MJay

AWS 기반 마이크로 서비스 https://events-aws.qwiklabs.com/live 들어가서 로그인 해서 만들면 됩니다. 시작하여 event-aws.qwikilabs.com 모습이다 이게 개요이다. -> Docker를 배웠다는 가정하레 바로 MicroService가 뭔지 배운다. 마이크로 서비스가 좋은지 어떤 관점에서 좋은지 배운다. 얼굴 사진을 업로드하면 얼굴 형태를 인식해서 얼굴 인중에 mustache 붙여준다 이걸 예시로 보여줬다.(Web Server) 옛날에는 거대한 하나라는 모놀리스 어플리케이션을 구축했습니다. 정보시스템이 발전하면서 올인원 이렇게 종합된 형태로 구축을 했습니다. 복잡성 제어가 불가능해집니다.. -> exponential -> 그래서 마이크로 서비스가 나왔습니다. 변경..

6시에 일어나서 18시까지 수업듣고 왔다. 재미있었다.

doesn’t need confidence abduction deduction if A then B A*B = C rule 1 has C Rule을 모아서 overall해서 confidence를 구해야한다. Max를 구한다. if CF1 and CF2 >0 if CF1 and CF2 H1 E3=0.95*0.8 E1 R4 E4 -> E1 E2 0.7 * 0.85 MAX(E1,E2) *0.9 —> result Original probability h=disease D - symptom original probability P(d|D) posterior P(D|h) if you have hypothesis you will have symptom Reference 를 봐야 한다 TItle Abstract -> ..

추론을 하면 답을 찾는 과정이다. AI Planning도 Problem Solving하는 과정이다. initial state - > goal state로 가는 과정이다 계층적인 게 있고 비계층적인 게 있다.

Basic Working Memory - represent current state of the world Production Memory - set of production rules Rule Interpreter= Applies production rules to working memory 구조는 Production Memory를 Working Memory에 적용시켜서 Rule을 해석하는 것이다 Production Rules은 규칙이다. A이면 B이다 Working Memory는 short term memory buffer라고도 한다. current state를 보여주는 것이다. Interpreter (Inference Engine) 해석해주는 도구이다. 추론을 하는 것이다 Production RUl..

Python은 매우 쉽다 python packages are hierarchical modules 모듈을 수정했을 경우 reload가능 이럴경우 search앞에 re 안붙여도 된다. 여러가지 data가 있다. NLTK Annotated Text- 정보가 달려있는 text (e.g 품사) 품사를 결정해주는게 Part Of Speech Tagging이다. token은 단어를 만들어주는 것이다. 단어의 위치에 따라서도 불러낼수있다 blank space regular expression over ova gaeova gae ssip ova

Celery는 distributed task queue이다. task queues은 threads 나 machine을 통해 task를 분산시키는 메커니즘이다. 이 task를 처리하는 것들은 worker라고 한다. Worker는 웹서비스에서 뒷단의 작업을 처리하는 별도의 프레임이다. 여기서 task queue 역할을 하는게 broker이다. task 모듈 작성( app) -> celery 서버를 가동 -> task 호출을 원하는 프로그램에서 task 모듈을 import하게 되면 task를 콜해준다. Celery는 메세지로 소통을 한다. 클라이언트가 메세지를 task queue에 집어 넣으면 broker라는 놈이 이 메세지를 worker로 가져간다 Python App + Celery Call task 하는 ..

Worker는 웹서비스에서 뒷단의 작업을 처리하는 별도의 프레임이다. Celery는 Worker이다. Worker는 웹 서비스에서 사용자에게 즉각적인 반응을 보여줄 필요가 없는 작업들오 인해 사용자가 느끼는 딜레이를 최소화 하기 위해서 사용된다. DB에 저장되는건 사용자가 볼 필요없으니 이걸 Worker가 처리해준다. Celery 서버를 통해 이런 뒷단 작업을 다수의 Worker에게 적절히 배분해준다고한다. 수행하는 작업 단위는 task이다. task의 실행을 의뢰받는게 브로커이다. task 수행 요청을 받아들이 브로커 task 모듈 작성 -> celery 서버를 가동 -> task 호출을 원하는 프로그램에서 task 모듈을 import하면 task를 콜 Celery 인스턴스로 선언된 app을 celer..

on my background 결론: 비슷하다 Celery는 long running jobs는 fail할 경우가 있다. 그래도 나쁘지 않다고 한다. Celery는 Web이랑 관련된 작업에서 많이 쓰인다 Celery은 gevent , flower 등을 관리해준다 Celery 는 web-based management system Spot Instance일 경우 -> restart node 해준다, rabbitmq 라는 broker를 설치해서 다시 시작해야한다. HtCondor Container도 있다. Spot Instance Bid하는 것도 있었다. cvmfs를 통해 nfs가 가능해진다고도 했다. 여기서도 network File System(NFS) 이 쓰인다 shared data is available ..

Celery가 무엇인지 알아보자 정의 Asynchronous task queue/job based on distributed message passing 일단 message passing이라는게 뭔지 알아야한다. 메세지를 process에 보내서 code를 run 시켜주는 것이다 특징은 concurrency 와 oop를 서포트해준다 이건 예전 conventional programming이랑 다르다 옜날에는 process, function이 name으로 invoke됬기 때문이다. message processing은 object model을 써서 general function이랑 구별된다고 한다. 쨋든 이런게 message processing이다 Celery의 특징은 이와같다. 일단 1. Asychronous..