2024년 08월 04일 일일 요약

=============================================

1: 인프콘 2024 후기입니다. 올해도 다양한 세션과 이벤트가 준비되었습니다. 주요 세션으로 `지속 성장 가능한 설계를 만들어가는 방법`, `인프런 아키텍처 2024 ~ 2025`, `사이드 프로젝트로 커리어 레벨업!`, `혹시 당신은 데이터를 모르는 백엔드 개발자인가요?`, `클린 스프링

키워드: 인프콘, 설계, 아키텍처, 사이드 프로젝트, 데이터 관리, 클린 코드, 객체지향

출처: https://yeonyeon.tistory.com/338

[인프콘 후기] 2024 INFCON

=============================================

2: 오늘은 Swift의 클로저에 대해 알아봅니다. 클로저는 코드의 기능 블럭으로 변수나 상수에 할당될 수 있고, 함수로 전달되거나 반환될 수 있습니다. 이는 익명 함수나 람다와 유사합니다. 클로저의 주요 형태로는 전역 함수, 중첩 함수, 클로저 표현식이 있으며, 이 중 클로저 표현식은 주변 컨텍스트에서 값을 캡처할 수 있습니다. 클로저 표현식은 간결하게 작성될 수 있으며, 컨텍스트로부터 타입을 추론할 수 있고, 짧은 인수 이름을 사용할 수 있습니다. 후행 클로저를 사용하면 코드의 가독성을 높일 수 있습니다. 클로저는 참조 타입이어서 캡처한 값을 유지할 수 있습니다. 마지막으로, 클로저는 Swift 프로그래밍에서 매우 중요한 요소이며, 다음 포스팅에서는 탈출 클로저와 자동 클로저에 대해 알아볼 예정입니다.

키워드: 클로저, 클로저 표현식, 타입 추론, 후행 클로저, 캡처값

출처: https://velog.io/@jwlee010523/Swift-Closures

Swift - 클로저(Closures)

=============================================

3: 이 글은 NVIDIA Triton Inference Server를 이용한 OCR(Optical Character Recognition) 모델 서빙에 관한 과정과 설정 방법을 자세히 설명합니다. FastAPI를 통해 서빙하던 ML 모델을 트리톤 인퍼런스 서버로 마이그레이션하면서 설정 파일과 모델 파일을 구성하고, Docker를 이용해 트리톤 서버를 실행하는 절차를 다룹니다. 또한, JSON 형식의 요청을 통해 모델 추론 결과를 응답받는 방법까지 설명합니다.

키워드: Triton Inference Server, OCR 모델, Docker, ONNX 모델, JSON 요청

출처: https://pearlluck.tistory.com/822

Triton Inference Server 모델서빙2 - 직접 우리 모델을 서빙해보자!

=============================================

4: 이 글은 Apache Kafka의 탄생 배경과 사용 이유에 대해 설명합니다. Apache Kafka는 2010년 LinkedIn에서 실시간 데이터 피드 처리를 위해 시작된 프로젝트로서, 대규모 데이터 스트리밍, 실시간 로그 수집 및 분석을 위해 개발되었습니다. 2011년 Apache Software Foundation으로 기부되어 오픈 소스로 공개되었습니다. Kafka는 높은 처리량, 분산 시스템, 지속성, 확장성을 제공하며, 실시간 데이터 처리, 데이터 통합, 낮은 지연 시간, 내결함성, 데이터 지속성 등의 장점으로 현대 데이터 아키텍처에서 널리 사용되고 있습니다.

키워드: Apache Kafka, 실시간 데이터 처리, 분산 시스템, 높은 처리량, 데이터 지속성

출처: https://maeng-dev.tistory.com/158

Apache Kafka의 탄생 배경과 왜 사용해야하는가?

=============================================

5: 이 자료에서는 이진 탐색 트리(Binary Search Tree)를 탐색하는 문제를 다루고 있습니다. 주어진 값(val)을 찾을 때까지 재귀적으로 탐색을 진행하며, 해당 값을 찾으면 그 서브트리를 반환합니다. 이진 탐색 트리의 특성을 이용하여 시간 복잡도를 O(log N)으로 유지합니다.

키워드: 이진 탐색 트리, 재귀 탐색, 시간 복잡도, logN

출처: https://velog.io/@dongha1992/99%ED%81%B4%EB%9F%BD-%EC%BD%94%ED%85%8C-%EC%8A%A4%ED%84%B0%EB%94%94-13%EC%9D%BC%EC%B0%A8-TIL-%EC%9D%B4%EC%A7%84-%ED%83%90%EC%83%89-%ED%8A%B8%EB%A6%AC

99클럽 코테 스터디 13일차 TIL - 이진 탐색 트리

=============================================

6: 이 글은 사용자가 항공권 및 숙박을 예약하는 과정에서 자주 경험하는 UX 다크패턴에 대해 설명하고 있습니다. 이 글에서는 쿠팡의 다크패턴 사례를 시작으로, 아고다와 여기어때 같은 OTA(Online Travel Agency)들이 사용하는 압박형, 펀취형, 오도형 다크패턴을 예로 들며 상세하게 다뤘습니다. 이러한 다크패턴은 소비자가 결정을 내리는 데 압박감을 주거나, 최종 결제 금액이 처음과 달라짐으로써 사용자에게 불리한 영향을 미치도록 디자인된 패턴을 말합니다.

키워드: UX 다크패턴, 압박형 다크패턴, 펀취형 다크패턴, 오도형 다크패턴, OTA

출처: https://pearlluck.tistory.com/823

항공권 숙소 예약, 여행플랫폼 숙박앱의 UX 다크패턴

=============================================

7: 이 글에서는 Django와 Django REST Framework(DRF)에서 제공하는 페이지네이션 기법에 대해 설명합니다. 페이지네이션을 사용하는 이유는 다량의 데이터를 네트워크를 통해 전송하는 비용을 줄이고, 서버와 클라이언트의 성능을 최적화하기 위함입니다. 두 가지 주요 페이지네이션 방법인 OFFSET과 CURSOR 기반의 페이지네이션을 비교 분석하며, 이들의 장단점과 상황에 따른 효율성을 설명합니다. 또한, DRF에서 제공하는 여러 페이지네이션 클래스(PageNumberPagination, LimitOffsetPagination, CursorPagination)에 대해 설명하고, 실제로 어떻게 설정하고 사용할 수 있는지 가이드합니다.

키워드: Django, 페이지네이션, OFFSET, CURSOR, DRF

출처: https://velog.io/@qlgks1/Django-DRF-%ED%8E%98%EC%9D%B4%EC%A7%80%EB%84%A4%EC%9D%B4%EC%85%98%EC%9D%80-%EB%8B%A4-%EC%84%B1%EB%8A%A5%EC%9D%B4-%EB%8B%AC%EB%9D%BC%EC%9A%94

Django, DRF - 페이지네이션은 다 성능이 달라요! (ps. DBMS pagination)