행복한바보고양이😻

Teachable Machine + Streamlit을 활용한 실전 프로젝트 개선 및 확장🎯 프로젝트 발전 과정과 추가 기능이 프로젝트는 이미지 분석을 통한 파충류 종 판별 및 특수동물 병원 검색, 유튜브 영상 추천 기능을 제공합니다.하지만 1편에서 다룬 기본 기능을 실제 프로젝트에서 적용하다 보니 한계점과 개선해야 할 사항이 발견되었습니다.따라서 2편에서는 다음과 같은 기능을 추가 및 개선하였습니다. 🛠 1. 실시간 바코드 스캔 기능 추가🏷 배경 및 필요성애완동물 사료, 사육 용품 등을 구매할 때 바코드를 스캔하여 제품 정보를 빠르게 확인할 수 있도록 기능을 추가.제품의 유통기한, 성분 정보, 저장 방법(냉장/냉동 여부) 등을 한눈에 파악 가능.공공 데이터 API를 활용하여 실시간으로 제품 데이터..

🏆 프로젝트 개요: AI가 파충류를 분류한다!파충류와 양서류는 형태적으로 비슷한 종이 많아 초보 사육자들에게 정확한 구분이 어렵습니다. 이에 따라 Teachable Machine과 Streamlit을 활용하여 사용자가 직접 이미지를 업로드하면 AI가 즉시 파충류의 종을 판별하는 웹 애플리케이션을 개발하였습니다.본 프로젝트는 이미지 분석을 통해 15종의 파충류를 분류하고, 병원 검색 및 유튜브 영상 검색 기능을 추가하여 실질적인 활용도를 극대화하였습니다.  🎯 프로젝트 목표AI 기반 종 분류 기능 제공업로드한 이미지를 분석하여, 파충류 15종 중 어느 종에 속하는지 예측모델이 제공하는 신뢰도(%)를 함께 출력병원 검색 기능사용자가 인식된 파충류를 치료할 수 있는 특수동물 병원 검색 가능유튜브 학습 기능..

📌 1. Streamlit이란?  Streamlit은 Python 기반의 데이터 애플리케이션을 빠르게 개발할 수 있는 오픈소스 웹 프레임워크입니다.특히, 데이터 분석, 머신러닝, 대시보드 개발에 최적화되어 있어 간단한 코드만으로 강력한 웹 애플리케이션을 만들 수 있습니다.✅ 주요 특징✔ 손쉬운 설치 → pip install streamlit 만으로 설치 가능✔ 빠른 프로토타이핑 → 데이터 분석 결과를 바로 웹에서 시각화✔ 강력한 시각화 기능 → Matplotlib, Plotly, Altair 등 다양한 라이브러리 지원✔ 데이터 사이언티스트와 엔지니어 친화적 → 웹 개발 지식 없이도 간편한 대시보드 제작 가능  🔥 2. Streamlit 기본 설치 방법✅ (1) Anaconda 환경에서 설치 (추천)A..

📌 1. 감성 분석(Sentiment Analysis) 모델 학습 # 다음은 주요 AutoModel 클래스들의 목록입니다:  # AutoModel: 기본 모델을 로드합니다.# AutoModelForPreTraining: 사전 학습(Pre-training)을 위한 모델을 로드합니다.# AutoModelForCausalLM: Causal Language Modeling을 위한 모델을 로드합니다.# AutoModelForMaskedLM: Masked Language Modeling을 위한 모델을 로드합니다.# AutoModelForSequenceClassification: 시퀀스 분류를 위한 모델을 로드합니다.# AutoModelForTokenClassification: 토큰 분류를 위한 모델을 로드합니다...

🎯 소개자연어 처리(NLP) 모델은 다양한 용도로 활용될 수 있으며, 특히 감성 분석(Sentiment Analysis) 분야에서 큰 성과를 보이고 있습니다. 본 글에서는 Hugging Face의 distilbert-base-uncased-finetuned-sst-2-english 모델을 활용하여 감성 분석 모델을 Fine-Tuning하고, 이를 Hugging Face Hub에 업로드하는 방법까지 자세히 다룹니다.또한, Stable Diffusion 모델을 사용하여 텍스트를 기반으로 이미지를 생성하는 방법도 소개합니다. 🚀📌 1. Fine-Tuning 개념 이해Fine-Tuning이란, 이미 학습된 모델(Pretrained Model)을 특정한 작업에 맞게 추가적으로 훈련하는 과정을 의미합니다.일반..

데이터 분석과 머신러닝 모델링에서 결측치(Missing Value) 처리는 중요한 과정입니다.결측치를 어떻게 처리하느냐에 따라 모델의 성능과 분석 결과가 크게 달라질 수 있습니다.이번 블로그에서는 결측치 처리 방법을 다양한 예제와 함께 설명하고,Python 코드 예제를 활용하여 직접 해결해보겠습니다. 🚀  🔍 1️⃣ 결측치(Missing Value)란? 결측치란 데이터셋에서 특정 값이 비어있는 상태를 의미합니다.데이터가 유실된 이유는 다양하며, 다음과 같은 경우에 발생할 수 있습니다. 설문조사에서 응답자가 일부 문항을 생략센서 오류로 인해 값이 기록되지 않음데이터 입력 과정에서 실수로 누락됨데이터 수집 방식의 차이로 인해 일부 값이 존재하지 않음 💡 예를 들어, 건강 설문조사에서 나이, 성별, 키는..

오늘날 넷플릭스, 아마존, 유튜브와 같은 플랫폼은 추천 시스템을 활용하여 사용자 경험을 극대화하고 있습니다.이 글에서는 상관계수(Pearson Correlation Coefficient)를 활용한 협업 필터링 추천 시스템을 Python과 Jupyter Notebook을 이용해 직접 구현해보겠습니다. 📖 1️⃣ 추천 시스템이란? 추천 시스템(Recommendation System)은 사용자의 이전 행동 데이터 및 선호도를 분석하여 사용자가 관심을 가질 만한 콘텐츠(상품, 영화, 음악 등)를 추천하는 알고리즘입니다. 추천 시스템의 유형 콘텐츠 기반 필터링사용자가 과거에 좋아했던 콘텐츠와 유사한 아이템을 추천협업 필터링사용자들 간의 유사성을 기반으로 추천 (오늘 다룰 핵심 내용) 📌 2️⃣ 협업 ..

🎯 LlamaIndex RAG란 무엇일까요?LlamaIndex는 대규모 언어 모델(LLM)을 사용하여 데이터를 인덱싱하고 쿼리하는 과정을 간소화하는 강력한 프레임워크입니다. RAG(Retrieval-Augmented Generation)는 검색을 통해 얻은 정보를 기반으로 답변을 생성하는 방법으로, LLM의 지식 부족 문제를 해결하고 답변의 정확성을 높이는 데 효과적입니다.⚙️ 필요한 라이브러리 설치먼저 필요한 라이브러리를 설치합니다. 아래 명령어를 사용하여 pypdf2, llama-index, **llama-index-embeddings-huggingface**를 설치하세요.! pip install pypdf2 llama-index llama-index-embeddings-huggingface📚 P..

📚 구글 Colab이란?구글 Colab(Colaboratory)은 구글에서 제공하는 클라우드 기반의 Jupyter Notebook 환경입니다. 별도의 설치 없이도 Python 코드를 작성하고 실행할 수 있는 웹 서비스로, 특히 데이터 분석, 머신러닝, 딥러닝 작업에 적합합니다.📌 구글 Colab의 주요 특징무료 사용구글 계정만 있으면 누구나 무료로 사용할 수 있습니다.GPU 및 TPU와 같은 고성능 하드웨어를 제한적으로 무료 제공.하드웨어 지원GPU와 TPU를 선택적으로 활용 가능.데이터 과학 및 딥러닝 작업에 유용.사전 설치된 라이브러리TensorFlow, PyTorch, Keras, OpenCV, NumPy, Pandas 등 다양한 라이브러리가 기본 제공.구글 드라이브 연동Colab 작업을 구글 ..

Streamlit은 Python 기반의 애플리케이션을 간단하게 만들 수 있는 도구로, 머신러닝 모델을 웹 애플리케이션으로 전환하는 데 매우 적합합니다. 이번 글에서는 Jupyter Notebook에서 학습한 인공지능 모델을 Streamlit에서 어떻게 사용하는지 자세히 알아보겠습니다. 📂 준비된 파일 및 역할regressor1.pkl학습된 머신러닝 모델이 저장된 파일입니다.Pickle 형식으로 저장되어 있으며, Streamlit 앱에서 이 파일을 로드하여 예측에 활용합니다.car_price.ipynbJupyter Notebook에서 차량 가격을 예측하는 모델을 학습시키고 저장하는 코드를 포함하고 있습니다.app.pyStreamlit 애플리케이션 코드 파일로, 저장된 모델을 불러와 사용자 입력을 기반으로..