본문 바로가기

전체 글207

RSC vs SSR 서론Next를 사용하게 되었을 때의 렌더링 과정을 공부하던 중 좋은 글을 발견해서 그 글을 보며 정리하게 되었다=> 원본 글을 거의 그대로 정리하는 것임을 미리 밝힙니다(제가 참고했던 글에 대해서는 게시물 하단에 링크를 달아두었습니다)우리가 흔히 React와 Next의 가장 큰 차이라고 하면,CSR(Client Side Render)과 SSR(Server Side Render) 라고 답할 것이다.SSR은 서버측에서 완성된 HTML을 보내주기 때문에 클라이언트는 그걸 받아서 곧바로 화면에 보여주기만 하면 되기에 사용자가 빈 화면을 보는 시간을 줄여줄 수 있다.이정도의 개념은 가지고 있었지만, 조금 더 자세하게 알 필요가 있다고 생각했다. Server ComponentNext에는 Server Componen.. 2024. 5. 4.

레인보우 테이블 공부하게 된 계기갑자기 왜 공부하게 됐냐면,,,현재 만들고 있는 서비스에서 사용자의 비밀번호를 저장할 때, 평문에 Salt 값을 붙인 다음 Hashing(해싱)을 해서 DB에 저장 하도록 구현했다.평문이 아니라 해시값을 저장하는 이유는 혹여나 악의적인 공격자에 의해 노출되었다고 했을 때, 실제 비밀번호는 알아내지 못하게 하기 위함이다. 여담이지만 요즘은 비밀번호 찾기를 하면, 기존의 비밀번호를 pas*w*rd 이런 식으로 알려주는 게 아니라 무조건 비밀번호를 변경하게 한다.그 이유가 해시값을 저장하기 때문에 원래 비밀번호가 뭐였는지 알지 못하기에, 알려줄 수가 없기 때문 ! Salt 값을 사용하는 이유는 예전에 보안 시간에 레인보우 테이블이라는 공격법을 배웠었는데,이 레인보우 테이블 공격에 대응하기 위해.. 2024. 5. 1.

Cache의 사용 예 캐시는 어떤 경우에 사용할 수 있을까?캐시는 느린 것을 빠르게 하기 위해 서 사용한다느린 저장장치의 데이터 중 일부를 빠른 저장장치에 올려두고 사용하는 것이 캐시 Cache Aside (Look Aside)캐시에 먼저 접근하고 없으면 DB에 직접 접근 후 캐시 업데이트가장 일반적인 형태 의 캐시 사용어떤 경우에 성능이 가장 좋을까?캐시 Hit가 많이 발생할 때어떤 경우에 성능이 가장 떨어질까?DB에 없는 데이터를 계속해서 접근하게 될 때DB에 없는 데이터에 접근하는 경우에는 Miss가 발생해도 데이터를 캐시에 올려둘 수 없기 때문에 매번 DB에 방문하게 된다이러한 경우에는 이 데이터는 존재하지 않는다는 것을 캐시에 저장 하면, DB에 가지 않아도 데이터가 없음을 알 수 있다이러한 구조에서 더 고려해야 할.. 2024. 4. 30.

12. Evaluation & Ensemble Classification Model의 성능을 측정하는 방법과 앙상블에 대해서 다룰 것이다 Accuracy Evaluation 모델의 정확성을 평가 테스트 데이터를 통해서 모델의 분류 정확성을 평가 한다 Test Data 정확성 측정을 위해 사용되는 데이터 셋 의 형태 모델에 입력할 때는 정답 클래스를 제외하고 입력한 후, 예측값과 주어진 Class Label을 비교한다 Accuray = 모델이 정확하게 분류한 개수 테스트 데이터는 학습에 사용되지 않은 독립적인 데이터여야 한다 학습에 사용된 데이터로 테스트를 하는 건, 이미 답을 아는 문제를 푸는 것임 Confusion Matrix 분류 모델 성능 평가 지표 각 엔트리는 class i인 데이터에 대해 모델이 class j로 예측한 개수를 의미한다 Tru.. 2024. 4. 16.

9. 데이터 추가 및 연동 이번 활동 요약 지난 번에 구축해둔 서버에 데이터를 추가하고, 프론트와 연동하는 작업을 진행했다 이전까지 백엔드 서버를 구축하고 기본적인 CRUD를 구현했었다 이번에는 DB에 더미 데이터를 추가하고, 프론트엔드에서 API로 데이터를 불러오는 것까지 진행을 했다 데이터 추가 기존에 프론트에서 직접 저장하여 쓰고있던 데이터를 DB에 추가하는 작업을 했다 초기 데이터 저장을 위해 프론트에서 String 형태로 가지고있던 데이터를 파싱해서 서버에 저장했다 이때, 클러스터링을 해서 미리 클러스터별로 색상을 지정해서 색상값도 함께 저장했다 원래는 이 로직을 프론트에서 직접 한 다음, 데이터를 그려내고 있었는데 DB에서 받아오게 된다 이미 모든 준비가 된 데이터를 받아와서 출력하기 때문에, 초기 화면 구성이 빨라졌을.. 2024. 4. 14.

11. Rule Based Classification Rule에 기반한 분류기 기본적인 아이디어는 IF-THEN을 사용하는 것 Ex) IF age = youth AND student = false THEN buys_computer = no 데이터의 수가 그렇게 많지 않은 경우에 사용할 수 있다 이 Rule들은 Domain Experts (Human Experts)에 의해서 만들어진다 특정 데이터가 여러 개의 Rule에 부합하는 경우에는 Conflict Resolution이 필요하다 Size Ordering Rule의 Size라는 것은 IF문에 걸려있는 Feature의 수 즉, Size가 크다는 것은 Rule이 구체적이고 Toughest 하다는 것이다 Size가 큰 Rule일수록 더 높은 우선순위를 주는 방식 Class-based Ordering Miscla.. 2024. 4. 14.

10. Overfitting Training Data를 사용해서 Decision Tree를 Top-down 방식으로 학습하는 것을 봤다 학습을 언제 종료하는 것이 좋을까? 노드에 있는 모든 데이터들이 같은 Class를 가질 때까지 분류한다 그러면 학습 데이터에 대해서 100% 분류 정확도를 보이는 Decision Tree가 만들어지게 된다 위처럼 학습이 되면 주어진 데이터에 대해 100% 정확히 분류하는 Decision Tree가 학습되었다 이게 과연 좋은 것일까? 아니다. Overfitting이 된 것 이다 Overfitting of Decision Tree Models Decision Tree는 Overfitting이 발생한다는 문제 가 있다 Overfitting이 된다는 것은 왜 문제일까 너무 많은 Branch가 생기게 되고,.. 2024. 4. 14.

9. Decision Tree What is Decesion Tree? Decision Tree는 특정 조건에 기반하여 결정에 대한 모든 가능한 해결책을 시각적으로 나타낸 그래픽 표현이다 중간 노드는 여러 Alternatives 중에 어떠한 선택을 의미한다 리프 노드는 최종 Decision을 의미한다 그림에서 나이가 30세 이하이고, 학생이 아니면 컴퓨터를 사지 않을 것이라고 예측 Algorithm Overview Decision Tree 알고리즘의 대략적인 과정 분할정복을 사용해서 Top-down 방식으로 트리를 형성한다 처음에는 모든 Training data는 Root로부터 시작한다 데이터들은 현재 단계에서 선택된 Feature를 기준으로 Recursive하게 나뉜다 이때 현재 단계에서 어떤 Feature를 선택할지는, Heuri.. 2024. 4. 13.

8. Classification Classification이란 주어진 데이터에 대해서 Class label을 예측하는 것 Classificaiotn vs Regression 둘은 어떤 차이가 있을까? Classification 주어진 데이터에 대해 Categorical한 Class label을 예측 하는 것 학습 데이터를 통해서 Classifier를 학습시킨 다음, 새로운 데이터를 모델에 넣어서 결과를 예측 Ex) 날씨가 추운지 안 추운지 판별하는 모델 Regression Continuous한 값을 뱉어내는 모델을 학습시킨다 Unknown하거나 Missing된 값을 모델을 사용해서 예측한다 연속된 값을 예측 하는 모델을 만드는 것 Ex) 기온을 예측하는 모델 Classification Classification을 수행하는 모델은 어떻게.. 2024. 4. 13.

이전 1 2 3 4 ··· 23 다음

티스토리툴바