#wannabeeeeeee the best DataScientist

1. DID (Decentralized ID) – 자기주권 신원증명✅ 왜 DID가 필요한가?현대의 디지털 사회에서는 ‘누가 누구인지’ 정확하게 식별하는 것이 매우 어렵습니다.기존 인증 체계는 다음과 같은 문제를 갖고 있습니다:인증 수단 부족: 개발도상국의 수많은 사람들은 신원 확인 수단이 없습니다.인증 정보의 중앙 집중화: 인증 데이터가 선진국 기관에 집중되어 있고, 가격도 비쌉니다.신원 확인 실패의 위험: 유아 유괴, 성 착취, 강제 노동 등 문제 해결을 위해 정확한 인증 필요.인터넷에서의 익명성 한계: 누구나 자신을 증명하기 어렵습니다.✅ DID의 개념과 구조DID (탈중앙식별자): 사용자가 직접 관리하는 IDVC (검증 가능한 자격 증명): 정부나 기관이 발급한 신원 정보DID 체계는 중앙기관 없이..

✅ 클라우드 컴퓨팅이란?클라우드 컴퓨팅은 하드웨어, 소프트웨어 등 다양한 IT 자원을 가상화 기술을 기반으로 인터넷을 통해 서비스 형태로 제공하는 방식입니다.다시 말해, 서버, 저장소, 네트워크, 소프트웨어 등을 인터넷을 통해 빌려 쓰는 것입니다.✅ 클라우드 컴퓨팅의 장점서버 구매 불필요: 전력, 위치, 확장성 등 인프라 구축 고민 없이 바로 사용 가능즉시 사용 가능: 이미 구축된 서버를 기반으로 신속한 서비스 런칭 가능운영에 집중: 인프라 세팅 없이 서비스 개발과 운영에 집중할 수 있음실시간 확장성: 서비스 부하에 따라 자원을 유연하게 확장 가능비용 효율성: 사용한 만큼만 과금되어 불필요한 지출 절감✅ 클라우드 서비스 제공 형태퍼블릭 클라우드: 인터넷을 통해 누구나 접근 가능한 클라우드. 예: AWS,..

딥러닝의 등장과 발전1980년대, 딥러닝의 씨앗이 뿌려지다딥러닝의 근간인 깊은 신경망(Deep Neural Network) 아이디어는 이미 1980년대에 등장했습니다. 그러나 당시는 이를 실현하기엔 여러 기술적 한계가 있었습니다.주요 한계점그레이디언트 소멸 문제: 역전파 과정에서 기울기가 소멸해 학습이 잘 되지 않음과잉적합(Overfitting): 모델 복잡도에 비해 학습 데이터가 부족해 일반화 성능이 떨어짐과도한 계산 시간: 연산 자원이 부족해 깊은 신경망 학습이 매우 느림그럼에도 불구하고 연구는 지속되었고, 다양한 요소들이 딥러닝의 가능성을 넓혀갔습니다.지속된 연구 주제학습률 변화에 따른 성능 변화은닉층/은닉 노드 수에 따른 영향데이터 전처리의 중요성활성 함수 선택의 차이다양한 규제 기법(Regula..

✅ Docker Copmose란?여러 개의 Docker 컨테이너들을 하나의 서비스로 정의하고 구성해 하나의 묶음으로 관리할 수 있게 도와주는 툴이다.✅ Docker Compose를 사용하는 이유여러 개의 컨테이너를 관리하는 데 용이 복잡한 명령어로 실행시키던 걸 간소화 시킬 수 있음 ✅ Docker Compose로 컨테이너를 실행# compose.yml 파일 작성하기services: my-web-server: container_name: webserver image: nginx ports: - 80:80services(my-web-server) : Docker Compose에서 하나의 컨테이너를 서비스(service)라고 부른다. 이 옵션은 서비스에 이름을 붙이는 기능이다.container_n..

신경망은 기계 학습 역사상 가장 오래된 모델 중 하나이며, 오랜 시간 동안 다양한 형태로 발전해왔습니다. 특히 딥러닝의 부상 이후, 신경망은 다시금 기계 학습의 핵심 기술로 자리 잡았습니다.신경망의 역사1958년, 프랑크 로젠블렛(Frank Rosenblatt)은 최초의 신경망 모델인 퍼셉트론(Perceptron) 을 제안합니다.그러나 1969년, 마빈 민스키와 세이무어 페퍼트가 공저한 『Perceptrons』에서는 퍼셉트론의 수학적 한계를 지적했습니다. 대표적으로, 퍼셉트론은 XOR 문제를 해결할 수 없다는 것이 드러났고, 이는 1차 암흑기로 이어졌습니다.1986년, 루멜하트와 맥클랜드는 『Parallel Distributed Processing』을 통해 다층 퍼셉트론(Multilayer Percept..

📊 기계학습에서 수학이 하는 일기계학습(Machine Learning)은 단순히 데이터를 처리하는 기술이 아니라, 수학을 기반으로 문제를 정의하고 해결하는 과정입니다. 특히 목적함수를 설정하고, 최적의 해를 찾아가는 최적화 과정에서 수학은 핵심적인 역할을 합니다. 수학이 기계학습에서 중요한 이유모델의 목적함수 정의예: 평균제곱오차(MSE), 교차엔트로피(Cross-Entropy)→ 모델이 잘 작동하도록 평가하는 기준최적화 이론 제공→ 미분, 편미분, 선형대수, 확률론 등의 수학적 도구를 사용하여모델이 목표값을 최대한 정확히 예측하도록 학습함정보 이론 (Information Theory)▶ 핵심 개념: "확률이 작을수록 더 많은 정보를 가진다"즉, 예측하기 어려운 사건일수록 정보량이 크다는 의미입니다.?..

✅ Dockerfile이란?Docker 이미지는 Dockerhub을 통해 다운받아서 사용할 수 있다. 이 Docker 이미지들도 누군가 만들어서 Dockerhub에 올려놓은 것이다. Dcoker 이미지는 어떻게 만드는 걸까? ✔ Dockerfile이란는 걸 활용해서 Docker 이미지를 자체적으로 만들 수 있다.✅ 베이스 이미지 생성(FROM)FROM은 베이스 이미지를 생성하는 역할을 한다. Docker 컨테이너를 특정 초기 이미지를 기반으로 추가적인 셋팅을 할 수 있다. 여기서 얘기한 ‘특정 초기 이미지’가 곧 베이스 이미지이다. 컨테이너를 새로 띄워서 미니 컴퓨터 환경을 구축할 때 기본 프로그램이 어떤게 깔려있으면 좋겠는 지 선택하는 옵션이라고 생각하면 된다. 1. Dockerfile 만들기# 사용..