초집중. (Page 3)

Sign in Subscribe

[AI/ML] 미니 배치와 데이터 로더

[AI/ML] 미니 배치와 데이터 로더

PyTorch의 DataLoader를 활용한 미니 배치 학습 방식입니다. 메모리 제약을 극복하기 위해 데이터를 작은 단위로 나누어 학습하며, Dataset과 DataLoader를 통해 효율적으로 배치 단위 훈련을 구현합니다.

[AI/ML] nn.Module과 클래스로 구현하기

[AI/ML] nn.Module과 클래스로 구현하기

PyTorch의 nn.Linear와 F.mse_loss를 활용한 선형 회귀 및 다중 선형 회귀 구현 방법을 다룹니다. 클래스 기반 모델 구현과 경사하강법 최적화 과정, 학습률 조정의 중요성을 설명합니다.

[AWS] DynamoDB 스키마 설계 가이드

[AWS] DynamoDB 스키마 설계 가이드

DynamoDB는 RDBMS와 달리 액세스 패턴을 먼저 정의한 후 키를 설계합니다. PK/SK 설계와 GSI를 활용하여 비정규화된 데이터로 빠른 조회를 구현하는 방법을 소개합니다.

[AI/ML] 다중 선형 회귀

다중선형회귀

[AI/ML] 다중 선형 회귀

PyTorch를 이용한 다중 선형 회귀 구현 방법을 소개합니다. 행렬 연산으로 여러 입력 변수를 효율적으로 처리하고, 경사하강법으로 최적화하는 과정을 다룹니다.

[AI/ML] 선형 회귀와 자동 미분

[AI/ML] 선형 회귀와 자동 미분

PyTorch로 선형 회귀 모델을 구현하는 기초를 설명합니다. 데이터 준비, 가설 수립, MSE 비용 함수, 경사 하강법 옵티마이저를 통해 가중치를 반복 업데이트하여 최적의 직선을 찾는 방법을 다룹니다.

[Security] 샘플 분석 환경 구성

[Security] 샘플 분석 환경 구성

악성코드를 분석하기 위해선 악성코드의 기능, 동작 방식, 목적을 파악하기 위해 환경 구성이 필요합니다. 해당 문서에서는 악성 코드 분석 환경을 구성하는 가이드 방법을 작성했습니다

[AI] vLLM 특징 및 구성 정리

vLLM을 활용해 효율적인 LLM 서빙 환경을 구축하는 과정과 핵심 기술을 정리했습니다. 메모리 최적화 원리를 살피고 실제 배포 시 발생한 이슈 해결 사례를 통해 안정적인 운영 노하우를 공유합니다.

[Security] 정적분석과 동적분석

[Security] 정적분석과 동적분석

악성코드 분석 방법론인 정적 분석과 동적 분석을 정리했습니다.

[Security] VirusTotal

[Security] VirusTotal

VirusTotal의 기능, 세부적인 사용법과 분석 방법론을 정리했습니다.

[Security] 보안관제

[Security] 보안관제

보안관제는 24시간 실시간으로 IT 자산을 모니터링하여 사이버 위협을 예방, 탐지, 대응하는 서비스입니다. 침해사고 발생 시 피해를 최소화하고 자산을 보호합니다.

[Security] 악성코드 탐지 지표와 유형

[Security] 악성코드 탐지 지표와 유형

악성코드 탐지 시스템의 성능은 오탐과 미탐의 균형에 달려있습니다. 각 지표의 의미를 이해하고, 비즈니스 환경에 최적화된 보안 전략을 수립하는 방법을 알아봅니다.

[Security] Firewall, DDoS, IDS 와 IPS 의 특징 및 차이점

네트워크 보안

[Security] Firewall, DDoS, IDS 와 IPS 의 특징 및 차이점

네트워크 보안의 핵심인 방화벽, DDoS 방어, IDS, IPS의 차이를 알아봅니다. 위협을 탐지, 분석하고 실시간으로 차단하여 안정적인 서비스 운영을 보장하는 방법을 설명합니다.