메가존클라우드

주요 카테고리 AI · DevOps · Backend

활동 요약

최근 30일: 0개
평균 조회: 13
누적 조회: 128
전체 글: 10개
마지막 발행: 2024. 7. 8.

Snowflake Connector(Python)용 AWS Lambda Custom Layer

AWS Lambda에서 Snowflake Connector(Python)를 쓰기 위해 Custom Layer를 만드는 과정을 설명했습니다. Ubuntu EC2에서 의존성을 패키징하고 Lambda에 연결해 실행을 확인했습니다.

#AWS Lambda#Snowflake#Python

1400

Snowflake Connector(Python)용 AWS Lambda Custom Layer

2024년 4월 30일

데브옵스

Terraform과 AWS Well-Architected Framework를 이용한 마이그레이션과 현대화

AWS Well-Architected와 Terraform으로 안전한 마이그레이션·현대화 방안을 소개했습니다. 또한 Sentinel, Drift Detection, Continuous Validation을 활용한 운영 거버넌스 구성 사례를 설명했습니다.

#Terraform#AWS#EKS

2800

Terraform과 AWS Well-Architected Framework를 이용한 마이그레이션과 현대화

2024년 4월 25일

Snowflake Arctic의 기술적 진보

Snowflake가 기업 중심 LLM Arctic을 오픈소스로 공개하고, 낮은 훈련비용과 높은 성능을 강조했습니다. Dense-MoE 하이브리드 구조와 FP8 양자화로 추론 효율도 개선했습니다.

#LLM#MoE#양자화

900

2024년 4월 23일

llama3에 대한 Andrej Karpathy의 생각

Andrej Karpathy가 Llama 3의 성능, 데이터, 학습 규모를 긍정적으로 평가했습니다. 동시에 더 긴 컨텍스트와 더 작은 모델에 대한 아쉬움도 언급했습니다.

#LLM#MCP#ML

500

2024년 4월 19일

백엔드

스노우파크 모델 레지스트리로 모델관리하기

Snowpark ML 모델 레지스트리로 선형 회귀 모델을 등록하고 버전 관리하는 흐름을 소개했습니다. 모델 메타데이터와 샘플 데이터를 함께 저장해 추론과 운영을 쉽게 만드는 방법을 설명했습니다.

#Snowpark#ML#선형 회귀

1700

2024년 4월 15일

Data Parallelism in Machine Learning Training

대규모 머신러닝 학습에서 데이터 병렬성과 동기/비동기 업데이트 방식을 설명했습니다. 또한 Ring-AllReduce로 통신 병목과 상태 불일치 문제를 완화하는 방법을 소개했습니다.

#ML#distributed training#GPU

900

Data Parallelism in Machine Learning Training

2024년 4월 11일

백엔드

그리드서치로 랜덤포레스트 튜닝하기

항공권 예약 데이터를 활용해 랜덤 포레스트 분류 모델을 구축하고 GridSearchCV로 튜닝했습니다. 불균형 데이터 처리와 특성 중요도 분석을 통해 정확도보다 F1 개선을 확인했습니다.

#RandomForest#GridSearchCV#SMOTE

1200

2024년 3월 20일

Langchain을 통한 개인블로그 RAG 프로젝트

개인 블로그 기록을 RAG 데이터로 활용해 Streamlit과 LangChain으로 LLM 애플리케이션을 만들었습니다.\n운영 지표, 벡터 DB 연동, 개별 파일 업데이트 최적화까지 직접 겪은 고민을 정리했습니다.

#RAG#Langchain#Streamlit

1800

2024년 3월 15일

Random Forest with Grid Search

항공권 예약 데이터로 Random Forest 분류 모델을 구현하고 Grid Search로 튜닝한 과정을 설명했습니다. 불균형 데이터 처리, 성능 평가, 특성 중요도 해석까지 함께 다뤘습니다.

#ML#Python#Random Forest

600

2024년 3월 5일