![MapReduce
- MapReduce job 은 대용량의 입력 데이터 세트를 여러 덩어리들로 나누고, 해당 덩어리들
을 병렬적으로 "Map" 를 통해 처리, Job 의 입력은 입력 스플릿이라고 부르는 고정된 크기
의 조각으로 나눈다
- Map 의 결과물을 Reduce 태스크로 전달하여 처리
- Combiner 를 사용하여 Reduce 로 보내는 데이터를 줄임 (네트워크 대역폭 고려)
년도별 특정 달의 평균 기온 정보
(2000, 20)
(2000, 30)
(2000, 10)
--------------
(2000, 5)
(2000, 22)
(2000, 20
가장 더운 달의 기온은?
Map 수행 결과 :
(2000, [20,30,10])
(2000, [5,22,20])
미리 최고 기온 계산 (combiner)
(2000, 30), (2000, 22) -> (2000, [30,20])
13년 2월 2일 토요일](https://image.slidesharecdn.com/hadoopjnsbookconcert-150402044817-conversion-gate01/85/2013-02-02-17-320.jpg)
2013.02.02 지앤선 테크니컬 세미나 - 하둡으로 배우는 대용량 데이터 분산처리 기술(이현남)
- 1. Distributed Programming Framework 13년 2월 2일 토요일
- 2. Who am I? 13년 2월 2일 토요일
- 3. Windows에서 사용가능한 Hadoop 발표 (Microsoft HDInsight Server), 이미 Azure 에서 사용 가능 빅데이터 시대 주목받는 하둡 네이버 라인, NoSQL 로 구성 (Redis -> HBASE 로 마이그레이션) 13년 2월 2일 토요일
- 4. 배치 처리 속도 개선 및 분석 활용 예시 (통화품질 이상징후) 빅데이터 시대 주목받는 하둡 13년 2월 2일 토요일
- 5. splunk : 모든 로그 데이터(방화벽,IDS/ IPS, 서버, OS, DB, 웹로그, WAS로그, 어 플리케이션 로그 등등)를 수집/저장하여 손쉽게 검색 및 분석 빅데이터 시대 주목받는 하둡 13년 2월 2일 토요일
- 6. 구글에게 물어봐? Google Trend 13년 2월 2일 토요일
- 7. - About Hadoop - Hadoop Components - MapReduce - 하둡 관련 프로젝트 - Case studies 13년 2월 2일 토요일
- 8. what is hadoop? “Flexible and available architecture for large scale computation and data processing on a network of commodity hardware” opensource + commodity hardware = IT costs reduction 13년 2월 2일 토요일
- 9. History of hadoop - 오픈소스 자바 검색엔진 Lucene, Nutch 프로젝트 후속으로 만든 오픈소스 분산처리 플랫폼 cf) Hadoop 이름은 더그커팅의 아들이 가지고 올던 노란 코끼리 - 야후는 2006 년에 더그를 채용했고, Hadoop 을 오픈소스 프로젝트 로 Start 함. 2년 후 Apache Top Level 프로젝트가 됨 - Hadoop running on a 10,000+ core Linux cluster 13년 2월 2일 토요일
- 10. what is hadoop? - Yahoo, Facebook,Twitter... Scaling Challenges - Accessible / Robust / Simple / Scalable - High-end Machine vs Cluster of Commodity Machines - SETI@home : move data between client and server - Hadoop : move-code-to-data philosophy - RDB vs Hadoop : Scale-up / Table vs Key-Value / Online, Offline 13년 2월 2일 토요일
- 11. hadoop components HDFS (Hadoop Distributed File System) MapReduce (Job Sche. / Task Exec.) Hbase Pig Hive Sqoop ETL BI Report RDBMS ETL(Extract, Transform, Load) 13년 2월 2일 토요일
- 12. hadoop components - HDFS (Hadoop Distributed File System) : A distributed filesystem designed for storing very large files with streaming data access running on clusters of commodity hardware. source : http://www.cloudera.com/what-is-hadoop/hadoop-overview/ 13년 2월 2일 토요일
- 13. hadoop components ! - NameNode : 파일의 메타데이터 (데이터 위치 등) /user/chunk/data1 takes up 3 blocks (1,2,3) /user/james/data2 takes up 2 blocks (4,5) replication factor : 3 13년 2월 2일 토요일
- 14. hadoop components - Secondary NameNode(SNN) : NameNode 장애시 데 이터 손실 최소화 FsImage : 블록에 대한 메타데이터 정보 Edit log : 파일 메터데이터 변경 사항을 기록 SNN 은 주기적으로 Edit log 와 FsImage 를 Merge Data loss 는 NameNode 실패시 여전히 존재 Edit log 를 원격 NFS 에 추가적으로 기록하고, 장애시 해 당 파일을 가지고 SNN 을 구동하여 서비스 제공(그러나 성능 이슈 및 수작업 복구) 13년 2월 2일 토요일
- 15. hadoop components - Jobtracker - job 스케쥴링 - job 을 여러 노드에 할당 - 실행되는 모든 Task 를 모니터링 - 실패한 Task 재 실행 13년 2월 2일 토요일
- 16. hadoop components - TaskTracker : JobTracker 에게 할당받은 Task 를 해당 슬레이브 노드에서 처리될 수 있도록 함 - 슬레이브 노드에 1 개 존재, 슬레이브 노드에 할당된 작업의 실행을 담당 - JobTracker 와 주기적 통신 - Mapper/Reducer 태스크를 분리된 jvm 하에 실행 13년 2월 2일 토요일
- 17. MapReduce - MapReduce job 은 대용량의 입력 데이터 세트를 여러 덩어리들로 나누고, 해당 덩어리들 을 병렬적으로 "Map" 를 통해 처리, Job 의 입력은 입력 스플릿이라고 부르는 고정된 크기 의 조각으로 나눈다 - Map 의 결과물을 Reduce 태스크로 전달하여 처리 - Combiner 를 사용하여 Reduce 로 보내는 데이터를 줄임 (네트워크 대역폭 고려) 년도별 특정 달의 평균 기온 정보 (2000, 20) (2000, 30) (2000, 10) -------------- (2000, 5) (2000, 22) (2000, 20 가장 더운 달의 기온은? Map 수행 결과 : (2000, [20,30,10]) (2000, [5,22,20]) 미리 최고 기온 계산 (combiner) (2000, 30), (2000, 22) -> (2000, [30,20]) 13년 2월 2일 토요일
- 18. 참고 : 입력 분할과 레코드 경계 입력 분할은 사용자 입력 레코드의 논리작 분할을 뜻함 HDFS 의 블록은 입력 데이터의 물리적인 분할을 뜻함 이 두가지가 동일하다면? 실제는? 요청하는 레코드가 메인 블록 이외 다른 블록에 위치할 경우 블록이 로컬이 아닌 원격 서버에 위치할 경우 통신 비용이 발생 거의 다르다. 13년 2월 2일 토요일
- 19. MapReduce - Mapper : 입력 키/값 쌍을 가지고 중간단계의 키/값 쌍을 만든다. - Partitioner : Mapper 의 결과를 다수의 Reducer 로 전달하기 위해서 해 당 결과를 여러 부분으로 나눔 13년 2월 2일 토요일
- 20. MapReduce - Reducer : Mapper 를 통해 생성된 중간 데이터 셋(키-값쌍)을 입력으 로 받아, 보통 동일한 키를 가진 세트가 동일한 Reducer 로 들어가 어 떤 연산을 수행한 뒤에, 그 결과를 출력하게 되는데 보통은 어떤 요약 된 정보 형태를 가짐 - Reducer 는 3가지 주요 단계 (shuffle, sort, reduce) 를 가짐 - Shuffle : Mapper 의 결과 데이터 셋을 적절한 노드 (Reducer) 로 패치 - Sort : MapReduce 프레임웍은 Reducer 입력 데이터를 키 별로 정렬해서 그룹화 - Reduce : <키, (값 리스트)> 마다 reduce(..) 메소드가 호출 13년 2월 2일 토요일
- 21. word counting 예제 - 단어세기에 포함시키지 않을 패턴(ex: tomato) 을 파일에 에 등록 - 대소문자 구분할지 여부 설정 참고 : http://blog.eduby.me/2012/05/mapreduce-8-wordcount2.html apple
- 22. orange
- 23. apple
- 24. banana
- 25. mango banana
- 26. mango
- 27. mango
- 28. tomato
- 29. tomato
- 30. orange
- 31. tomato
- 32. tomato
- 33. mango
- 34. apple
- 35. 입력 분할 apple
- 36. 1 orange
- 37. 1 apple
- 38. 1 banana
- 39. 1 mango
- 40. 1 map banana
- 41. 1 mango
- 42. 1 mango
- 43. 1 orange
- 44. 1 mango
- 45. 1 apple
- 46. 1 apple
- 47. [1,
- 48. 1,
- 49. 1] banana
- 50. [1,
- 51. 1] mango
- 52. [1,1,1,1] orange
- 54. 3 banana
- 55. 2 mango
- 56. 4 orange
- 57. 2 13년 2월 2일 토요일
- 59. 다른
- 60. 언어를
- 61. 사용해서
- 62. Map/Reduce
- 63. 프로그램을
- 64. 작성할
- 65. 수
- 66. 있다. -
- 67. 지정된
- 68. 파일을
- 69. 명렁어
- 70. 라인에서
- 71. 실행하게
- 72. 된다. -
- 73. 결과값은
- 74. 파이프라인을
- 75. 통해
- 77. Hadoop 관련 프로젝트 13년 2월 2일 토요일
- 78. Pig MapReduce - 하나의 입력, 두 단계의 데이터 처리 흐름 - 조인 : 코드 길어지고, 에러 발생하기 쉬움 - N 단계의 job 들은 관리하기 어렵다. - Java 는 컴파일이 필요 - 프로그래밍 하기가 어렵다. - High-level 언어 - 프로그램을 간단히 -Yahoo, Hadoop job 의 40% Pig 로 처리 - Pig Latin 스크립트, 컴파일러가 자동으로 최적화 수행 - 관계형 데이터 처리 스타일의 오퍼레이션(filter, union, group, join)을 지원 13년 2월 2일 토요일
- 79. Pig 13년 2월 2일 토요일
- 80. Hive - 데이터 웨어하우징 패키지, 다수의 사용자 및 대용량 로그 데이터 처리를 위해 페이스북에서 먼저 Hive를 만들기 시작 - 구조화된 데이터를 쿼리하고, 다소 복잡한 MapReduce 프로 그램 대신 HiveQL을 사용해서 쉽게 데이터를 처리 - 테이블, 행, 컬럼, 스키마 같이 쉽게 배울 수 있는, 관계형 데 이터베이스와 유사한 개념을 사용 13년 2월 2일 토요일
- 81. Hive hive CREATE TABLE cite (citing INT, cited INT) ROW FORMAT DELIMITED FIELDS TERMINATED BY ',' STORED AS TEXTFILE; hive LOAD DATA LOCAL INPATH 'cite75_99.txt' OVERWRITE INTO TABLE cite; Copying data from file:/root/cite75_99.txt Loading data to table cite hive SELECT * FROM cite LIMIT 10; OK NULL NULL 3858241 956203 ... 3858241 3634889 3858242 3668705 3858242 3707004 13년 2월 2일 토요일
- 82. 에이브로(Avro) 이기종
- 83. 간
- 84. 데이터
- 85. 타입을
- 86. 교환할
- 87. 수
- 88. 있는
- 89. 체계를
- 90. 제공하는
- 91. 프레임워크로,
- 92. 아파치
- 93. 하둡
- 94. 프로젝트의
- 95. 서브
- 96. 프로젝트로
- 97. 시작된
- 98. 후
- 99. 아파치
- 100. 메인
- 101. 프로젝트로
- 102. 승격 쓰리프트(Thrift)가
- 103. RPC(Remote
- 104. Procedure
- 105. Call)
- 106. 요청을
- 107. 안정적으
- 108. 로
- 109. 처리하면서
- 110. 이기종
- 111. 간
- 112. RPC
- 113. 호출을
- 114. 지원하는
- 115. 개념으로
- 116. 접근했다면,
- 117. 에이브로는
- 118. 데이터
- 119. 직렬화를
- 120. 기본
- 121. 개념으로
- 122. 해
- 123. RPC
- 124. 호출을
- 125. 이기종
- 126. 간에
- 127. 가능케
- 128. 하는
- 129. 개념 13년 2월 2일 토요일
- 130. 주키퍼(ZooKeeper) 분산
- 131. 환경에서
- 132. 노드간의
- 133. 정보
- 134. 공유,
- 135. 락(lock),
- 136. 이벤트
- 137. 처리
- 138. 등
- 139. 보조
- 140. 기능을
- 141. 제공 하둡(코끼리),
- 142. pig(돼지)
- 143. 같이
- 144. 동물
- 145. 이름이
- 146. 많이
- 147. 사용되어,
- 148. 동물
- 149. 사육사라는
- 150. 의미대로
- 151. 하둡
- 152. 분산
- 153. 처리
- 154. 시스템을
- 155. 일괄적으로
- 156. 관리해
- 157. 주는
- 158. 시스템 분산환경에서
- 159. 서버가
- 160. 수백/수천대에서
- 161. 예상치
- 162. 못한
- 163. 예외
- 164. 부분
- 165. (ex:네트웍
- 166. 장애,
- 167. 서버
- 168. 다운,
- 169. 일부
- 170. 서비스
- 171. 중지,
- 172. 서버
- 173. 확장
- 174. 문제등)
- 175. 을
- 176. 총체적으로
- 177. 관리
- 178. -
- 179. 동시
- 180. 작업을
- 181. 위한
- 182. 부하
- 183. 분산
- 184. -
- 185. 하나의
- 186. 서버에서
- 187. 처리된
- 188. 결과가
- 189. 또
- 190. 다른
- 191. 서버들과
- 192. 동기화
- 193. 되어
- 194. 처리되게
- 195. 하는
- 196. 분산
- 197. 락관리
- 198. -
- 199. 액티브
- 200. 서버가
- 201. 처리중엔
- 202. 작업이
- 203. 문제가
- 204. 발생하여
- 205. 대기
- 206. 서버가
- 207. 하던
- 208. 서비스를
- 209. 처리
- 210. 등 13년 2월 2일 토요일
- 211. Case Studies 뉴욕 타임즈 보관소에 있는 천백만 개의 이미지 문서 변환 - 1851년과 1922년 사이에 있는 모든 종류의 기사 - 이미지로 변환할 기사가 총 천백만 개, 총 4테라바이트의 데이터 - Hadoop framework,Amazon Web Servcies, S3 이용, 100개의 노드 - 24시간 동안 수행, 1개의 인스턴스를 1시간 사용했을 때 비용 : 10센 트, 총 100개 인스턴스, 240달러 지출 13년 2월 2일 토요일
- 212. Case Studies 차이나 모바일에서의 데이터 마이닝 - 대규모 확장성: 하둡을 이용해서 손쉽게 확장할 수 있는 구조 - 저 비용: 범용 PC와 무료 S/W를 이용해 구성 - 커스터마이징: 특정 비즈니스 요구사항을 만족시키는 애플리케이션 - 쉬운 사용: 사용자에게 상용 툴과 유사한 그래픽 인터페이스 제공 13년 2월 2일 토요일
- 213. Case Studies 스텀블어폰 - Apache 로그 파일 수집과 사용자 세션 분석을 포함해 여러 분석 태스크를 위해 이러한 하둡의 분산 처리 특성을 이용 13년 2월 2일 토요일
- 214. Hadoop - 빅 데이터에만 사용되는 것은 아니다. - 진정한 의미의 NoSQL 툴도 아니다. (SQL 과 유사한 쿼리 언어를 쉽게 사용) - 하둡 스토리지는 막대한 양의 데이터를 처리할 수 있다. (야후는 5만 개의 노드로 구성된 하둡 네트워크, Facebook 은 1만개) - 가장 강력한 능력은? 확장성이다. - 가장 큰 장점? 저렴한 비용
- 218. (RDBMS와는
- 219. 다르게
- 220. 하둡은
- 221. 고가의
- 222. 하드웨어나
- 223. 고성능
- 224. 프로세서를
- 225. 필요로
- 226. 하지
- 227. 않음) -
- 228. 미션
- 229. 크리티컬,
- 230. 초
- 231. 단위
- 232. 이하로
- 233. 상호간에
- 234. 보고
- 235. 하거나
- 236. 다단계
- 237. 복잡한
- 238. 트랜젝션이
- 239. 필 요하다면
- 240. RDBMS
- 241. 를
- 242. 그대로
- 243. 사용해라. -
- 244. 보통
- 245. 한
- 246. 두명의
- 247. 엔지니어가
- 248. 하둡을
- 249. 다운로드
- 250. 받아
- 251. 4-5개의
- 252. 노드로
- 253. 구성해
- 254. 놓고
- 255. 사용 한
- 256. 뒤에
- 257. 이후에는
- 258. 거의
- 259. 같은
- 260. 패턴이므로
- 261. 그
- 262. 가치를
- 263. 알기
- 264. 시작한다.
- 265. (야후에서도
- 266. 이런
- 267. 과정을
- 268. 거쳤다고
- 269. 함) 13년 2월 2일 토요일
- 270. 빅데이터 업계 지도 13년 2월 2일 토요일
- 271. 향후 전망 13년 2월 2일 토요일
- 272. 국내외 사례(1/5) 1.미국국세청,
- 273. 탈세방지시스템통한국가재정강화 2.
- 274. 일본,
- 275. 센서데이터를
- 276. 활용한
- 277. 지능형
- 278. 교통안내
- 279. 시스템 3.
- 280. 밀라노,
- 281. 지능형
- 282. 교통정보
- 283. 시스템으로
- 284. 신속·・정확하고
- 285. 손쉬운
- 286. 길안내서비스
- 287. 4.
- 288. 뉴욕 주
- 289. 시라큐스시,
- 290. 데이터
- 291. 분석을
- 292. 기반으로
- 293. 스마터
- 294. 시티
- 295. 추진 5.
- 296. 덴마크
- 297. 베스타스
- 298. 윈드
- 299. 시스템,
- 300. 풍력
- 301. 에너지
- 302. 관리로
- 303. 에너지
- 304. 생산
- 305. 효과
- 306. 극대화
- 307. 6.
- 308. 구 글,
- 309. 실시간
- 310. 자동
- 311. 번역시스템을
- 312. 통한
- 313. 의사소통의
- 314. 불편해소 7.
- 315. 월마트,
- 316. 데이터
- 317. 분석을
- 318. 통한
- 319. 투자수익
- 320. 증대 8.
- 321. 자라,
- 322. 점포별·・상품별
- 323. 등
- 324. 실시간
- 325. 데이터
- 326. 분석을
- 327. 통한
- 328. 판매량
- 329. 증대 9.
- 330. 마이크론
- 331. 테크놀로지,
- 332. 제품생산시간
- 333. 분석을
- 334. 통한
- 335. 비용절감 10.
- 336. 코카콜라의
- 337. SNS
- 338. 데이터
- 339. 활용을
- 340. 통한
- 341. 가치향상
- 342. 노력 11.
- 343. 리츠칼튼
- 344. 호텔,
- 345. 데이터
- 346. 관리를
- 347. 통한
- 348. 고객맞춤형
- 349. 서비스
- 350. 제공 12.
- 351. SNS를
- 352. 활용한
- 353. 할리우드
- 354. 흥행
- 355. 수익
- 356. 예측 13.
- 357. 넷플릭스,
- 358. 데이터
- 359. 분석으로
- 360. 온라인
- 361. DVD
- 362. 판매제고
- 363. 및
- 364. 고객
- 365. 서비스
- 366. 향상 13년 2월 2일 토요일
- 367. 국내외 사례 (2/5) 1.
- 368. 한국석유공사,
- 369. 국내
- 370. 유가
- 371. 예보
- 372. 서비스를
- 373. 통한
- 374. 비즈니스
- 375. 최적화 2.
- 376. 국민권익위원회,
- 377. 민원정보분석
- 378. 시스템을
- 379. 통한
- 380. 국민과
- 381. 정부의
- 382. 소통
- 383. 활성화
- 384. 3.
- 385. 한국 도로공사,
- 386. 고객
- 387. 목소리
- 388. 분석
- 389. 시스템을
- 390. 통한
- 391. 서비스
- 392. 혁신 4.
- 393. 통계청,
- 394. 임금근로일자리
- 395. 통계로
- 396. 일자리
- 397. 현황
- 398. 파악
- 399. 지원 5.
- 400. 한국수자원공사,
- 401. 스마트워터
- 402. 그리드를
- 403. 기반으로
- 404. 물
- 405. 부족
- 406. 현상
- 407. 해결 6.
- 408. 포스코,
- 409. 원료가격의
- 410. 효율적
- 411. 구매를
- 412. 통한
- 413. 가격
- 414. 경쟁력
- 415. 제고 7.
- 416. GS
- 417. EPS,
- 418. 전력시장
- 419. 분석
- 420. 시스템을
- 421. 통한
- 422. 전력시장
- 423. 전망
- 424. 및
- 425. 분석 8.
- 426. SK텔레콤,
- 427. 소셜네트워크에서의
- 428. 여론분석을
- 429. 위한
- 430. 스마트
- 431. 인사이트
- 432. 시스템
- 433. 9.
- 434. 현 대ᆞ기아자동차,
- 435. 문서
- 436. 중앙화
- 437. 시스템으로
- 438. 통합적
- 439. 기업
- 440. 정보
- 441. 관리 13년 2월 2일 토요일
- 442. 국내외 사례 (3/5) 1.
- 443. 미국
- 444. 국립보건원,
- 445. 유전자
- 446. 데이터
- 447. 공유를
- 448. 통한
- 449. 질병치료체계
- 450. 마련 2.
- 451. 미국
- 452. 국립보건원,
- 453. Pillbox
- 454. 프로젝트를
- 455. 통한
- 456. 의료개혁 3.
- 457. 미국
- 458. 퇴역군인의
- 459. 전자의료기록
- 460. 분석을
- 461. 통한
- 462. 맞춤형
- 463. 의료
- 464. 서비스
- 465. 지원
- 466. 4.
- 467. 싱가포르,
- 468. 주민위원회
- 469. 센터
- 470. 네트워크를
- 471. 기반으로
- 472. 맞춤형
- 473. 복지사회
- 474. 구현
- 475. 5.
- 476. 캐나다
- 477. 온타리오공과 대병원,
- 478. 미숙아
- 479. 모니터링을
- 480. 통한
- 481. 감염
- 482. 예방
- 483. 및
- 484. 예측
- 485. 6.
- 486. 건강보험회사
- 487. 웰포인트,
- 488. 슈퍼컴 퓨터를
- 489. 활용한
- 490. 효율적인
- 491. 환자치료 7.
- 492. 구글,
- 493. 검색어
- 494. 분석을
- 495. 통한
- 496. 독감예보
- 497. 서비스
- 498. 제공 8.
- 499. 네덜란드
- 500. 스파크드,
- 501. 빅데이터를
- 502. 활용하여
- 503. 건강한
- 504. 소
- 505. 사육
- 506. 환경
- 507. 구축 13년 2월 2일 토요일
- 508. 국내외 사례 (4/5) 1.
- 509. 싱가포르,
- 510. 국가위험관리시스템을
- 511. 통한
- 512. 국가안전관리 2.FBI,
- 514. 샌프란시스코,
- 515. 범죄
- 516. 예방
- 517. 시스템으로
- 518. 안전
- 519. 지역사회
- 520. 구축 4.
- 521. 싱가포르
- 522. 출입국관리소,
- 523. 통합적
- 524. 정보분석으로
- 525. 출입국
- 526. 보안
- 527. 및
- 528. 국경
- 529. 통제
- 530. 강화
- 531. 5.
- 532. 일 본,
- 533. 다양한
- 534. 센서
- 535. 데이터를
- 536. 활용한
- 537. 재난대응
- 538. 능력
- 539. 강화 6.
- 540. 위키리크스,
- 541. 데이터
- 542. 분석을
- 543. 통한
- 544. 효과적인
- 545. 전술
- 546. 제공
- 547. 서비스 7.
- 548. 서울시,
- 549. 시민과
- 550. 함께
- 551. 만드는
- 552. 실시간
- 553. 폭우지도로
- 554. 수해
- 555. 예방
- 556. 및
- 557. 대책
- 558. 마련 8.
- 559. KSTEC,
- 560. 보험사기
- 561. 방지시스템으로
- 562. 보험사기
- 563. 방지 13년 2월 2일 토요일
- 565. 시민의
- 566. 자발적인
- 567. 참여와
- 568. 창의성을
- 569. 기반으로
- 570. 정책수립에
- 571. 기여
- 572. 2.
- 573. 미국
- 574. 미시간
- 575. 주,
- 576. 데이터웨어하우스
- 577. 구축으로
- 578. 공공서비스
- 579. 질적
- 580. 향상 3.
- 581. 영국
- 582. 패치베이,
- 583. 국민참여형
- 584. 안전관리
- 585. 플랫폼
- 586. 구현 4.
- 587. 케냐
- 588. 우샤히디,
- 589. 집단지성으로
- 590. 이루어진
- 591. 재난관리
- 592. 오픈소스
- 593. 플랫폼 5.
- 594. IBM
- 595. 왓슨,
- 596. 인공지능
- 597. 슈퍼컴퓨터로
- 598. 인류의
- 599. 창조성과
- 600. 혁신
- 601. 촉진 6.
- 602. 애플
- 603. 시리,
- 604. 지능형
- 605. 음성인식을
- 606. 통해
- 607. 더
- 608. 똑똑해지는
- 609. 창의적
- 610. 사고
- 611. 가능
- 612. 7.
- 613. 프랑스,
- 614. 시 민
- 615. 건강
- 616. 보호를
- 617. 위한
- 618. 스마트폰
- 619. 소음지도
- 620. 작성 8.
- 621. 새로운
- 622. 과학적
- 623. 발견
- 624. :
- 625. 대형강입자충돌기를
- 626. 이용한
- 627. 힉스입자
- 628. 검출 9.
- 629. 솔트룩스,
- 630. 부산지식네트워크
- 631. 시스템으로
- 632. 체계적
- 633. 인적
- 634. 네트워크
- 635. 마련 13년 2월 2일 토요일
- 636. 감사합니다. 이현남
- 637. /
- 638. @brian02k
- 639. /
- 641. /
- 642. 010-8080-8124 13년 2월 2일 토요일