까지는 안들어도 되지만 이번 세션부터 중간에 참여하면 어려울 수 있음. 페이스북 딥리워드 그룹에서 확인하실 수 있음. 사전 준비 사항 https://github.com/DeepReward/ 101/blob/master/README.md 아나콘다 + 파이썬 3 jupyter notebook 환경 + numpy, matplotlib 스타2 설치, pysc2 연동. tensorflow 설치. 첫번째 세션 https://github.com/Youngsam/dr101 위의 코드를 기준으로 강화 학습의 개념을 설명. jupyter notebook 실행. Sutton 교수님의 책을 기준으로 설명하시는 듯. 강화학습의 기본적인 탐색법 epsilon-greedy(e-greedy, 입실론 그리디) 가위바위보를 한다고 할때 이론적으로는 확률이 반반이지만 사람에 따라서 편차가 있을 수 있다. 이를 찾는 알고리즘. 잘 터지는 슬롯 머신 고르기 문제 위의 문제에 업그레이드 문제? 농담으로 입구쪽의 슬롯머신이 광고를 위해서 잘터진다고 함. 탐색이 필요하다는 예시 아래는 그리디, 엡실론 0.1, 0.001에 대한 성능 향상 그래프 이고, 그리디는 향상이 없음. 엡실론 0.1이 더 빨리 좋아졌지만 0.001이 나중에는 더 좋아질 수도 있음. Markov Decision Processes and Dynamic Programming 아래와 같이 각 state가 연결되어 있고 다음 state로 넘어가는 확률이 정해져 있는 문제 벨만 등식 부동산에서 옆동네가 가격이 오르면 나도 오르는것 처럼. 다음 state의 가치가 상승할시

안녕하십니까. 오랜만에 갑자기 대학교시절에 했던 프로젝트가 떠올라서 관련 자료를 발견하여 포스팅 해봅니다. CCP란? 고려대학교에서 진행하는 활동으로, 교수님의 지도 하에 프로젝트를 진행하여 발표하는 활동 입니다. 진행하였던 프로젝트 - 의류 분선 웹 앱 제작 제가 진행하였던 프로젝트는 의류 분석 웹 앱 제작 입니다. OpenCV를 통하여 이미지를 인식, 의류를 분석하고 추천을 해주는 웹을 개발하는것이 목표였습니다. 진행 과정 해당 과정의 핵심은 의류 인식 데이터 처리였습니다.  제가 컴퓨터학과 2~3학년때에 진행한 프로젝트이고 머신러닝 과목을 수강하기 전이었습니다. 컴퓨터 그래픽스라는 과목만 수강한 상태라 OpenGL 사용하듯이 OpenCV를 사용하였고 이미지를 직접 전처리하였습니다. 머신러닝을 배우지 않았지만.. 머신러닝의 삽질을 몸소 배우게 된 계기가 되었었네요. 코드를 간단하게 작업 후 negative 이미지를 bulk로 여러장 다운받고 positive는 제가 직접 100여장 정도 찍었습니다. 성능을 측정하지는 않았으나 테스트 결과는 나쁘지 않았습니다. 의류 추천 의류 추천은 단순히 확률로 계산하였던것 같습니다. 예를 들어 A를 본사람이 B도 보게되면 서로 연관이 있다고 하여서 그에 대한 확률을 계산한것 입니다. 웹 앱 웹앱은 당시에 개발하지 않았습니다. 딱 그때 MEAN staack이라고 Node.js가 유행한 시기라 본인도 공부하였으나.. 웹 앱까지 구현하기에는 시간이 부족하였습니다. 사용한 알고리즘 OpenCV의 haar cascade라는 알고리즘을 사용하였습니다. 당시에 알고리즘의 동작 원리는 이해하지 않고 진행하였습니다. 결과물 코드는 남아있지 않으므로.. 결과물은 아래와 같은 포스터만 남아 있습니다. 평가 객관적으로 나를 평가해 봅시다. 잘한 점 만약 그시절 그때의 지식으로 다시 하게 되면 해당 방법이 최선이었을듯. 머신

안녕하십니까. 오늘 네이버 D2 세미나에 다녀와서 포스팅을 합니다. 해당 세미나에서는 APM을 다루는 오픈소스들에 대하여 공유 하는 자리 입니다. 영어 듣기 실력이 좋지 않아서.. 영어 세미나는 듬성듬성 들은것 같습니다. 네이버 핀포인트 측에서 이참에 외국 개발자도 초청하고 했다고 합니다. 제가 다니는 회사에서는 DevOps를 해주는 팀에서 자체적으로 개발한듯 한데 제 입장에서 회사 코드랑 비교하면서 공부하면 많이 배울듯 합니다. Key Note - Overall Pinpoint - 강운덕 (NAVER) 연사분은 네이버에서 핀포인트를 담당하는 Founder. 핀포인트의 현황 (네이버) 만여대의 에이전트 87만 TPS -> 네이버의  준비하는 기능 멀티 언어 지원 RPC 레이어가 여러가지 문제가 있음. 몇몇 언어는 멀티 쓰레드가 안됨. php 파이썬 노드 루비 → 그래서 C로 변경 Transport Layer를 gRPC로 변경 예정 istio/envoy 오픈 트레이싱 Node JS Agenct Apache SkyWalking - APM supports traditional distributed system and Cloud Native stack  - Wu Sheng (Leader of Project Skywalking, Tetrate) Apache SkyWalking은 분산 어플리케이션 성능 모니터링 시스템 Observability Analysis Platform Receiver : gRPC에 조음. Zipkin, Jaeger 포멧 Analysis Core : Streamimg Distributed Computing Engine Object Oriented Analysis  - Service  - Service Instance  - Endpoint GraphQL 동영상 링크 :  https://www.youtube.com/watch?v=JC-Anlshqx8 -> 위