notes262 님의 블로그

============================================= 1: 본 블로그 글에서는 최신 AI 기술의 발전과 그에 따른 Deep Learning의 중요성에 대해 다루고 있습니다. 특히, 다양한 알고리즘과 모델들이 어떻게 데이터를 학습하고 예측을 수행하는지에 대하여 설명하고 있습니다. 또한 Python과 JavaScript를 활용한 실습 예제도 선보여 실용성을 강조하고 있습니다. 키워드: Deep Learning, 알고리즘, 데이터 학습, Python, JavaScript 출처: https://blog.naver.com/writer0713/223605860423?fromRss=true&trackingCode=rss [데브허브] DEVHUB 진행상황 (Supabase Egress) -..

============================================= 1: Liquid AI에서 최초의 Liquid Foundation Models (LFM)을 발표하였습니다. LFM은 1B, 3B, 40B의 활성 파라미터를 가진 언어 모델로, 메모리 사용량이 적고 효율적인 추론을 통해 각 모델 사이즈에서 최상의 성능을 보입니다. 모델 아키텍처는 동적 시스템, 신호 처리 및 수치 선형 대수의 이론에 기반하여 만들어졌습니다. LFM은 다양한 순차 데이터를 모델링할 수 있는 일반 목적의 AI 모델이며, 32k의 긴 컨텍스트 길이를 제공하여 문서 분석과 요약, 컨텍스트 인식 채팅봇과 같은 새로운 애플리케이션을 가능하게 합니다. 키워드: Liquid Foundation Models, 메모리 효율성,..

============================================= 1: 본문에서는 최근 2년간의 대형 언어 모델(LLM) 및 인공지능(AI) 연구 동향을 정리하였습니다. LLM의 발전 과정을 소개하며, 초기 텍스트 기반의 언어 모델에서 시작하여 다중 모달리티 및 전방위 모달리티로의 발전을 다루었습니다. 또한, AI 모델의 효율화, 입력 길이 확대, 허위 정보 및 취약성 문제, 데이터 요구에 대한 경쟁 등을 설명하였습니다. 연구자들이 추구하는 방향성과 기술 혁신 사례들을 제시하며 AI의 미래 가능성을 논의하였습니다. 키워드: LLM, Multi-modal, Foundation model, Hallucination, RAG, Reasoning, AIOS, Upskilling 출처: http:..

============================================= 1: 이 글에서는 OAuth2 인증 방식 중 Password Grant와 Authorization Code Flow의 차이점을 설명하고 있습니다. Password Grant는 클라이언트 애플리케이션이 사용자로부터 직접 ID와 비밀번호를 받아 인증 서버에 전달하는 방식으로, 보안 위험이 존재합니다. 반면, Authorization Code Flow는 인증 서버가 직접 ID와 비밀번호를 수집하는 방식으로, 클라이언트는 인증 정보에 접근하지 않기 때문에 상대적으로 안전합니다. 두 방식 모두 ID와 비밀번호를 입력받지만, 이 과정에서의 데이터 흐름이 다르고, 보안성에 큰 차이가 존재합니다. 키워드: OAuth2, Authoriza..

============================================= 1: 책에서는 풀스택 개발을 위한 파이썬 기반 웹 프레임워크인 Flask와 FastAPI를 다루고 있습니다. 빠르고 간편하게 백엔드 API 및 웹 애플리케이션을 만들고자 하는 초보 개발자에게 적합한 입문서입니다. Flask의 간소함과 FastAPI의 효율성을 비교하며 설명하고 있으나, FastAPI와 Flask의 차이점은 더 깊이 있게 다루어지지 않았습니다. 편집 및 글자 크기와 같은 요소에서 아쉬움이 있으며, 초보자에게 더 나은 실습 및 학습 가이드가 필요하다는 의견이 있습니다. 전반적으로 파이썬 문법을 익힌 독자들이 웹 프레임워크에 대한 기초를 다지기에 적합한 책으로 평가됩니다. 키워드: Flask, FastAPI, 파..

============================================= 1: 이 글에서는 JVM(Java Virtual Machine)의 기능과 동작 원리를 설명하고 있습니다. JVM은 스택 기반의 해석 머신으로, 자바 프로그램을 실행하기 위해 부트스트랩 클래스로더와 확장 클래스 로더를 활용합니다. 자바의 바이트코드와 클래스를 로딩하고 실행하는 과정, AOT(Ahead of Time) 컴파일, JIT(Just In Time) 컴파일을 통한 최적화, Garbage Collection과 하드웨어의 역할, 운영체제의 리소스 관리 등에 대해 설명합니다. 키워드: JVM, 바이트코드, AOT, JIT, Garbage Collection, 캐시 일관성 프로토콜, 메모리 관리, 가상 주소 출처: https..

============================================= 1: Nginx, Gunicorn, Uvicorn의 워커 개수를 적절히 설정하기 위한 내용을 다루고 있습니다. 워커는 독립적인 작업 단위로 병렬 처리와 부하 분산의 장점을 가집니다. 각 프로그램의 워커 동작 방식은 Nginx가 비동기, Gunicorn이 동기, Uvicorn이 비동기를 지원하며, 가장 효율적인 워커 수는 Nginx는 CPU 코어 수에 맞추고, Gunicorn은 (2 * CPU 코어수) + 1을 권장합니다. Uvicorn은 공식적인 권장 워커 수를 제공하지 않으며, 상황에 따라 다르게 설정할 수 있습니다. 키워드: Nginx, Gunicorn, Uvicorn, 워커, 비동기, 동기, CPU bound, I/O..

============================================= 1: 본 글에서는 Coil 라이브러리를 사용하여 이미지 요청을 가로채고, 다른 이미지를 반환하는 방법에 대해 설명합니다. Coil의 이미지 처리 방식과 5단계 이미지 처리 파이프라인을 소개하며, Interceptor와 Fetcher를 통해 요청을 가로채는 구체적인 코드를 제시합니다. 이러한 커스텀 구현을 통해 HTTP/HTTPS 요청에 대해 조건에 맞는 이미지를 반환할 수 있습니다. 키워드: Coil, Interceptor, Fetcher, 이미지 처리, Android 출처: http://pluu.github.io/blog/android/2024/09/22/coil-intercept/ Pluu Dev - Coil 요청 가로..

============================================= 1: PostgreSQL에서 Dead Tuple은 수정 또는 삭제 시 생성되는 데이터로, MVCC를 통해 관리됩니다. Dead Tuple이 쌓이게 되면 Autovacuum 기능이 동작하여 이를 정리합니다. 이 글에서는 PostgreSQL의 MVCC, Dead Tuple의 개념과 Autovacuum의 작동 방식을 설명하였습니다. 키워드: PostgreSQL, Dead Tuple, Autovacuum, MVCC, Garbage Collection 출처: https://sonim1.com/ko/blog/postgresql-deadtuple-and-autovacuum/ PostgreSQL의 Dead Tuple과 Vacuum이 글은..

============================================= 1: IoT(사물인터넷) 개발에 관한 가이드는 IoT의 기본 개념, 구현 방법 및 필요한 도구와 기술을 설명합니다. 이 가이드는 IoT 디바이스의 상호 연결성, 데이터 수집 및 처리 방법, 그리고 클라우드 서비스와의 통합 방식을 다룹니다. 또한, 보안 문제와 해결책에 대해서도 언급하며, 실제 프로젝트에의 적용 방법을 제시합니다. 키워드: IoT, 데이터 수집, 클라우드 서비스, 보안, 사물인터넷 출처: https://blog.naver.com/nanotoly/223590635000?fromRss=true&trackingCode=rss AWS cognito 를 next.js에서 활용하기aws cli 세팅 우선 aws ampl..