본문 바로가기

전체 글669

카우치베이스 CAS 동시성 이슈 트러블 슈팅 0. 배경사내 프로젝트 진행중에 여러 서비스 간의 통신 과정에서 동시성 이슈가 발생했습니다. 특별히 이슈가 발생한 부분은 카우치베이스와의 상호작용이 일어나는 부분이었습니다. 해당 서비스의 오너는 아니었지만 본 프로젝트를 진행하면서 연관성 높은 서비스를 함께 개발했고 문제가 발생하고 해결하는 과정에서 많은 부분을 기여했습니다. 본 글에서는 카우치베이스를 사용할 때 발생한 동시성 이슈를 소개합니다. 더불어 이를 제어하기 위해 카우치베이스에서 제공하는 CAS 오퍼레이션을 사용한 방식과 그 과정에서 발생한 트러블 슈팅에 대한 회고를 다룹니다. 글에서 사용한 코드나 명칭은 컨셉용으로 대체하였음을 밝힙니다.시스템 아키텍처는 MSA 분산환경 구조입니다.메시지큐로 카프카를 사용하며 최종일관성 정책을 사용합니다.배포 환.. 2024. 5. 31.
신경회로망 및 심층학습 문제 풀이, 단층 퍼셉트론, 오차역전파, 자기조직화 지도, LVQ, 과적합 문제, 경사소멸 문제, 드롭아웃, 합성곱 신경망, ReLU 1. 신경회로망 1. 학습방법 중 준지도학습의 개념을 설명하라.지도학습은 입력 데이터에 라벨(그 입력에 기대되는 출력)을 붙인 학습 표본 집합을 사용하여 입력에 대한 시스템의 동작 결과가 기대되는 출력과 같은 출력을 낼 수 있도록 학습한다. 그러나 학습표본 집합의 규모가 매우 클 경우 각각의 학습표본에 일일이 라벨을 제공하는 것은 어려운 일이다. 준지도학습은 라벨이 지정되지 않은 큰 규모의 학습표본 집합과 비교적 작은 규모의 라벨이 지정된 학습표본 집합을 사용하여 학습한다.2. 다층 퍼셉트론으로 XOR 문제와 같이 단층 퍼셉트론으로 학습할 수 있는 1개의 선형 결정경계만으로 해결할 수 없는 문제를 어떻게 해결할 수 있는지 설명하라.단층 퍼셉트론은 1개의 선형 결정경계를 학습할 수 있다. 그러나 XOR 문.. 2024. 5. 21.
기계학습 문제 풀이 - 결정 트리, 선형 회귀, 로지스틱 회귀, 소프트맥스 함수, 군집화, k-평균 알고리즘 기계학습  1. 지도학습, 자율학습, 강화학습의 개념을 설명하라.  지도학습은 학습표본이 입력과 그 입력에 대해 기대하는 출력(라벨)으로 구성된다. 학습 알고리즘은 입력에 대한 시스템의 출력이 기대하는 출력을 낼 수 있도록 시스템을 변화시키는 과정을 수행한다. 자율학습은 라벨이 지정되지 않고 입력값만으로 구성된 학습표본 집합을 대상으로 학습이 이루어진다. 자율학습은 학습 데이터 집합에 내재하는 구조를 알아내는 과정으로 볼 수 있다. 강화학습은 입력에 대한 출력정보를 제공하는 것이 아니라 선택한 행동에 대한 보상을 극대화하는 행동을 선택하는 방식의 학습을 수행한다.  2. 결정트리 학습의 개념을 설명하라.결정트리는 분할정복 방식으로 입력공간을 분할하여 입력된 대상을 분류하거나 회귀분석을 하는 용도로 사용된.. 2024. 5. 20.
컴퓨터 시각과 패턴인식 문제 풀이 - 4이웃 8이웃 연결성, 표본화 및 양자화, 평활화, 소벨 연산자, 결정이론적 패턴, 언어이론적 패턴, 거리 측정, KNN 컴퓨터 시각과 패턴인식 1. 표본화 및 양자화의 개념에 대해 설명하라. 표본화란 연속적인 아날로그 신호를 이산신호로 변환하는 것이다. 이때 정해진 간격에 따라 아날로그 신호의 값을 취한 표본을 구한다. 나이키스트의 표본화 이론에 따르면 원래 신호가 포함하고 있는 최대 주파수의 2배 이상의 속도로 표본화할 경우 원래 신호를 완전히 복원해 낼 수 있다. 이와 같이 구한 이산신호를 디지털 신호로 만드는 과정에서 양자화를 한다. 양자화는 값의 구간을 어떠한 방법에 따라 분할하여 해당 구간에 대한 대표값을 부여해 주는 과정이다. 이때 양자화 구간을 넓히면 양자화 단계수를 줄이면서 표본화된 데이터를 디지털 데이터로 표현하는 데 소요되는 정보량은 줄어들 수 있지만 데이터 손실이 커진다. 2. 소벨 연산자에 대하여 설.. 2024. 5. 19.
퍼지이론, 퍼지집합, 퍼지집합의 연산, 퍼지논리, 퍼지논리 연산, 퍼지 추론, 수위조절 제어 시스템 문제 풀이 퍼지이론  1. 고전집합과 퍼지집합을 비교하여 설명하라. 고전집합에서 어떠한 집합 \( A \)는 전체집합 \( U \)의 부분집합으로, 임의의 원소 \( x \in U \)는 \( A \)의 원소이거나 원소가 아닌 두 가지 상태 중 하나이다. 즉, \( x \)가 \( A \)의 원소라는 사실은 참(1)이나 거짓(0) 둘 중 하나이다. 그러나 집합 \( A \)가 퍼지집합이라면 임의의 원소 \( x \in U \)가 \( A \)의 원소라는 사실은 0부터 1 범위의 수로 표현한다. 즉, 어떠한 원소가 집합에 포함될 가능성을 나타내는 값을 소속함수 \( \mu \)로 표현한다면 집합 \( A \)가 고전집합일 경우 소속함수 \( \mu_A \)는 다음과 같다.\[ \mu_A : U \rightarrow .. 2024. 5. 19.

티스토리툴바