AI & Data
시간 순서를 지키는 평가, 변경 전후를 비교하는 방법
미래 값을 예측하는 문제를 무작위로 나누면 미래 정보가 과거의 학습에 섞일 수 있다. 같은 조건에서 얻은 증거를 중심으로 작은 예제와 확인 기준을 정리합니다.
만들며 배우고, 배운 것을 나눕니다.
더 나은 제품을 향한 개발의 기록.
작은 발견부터 깊이 있는 고민까지.
미래 값을 예측하는 문제를 무작위로 나누면 미래 정보가 과거의 학습에 섞일 수 있다. 같은 조건에서 얻은 증거를 중심으로 작은 예제와 확인 기준을 정리합니다.
CPU 사용률만 보고 있으면 요청이 실패하는데도 상태가 정상처럼 보일 수 있다. 자원 지표와 사용자가 경험하는 결과를 함께 관찰해야 한다. 같은 조건에서 얻은 증거를 중심으로 작은 예제와 확인 기준을 정리합니다.
정리가 필요하다는 말만으로는 기능 작업과 우선순위를 비교하기 어렵다. 어떤 변경에서 얼마만큼의 추가 작업과 위험이 생기는지 설명해야 한다. 같은 조건에서 얻은 증거를 중심으로 작은 예제와 확인 기준을 정리합니다.
장애 상황에서는 시스템의 모든 배경을 처음부터 읽기 어렵다. 현재 증상에 맞는 확인과 다음 행동을 빠르게 찾을 수 있어야 한다. 같은 조건에서 얻은 증거를 중심으로 작은 예제와 확인 기준을 정리합니다.
요청이 프록시와 API, 작업 큐를 거치면 한 줄의 오류만으로 전체 흐름을 찾기 어렵다. 각 구간이 같은 상관 식별자를 공유하면 조사 범위를 좁힐 수 있다. 같은 조건에서 얻은 증거를 중심으로 작은 예제와 확인 기준을 정리합니다.
검색 결과가 아직 오지 않은 상태와 실제 결과가 없는 상태가 같은 화면으로 표시되곤 한다. 같은 조건에서 얻은 증거를 중심으로 작은 예제와 확인 기준을 정리합니다.