NEWS

No Image

WordPress 5.0.1 Security Release

2018-12-13 KENNETH 0

WordPress 5.0.1 Security Release WordPress 5.0.1 is now available. This is a security release for all versions since WordPress 3.7. We strongly encourage you to update your sites immediately. Plugin authors are encouraged to read the 5.0.1 developer notes for information on backwards-compatibility. WordPress versions 5.0 and earlier are affected by the following bugs, which are fixed in version 5.0.1. Updated versions of WordPress 4.9 and older releases are also available, for users who have not yet updated to 5.0. Karim El Ouerghemmi discovered that authors could alter meta data to delete files that they weren’t authorized to. Simon Scannell of RIPS Technologies discovered that authors could create posts of unauthorized post types with specially crafted input. Sam Thomas discovered that contributors could craft meta data in a way that resulted in PHP object injection. Tim Coen discovered that contributors [ more… ]

kakao의 오픈소스 Ep9 – Khaiii : 카카오의 딥러닝 기반 형태소 분석기

2018-12-13 KENNETH 0

kakao의 오픈소스 Ep9 – Khaiii : 카카오의 딥러닝 기반 형태소 분석기 “카카오의 오픈소스를 소개합니다” 아홉 번째는 jamie.lim과 자연어 처리 파트 동료들이 함께 개발한 khaiii(Kakao Hangul Analyzer III)입니다. khaiii는 세종 코퍼스를 이용하여 CNN(Convolutional Neural Network, 합성곱 신경망) 기술을 적용해 학습한 형태소 분석기입니다. 디코더를 C++로 구현하여 GPU 없이도 비교적 빠르게 동작하며, Python 바인딩을 제공하고 있어서 편리하게 사용하실 수 있습니다. 앞으로 오픈소스 생태계를 통해 자연어 처리를 연구하는 분들께 도움이 되고, 또한 부족한 부분에 대해 도움을 받을 수 있으면 좋겠습니다. 아래는 카카오 AI 리포트에 포스팅한 카카오의 딥러닝 기반 형태소 분석기를 옮긴 것입니다. khaiii는 “Kakao Hangul Analyzer III”의 첫 글자들만 모아 만든 이름으로 카카오에서 개발한 세 번째 형태소 분석기입니다. 두 번째 버전의 형태소 분석기 이름인 dha2(Daumkakao Hangul Analyzer 2)를 계승한 이름이기도 합니다. 기존의 분석기(dha1, dha2)는 규칙 기반으로 동작하기 때문에 사람이 직접 지속적으로 규칙을 입력해야 하지만, khaiii는 데이터 기반으로 동작하기 때문에 기계학습 알고리즘(딥러닝)을 사용합니다. ‘형태소’는 언어학에서 특정한 의미를 가지는 가장 [ more… ]

Logging Traffic Between NGINX and Upstream Servers at CDN77

2018-12-13 KENNETH 0

Logging Traffic Between NGINX and Upstream Servers at CDN77 Regardless of what platform you’re running, logging is often a core requirement for big data processing, statistics, audits, client reports, and transactions, as well as for debugging client‑server communication and possible issues. In this blog, we address the role of logging in debugging, where it provides the ultimate tool for locating the various issues so common to Internet communications. Logging with a direction connection between client and web server Logging of client‑web server communication greatly helps in debugging possible issues related to the browser version, the client’s network, and the files being accessed. It does not end there, however. There are endless possibilities of what to log, entirely depending on your platform and requirements. NGINX’s Logging Architecture When you run a reverse proxy, load balancer, or content delivery network (CDN), you’re [ more… ]

No Image

Amazon Personalize – 실시간 개인화 및 추천 서비스 미리보기 출시

2018-12-13 KENNETH 0

Amazon Personalize – 실시간 개인화 및 추천 서비스 미리보기 출시 기계 학습이 제공하는 다양한 작업 주제 중에서 가장 흥미로운 주제는 개인화와 추천일 것입니다. 언뜻 보기에는 사용자가 좋아할 것 같은 항목을 연결하는 간단한 문제처럼 느껴집니다. 그러나 효율적인 추천 시스템을 개발하는 작업은 그리 쉽지 않습니다. 심지어 Netflix에서는 몇 년 전에 영화 추천 대회를 열면서 백만달러(한화 11억3천만원)에 달하는 상금을 걸었습니다! 실제로 실시간 개인화를 구축하고 최적화하고 배포하려면 분석, 응용 기계 학습, 소프트웨어 엔지니어링 및 시스템 운영에서 전문화된 지식이 필요합니다. 이러한 당면 과제를 극복하는 데 필요한 지식, 기술 및 경험을 가지고 있는 조직은 거의 없기 때문에 추천 사용의 아이디어를 포기하거나 성능이 좋지 않은 모델을 구축합니다. 20년 넘게 Amazon.com은 제품 검색부터 결제에 이르는 구매 환경 전체에 개인화된 추천을 통합하여 대규모 추천 시스템을 구축해 왔습니다. 오늘 발표되는 Amazon Personalize를 사용하는 모든 AWS 고객은 AWS와 똑같은 작업을 수행할 수 있습니다. 이 서비스는 기계 학습 경험이 없는 개발자도 개인화 [ more… ]

Amazon SageMaker RL – 강화 학습 서비스 출시 (서울 리전 포함)

2018-12-13 KENNETH 0

Amazon SageMaker RL – 강화 학습 서비스 출시 (서울 리전 포함) 지난 몇 년간 기계 학습(Machine Learning)은 많은 관심을 받아왔으며, 의료 영상 분석부터 무인 주행 트럭까지 ML 모델을 통해 할 수 있는 복잡한 작업의 목록은 꾸준히 증가하고 있습니다. 이러한 최근 기계학습 기술은 어떤 방법이 있을까요? 간단히 말해 다음과 같은 3가지 방법으로 모델을 훈련할 수 있습니다. 지도 학습(Supervised Learning): 레이블이 지정된 데이터 세트(샘플 및 답변이 포함된 데이터 세트)에서 알고리즘을 실행합니다. 모델은 정답을 올바르게 예측하는 방법을 서서히 학습하게 됩니다. 지도 학습의 예로는 회귀와 분류가 있습니다. 비지도 학습(Unsupervised Learning): 레이블이 지정되지 않은 데이터 세트(샘플만 포함된 데이터 세트)에서 알고리즘을 실행합니다. 비지도 학습에서 모델은 데이터의 패턴을 지속적으로 학습하고 그에 따라 샘플을 구성합니다. 비지도 학습의 예로는 클러스터링 및 주제 모델링이 있습니다. 강화 학습(Reinforcement Learning): 이 방법은 앞의 두 가지 방식과는 많이 다릅니다. 강화 학습에서는 컴퓨터 프로그램(에이전트라고 함)이 환경과 상호 작용합니다. 대부분 이 상호 작용은 시뮬레이터에서 일어납니다. [ more… ]