리눅스 OS / 도커, 컨테이너, 쿠버네티스/ 공인/사설/고정/유동IP, 포트포워딩, DMZ, DDNS/API란 무엇/IP주소

프로젝트. 제 방문 시간과 날짜 기록이 포함된 웹 페이지가 생성됩니다. 이 서비스는 프런트엔드, 백엔드, 그리고 데이터베이스로 구성됩니다. 프런트엔드와 백엔드의 개념에 익숙하지 않다면 먼저 이 영상을 시청하세요. 프런트엔드는 스웨터 뜨개질 결과물을 Node.js HTTP 서버에 업로드합니다. 간단히 말해서, 이 HTML HRN. 이미지 세 개의 JavaScript 파일을 브라우저에서 사이트로 볼 수 있도록 웹 서버를 실행합니다. 백핸드는 Python으로 작성된 Flask 프레임워크를 사용합니다.

전리

https://www.youtube.com/watch?v=LXJhA3VWXFA

00:00 소개 00:25 도커란? 🐳 02:26 VM과 도커의 차이 04:28 도커의 3대 구성요소! (순서) 06:57 도커 이미지 배포하는 과정 08:14 🐳 마지막 총 정리 🐳 08:46 실습 프로젝트 소개 09:09 ❶ 도커 설치 09:47 ❷ 노드 프로젝트 만들기 10:40 ❸ Dockerfile 만들기 15:32 ❹ 이미지 만들기 16:55 ❺ 도커 컨테이너 실행 18:18 ❻ 컨테이너 확인 18:54 ❼ 이미지 배포 20:08 끝!

NotebookLM Mind Map / 스마트공장을 위한 파이썬 활용 / 웹페이지otebookLM Mind Map / 스마트공장을 위한 파이썬 활용 / 웹페이지특징

 NotebookLM - https://notebooklm.google.com/

https://with-neural-network.tistory.com/entry/%EA%B5%AC%EA%B8%80%EC%9D%98-%ED%95%99%EC%8A%B5%EC%9A%A9-AI-NotebookLM

스마트공장을 위한 파이썬 활용

스마트공장을 위한 파이썬 활용

https://sites.google.com/view/kosmes20251124

 

- 스마트공장 개요 :

https://colab.research.google.com/drive/1_fWEiyhW2YUmnQTXMFdKGxqf1OuS0pAB?usp=sharing

 

- 스마트공장 데이터 분석 :

(점프 투 파이썬)https://wikidocs.net/book/1,

(초보자를 위한 파이썬 300제)https://wikidocs.net/book/922

 

[온라인] colab – https://colab.research.google.com/?hl=ko

 

[오프라인] jupyter(anaconda) - https://www.anaconda.com/

 

- 머신러닝 예측 : [파이썬 머신 러닝] - wine

 

- 머신러닝 분류 :

https://colab.research.google.com/drive/1HBHJIg0lIVhRfrxlbJyNME61mISKsrbJ?usp=sharing

 

[파이썬 머신 러닝] - wine

 

와인 품질 예측(머신러닝) 모델 만들기 교안1 - 여기를 클릭하세요.

 

와인 품질 예측(머신러닝) 모델 만들기 교안2 - 여기를 클릭하세요.

 

[와인 데이터 웹 주소]

레드와인 –

https://archive.ics.uci.edu/ml/machine-learning-databases/wine-quality/winequality-red.csv

 

화이트와인 -

https://archive.ics.uci.edu/ml/machine-learning-databases/wine-quality/winequality-white.csv

 

 

[파이썬 실습 및 활용] - gilbut(길벗)

 

모두의 데이터 분석 with Python_길벗 - 교안 링크(여기를 클릭하세요.) / 외부 공유 금지!!

 

실습 colab 파일 공유 - 여기를 클릭하세요.

 

의견 작성 - 여기를 클릭하세요.

웹페이지의 특징

웹브라우저는 요리사

HTML (정적 페이지) : 이미 완성된 음식 (비빔밥)

JavaScript (동적 페이지) : 샤브샤브, 국물(기본 HTML)은 있지만, 재료들(데이터, 스크립트)이 들어오고 끓여지면서 최종 완성된 요리가 됨.

CSS: 데코레이션

음식주문 or 재료추가 : API / AJAX 호출 (키오스크, 테이블오 더, 주문벨)

COOKIE: 가게 입장 후 배정받은 테이블 번호 (만료 시점 존재)

인공지능 플랫폼과 SketchUp Diffusion/ 메타버스 플랫폼(Spatial.lo) / MCP / 인공지능 이미지 생성 플랫폼(Pincel.app REimagine Home)

 인공지능 플랫폼과 SketchUp을 활용한 MCP (Model Context Protocol) 자동화 모델링 실습

인공지능 모델 생성 플랫폼(Meshy.ai Trellis3d.ai)을 활용한 이미지 기반 3D 모델 자동 생성 실습

SketchUp Diffusion을 활용한 AI 렌더링 실습

인공지능 이미지 생성 플랫폼(Pincel.app REimagineHome)을 활용한 렌더링 실습

인공지능 이미지 생성 플랫폼(Pincel.app REimagine Home)을 활용한 렌더링 실습

인공지능 이미지 생성 플랫폼(Prome AI 용한 렌더링 실습 KREA AI ReRoom Al)을 활

인공지능 이미지 생성 플랫폼(Prome AI 용한 렌더링 실습 KREA AI ReRoom Al)을 활

메타버스 플랫폼(Spatial.lo)을 활용한 3D 건축 모델 업로드 실습

메타버스 플랫폼(Spatial.lo)을 활용한 기타 시각화 결과물 업로드 및 가상 환경 체험

평가 및 설문

-터

-인 소프트웨어(Autocad / Revit / SketchUp)