[GCP] Google Cloud Certified Professional Cloud Architect 자격증 후기

[GCP] Google Cloud Certified Professional Cloud Architect 자격증 후기

시작하게 된 계기2년간 계속 AWS만 사용해왔다. 그래서 구글 클라우드는 익숙하지 않았고, 상대적으로 감이 잡히지 않는 플랫폼이었다. 그런데 새로 참여하게 된 프로젝트에서 Google Cloud Platform(GCP)이 공식 퍼블릭 클라우드 사업자로 선정되면서 자연스럽게 공부를 시작하게 되었다.그러던 중 내 지식 수준이 어느 정도인지 시험해보고 싶다는 생각이 들었고, 그래서 GCP Professional Cloud Architect 자격증을 따기로 결심했다.자격증 소개시험 정보시험 공식 안내 및 응시 관련 정보는 공식 GCP Architect 가이드에서 확인할 수 있다.한국어 시험은 제공되지 않는다. 우리가 익숙한 언어 기준으로는 영어 또는 일본어 중 선택 가능하다.나는 영어 시험을 선택했다.시험에서 ..

  • format_list_bulleted Cloud&Infra/GCP
  • · 2025. 7. 1.
  • textsms
AWS SageMaker 기반 저조도 환경에서 유재석 감지 시 자동 LED 제어 시스템 구축 part3. 모델 학습 및 엣지 디바이스 구현

AWS SageMaker 기반 저조도 환경에서 유재석 감지 시 자동 LED 제어 시스템 구축 part3. 모델 학습 및 엣지 디바이스 구현

이전 part2에서는 데이터 처리를 진행했다. 이번 파트에서는 AWS SageMaker Canvas를 사용하여 모델 학습 및 엣지 디바이스에서의 구현하는 것에 초점을 맞춘다. Architecture 이번 파트의 핵심SageMaker Canvas를 통한 모델 학습 및 배포엣지 디바이스 연동 및 오프라인 운영 지원라즈베리파이에서 엔드포인트 호출 및 실행프로젝트 결과 및 결론 5. SageMaker Canvas를 통한 모델 학습 및 배포SageMaker 도메인 설정SageMaker IAM Role(AmazonSageMaker-ExecutionRole - 도메인번호) 권한 정책 추가AmazonSageMakerCanvasFullAccess특정 S3 버킷에 접근이 안 될 수 있으므로 추가 인라인 정책 생성(정책 이..

  • format_list_bulleted Cloud&Infra/AWS
  • · 2025. 5. 12.
  • textsms
AWS SageMaker 기반 저조도 환경에서 유재석 감지 시 자동 LED 제어 시스템 구축 part2: 데이터 처리

AWS SageMaker 기반 저조도 환경에서 유재석 감지 시 자동 LED 제어 시스템 구축 part2: 데이터 처리

이전 part1에서는 프로젝트 개요 및 데이터 수집을 진행했다. 이번 파트에서는 Lambda 함수와 Glue를 사용하여 데이터 처리를 구현하는 것에 초점을 맞춘다. Architecture 이번 파트의 핵심Lambda 함수 개발 및 데이터 병합AWS Glue ETL을 통한 데이터 통합 및 전처리 3. Lambda 함수 개발 및 데이터 병합함수 생성새로작성함수 이름 지정런타임 : Python 3.9트리거 추가S3 버킷에 새 이미지 업로드 시 Lambda 함수 자동 호출Lambda 코드 작성import boto3import csvimport jsonimport urllib.parseimport osfrom datetime import datetime, timedeltafrom io import BytesIO..

  • format_list_bulleted Cloud&Infra/AWS
  • · 2025. 4. 22.
  • textsms
AWS SageMaker 기반 저조도 환경에서 유재석 감지 시 자동 LED 제어 시스템 구축 part1: 프로젝트 개요 및 데이터 수집

AWS SageMaker 기반 저조도 환경에서 유재석 감지 시 자동 LED 제어 시스템 구축 part1: 프로젝트 개요 및 데이터 수집

프로젝트 개요본 프로젝트는 저조도 환경에서 특정 인물(유재석)이 감지될 때 자동으로 LED를 켜는 지능형 시스템을 구축하는 것을 목표로 한다.AWS 클라우드 서비스와 Raspberry Pi를 활용한 엣지 컴퓨팅을 결합하여 실시간 이미지 처리, 얼굴 인식, 데이터 수집 및 머신러닝 기반 의사결정을 구현했다. Architecture 데이터 흐름 및 처리 과정 센서 데이터 수집 및 전송Raspberry Pi의 MCP3208 ADC를 통해 아날로그 조도 센서 값을 디지털로 변환변환된 조도 값을 AWS IoT Core를 통해 DynamoDB에 저장하여 시계열 데이터 구축영상 수집 및 전송Raspberry Pi 카메라에서 캡처된 영상을 Kinesis Video Streams로 전송Kinesis Video Strea..

  • format_list_bulleted Cloud&Infra/AWS
  • · 2025. 3. 30.
  • textsms

2024, 나의 성장과 회고

2024년 한 해의 성장을 되돌아보고, 앞으로의 방향을 설정하기 위한 회고를 작성하고자 한다.2023년 회고에서 설정했던 목표들을 기준으로 성과를 분석하고, 2025년의 새로운 도전과제를 정의해보려 한다.2024년 목표 달성 분석[커리어] 개발을 시작하기에 앞서 큰 그림 그려보기(개발 설계) 올해는 회사에서 개발 설계가 있으면 무조건 손들고 해보겠다고 했다. 여전히 설계는 어렵지만 시스템의 전체적인 구조를 그리고 설계하는 과정에서 많은 성장이 있었다. 특히 복잡한 시스템을 모듈별로 분리하고, 컴포넌트 간의 의존성을 고려하는 능력이 향상되었다. 또한 팀원들과 시스템에 대한 공통된 이해를 형성하고, 기술적 의사결정의 근거를 명확히 하는 데 도움이 되었다. 하지만 경기 침체로 인해 설계 단계에서 중단되는 프로..

  • format_list_bulleted 기타/회고
  • · 2024. 12. 22.
  • textsms
Raspberry Pi와 AWS Service를 활용한 실시간 얼굴 인식 시스템 구축하기 - Part 2: Rekognition 기반 얼굴 인식 구현

Raspberry Pi와 AWS Service를 활용한 실시간 얼굴 인식 시스템 구축하기 - Part 2: Rekognition 기반 얼굴 인식 구현

이전 Part 1에서는 실시간 비디오 스트리밍을 위한 기본 인프라를 구축했다. 이번 파트에서는 Amazon Rekognition을 활용한 실시간 얼굴 인식과 IoT 디바이스 제어 구현에 초점을 맞춘다. Architecture 이번 파트의 핵심Rekognition을 통한 얼굴 인식 기능 구현Lambda를 통한 인식 결과 처리SNS와 IoT Core를 활용한 알림 및 디바이스 제어 이전 Part 1에서 구축한 스트리밍 기반 위에, 위 아키텍처의 빨간 박스 부분을 구현해보자. Kinesis Video Stream으로 받는 영상으로 Rekognition Collection에 등록된 얼굴인지 Rekognition이 판단 후 Kinesis Data Stream에 전송1. Faces Collection(Rekogni..

  • format_list_bulleted Cloud&Infra/AWS
  • · 2024. 11. 24.
  • textsms