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..

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. 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...

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..

1. 인공지능(AI)이란?정의: 사람처럼 생각하고 학습하며 문제를 해결할 수 있는 기술.목적: 사람의 지능을 흉내 내어 다양한 작업을 수행.일상 예시:스마트 스피커:"오늘 날씨 어때?" 질문에 적절히 대답.(질문 → 이해 → 응답)자동차 내비게이션:최적의 경로를 찾아 안내.(지도 데이터 → 판단 → 결과 제공)   2. 머신러닝(Machine Learning)이란?정의: AI의 한 분야로, 데이터를 학습하여 새로운 데이터를 예측하거나 결정을 내림.핵심 개념:데이터를 입력하면 컴퓨터가 패턴을 학습.학습 결과를 바탕으로 새로운 문제를 해결.일상 예시:넷플릭스 추천 시스템:당신이 본 영화 데이터를 학습 → 좋아할 영화를 추천.이메일 스팸 필터링:스팸 이메일의 특징을 학습 → 스팸과 일반 이메일 구분.   3...

Pandas DataFrames 1. DataFrame 생성Pandas에서 DataFrame은 2차원 데이터 구조로, 행과 열로 구성된 데이터를 다룹니다.import pandas as pd# 데이터 생성items2 = [ {'bikes': 20, 'pants': 30, 'watches': 35}, {'watches': 10, 'glasses': 50, 'bikes': 15, 'pants': 5}]# DataFrame 생성df = pd.DataFrame(data=items2, index=['store 1', 'store 2'])# 출력 확인print(df)  출력: bikes pants watches glasses  bikes pants watches glassesstore ..

PandasPandas는 데이터 분석과 조작에 강력한 도구입니다. 아래와 같은 기능을 제공합니다:행과 열에 라벨 사용 가능기본적인 통계 데이터 제공NaN 값을 자동으로 처리숫자와 문자열을 자동으로 로드데이터셋을 병합(Merge) 가능NumPy 및 Matplotlib과의 통합 지원 1. Pandas Series 데이터 생성Pandas의 Series는 1차원 데이터 구조입니다. 라벨과 데이터를 연결하여 데이터를 효과적으로 다룰 수 있습니다.  TIP💡 위와 같이 불러올 단어 한두단어를 누르고 'Tab' 키를 누르면 단축키를 불러올 수 있습니다.   pandas 를 불러오는 방법import pandas as pdimport pandas as pdindex = ['eggs', 'apples', 'milk', ..

1. 문자열(Strings)의 기초 1-1. 문자열 정의문자열(String)은 문자(Character)의 집합으로, 작은따옴표(') 또는 큰따옴표(")로 감싸서 표현합니다.text1 = 'Hello'text2 = "Python"print(text1, text2) # Hello Python  1-2. 문자열 연산문자열 연결(Concatenation):str1 = "Hello" str2 = "World" result = str1 + " " + str2 print(result) # Hello World문자열 반복:repeat = "Python! " * 3print(repeat) # Python! Python! Python!  1-3. 문자열 인덱싱(Indexing)과 슬라이싱(Slicing)인덱싱: 문자열..