본문 바로가기
반응형

전체 글

 (311)
파이썬으로 OpenAI GPT-3 사용하기 비전공자를 위한 LLM 활용 예제: 파이썬으로 OpenAI GPT-3 사용하기비전공자도 쉽게 활용할 수 있도록, 파이썬으로 간단한 LLM(Large Language Model) 사용 예제를 소개합니다. 이번 예제에서는 OpenAI의 GPT-3 모델을 사용해 보겠습니다. GPT-3 모델은 다양한 자연어 처리 작업을 수행할 수 있는 강력한 도구입니다.사전 준비Python 설치: Python이 설치되어 있어야 합니다. python.org에서 설치 방법을 확인하세요.OpenAI API 키 발급: OpenAI API 키가 필요합니다. OpenAI 홈페이지에서 회원가입 후 API 키를 발급받으세요.필요한 라이브러리 설치: 터미널(명령 프롬프트)에서 다음 명령어를 실행하여 필요한 라이브러리를 설치합니다.pip ins..
얼굴 인식 결제 도입 학교, 인터넷 법 전문가 "위험" 얼굴 인식 결제 도입 학교, 인터넷 법 전문가 "위험"얼굴 인식 기술의 도입과 그 논란최근 몇몇 학교들이 얼굴 인식 결제 시스템을 도입하면서 학부모와 전문가들 사이에서 큰 논란이 일고 있습니다. 이 기술은 학생들이 점심을 사거나 학교 시설을 이용할 때 신속하고 편리하게 결제할 수 있도록 설계되었습니다. 그러나 이러한 편리함에도 불구하고, **프라이버시 침해와 보안 위험**에 대한 우려가 제기되고 있습니다.얼굴 인식 기술이란?얼굴 인식 기술은 컴퓨터 비전과 인공지능(AI)을 사용하여 사람의 얼굴을 식별하는 기술입니다. 이 기술은 이미 스마트폰 잠금 해제, 공항 보안, 그리고 범죄 수사 등 다양한 분야에서 사용되고 있습니다. 그러나 교육 기관에서의 사용은 비교적 새로운 현상입니다.도입 배경과 학교의 입장몇몇..
서울시 강서구 공동 주택 현황 데이터 분석 (20230905) 공공데이터 포털의 데이터를 사용함. https://www.data.go.kr/data/15066129/fileData.do data = pd.read_csv('/mnt/data/서울특별시 강서구_공동주택 현황_20230905.csv', encoding='cp949') data.head() 연번 구분 단 지 명 동명 번지수 도로명주소 우편번호 층수별 동수 평형별 \ 0 1 NaN 강변삼천리 염창동 70-20 양천로67길 71-16 7535 15 1 28 32 1 2 의무 강변한솔솔파크 염창동 300 양천로63길 38 7546 11~25 8 32 33 2 3 의무 강변힐스테이트 염창동 299 양천로75길 19 7541 11~23 7 24 33 3 4 의무 관음삼성 염창동 268외3필지 양천로 656 7554..
날씨 데이터 분석 GlobalWeatherRepository 기본적인 정보를 확인해보겠습니다. import pandas as pd data = pd.read_csv('GlobalWeatherRepository.csv') data.head() country location_name latitude longitude timezone \ 0 Afghanistan Kabul 34.52 69.18 Asia/Kabul 1 Albania Tirana 41.33 19.82 Europe/Tirane 2 Algeria Algiers 36.76 3.05 Africa/Algiers 3 Andorra Andorra La Vella 42.50 1.52 Europe/Andorra 4 Angola Luanda -8.84 13.23 Africa/Luanda last_updated_epoch l..
텐서플로우 딥러닝 GridSearchCV 이용 방법 텐서플로우(Tensorflow)로 ANN (DNN) 을 만들고, 최적의 모델을 찾기 위해서 GridSearchCV 를 이용한다. 먼저 모델을 만드는 함수를 작성한다. 함수의 파라미터로, 옵티마이저(optimizer)를 받는다. def build_classifier(optimizer): classifier = Sequential() classifier.add(Dense(units = 6, activation = 'relu', input_dim = 11)) classifier.add(Dense(units = 6, activation = 'relu')) classifier.add(Dense(units = 1, activation = 'sigmoid')) classifier.compile(optimizer = ..
Learning Curve - 텐서플로우 딥러닝 딥러닝 학습을 하면서, 각 에포크 마다의 밸리데이션 값을 확인해야 오버핏팅 ( Overfitting )이 있는지 눈으로 확인할 수 있다. 에포크(epoch)마다의 학습(training)과 밸리데이션(validation) 히스토리(history)를 저장하여, 학습 커브를 그려본다. 분류의 문제에서 loss 와 accuracy 를 확인하는데, train loss / validataion loss 와 train accuracy / validation accuracy 를 확인한다. 이를 함수로 작성해 놓고 사용하면 된다. def learning_curve(history, epoch): plt.figure(figsize=(10,5)) # 정확도 차트 epoch_range = np.arange(1, epoch + ..
텐서플로우의 모델, weight(가중치) 저장하고 불러오기 Tensoflow를 사용하다보면, 모델을 생성하고, 학습을 하게 된 후, 나중에 이를 다른 기기나 서버 등으로 옮겨서 배포하게 된다. 이때 모델 과 학습이 끝난 weight(가중치)를 파일로 저장하고 불러올 수 있는 방법이다. 0. 전체 모델과 웨이트를 h5파일로 통째로 저장하고 불러오기 1. 전체 모델과 웨이트를 폴더구조로 통째로 편하게 처리 : ( 이때는 컴파일을 할 필요 없이 바로 사용 가능! ) 2. 네트워크의 구조(모델) 만 저장하고 불러오기 3. 네트워크의 가중치를 저장하고 불러오기 : 이때는 컴파일을 꼭 해줘야 사용이 가능함! 4. 스케일러 등을 저장하고 불러오기 : joblib 라이브러리를 이용한다!
캐글 API 사용하기 - kaggle.json 파일 얻기 주피터 노트북이나, 구글 colab 에서 캐글(kaggle)이 API 를 사용하여, 데이터셋 가져 오는 방법 1. 캐글 사이트에 로그인 한 후, 오른쪽 프로필 아이콘을 누른다. 2. Account 버튼을 누른다. 3. 중간 쯤에, API 항목이 있다. 여기서 Create New API Token 버튼을 눌러서, kaggle.json 파일을 다운로드 받는다. 위의에 kaggle.json 파일을 다운로드 받았으면, 이제 캐글 사이트는 닫아도 된다. 이제는, 주피터 노트북이나 구글 Colab에서, 캐글의 API 를 사용할 수 있도록 아래처럼 셋팅한다. 4. 아래처럼, 주피터 노트북이나 구글 Colab에서, 캐글을 사용할 수 있도록 셋팅한다. 5. 위의 3번에서 다운로드 받은, kaggle.json 파일을 업로..
반응형

티스토리툴바