NAT Gateway가 Public Subnet에 위치하는 이유

AWS에서 VPC와 Subnet을 생성하여 다음과 같은 인프라를 구축했다. 이때 NAT Gateway 관련 헷갈렸던 부분을 정리한다. NAT Gateway에 대한 AWS의 설명은 다음과 같다. NAT Gateway는 NAT(Network Address Translation; 네트워크 주소 변환) 서비스입니다. 프라이빗 서브넷의 인스턴스가 VPC 외부의 서비스에 연결할 수 있지만 외부 서비스에서 이러한 인스턴스와의 연결을 시작할 수 없도록 NAT Gateway를 사용할 수 있습니다. 잘 이해가 안 되어 추가로 정리한 바는 다음과 같다. NAT Gateway는 Private Subnet이 인터넷과 통 신하기 위한 아웃바운드 인스턴스. Private Network가 외부에서 요청되는 인바운드는 필요없더라도 인..

PuTTY를 사용하여 Windows에서 EC2 인스턴스에 연결

AWS EC2 서버에 접속할 수 있는 방법은 3가지로, 독립 실행형 SSH 클라이언트 Session Manager EC2 인스턴스 연결(브라우저 기반 SSH 연결) 의 방법이 있다. 세가지 방법 모두 추가설치 및 설정이 필요하다. 리눅스 환경이라면, ssh -i 옵션을 줘서 간단하게 접속할 수 있지만, 윈도우 환경에서는 그럴수 없으므로 PuTTY 를 사용하여 EC2 인스턴스에 접속한다. 참조 링크 : PuTTY를 사용하여 Windows에서 Linux 인스턴스에 연결 PuTTY를 사용하여 Windows에서 Linux 인스턴스에 연결 - Amazon Elastic Compute Cloud 프라이빗 키의 암호는 추가 보호 계층입니다. 프라이빗 키가 노출되더라도 암호 없이 사용할 수 없습니다. 암호문 사용의 단..

AWS Technical Professional 과정 정리

AWS Technical Professional 과정을 듣고 정리했다. 이 과정에서 학습한 내용은 다음과 같다. AWS 핵심 기술 솔루션에 AWS 서비스 적용 AWS 아키텍쳐 및 비용 최적화 모범사례 개념 증명(POC)를 구성하는 가치 입증 본문은 이 중 'AWS 핵심 기술' 에 대해서 정리한 내용이다. 해당 내용에 앞서 클라우드, 리전, 가용 영역 등과 같은 기본 용어에 대해서 언급한다. 클라우드란? 기존의 온프레미스 IT환경에서는 비즈니스 시스템을 실행하는 데 필요한 모든 물리적 구성요소를 회사에서 소유, 운용, 유지 관리 및 보관했다. 사용자는 기업 네트워크에 연결하고 로그인한 다음 리소스에 액세스 한다. 이러한 리소스에는 기업 애플리케이션, 파일 공유 및 스토리지 등이 포함된다. 클라우드는 클라우..

Uber가 딥러닝 모델을 사용하여 도착시간을 예측하는 방법

DeepETA: How Uber Predicts Arrival Times Using Deep Learning Uber가 도착시간을 예측하기 위해 왜 딥러닝 모델로 넘어가게 되었는지 알 수 있는 글이다. 아래 본문은 이를 읽고 정리한 내용이다. 우버는 사용자에게 차량 도착 예측 시간(ETA)을 제공한다. ETA를 사용하여 요금을 계산하고, 픽업 시간을 추정하고, 라이더와 기사를 연결하고, 배송을 계획하는 등의 작업을 수행하며, 이를 정확하게 추정하는 능력은 매우 중요하다. 정확한 ETA 추정은 고객에게 긍정적인 경험을 제공하고, 서비스 가격과 운전 경로 등을 설정하는 데도 활용된다. 이 글에선 우버가 ETA 예측 개선을 위해 왜 딥러닝 모델을 선택했고, 어떤 기술을 사용했는지 다룬다. 전통적인 ETA 엔진..

Amazon Web Services (AWS)

AWS란? AWS(amazone web service)란 아마존에서 운영하는 Cloud Computing Platform이다. 흔히 아마존이라고 하면 쇼핑몰을 떠올리기 쉽지만, 사실 아마존의 가장 큰 매출을 담당하는 서비스는 AWS이다. AWS를 이용하면 손쉽게 클라우드로 서버를 구축할 수 있고, 개발자가 신경 써야 할 많은 부분을 aws가 해결해주기 때문에 필수적으로 경험해보아야 할 서비스라고 할 수 있다. 클라우드 컴퓨팅이란? 클라우드 컴퓨팅은 IT 리소스를 인터넷을 통해 온디맨드로 제공하고 사용한 만큼만 비용을 지불하는 것이다. 물리적 데이터 센터와 서버를 구입, 소유 및 유지 관리하는 대신, Amazon Web Services(AWS)와 같은 클라우드 공급자로부터 필요에 따라 컴퓨팅 파워, 스토리..

QA service

아래 버튼을 누르면 배포 링크로 이동합니다. 프로젝트 진행 기간 2021.08 ~ 2021.09 프로젝트 목표 기계독해 기반 질의응답(QA) 모델 구현 후 Web App service 배포 Introduction 저는 평소에 구글, 유튜브, 네이버 등의 여러 플랫폼을 이용하는데, 그중 가장 많이 사용하는 기능은 검색 기능입니다. 넷플릭스조차 영상 시청시간보다 검색시간이 더 길 때가 있는데요,😅 그럴 때마다 어떻게 이렇게 추상적인 키워드로 검색해도 원하는 결과를 낼 수 있는지, 어떤 원리인지 항상 궁금했습니다. 지난 8월간 딥러닝 학습을 진행하면서, 검색 결과를 내는 알고리즘이 단순히 키워드를 기반으로 리스트를 출력하는 것이 아닌 MRC(Machine Reading Comprehension, 기계 독해)라..

RECIPE SHARING web app for vegan

Recipe Sharing 개인적으로 채식에 관심이 생겨, 채식의 종류와 요리시간에 따라 레시피를 추천해주는 Web App 을 개발했습니다. 1. 프로젝트 진행기간 2021.07.29 ~ 2021.08.04 2. 목표 Flask와 MongoDB를 사용하여 비건 레시피를 검색 수 있는 웹사이트 구축 비건 레시피를 찾아 커뮤니티와 공유 3. 페이지 구성 3-1. 사용자 계정 추가 3-2. 로그인, 로그아웃 3-3. 사용자 레시피 추가, 수정, 삭제 3-4. 레시피 검색 (필터링 기능 포함- 비건 정도 3중 택1, 요리 시간 3중 택1) 4. 사용 언어, 프레임워크 및 라이브러리 Git GitHub Flask MongoDB Jinja syntax Python3 CSS3 HTML5 5. 추가 예정 기능 각 레시..

신용카드 서비스 이탈 여부를 예측하는 ML Model 개발

신용카드 서비스 이탈 여부를 예측하는 ML Model 개발 기존 고객 정보를 바탕으로, 고객의 이탈 여부를 예측하는 Machine Learning Model 개발 0. 분석 배경 이번 프로젝트에선 기존 고객 정보를 바탕으로 고객의 이탈 여부를 예측하는 Machine Learning Model을 개발했습니다. 이러한 예측이 중요한 이유는, 신규 고객 수를 확보하는데 드는 비용이 기존 고객을 유지하는 비용보다 훨씬 크기 때문입니다. 신규 고객을 확보하는 것에 천문학적 영업비용이 들고, 신규 카드 발급과 관련한 심사 비용 또한 무시할 수 없습니다. 많은 비용을 들여 획득한 고객이 이탈해 버릴 경우 이로 인한 손실은 막대합니다. 기존 고객의 이탈률을 낮출 경우 수익이 크게 개선될 것입니다. 따라서 기존 고객 중..

Game Data Analysis

Project. Game Data Analysis 게임 데이터를 바탕으로 다음 분기에는 어떤 게임을 개발할지 의사결정을 내립니다. EDA 및 시각화, 가설검정을 진행했습니다. 1. 프로젝트 진행 기간 2021.05.31 ~ 2021.06.03 2. 프로젝트 목표 1980년 ~ 2020년 발매된 게임 데이터를 바탕으로 '다음 분기에는 어떤 게임을 개발해야 할까?'의 질문에 답한다. 3. 프로젝트 가설 지역에 따라서 선호하는 게임 장르가 다를까? (지역별 Two-Sample 카이제곱 검정) 연도별 게임의 트렌드가 있을까? 4. 진행 과정 및 세부사항 4-1. 데이터 로드 및 전처리 결측치 처리 데이터 타입 변경, 단위 통일 4-2. 데이터 분석 및 시각화 Q1 : 지역에 따라 선호하는 게임 장르가 다를까? ..