요즘 Spring을 활용하는 방법에 익숙해 지려고 노력하고 있다. 사실 Spring은 거의 15년여 전 Spring Framework 초기에 잠깐 사용해보고 그 이후는 경험이 전무한 터라 개념 정도는 얘기할 수 있을지라도 요즘 개발자들과 Spring 활용에 대해 말을 썩을 수 있는 처지가 못된다. 이 참에 Spring에 녹아있는 핵심적인 기술들을 하나씩 꺼내와서 이해하고 정리해 보려고 한다. 이 글은 그 시리즈의 첫 번째로 Spring Cache에 대한 내용이다. 인터넷에서 흔히 소개되고 있는 내용들 보다 좀 더 깊숙이 들어가서 어떤 매커니즘에 의해 Caching이 적용되고 동작하는 지 살펴보도록 한다….
The current frontier of AI systems is based on two model types(they are almost identical under the hood, but their behavior is notably different in practice, hence the distinction) Pre-trained models, also known as ‘non-reasoning models’ These are the famous ‘Large Language Models’, or LLMs, gigantic AI models trained on as much as data as possible, reaching double digits of trillions of words (for reference, Lama 3.1 405B was trained on 15 trillion tokens ~ 11-12.5 trillion words, and DeepSeek…
The Chinese start-up used several technological tricks, including a method called “mixture of experts” to significantly reduce the cost of building the technology. A.I. companies typically train their chatbots using supercomputers packed with 16,000 specialized chips or more. But DeepSeek said it needed only about 2,000. DeepSeek engineers needed only about $6 million in raw computing power, roughly one-tenth of what Meta spent in building its latest A.I. technology. What exactly did DeepSeek do? How are A.I. technologies built? Companies…
DeepSeek made two critical changes. Firstly. the architecture. OpenAI uses an AI architecture known as “fully dense”. This basically means that the architecture is comprised of a single, vast network that processes every request with all its parameters and data points. This is incredibly computationally dense, but the idea is that it can make it more capable in a broader application. DeepSeek is instead much more picky and uses a “mixture of experts” architecture. In this approach, the AI is…
DeepSeek shook up the U.S. stock market, and it’s still creating shock wavers around world. But the newest allegation is that DeepSeek actually used a particular process to put together its training data, and it’s one that some consider to be a little shady. The new U.S. president’s AI and crypto czar David Sacks is one of those who is getting in on the action, saying in an interview with Fox News that there was “substantial evidence” that this kind…
DeepSeek’s breakthrough on cost challenges the “bigger is better” narrative that has driven the A.I. arms race in recent years by showing that relatively small models, when trained properly, can match or exceed the performance of much bigger models. That, in turn, means that A.I. companies may be able to achieve very powerful capabilities with far less investment than previously thought. And it suggests that we may soon see a flood of investment into smaller A.I. start-ups, and much more…
최근 들어 Docker Container에 대해 깊은 이해가 필요하여 이 참에 어렴풋이 알고 있던 Container에 대해 제대로 함 알아보자는 요량으로 관련 서적을 뒤지다가 가장 최근의 책이라고 여겨지는 “Docker Deep Dive 2024 edition” 을 골라 습독을 했다. 대략 Docker Container에 대한 내용은 익히 알고 있던터라 개념적 이해는 쉽게 지나갔지만 실제 이 기술을 이용하고 싶을 때 막히지 않을 정도로 몸에 익혀보자는 생각으로 책에 나온 샘플 코드를 이리 저리 내가 활용해 보고 싶은 시나리오로 변형하고 적용하다 보니 계획했던 2주 보다 시간이 좀 더 걸렸다….
목차 도로네트워크 데이터 DB생성 PostgreSQL DBMS에 배포되는 원본 데이터를 데이터베이스 적재하기 위한 데이터베이스를 먼저 생성한다. 이 과정은 PostgreSQL 설치시 생성한 postgres 계정으로 접속하여 작업을 진행한다. 이 예제에서는 생성할 데이터베이스 이름을 “network” 로 한다. 이 이름은 필요에 따라 변경해도 무방하다. 아래는 위에서 설명한(1~6) 일련의 과정으로 보여준다. 한국에서 사용하는 좌표계(UTMK, Katech자동차연구원) 등록 경로탐색엔진과 KT지도에서 UTMK좌표를 사용하고 현재는 많이 사용되지 않지만 사용할 가능성이 있어 Katech좌표계도 같이 등록한다. 참고로 맵퍼스로부터 수급받는 원본 데이터는 WGS84 좌표계로 제작되어 있어 좌표계 변환시 내부적으로 참조가 필요하다. 위에서 사용된 spatial_ref_sys DB 테이블은…
Docker Volume을 create, backup, migrate, restore하는 일련의 예제를 작성해 봄으로써 Docker를 활용할 때 데이터를 영구적으로 저장/유지하는 방법에 대해 알아본다. Docker가 무엇인지 먼저 간략하게 알아보기 Docker는 어플리케이션을 개발(developing), 배포(shipping), 실행(running)하는 하나의 오픈 플랫폼(Open platform)이라 할 수 있다. 또한 어플리케이션을 운영 인프라로부터 개념적으로 분리시켜 줌으로써 보다 빠르게 소프트웨어를 배포할 수 있도록 한다. Docker를 활용하면 응용 프로그램을 관리하는 것과 같은 방식으로 앱의 인프라(infrastructure)를 관리할 수 있어 개발자에게 전체 개발 프로세스를 상당히 간소화 시켜준다. 코드를 배포, 테스트, 배포를 빠르게 해주는 Docker 방법론을 활용하면 개발자는…
인공지능(Artificial intelligence)은 이미지 생성이나, 그럴싸해 보이는 챗봇 그 이상이다. 또한 이는 물리학에 기반하며 노벨에 버금가는 노력의 산실이기도 하다. 대부분의 사람들은 AI라고 하면 ChatGPT와 같은 챗봇이나 DALL-E 같이 이미지 생성, 또는 단백질의 중첩구조를 예측하는 AlphaFold와 같은 과학용 어플리케이션을 떠올린다. 이런 사람들 중 인공지능 시스템(Artificial Intelligence System)의 핵심에 물리학이 있을 것으로 생각하는 사람은 극소수일 것이다. 하지만 사실 인공신경망(Artificial Neural Network)이란 개념은 물리학의 세 분야 즉, Biophysics, Statistical physics, Computational physics이 융합된 연구의 결과로 처음 결실을 맺게 되었다. 대략 1980년대 이루어진 이러한 주요…