본문 바로가기

What is □?28

27_로드 밸런싱(Load Balancing, 부하분산)이란 무엇인가? 트래픽 초과를 해결하는 대표적인 방법 중 하나이다. 일반적으로 여러 개의 서버를 구비해 놓고 트래픽을 분산시키는 기술과 장비를 통칭하여 로드 밸런싱이라고 한다. 클라이언트(사용자)와 서버풀(Server Pool, 분산 네트워크를 구성하는 서버들의 그룹을 말함) 사이에 위치하며, 한 대의 서버로 부하가 집중되지 않도록 트래픽을 관리해 준다. 다수의 사용자가 한 서버에 몰릴 경우, 트래픽이 폭증하여 과부하가 발생하거나 시스템이 다운될 수 있기에 이러한 로드 밸런싱으로 최적화하는 과정이 매우 중요하다. 이러한 로드 밸런싱에는 L4 로드밸런서(네트워크 계층, 전송 계층에서 분산 처리)와 L7 로드밸런서(응용 계층에서 분산 처리)가 가장 많이 활용된다. 2021. 8. 19.
26_손실 함수란 무엇인가? 인공지능 모델이 예측한 답과 원래 정답의 오차를 표현, 판단하는 함수를 말한다. 인공지능의 성능을 증명하는 가장 중요한 지표 중 하나이다. 이 개념을 이해하려면 우선 지도학습이 무엇인지 이해해야 한다. 지도 학습은 문제-정답의 데이터 세트를 통해 기계를 훈련시키는 방법이다. 문제와 정답을 모두 학습하며 둘의 연관관계를 파악하여 학습하고, 그를 바탕으로 새로운 테스트 케이스의 답을 맞춘다. 마치 수많은 콜라와 까나리액젓의 표면을 관찰한 후 육안만으로 콜라를 골라내듯이 말이다. 모델이 예측한 결과와 실제 테스트 케이스의 답은 다를 수 있는데, 이런 오차를 수식화하여 모델의 성능을 판단하는 것이 바로 손실함수이다. 인공지능은 이 손실함수의 값을 최소화하는 방향으로 학습을 진행한다. 그렇기 때문에 어떠한 손실함.. 2021. 7. 16.
25_하이퍼파라미터(Hyper-parameter)란 무엇인가? 모델링을 할 때 사용자가 직접 세팅할 수 있는 값이다. 딥러닝 모델에서의 노드 수와 hidden layer 수, 학습률, 훈련 횟수 등 많은 값들이 존재한다. 모델링을 할 때는 이 값들을 적절히 조정해, 모델의 성능을 최대한 끌어올리는 작업이 중요한데 이를 '하이퍼 파라미터 튜닝'이라고 한다. 2021. 7. 16.
24_파라미터(Parameter, 매개변수)란 무엇인가? 쉽게 말해 모델 내부에서 결정되는 변수이다. 이 변수의 값은 오직 input된 데이터에 의해서 자동적으로 결정된다. 이게 무슨 말이냐 하면, 사용자가 임의로 조정할 수 없다는 것이다. 이는 뒤에 나올 '하이퍼 파라미터(Hyper parameter)'와 비교하여 가장 큰 차이점이다. 하이퍼 파라미터란 사용자가 임의로 조정할 수 있는 값, input된 데이터와 상관없이 변경할 수 있는 값이다. 2021. 7. 5.

티스토리툴바