Yeon's Cloud

본문 바로가기

୧( “̮ )୨✧

최근 관심사

훈련·검증·테스트 데이터셋, 왜 나누는가 머신러닝 모델을 만들 때 흔히 듣게 되는 표현이 있습니다. "데이터를 훈련(Training), 검증(Validation), 테스트(Test)로 나눈다"는 것입니다. 처음 접하면 굳이 데이터를 쪼개는 이유가 잘 와닿지 않을 수 있습니다. 이 글에서는 데이터를 왜 세 덩어리로 나누는지, 각 덩어리가 어떤 역할을 하는지, 그리고 실무에서 가장 조심해야 할 함정인 데이터 누수(Data Leakage)까지 차근차근 정리했습니다.결론 먼저: "커닝 방지"가 핵심이다데이터를 나누는 이유를 한 문장으로 요약하면 다음과 같습니다.모델을 학습시킨 데이터로 그 모델의 성능을 평가하면, 그것은 답을 이미 아는 문제로 시험을 보는 것과 같아서 신뢰할 수 없다.모델이 실전(한 번도 접해 보지 못한 새로운 데이터)에서 얼마나 잘 .. 2026.09.11
EC2 인스턴스 타입과 요금 옵션 — AWS는 왜 서버를 이렇게 잘게 쪼개서 팔까 들어가며EC2 인스턴스를 처음 만들 때 누구나 한 번은 멈칫한다. t2, t3, m5, c5, r5, g4... 알파벳과 숫자로 가득한 목록 앞에서 "그냥 컴퓨터 한 대 빌리는 건데 왜 이렇게 많지?"라는 생각이 든다.이 글은 그 질문에서 출발한다. 인스턴스 타입의 알파벳이 실제로 무엇을 의미하는지, 요금 모델 네 가지가 왜 동시에 존재하는지, 그리고 이 "타입을 고르는 행위" 자체가 온프레미스 서버 운영과 어떻게 다른지를 정리한다. 1. 인스턴스 패밀리: 알파벳은 CPU 대 메모리 비율이다인스턴스 타입 이름은 m5.large처럼 패밀리 + 세대 + 크기로 구성된다. 여기서 패밀리(첫 글자)가 가장 중요한데, 이것이 가리키는 건 용도가 아니라 vCPU 대비 메모리의 비율이다. 패밀리 이름 vCPU : .. 2026.09.11
지도학습·비지도학습·강화학습 차이점 완벽 정리 — 머신러닝은 이렇게 세 가지로 배운다 머신러닝(ML)을 공부하다 보면 반드시 마주치는 세 가지 용어가 있습니다. 바로 지도학습(Supervised Learning), 비지도학습(Unsupervised Learning), 강화학습(Reinforcement Learning)입니다. 이 세 가지는 머신러닝이라는 큰 범주 안에서 "기계가 어떤 방식으로 학습하는가"에 따라 나뉘는 분류입니다. 이 글에서는 각각이 무엇을 의미하는지, 어떤 차이가 있는지를 예시와 함께 차근차근 정리해 드리겠습니다.구분 기준은 딱 하나지도학습, 비지도학습, 강화학습을 구분하는 기준은 본질적으로 하나입니다.학습 과정에서 "정답"을 어떤 형태로 주느냐, 아니면 아예 주지 않느냐지도학습: 문제와 정답을 함께 줍니다.비지도학습: 문제만 주고 정답은 주지 않습니다.강화학습: 정답 .. 2026.09.10
EC2는 "클라우드에 있는 서버"가 아니다 — 온프레미스 서버와 EC2의 진짜 차이 들어가며 EC2(Elastic Compute Cloud)를 처음 접하면 대개 이렇게 이해한다."온프레미스에 있던 서버를 AWS 데이터센터에 옮겨놓은 것. 인터넷만 되면 어디서든 접속할 수 있는 컴퓨터." 틀린 말은 아니다. 실제로 EC2는 AWS 서비스 중 가장 온프레미스 서버와 닮았고, 기존 애플리케이션을 코드 수정 없이 옮길 수 있는 출발점이다. 그러나 이 이해에 머물면 EC2를 온프레미스 서버처럼 운영하게 되고, 그 순간 클라우드의 장점 대부분을 놓친다.이 글은 EC2가 온프레미스 서버와 무엇이 같고 무엇이 다른지, 그리고 그 차이가 서버를 다루는 방식을 어떻게 바꾸는지를 정리한다. 1. 온프레미스에서 서버 한 대는 어떤 존재였나온프레미스에서 서버를 하나 추가하는 과정을 떠올려 보자. 사양을 정하고.. 2026.09.10

AWS

AI

티스토리툴바