행복한바보고양이😻

1. 개요Object Detection(객체 탐지)은 이미지에서 객체를 식별하고, 위치를 파악하는 컴퓨터 비전 기술입니다.이 글에서는 Hugging Face의 transformers 라이브러리의 pipeline을 활용하여도로 이미지 속 자동차, 신호등, 보행자 등을 감지하는 방법을 자세히 살펴보겠습니다.주요 내용transformers의 pipeline을 이용한 Object Detection matplotlib를 활용한 객체 시각화모델의 결과 해석 및 Fine-Tuning 확장2. Object Detection이란?Object Detection(객체 탐지)은 이미지 속에서 특정 물체가 어디에 위치하는지 박스로 표시하고,해당 객체가 무엇인지 분류하는 기술입니다.Object Detection의 주요 개념Cla..

1. NullPointerException(NPE)란?NullPointerException(NPE) 은 Java 프로그래밍에서 가장 흔하게 발생하는 런타임 오류 중 하나입니다.즉, 객체가 null 상태일 때, 해당 객체의 속성이나 메서드에 접근하려고 하면 발생합니다.  쉽게 말해"객체가 존재하지 않는데, 객체처럼 사용하려고 할 때 발생하는 오류!"NullPointerException이 발생하는 원인원인 설명객체 초기화 누락객체를 생성하지 않고 사용하려 할 때배열 요소 초기화 누락배열을 선언했지만 요소를 초기화하지 않고 접근할 때컬렉션 요소 초기화 누락List 또는 Map 등에 null 값이 포함될 때메소드 반환값이 null메소드에서 null을 반환하고, 그 값을 사용하려 할 때외부 리소스 접근존재하지 않..

1. 개요 Google DeepMind에서 개발한 Gemma-2-9B-IT 모델은 Instruction-Tuned (IT) 된 강력한 자연어 처리(NLP) 모델입니다.Gemma-2-9B-IT 모델의 주요 특징✅ Transformer 기반 모델✅ Instruction-Tuning & RLHF 적용✅ 9B (90억 개) 파라미터 보유✅ Hugging Face safetensors 포맷 지원✅ FP16 지원 (고속 처리 가능)✅ 대규모 데이터셋을 학습하여 강력한 성능 제공이 모델은 대화형 AI, 텍스트 생성, 요약, 번역, 코드 생성 등 다양한 작업에서 활용될 수 있습니다.하지만, 어떤 데이터를 학습했기에 이렇게 강력한 성능을 제공할 수 있을까요?이번 글에서는 Gemma-2-9B-IT 모델의 학습 데이터와 주..

📌 1. 개요Gemma 모델은 Google DeepMind에서 개발한 강력한 **LLM(대형 언어 모델)**입니다.이 모델을 Streamlit에서 활용하려면 Hugging Face의 transformers 라이브러리를 사용해야 합니다.📌 하지만, 왜 transformers를 사용해야 할까요? ✅ 모델을 쉽고 빠르게 로드✅ 보안성이 강화된 safetensors 활용✅ 대규모 모델을 효과적으로 샤딩(Sharding)하여 로드✅ Hugging Face의 AutoModel을 통한 자동화된 설정 이 블로그에서는 transformers를 활용하여 Gemma 모델을 로드하는 이유와 과정을차근차근 설명해드리겠습니다.  🔍 2. transformers 라이브러리를 사용하는 이유✅ 1) 모델을 쉽고 빠르게 로드 가능..

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..