Terraform으로 NCP에 웹 서버 인프라 만들기(VPC ~ Public IP까지, Rocky Linux 웹 서버 자동 구성)이 글은 Naver Cloud Platform(NCP)에서 웹 서버 1대를 운영할 때 필요한 기본 인프라를 Terraform으로 자동 생성하는 실습입니다.핵심은 “콘솔에서 일일이 만들던 것들을 코드로 정의하고, terraform apply 한 번으로 재현한다”입니다.이번 프로젝트는 다음 리소스를 생성합니다.네트워크: VPC, Subnet, Network ACL보안: Access Control Group(ACG) 규칙서버: Rocky Linux 서버 + 초기 스크립트 실행 + Public IP전체 진행을 4단계로만 정리하면준비: Terraform + NCP 키 준비코드 준비: t..

효과적인 데이터 전처리: 깨끗한 데이터로 시작하는 분석의 첫걸음안녕하세요, 데이터 분석가 여러분! 오늘은 데이터 분석의 핵심이라고 할 수 있는 데이터 전처리 과정에 대해 알아보겠습니다. 깨끗하고 정제된 데이터는 정확한 분석 결과의 기반이 됩니다. 그럼 지금부터 효과적인 데이터 전처리 5단계를 살펴볼까요?1. 데이터 확인첫 번째 단계는 데이터를 꼼꼼히 살펴보는 것입니다. 데이터의 구조, 각 열의 의미, 데이터 타입 등을 파악합니다. Python에서는df.info(),df.describe(),df.head()등의 함수를 활용하면 좋죠.2. 중복 데이터 제거중복된 데이터는 분석 결과를 왜곡시킬 수 있습니다. pandas의drop_duplicates()함수를 사용하여 쉽게 중복을 제거할 수 있습니다.python..

언어 처리모델 프로세스프로세스 순서데이터 확인중복 데이터 제거Null 제거빈공간 제거특수문자 제거import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport urllib.request# 데이터 확인하기input_data = 데이터 입력# 중복 데이터 제거input_data.drop_duplicates(subset=['document'], inplace=True)# null 데이터 삭제input_data.dropna(inplace=True)# 양끝의 빈공간 삭제input_data['document'] = input_data['document'].str.strip()input_data['document'] = input_data['do..

이미지 처리이미지 세팅이미지 디렉터리 기준으로 이미지 셋 만들기image_dataset_from_directoryimport osimport zipfileimport numpy as npimport tensorflow as tfimport matplotlib.pyplot as pltfrom glob import globfrom PIL import Image# 하이터 파라미터 정의num_epochs = 10learning_rate = 0.001dropout_rate = 0.5input_shape = (128, 128, 3)batch_size = 32num_classes = 클래스 수 # 이미지 패스 지정train_img_path ='이미지 경로'valid_img_path ='이미지 경로'# Train Da..

# 이미지 처리### 이미지 세팅- 이미지 디렉터리 기준으로 이미지 셋 만들기    - image_dataset_from_directory```bashimport osimport zipfileimport numpy as npimport tensorflow as tfimport matplotlib.pyplot as pltfrom glob import globfrom PIL import Image# 하이터 파라미터 정의num_epochs = 10learning_rate = 0.001dropout_rate = 0.5input_shape = (128, 128, 3)batch_size = 32num_classes = 클래스 수 # 이미지 패스 지정train_img_path ='이미지 경로'valid_img_pat..

# you can write to stdout for debugging purposes, e.g. # print("this is a debug message") import sys sys.setrecursionlimit(6000000) #재귀 늘리기 위한 부분 arr=[] def dp(index,A): global arr if index==len(A)-1:#첫번째 리턴 return A[-1] if arr[index]!=-math.inf:#가지치기 이미 계산한거 리턴 return arr[index] temp=arr[index] for i in range( 1,7):#6가지 경우중 가장 큰값으로 if index+i < len(A): temp=max(dp(index+i,A)+A[index],temp) arr[..