Main
-
[메타코드 AI] 6주차 학습 일지: .NET Universe 2026 & 딥러닝(CNN, RNN, 추천시스템) & Cloudflare Zero Trust공부/메타코드 LLM 부트캠프 2026. 3. 14. 15:50
이번 6주차에는 3월 12일 진행된 .NET Universe 2026 컨퍼런스에 참석하여 .NET 생태계의 AI 최신 동향을 파악했습니다. 아울러 메타코드에서는 CNN, RNN 등 핵심 딥러닝 모델과 추천 시스템의 원리를 학습했으며, 개인 포트폴리오를 위한 외부 GPU 서버 환경 구축을 위해 Cloudflare Zero Trust를 직접 세팅해보았습니다.1. .NET Universe 2026 참관 후기: AI 시대의 .NET 방향성총 13개의 세션을 통해 .NET 개발자가 AI 시대에 어떻게 대응해야 하는지 깊이 있는 인사이트를 얻을 수 있었습니다.선택과 집중: 백엔드 관점에서 JAVA보다 C#이 익숙했기에, 새로운 언어를 배우기보다 .NET을 심도 있게 공부해 AI를 잘 활용하는 개발자가 되겠다는 방향..
-
QUIC (UDP 기반) 이론공부/네트워크 2026. 3. 14. 09:21
차세대 웹의 심장: QUIC(UDP 기반) 프로토콜 심층 분석 기존의 TCP가 가진 수십 년 된 한계를 깨부수기 위해 등장한 QUIC은 이제 현대 웹(HTTP/3)의 표준으로 자리 잡았습니다. 단순히 빠른 것을 넘어, 왜 QUIC이 혁신적인지 그 핵심 기술들을 자세히 살펴보겠습니다. 1. HOLB(Head-of-Line Blocking) 해결: 독립적 스트림 HOLB(선두 차단)는 줄 맨 앞의 패킷이 유실되면 뒤에 있는 모든 패킷이 도착했음에도 불구하고 대기해야 하는 현상을 말합니다. 어떻게 해결했나요? TCP는 모든 데이터를 하나의 거대한 '덩어리'로 보지만, QUIC은 UDP 위에서 각 데이터를 독립적인 스트림으로 관리합니다. 한 ..
-
HTTP/2 다중화(Multiplexing) 이론공부/네트워크 2026. 3. 14. 09:20
웹 성능의 혁신: HTTP/2 다중화와 QUIC 기술 완벽 정리 현대의 웹 환경에서 '속도'는 사용자 경험의 핵심입니다. 오늘은 과거 웹 통신의 고질적인 문제를 해결한 HTTP/2 다중화(Multiplexing)와 차세대 표준인 QUIC(UDP 기반) 기술에 대해 자세히 알아보겠습니다. 1. HTTP/2 다중화(Multiplexing): 과거의 병목을 뚫다 기존 HTTP/1.1의 문제점: HOLB (Head-of-Line Blocking) HTTP/1.1은 한 번에 하나의 요청만 처리할 수 있는 순차적 구조였습니다. 만약 큰 용량의 파일이 전송 중이라면, 뒤에 있는 작은 파일들은 앞 작업이 끝날 때까지 대기해야 하는 선두 차단(HOLB) 현상이 발생했습니다. ..
-
Cloudflare Zero Trust 기술 심층 정리공부/네트워크 2026. 3. 14. 09:06
Cloudflare Zero Trust 기술 심층 정리 "아무도 믿지 말고, 모든 연결을 검증하라" 1. 서비스 정의 및 발전 개념: 사용자 신원과 기기 상태를 매번 확인하는 보안 모델입니다. 역사: 2018년 Access 출시를 시작으로, 2020년 통합 SASE 플랫폼인 Cloudflare One으로 완성되었습니다. 2. 핵심 기술: 아웃바운드(Outbound) 터널링 전통적인 서버 운영과 달리 Cloudflare Tunnel은 내부에서 외부로 먼저 접속을 시도합니다. 원리: 에이전트(cloudflared)가 외부 에지 서버를 향해 먼저 연결을 맺습니다. ..
-
공유 오피스에서 로컬 GPU 서버 외부로 공유하기: Cloudflare Zero Trust + Ollama 가이드공부/네트워크 2026. 3. 13. 17:14
현재 작업 중인 공간은 공유 오피스로, 네트워크 제어권이 없어 포트 포워딩(Port Forwarding)이 불가능한 환경이었습니다.프로젝트 배포 환경인 오라클 클라우드(OCI)는 GPU가 없어 AI 모델 서빙에 한계가 있었죠.이를 해결하기 위해 공유기 설정 없이도 내부 자원을 외부로 연결해 주는 Cloudflare Zero Trust를 활용해 보았습니다.1. 왜 Cloudflare Zero Trust인가?네트워크 제약: 공유 오피스 공용 네트워크 사용으로 인한 포트 포워딩 불가.자원 부족: 오라클 클라우드 프리티어의 GPU 부재.보안성: 내 PC의 IP를 직접 노출하지 않고 Cloudflare의 Edge 서버를 통해 안전하게 연결.Cloudflare Tunnel(cloudflared)을 사용하면 내 컴퓨..
-
[메타코드 AI LLM 부트캠프] 5주차 학습 일지: 머신러닝 비지도학습, 앙상블, 차원 축소, 클래스 불균형, 이상치 탐지 및 자동화 기계학습카테고리 없음 2026. 3. 10. 19:07
이번 주는 미뤄두었던 5주차 머신러닝 강의를 마무리하고, 이어서 7주차 학습을 진행했습니다.5주차에서는 비지도 학습과 앙상블을 공부했었고,7주차에는 PyTorch 사용법과 인공신경망(Deep Learning)의 기초를 다루었습니다.1. 비지도 학습과 군집화종속변수 없이 데이터의 내재된 구조나 패턴을 스스로 파악하는 학습 방법입니다.주요 과제로는 군집화, 차원 축소, 이상 탐지가 있습니다.군집화각 데이터의 소속 집단을 모를 때, 유사한 속성을 가진 데이터들을 그룹으로 분할하는 기법입니다.핵심 원리: 군집 간 분산은 최대화하고, 군집 내 분산은 최소화합니다.특징: 지도학습이 결정 경계를 찾는 것이라면, 군집화는 유사한 데이터들의 묶음을 형성하는 것입니다.군집화 평가 지표 요약외부 지표 (정답 레이블이 있는 ..
-
[메타코드 AI LLM 부트캠프] 4주차 학습 일지: 6주차 딥러닝 과제 & 4주차 머신러닝 분류 학습공부/메타코드 LLM 부트캠프 2026. 3. 9. 13:47
1. 주간 학습 회고이번 주는 지난주에 이어 6주 차 과제물 제출과 밀려있던 4주 차 강의 학습을 진행습니다.중간에 장례 일정이 있어 하루 정도 학습을 진행하지 못했고 과제물의 양도 생각보다 많아 완료까지 4일이 걸렸습니다.하나씩 차근차근 해결하며 과제를 무사히 제출한 뒤 남은 금 토 일요일 동안 4주 차 강의를 수강했습니다 4주 차 강의는 회귀분석과 머신러닝의 지도학습 분류 문제 등을 다루었으며 분량이 약 20시간에 달해 걱정이 앞습니다.하지만 이론 실습 심화이론 실습으로 이어지는 반복적인 커리큘럼 덕분에 공통된 내용을 여러 번 점검하며수월하게 이해도를 높일 수 있습니다. 다만 머신러닝 분류 심화 부분에서 아쉬움이 남았습니다.이론과 수학적 증명에만 치우친 설명 탓에 개발자 입장에서는 이것이 왜 필요한지..
-
[메타코드 AI LLM 부트캠프] 3주차 학습 일지: 정보처리기사 필기 합격 & 머신러닝 수요예측 프로젝트와 딥러닝 입문공부/메타코드 LLM 부트캠프 2026. 3. 1. 20:26
2주차에 이어 3주차 월요일부터 수요일까지는 정보처리기사 필기시험 준비에 매진했습니다.그리고 목요일 시험에서 무사히 합격의 기쁨을 누렸습니다! 목요일과 금요일은 재충전을 위해 푹 쉬었고,주말(토, 일)을 이용해 AI LLM 6주차 학습을 달렸습니다. 원래 순서대로라면 4주차를 들어야 하지만 6주차로 건너뛴 이유가 있습니다.학습이 '이론 -> 실습'이 반복되는 구조 속에서,6주차가 머신러닝을 최종적으로 마무리하고 딥러닝으로 넘어가는 중요한 기점이었기 때문입니다.머신러닝의 마지막 실습 프로젝트를 먼저 경험함으로써 앞으로의 이론 학습에 뼈대를 잡고,곧바로 이어질 딥러닝 학습과 과제 제출을 효과적으로 준비하기 위한 전략적인 선택이었습니다.1. 실전 머신러닝: 수요 예측 모델 프로젝트이번 실습 프로젝트의 핵심 목..