클라우드 기반 미디어 생방송 품질 최적화 및 개선 방법 – 2) 인코딩, 패키징 및 전송 최적화

2019-04-04 KENNETH 0

클라우드 기반 미디어 생방송 품질 최적화 및 개선 방법 – 2) 인코딩, 패키징 및 전송 최적화 이 블로그 시리즈의 1부에서는 OTT 스트리밍에서 지연 시간이 문제가 되는 이유와 전체 지연 시간에서 서로 다른 워크플로 단계가 차지하는 비율을 측정하는 방법에 대해 살펴봤습니다. 이 글에서는 인코딩, 패키징 및 CDN 전송 단계를 시작으로 가능한 최적화에 대한 과정을 시작해 보겠습니다. 언급된 파라미터를 조작하면 뷰어를 위해 최적화된 짧은 지연 시간의 라이브 스트림을 준비할 수 있습니다. 인코딩 최적화 앞서 AWS Elemental Live에서 [Low Latency Mode] 입력 파라미터를 사용하여 캡처 지연 시간을 최적화하는 방법을 간략히 설명했습니다. 이 파라미터를 사용하면 입력 타임스탬프가 연속적이지 않을 경우 삭제되는 오디오 패킷이 증가할 수 있습니다. [Input Buffer Size] 파라미터를 사용하여 입력 단계에서 버퍼링되는 프레임 수를 최소한으로 줄일 수 있지만 이 경우 일부 프레임이 삭제될 위험이 있습니다.   [Video Encoding] 섹션의 일부 파라미터는 지연 시간에 영향을 줄 수 있습니다. Lookahead: 이 값을 낮게 설정하면 지연 [ more… ]

[도서] 머신러닝 TensorFlow.js JavaScript

2019-04-04 KENNETH 0

[도서] 머신러닝 TensorFlow.js JavaScript 분야별 신상품 – 국내도서 – 컴퓨터와 인터넷 [도서]머신러닝 TensorFlow.js JavaScript 김영보 저 | 생각나눔 | 2019년 04월 판매가 28,800원 (10%할인) | YES포인트 1,600원(5%지급) 자바스크립트와 TensorFlow.js 환경에서 머신러닝 구현 머신러닝에 필요한 수학식을 단계적으로 설명 이 책은 머신러닝 개념서가 아니다. 자바스크립트와 TensorFlow.js 환경에서 머신러닝 구현을 위한 책이다. Source: [도서] 머신러닝 TensorFlow.js JavaScript

[도서] 엑셀 데이터 분석 및 활용

2019-04-04 KENNETH 0

[도서] 엑셀 데이터 분석 및 활용 분야별 신상품 – 국내도서 – 컴퓨터와 인터넷 [도서]엑셀 데이터 분석 및 활용 장효선 저 | 성안당 | 2019년 04월 판매가 18,000원 (10%할인) | YES포인트 1,000원(5%지급) PART 1~PART 3에서는 초심자와 엑셀을 체계적으로 사용하는 것에 어려움을 느끼시는 분들을 위해 엑셀의 기본기를 익힐 수 있다. PART 4는 좀 더 난이도 있는 함수와 다양한 기능을 조합하여 데이터를 관리하고 분석 Source: [도서] 엑셀 데이터 분석 및 활용

AWS 딥 러닝 컨테이너 서비스 출시 – 기계 학습 모델 학습용 최적화 이미지 제공

2019-04-04 KENNETH 0

AWS 딥 러닝 컨테이너 서비스 출시 – 기계 학습 모델 학습용 최적화 이미지 제공 AWS는 일반 개발자들도 딥 러닝을 쉽게 배우고, 이를 통해 인공 지능 기반 애플리케이션 및 서비스를 만들 수 있는 다양한 서비스제공하고 있습니다. 대용량 데이터 세트를 수집하고, 딥러닝을 통해 기존 모델을 학습하거나, 새 모델을 구축하고 추론을 수행하는 방법을 알면 모든 준비가 완료된 것입니다. AWS 클라우드에서 더 빠르고 쉽게 학습 과정을 구축할 수 있기 때문입니다. Deep Learning Container 서비스 신규 AWS 딥 러닝 컨테이너을 소개합니다. 여기서 제공하는 Docker 이미지는 TensorFlow 또는 Apache MXNet과 기타 오픈 소스 프레임워크를 사용한 딥 러닝 학습 또는 추론에 바로 사용할 수 있습니다. 저희는 Amazon EKS 및 ECS를 사용하여 TensorFlow 워크로드를 클라우드에 배포하는 고객으로부터 작업을 가능한 단순하고 쉽게 만들어 달라는 요청을 지속적으로 받았습니다. 이러한 피드백을 기반으로, 컨테이너를 통해 딥러닝 학습 시간을 줄이고 추론 성능을 강화하는 것을 목표로 AWS에서 사용하기에 적합하도록 이미지를 최적화했습니다. 사전 구성 및 [ more… ]

Amazon Redshift 동시성 확장(Concurrent Scaling) 기능 출시

2019-04-04 KENNETH 0

Amazon Redshift 동시성 확장(Concurrent Scaling) 기능 출시 Amazon Redshift는 엑사바이트 규모까지 확장이 가능한 데이터 웨어하우스입니다. 현재 NTT DOCOMO, Finra 및 Johnson & Johnson을 비롯한 수많은 AWS 고객이 Redshift를 사용하여 미션 크리티컬 BI 대시보드를 실행하고 실시간 스트리밍 데이터를 분석하고 예측 분석 작업을 실행합니다. 그런데, 문제는 사용자 피크 시간에 동시 쿼리의 수가 증가할 때 발생합니다. 다수의 비즈니스 분석가가 모두 BI 대시보드로 이동하거나 오래 실행되는 데이터 과학 워크로드가 다른 워크로드와 리소스를 경합하는 경우 Redshift는 클러스터에서 충분한 컴퓨팅 리소스를 사용할 수 있을 때까지 쿼리를 대기열에 배치합니다. 이는 모든 작업을 완료하기 위한 동작이지만 피크 시간에 성능 저하가 발생한다는 것을 의미합니다. 이때 선택할 수 있는 옵션은 두 가지입니다. 피크 요구 사항을 충족하기 위해 클러스터를 오버프로비저닝합니다. 이 옵션은 즉각적인 문제를 해결하지만 리소스 및 비용이 필요 이상으로 낭비됩니다. 일반적인 워크로드에 맞춰 클러스터를 최적화합니다. 이 옵션을 사용하는 경우 피크 시간에 결과가 나오는 시간이 더 오래 걸리므로 중요한 비즈니스 의사 [ more… ]