TIL
1.시각 지능1
• OCR (Optical Character Recognition) : 문서의 텍스트를 인식하고 식별. • Vision Biome
2.시각 지능2
Image Data Augmentation 우리 문제에 맞는 데이터가 없는 경우 현실 문제 적용하기 위한 Image Data Augmentation > 데이터가 부족할때 : Image Data Augmentation 내가 가진 데이터를 증강시켜서 학습 데이터의 양
3.Python 2진수, 8진수, 10진수, 16진수 변환 bin(), oct(), hex(), str(), format
파이썬은 10진수를 기본으로함 2진수 : 0b 8진수 : 0o 16진수: 0x > ### 10진수 ==> 2진수, 8진수, 16진수 1. 파이썬 내장함수 이용 영어의 앞 3글자에서 따온 함수명 2진수: Binary 8진수: Octal 16진수: Hexadeci
4.IT 인프라_서버
서버 1) 서버와 클라이언트 2) 서버의 역할 및 종류 1) 서버와 클라이언트 >서버: 클라이언트에게 네트워크를 통해 정보나 서비스를 제공하는 장치 >클라이언트: 네트워크를 통해 서버에 접속하여 정보를 확인하거나 서비스를 이용하는 장치 2) 서버의 역할 및 종류
5.Django + S3(AWS) 연동
AWS S3 bucket 생성 S3 -> 버킷 -> 버킷 만들기 리전 선택 -> 버킷 이름 지정 객체 소유권 디폴트 값 선택 -> ACL 비활성화를 선택하여 내가 접속한 계정에서만 권한 소유가 되도록 함. 이미지 업로드 활성화를 위해 퍼블릭 액세스 차단 해제 !
6.CountVectorizer
CountVectorizer는 Scikit-learn 라이브러리의 텍스트 데이터 전처리 도구 중 하나로, 텍스트 데이터를 벡터화하여 머신러닝 모델에 입력할 수 있는 형태로 변환하는 기능을 제공 주로 텍스트 데이터를 숫자 형태의 벡터로 변환하는 데 사용됨. 주요 기능
7.시간을 잇는 신경망
목차 순차 데이터 순환 신경망(RNN) 시계열 데이터와 RNN의 만남 시계열 모델링 기법 들어가며 최근 시계열 분석이 필요한 업무를 맡게 되어, 순차 데이터의 개념부터 다시 학습해보려 한다. 시간의 순서와 상관없는 데이터는 일반적인 머신러닝 모델이나 딥러닝 모델에
8.Cursor 활용기(1)
목차 > 1) 환경 세팅 2) 데이터 수집 및 전처리 3) PRD 작성 4) 대시보드 제작 재료 - 설계도 - 결과물 1. 환경 세팅 1.1 가상환경세팅 Anaconda Prompt에서 가상환경 설정 conda create -n data_project1 conda activate data_project1 1.2 Cursor 다운로드 https://c...
9.LLM의 추론 전략 강화
추론 전략 강화 (Reasoning Strategies) LLM이 스스로 더 나은 추론 과정을 거치도록 돕는 기법들 Preview 1. 추론 전략 강화 (문제 해결 방식 개선) ➡️ Chain-of-Thought (CoT) 핵심 아이디어: 중간 추론 과정을 모델이 출력하도록 유도 ("Let’s think step by step") 대표 논문: Jaso...