행복한바보고양이😻

Firestore 란?Firestore는 구글(firebase)에서 지원하는NoSQL 데이터베이스 서비스로 실시간 리스너를 통해 사용자와 기기간 데이터의 실시간 동기화가 가능합니다. 또한, Cloud Firestore는 앱에서 많이 사용되는 데이터를 캐시하기 때문에 기기가 오프라인 상태가 되더라도 앱에서 데이터를 쓰고 읽고 수신 대기하고 쿼리할 수 있습니다. 구글 설명은 아래와 같습니다. Cloud Firestore는 모바일 앱 개발을 위한 Firebase의 최신 데이터베이스로서 실시간 데이터베이스의 성공을 바탕으로 더욱 직관적인 새로운 데이터 모델을 선보입니다. 또한 실시간 데이터베이스보다 풍부하고 빠른 쿼리와 원활한 확장성을 제공합니다. 작업하기에 앞서, Firestore의 기본 구조..

대규모 언어 모델(LLM)을 제대로 활용하려면 프롬프트(prompt)를 얼마나 명확하고 효과적으로 작성하느냐가 관건입니다. 특히 허깅페이스(Hugging Face)의 Transformers 라이브러리나 Model Hub에서 제공하는 LLM을 사용할 때, 간단한 한 줄 명령어만으로도 강력한 결과를 얻을 수 있지만, 잘못된 프롬프트는 엉뚱한 답변을 야기하기도 합니다.이 글에서는 Hugging Face LLM을 대상으로 프롬프트를 잘 작성하는 10가지 실전 전략을 제시합니다. 바로 코드 예제와 함께 따라 해 보세요. 프롬프트(prompt)는 대규모 언어 모델(LLM)이나 챗봇, AI 시스템에게 무엇을, 어떻게 수행할지를 지시하는 입력 텍스트입니다. 명확하고 효과적인 프롬프트 작성법을 익히면 AI로부터 원하..

Firebase의 Cloud Firestore는 Google이 제공하는 NoSQL 문서형 데이터베이스 서비스로, Android 앱에 실시간 동기화와 오프라인 지원 기능을 손쉽게 추가할 수 있습니다. 이번 글에서는 Android Studio 프로젝트에 Firestore를 설치하고, 데이터 추가·조회·실시간 리스너 예시까지 단계별로 자세히 살펴보겠습니다. Firebase이란? Firebase는 구글에서 제공하는 모바일 앱/웹을 위한 플랫폼이다. Firebase는 인증(authentication), 데이터베이스(firestore, realtime database), 스토리지, 푸시 알림, 호스팅, Function 등 여러 기능을 제공하기 때문에 개발자가 직접 일일이 기능을 개발할 필요가 없다. 백엔드 기능을 ..

허깅페이스(Hugging Face)는 자연어 처리(NLP)와 머신러닝(ML) 분야에서 최신 기술을 누구나 쉽게 활용할 수 있도록 돕는 대표 플랫폼입니다. 방대한 오픈소스 모델과 데이터셋, 직관적인 라이브러리를 제공하며 AI 개발의 진입 장벽을 낮추는 데 크게 기여하고 있죠. 이번 글에서는 허깅페이스의 네 가지 핵심 구성 요소—Transformers, Model Hub, Tokenizers, Datasets—와 그 주요 기능을 살펴보겠습니다.1. Transformers 라이브러리허깅페이스의 Transformers는 사전 학습된(pre-trained) NLP 모델을 모아놓은 라이브러리입니다. 텍스트 분류, 언어 생성, 번역, 요약 등 다양한 태스크에 맞춘 수백여 개 모델을 손쉽게 불러와 쓸 수 있습니다.주요..

AI와 머신러닝(ML)에 조금이라도 관심이 있다면 한 번쯤 들어봤을 이름,허깅페이스(Hugging Face)를 소개합니다. 허깅페이스는 단순한 라이브러리를 넘어, 전 세계 AI 개발자와 연구자가 함께 성장하는 오픈소스 커뮤니티입니다. 오늘은 허깅페이스가 무엇인지, 어떤 핵심 컴포넌트로 구성되어 있는지, 그리고 실제 프로젝트에 어떻게 활용할 수 있는지 알아보겠습니다. 1. 허깅페이스란 무엇인가?오픈소스 AI 허브허깅페이스는 NLP(자연어 처리)를 비롯한 다양한 머신러닝 모델을 공유·배포하는 플랫폼입니다. GitHub에서 50만 개 이상의 스타를 받은 Transformers 라이브러리를 비롯해, 수천 개의 사전 학습(pre-trained) 모델과 데이터셋을 제공합니다.“AI는 모두를 위한 것”허깅페이스의 ..

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..

📌 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..

1. 계층적 군집 분석(Hierarchical Clustering) 개요계층적 군집 분석(Hierarchical Clustering)은 데이터를 계층적으로 군집화하는 비지도 학습(Unsupervised Learning) 알고리즘입니다. 군집의 개수를 미리 지정할 필요 없이 데이터를 점진적으로 병합 또는 분할하는 방식으로 작동합니다. 계층적 군집 분석의 주요 특징:군집 수(K)를 사전에 정하지 않아도 됨.군집 간의 계층적 관계를 시각적으로 표현할 수 있음.데이터 특성에 따라 병합(Agglomerative) 또는 분할(Divisive) 방법을 선택 가능.덴드로그램(Dendrogram)을 이용하여 군집 형성 과정을 시각화 가능.  2. 계층적 군집 분석의 작동 원리계층적 군집 분석은 크게 두 가지 방식으로 나..