Softbank
Softbank Robot Pepper
이 페이지는 Lowy님이 실전 엔지니어링과 인프라 운영을 통해 체계화한 IT 기술 트리(it-tech-tree.drawio)를 웹에서 직접 탐색할 수 있도록 2차원 SVG 그래프로 시각화한 기술 지식베이스(KB)입니다. 하드웨어 기저(Server Machine, CPU, DRAM, Storage)와 네트워킹(Networking, TCP/IP, OSI Model, L4/L7 로드밸런싱)에서 출발해 운영체제(OS, Linux, Windows, ChromeOS), 프로그래밍 언어(Assembly, C/C++, Java, Python, Node.js), 데이터베이스(RDBMS, Oracle, SQL Server, MySQL, PostgreSQL, NoSQL, Cassandra, DynamoDB), 보안·Web3, DevOps(Docker, Kubernetes, Terraform)로 이어지는 기술 계보를 한눈에 조망합니다.
또한 최신 생성형 AI와 에이전틱 운영 영역(Stable Diffusion의 주요 구성 요소, Hugging Face 파이프라인, Minimax Claude Code API 연동, DeepSeek 소스코드 해설, Google Antigravity, giip FDE Box 및 AI Sub-Agent)까지 정점 셀 387개와 간선 셀 364개(이미지 대체 라벨 셀 63개 포함)를 원본 레이아웃 좌표 그대로 배치했습니다. 노드를 클릭하거나 검색해 연결 관계와 기술 노트 전문을 확인해 보세요.
노드를 클릭하거나 검색하면 우측 패널에 기술 노트 전문과 상위·하위 연결 노드가 표시됩니다. 63개 이미지 셀은 텍스트 라벨 노드로 변환되어 표시됩니다.
draw.io 트리 내부에 수록된 긴 텍스트 해설 셀의 원문 전체입니다. 카드를 클릭하면 2D 그래프에서 해당 노드 위치로 즉시 포커스됩니다.
Softbank Robot Pepper
TiDB 最新のトランザクションアプリケーションに対応した最も先進的な オープンソースでMySQL互換の分散型データベース
Stable Diffusion의 주요 구성 요소 Stable Diffusion은 이미지 생성을 위한 **디퓨전 모델(Diffusion Model)**을 기반으로 하며, 주로 아래와 같은 구조를 사용합니다. 1. U-Net (CNN 기반이지만 일반적인 CNN과 다름) • Stable Diffusion에서 노이즈를 제거하는 핵심 모델은 U-Net입니다. • U-Net은 **CNN(합성곱 신경망)**을 기반으로 하지만, 일반적인 CNN과 달리 다운샘플링(encoder)과 업샘플링(decoder)이 결합된 구조입니다. • 이 구조는 이미지의 다양한 해상도를 동시에 처리하는 능력을 갖추고 있어 디퓨전 모델의 노이즈 제거 과정에서 매우 효과적입니다. 2. CLIP(Text Encoder) - 트랜스포머 사용 • Stable Diffusion은 텍스트-이미지 매핑을 위해 OpenAI의 CLIP 모델을 사용합니다. • CLIP은 트랜스포머 기반 모델이며, 입력된 텍스트 프롬프트를 벡터(임베딩)로 변환하여 U-Net에 전달합니다. • 이 과정을 통해 "프롬프트에 맞는 이미지"를 생성할 수 있습니다. 3. VAE (Variational Autoencoder) • Stable Diffusion의 최종 출력 이미지는 VAE의 디코더를 통해 복원됩니다. • VAE는 압축된 잠재 공간(Latent Space)에서 이미지를 표현하는 데 사용되며, 실제 픽셀 단위 이미지를 생성하는 역할을 합니다.
Stable Diffusion: 모델/아키텍처 + 학습된 가중치(weights) + 학습/추론 파이프라인까지 포함한 “생성 모델 제품군(계열)”
Hugging Face(HF): 모델을 만들기 위한 원천이라기보다, 학습된 모델 가중치와 코드(파이프라인)를 배포·공유·재사용하는 플랫폼/라이브러리(Transformers, Diffusers 등)
Minimax 가 공식으로 claude code 용 API제공. claude code에서 API연결만으로 사용 가능