산타 방문 증빙 feat. DALL.E
2022년 한 해는 그림 생성 모델로 뜨거웠습니다. DALL.E를 사용해서 산타가 다녀갔다는 증빙을 만듭니다. 사진 한 장이 필요합니다. 1. 산타가 다녀가셨다! 크리스마스에 다녀가시는 산타는 아이들에게 큰 기쁨입니다. 선물 자체도 기쁘고, 한 해 잘 살았다는 칭찬을 받는 듯한 느낌도 나지요. 반면 부모에게는 어떻게 올해를 넘길지가 고민입니다. 산타
2022년 한 해는 그림 생성 모델로 뜨거웠습니다. DALL.E를 사용해서 산타가 다녀갔다는 증빙을 만듭니다. 사진 한 장이 필요합니다. 1. 산타가 다녀가셨다! 크리스마스에 다녀가시는 산타는 아이들에게 큰 기쁨입니다. 선물 자체도 기쁘고, 한 해 잘 살았다는 칭찬을 받는 듯한 느낌도 나지요. 반면 부모에게는 어떻게 올해를 넘길지가 고민입니다. 산타
한국에너지기술연구원 AI 학습조직에서는 2022년 한 해동안 머신러닝을 공부하고 있습니다. 이번에는 직접 하는 코딩을 벗어나 공개된 딥러닝 모델을 사용하는 방법을 알아봅니다. 영상과 자연어 처리를 중심으로 OpenAI에서 제공하는 여러 모델이 있습니다. 강의실 예약 시간 문제로 마무리가 매끄럽지 못했습니다. 요약본이 번역되다 만 문제는 max_tokens
Gaussian Process 연습입니다. scikit-learn을 비롯한 예제를 재구성하여 연습합니다. 주의사항을 알려드립니다. Gaussian Process는 경계조건에 매우 취약합니다. 1. Gaussian Process의 한계 scikit-learn: Gaussian Process Regression: basic introductory examp
Gaussian Process 연습입니다. scikit-learn을 비롯한 예제를 재구성하여 연습합니다. 여러 커널의 특징을 알아보고 사용처를 알아봅니다. 1. Data Preparation scikit-learn: Gaussian Process Regression: basic introductory example 1.1. example data 지난
Gaussian Process 연습입니다. scikit-learn을 비롯한 예제를 재구성하여 연습합니다. 오차가 없을 때와 있을 때를 비교합니다. 1. Data Preparation scikit-learn: Gaussian Process Regression: basic introductory example 1.1. example data Gaussia
한국전자통신연구원 오픈소스센터가 주축이 되어 ETRI Open Source Tech Day가 열렸습니다. 과학기술정보통신부가 주최하고 한국전자통신연구원, 한국과학기술정보연구원, 한국식품연구원, 한국에너지기술연구원, 한국원자력연구원, 한국화학연구원, 한국항공우주연구원이 공동 주관했습니다. 2021년 내가 해온 연구에 데이터 분석 끼얹기라는 제목으로
한국에너지기술연구원 AI 학습조직에서는 2022년 한 해동안 머신러닝을 공부하고 있습니다. 실험을 계획하고 최적 실험 조건을 탐색하는 방법들을 살펴봅니다. 전통적인 실험계획법(design of experiment), 반응표면법(response surface method)을 살펴보고, 효과적인 실험 설계를 도와주는 Gaussian Process와 이 바탕에
영상 촬영을 하다 보면 결과물이 마음에 들지 않는 여러 이유가 있습니다. 애초에 잘 찍으면 되겠지만 장비나 숙련도 등의 문제로 한계가 있습니다. 전자현미경 사진은 여기에 시료의 상태까지 한 몫 합니다. 방해 요소를 제외하고 자동 명도 및 대비 보정을 하는 방법을 알아봅니다. 1. 예제 이미지 위와 같은 전자현미경 사진을 얻었다고 합시다. 전자현미경은
PyCon Korea 2022에서 한 발표 영상입니다. Matplotlib을 데이터를 그리는 도구로 많이 알고 계십니다. 하지만 Matplotlib은 시각화 라이브러리 이상의 생태계입니다. seaborn을 사용해 데이터 시각화 결과물의 퀄리티를 높일 수 있고, 생태계의 다른 라이브러리를 사용해 그린 그림을 Matplotlib으로 편집할 수 있습니다.
Microsoft가 출시한 Power BI는 강력합니다. 윈도 환경에서 데이터를 쉽게 시각화할 수 있을 뿐 아니라 온라인 배포를 통해 동료와 공유하기도 쉽습니다. 한편으로 데이터 불러오기, 전처리, 시각화를 python script로 할 수도 있습니다. 공식 문서도 풍부하여 익히기 좋습니다. 1. Power BI 설치 Microsoft Learn: