다시바람

ENI(Elastic Network Interface) - VPC에서 가상 네트워크 카드를 나타내는 논리적 네트워킹 구성 요소 - 가상의 랜카드 - IP주소와 MAC주소를 보유 - ENI 하나 당 하나 이상 Private IP + 하나의 Public IP - EC2는 반드시 하나 이상의 ENI가 연결됨. - EC2 처음 생성할 때 Primary ENI가 생성되어 연결됨 - EC2는 하나 이상의 ENI 보유 가능 - 추가적인 ENI는 EC2와 같은 가용영역이면 다른 서브넷에도 설정이 가능함. - EC2의 서브넷 위치, 보안 그룹 등 외부와 관련된 연결은 ENI단위에서 결정됨. - EC2는 subnet에 안에 있는 것이 아닌 ENI만 subnet에 위치해서 통신한다. 다중 ENI 아키텍처 - 하나의 인스턴스..

EC2에 권한 부여 IAM 자격 증명 등록 - IAM 사용자를 생성하고 IAM 자격증명을 발급받아서 EC2에 등록함. - 일일이 관리가 어렵고 바꾸기 힘듦 ex) EC2 100대 자격증명을 교체하기 어려움 IAM 역할 부여 - 권한이 부여된 IAM 역할을 만들고 EC2에 부여 - 내부적으로 지속적으로 자격증명을 변경할 수 있음. - 관리가 쉬움 - 높은 보안성 ex) IAM 사용자 + 개발자 Role => EC2 서버 프로비전 ex) IAM 사용자 + 경영지원 Role => 요금 조회 ex) AWS Lambda + S3 Access Role => S3 파일 데이터 불러오기 ex) EC2 + EC2 서비스 관리 Role => EC2 관련 조회, 설정 ex) IAM 사용자에게 S3 Full Access 역할..

NAT Gateway - VPC 내부의 private subnet에 있는 인스턴스에서 인터넷에 연결할 수 있도록 지원하는 가용성 높은 AWS 관리형 서비스 - NAT Instance는 단일 EC2 인스턴스임. - Public Subnet에 위치함. - Private Subnet에 있는 EC2가 업데이트, 다운로드할 때 인터넷 연결해줌. Bastion Host - 외부에서 사설 네트워크에 접속할 수 있도록 경로를 확보해주는 서버 - Private 인스턴스에 접근하기 위한 EC2 인스턴스 - Public Subnet에 위치함. - 사실상 Bastion Host에서 Router 거쳐 Private Subnet에 있는 인스턴스에 접근함.

Security Group - NACL과 함께 방화벽 역할을 하는 서비스 - 가상의 방화벽 - 인스턴스 단위 - Port 허용만 가능 - 모든 포트는 비활성화 - Deny는 불가 - ex) 허용 포트 8080, 443 Ephemeral Port: 주로 Client가 서버와 통신하는 데 이용하는 랜덤 포트 Well Known Port: 자주 쓰이는 프로토콜의 포트 Stateful(보안 그룹) - Inbound는 80포트 , Outbound: none이어도, 통신 랜덤포트 정해서 잘함 Stateless(NACL) - 고지식함, Inbound와 Outbound는 내보내려는 포트를 Allow 해야함. NACL - 가상의 방화벽 - 보안그룹처럼 방화벽 역할을 함. - Port의 허용과 Deny 가능 - 서브넷 단..

VPC - 가상으로 존재하는 데이터 센터 - 원래는 외부에서 직접 접근할 수 없음. - 외부에 격리된 네트워크 컨테이너 구성 - EC2, RDS, Lanbda 등 서비스 실행 Subnet - 가용영역(AZ) 안에 하나의 서브넷이 위치 - CIDR block range로 IP주소 지정 - AWS 서브넷 IP주소 갯수 ex) 10.0.0.0/24 --> 네트워크 어드레스, VPC router, DNS server, 1개 여유, broadcast address 제외 ==> 사용 가능한 ip개수 = 2^8 - 5 = 251개 public subnet: IGW를 통해 외부 인터넷과 연결 private subnet: DB, 로직 서버 등 외부에 노출될 필요 없는 인프라 Internet Gateway VPC가 외부의..

ES6 - destructing: 변수 2개를 변수 1개로 사용가능하다. const arr = ['some', 'values']; const [first, second] = arr; ES6 적용결과 - 직관적이지 않던 것을 간결하게 만들 수 있음

딥러닝 모델 구성요소 - 가중치(weight): 노드간의 연결 강도 - Node/Unit: 각 층을 구성하는 요소 - Layer: 모델을 구성하는 층 순전파: 입력값을 바탕으로 출력값 계산하는 과정 loss function을 최소화하는 가중치 가져야함. 이를 최적화 시키는 방법 => Gradient Descent Gradient Descent(경사하강법) : 가중치를 Loss Function 값이 작아지게 업데이트 하는 방법 : Gradient(미분) 값을 사용해 업데이트를 수행 : Gradient 값은 각 가중치마다 정해지고 Backpropagation(역전파)을 통해 구할 수 있음 - Backpropagation: Forward Propagation(순전파)의 반대 방향 - 딥러닝 모델의 학습 순서 ..

딥러닝 - 머신러닝의 여러 방법론 중 하나로, 인공신경망에 기반하여 컴퓨터에게 사람의 사고방식을 가르치는 방법 인공신경망 - 생물학의 신경망에서 영감을 얻은 학습 알고리즘(사람의 신경 시스템 모방) 퍼셉트론 - 기본구조 입력값(x1, x2) / 가중치(w1, w2) / w0(bias) / y(출력 값) y = activation(w0 + w1x1 + w2x2) 활성화 함수 activation(x) = 1 (x >=0) , 0 (x 다층 퍼셉트론 다층 퍼셉트론 - 다층 퍼셉트론: 단층 퍼셉트론을 여러 개 쌓은 것(I..

Pandas : 구조화된 데이터를 효과적으로 처리하고 저장 : Array 계산에 특화된 NumPy를 기반으로 설계 Series : numpy의 array가 보강된 형태 : Data와 Index를 가지고 있음 Series는 값을 ndarray형태로 가지고 있음 print(type(data)) --> print(type(data.values)) --> dtype인자로 데이터 타입을 지정할 수 있음 data = pd.Series([1, 2, 3, 4], dtype = "float") print(data.dtype) --> float64 인덱스를 지정할 수 있고 인덱스로 접근 가능 data = pd.Series([1, 2, 3, 4], index = ['a', 'b', 'c', 'd']) data['c'] = ..

Numpy를 사용하는 이유 --> 반복문 없이 배열 처리 가능함. --> 리스트에 비해 빠른 연산을 지원하고 메모리를 효율적으로 사용가능하다. list 배열 생성 list(range(5) --> [0, 1, 2, 3, 4] 생성 타입은 list numpy 배열 생성 numpy 호출: import numpy as np np.array(range(5)) --> [0 1 2 3 4] 생성 (공백으로 구분됨) print(type(np.array(range(5)))) --> 생성 - numpy는 같은 데이터 타입만 저장 가능 arr = np.array([0, 1, 2, 3, 4], dtype=float)) print(arr) --> [0. 1. 2. 3. 4. ] print(arr.dtype) --> 'float..