일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | |||||
3 | 4 | 5 | 6 | 7 | 8 | 9 |
10 | 11 | 12 | 13 | 14 | 15 | 16 |
17 | 18 | 19 | 20 | 21 | 22 | 23 |
24 | 25 | 26 | 27 | 28 | 29 | 30 |
- TFX
- 네트워크
- BANDiT
- HTTP
- 메타버스
- 클라우드
- BERT이해
- 클라우드자격증
- 플랫폼
- chatGPT
- MLOps
- RecSys
- AWS
- Collaborative Filtering Bandit
- 머신러닝 파이프라인
- COFIBA
- nlp
- 중국플랫폼
- MAB
- 추천시스템
- MSCS
- BERT
- llm
- docker
- 미국석사
- 자연어처리
- 언어모델
- 머신러닝
- transformer
- aws자격증
- Today
- Total
목록분류 전체보기 (150)
Julie의 Tech 블로그
타오바오는 소비자에게 배송하기 직전에 냉장고에서 물품을 꺼내 30분 이내로 배송해주는 플랫폼이다. 뿐만 아니라 가격도 저렴하고, 상품 수도 많고 다양하다. 이번 글에서는 타오바오의 플랫폼 성장 과정을 보도록 하자. 타오바오는 2003년에 창업하여 2년만에 중국 전자상거래 시장의 67%를 점유하게 된다. 타오바오의 경쟁상대는 이베이였는데, 누가 더 공급자와 소비자를 많이 끌어오느냐 싸움을 했다. 결국 이베이를 상대로 타오바오가 중국의 상거래 시장을 차지하게 되었는데, 그 이유로는 아래와 같다. 우선 타오바오 이전에 존재했던 알리바바 닷컴의 공급자 네트워크를 타오바오가 활용했다는 점이다. 두 번째는 알리페이의 등장이었는데, 신용카드 거래가 활발히 이루어지지 않았던 중국경제에 전자상거래를 가능하게 할 ..
이번 글에서는 마이크로소프트의 플랫폼 전략과 성장과정에 대해 간단히 알아볼 것이다. 마이크로소프트는 대표적인 IT기업으로, 컴퓨터부터 클라우드까지 시장 우위성을 점유하고 있다. 마소의 성장 요인은 윈도우였는데, 요즈음 일상 생활에서 빼놓을 수 없는 엑셀과 워드가 있는 Office 365도 한몫했다. 이렇게 컴퓨터에 대한 오랜 역사를 지닌 마이크로소프트가 클라우드 시장에서의 1위를 AWS에 내주게 되었을까? 마이크로소프트가 클라우드 시장에 뛰어들 수 있었던 건 윈도우 OS의 경험이 있어서도 있지만, 소프트웨어 개발도 함께 가꾸어왔기 때문이다. 마이크로소프트는 오피스 외에도 저명한 Visual Studio Code라는 개발 소스 코드 편집기를 개발한 것 등 오랜 기간 소프트웨어 개발에 힘써왔다. 뿐만아니..
미국 플랫폼과 중국 플랫폼은 다소 차이가 있다. 중국 플랫폼은 아무래도 규제 등 정부의 영향을 많이 받는 것도 있을 것이다. 책에서는 미국과 중국 플랫폼 차이를 크 게 세 가지 정도로 이야기하는데, 그에 대해 간단하게 정리해볼 것이다. 우선 첫째, 중국 플랫폼은 대중들의 현실적인 삶과 밀접하게 관련이 있는 영역에서 성장했다. 상거래 플랫폼, 이동수단 등 좀 더 삶에 밀착된 플랫폼들이 많이 존재하며, 지식의 공유나 정보성 콘텐츠와 관련된 플랫폼은 아직 드물다. 그 이유는 중국 당국의 성장 차이도 있겠지만, 규제로 인해 개방적인 지식 플랫폼이 생기기 어렵기 때문이다. 시장의 니즈도 한몫했는데, 음식배달 플랫폼인 메이투안, 차량공유 플랫폼 디디추싱이 가장 빠르게 성장했던 이유도 저자는 국민의 니즈가 정보성..
$ pip install tfx import tensorflow_data_validation as tfdv import tesnorflow_transform as tft import tensorflow_transform.beam as tft_beam from tfx.components import ExampleValidator from tfx.components import Evaluator from tfx.components import Transform 본 글은 이전 시리즈에 이어 머신러닝 파이프라인 설계시 사용되는 주요 프레임워크, 툴들에 대해 개괄적으로 다뤄볼 것이다. 우선 파이프라인 설계시 사용되는 TFX와 Orchestration 툴 Apache Beam에 대해 알아보자. Introduct..
본 시리즈는 최종적으로 Kubeflow를 활용하여 머신러닝 모델 자동화를 이룰 수 있도록 파이프라인을 설계하는 방법에 대해 다룰 것이다. 머신러닝 파이프라인은 모델의 life cycle 전체를 자동화할 수 있다는 점에서 매우 매력적인 도구이다. 새로운 학습 데이터가 인입될 때, 데이터 가공, 모델 학습, 분석, 그리고 배포까지 전체 워크플로우가 돌게 되어있다. 이 과정에서 데이터 분석가나 엔지니어가 개입하여 새롭게 처리하거나 작업해야할 공수가 상당히 줄어든다. 이번 개요 편에서는 머신러닝 파이프라인을 설계함으로써 어떤 이득을 얻을 수 있는지를 간단히 살펴보자. 달리 보면 머신러닝 파이프라인을 설계해야하는 이유, 필요성으로도 볼 수 있다. * 분석가는 새로운 모델 개발에 집중할 수 있다. 기존에 존..
이전까지 시장형 플랫폼에 대해 각 기업의 사례를 들어 살펴보았었다. 이번 글부터는 광장형 플랫폼을 다뤄볼 것이다. 시장형 플랫폼과 광장형 플랫폼은 수익구조에서 크게 차이가 있다고 볼 수 있다. 시장형 플랫폼의 경우 광장형 플랫폼과는 달리 트래픽이 지속적으로 인입이 될 수 없다. 따라서 수수료와 같은 BM을 지닌다. 반면 광장형 플랫폼의 경우 트래픽이 어느 정도 보장되고, 늘 일정 수준 이상으로 존재하기 때문에 광고와 같은 BM을 지닐 수 있다. 광장형 플랫폼의 경우 인프라 플랫폼이 대표적이다. 인프라 플랫폼은 모바일 플랫폼(OS시장 - 구글, 애플 등)이나 클라우드(AWS, Azure 등) 등이 해당된다. 인프라 플랫폼은 특성상 B2B적인 성향이 강하다. 따라서 개인으로서는 인프라 플랫폼이 익숙하지 ..