번역 모델 비교 - 성능, 시간, 요금
딥러닝의 빠른 발전으로 기계번역이 매우 쉬워졌습니다. 다양한 모델을 선택할 수 있고, 구독 모델도 여럿 나와있습니다. 현명한 소비자가 되기 위해 모델들의 번역 성능을 비교합니다. 1. 번역 성능 평가 BLEU: a method for automatic evaluation of machine translation유원준, 안상준, “딥 러닝을 이용한 자연어
Tag: python
KDE + threshold
밀도 함수는 데이터 분포를 볼 때 가장 많이 그리는 그림 중 하나입니다. 특정 값을 기준으로 Pass와 Fail을 정한다고 할 때, 전체의 비율도 중요합니다. seaborn kdeplot을 살짝 다듬어서 쪼개고 비율을 계산합니다. 1. 오늘의 목표 오늘 우리는 데이터를 선별하는 데 쓰는, 이런 그림을 그릴 겁니다. 특정 값을 기준으로 왼쪽은 Fail,
Impact of RPA
RPA(Robotic Process Automation: 업무 자동화) 과제를 하려고 합니다. RPA를 적용하면 효용이 얼마나 좋은지를 설득하기 위한 그림을 그립니다. RPA 도입 전과 후를 비교하는 그림을 그려서 보여줍시다. 1. 행정 업무 어떤 가상의 데이터 관련 행정 업무가 있다고 합시다. 현재는 총 2천만원의 용역비를 포함해 12주가 걸립니다
Gaussian Process Practice (3) Beware Boundaries
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 Practice (2) Kernels
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 Practice (1) 1D
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
Auto Contrast on SEM image
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
모듈(.py) 안에서 library 설치
Colab 같은 클라우드 환경 사용 비중이 늘어나고 있습니다. 클라우드에 기본으로 설치되지 않은 라이브러리를 설치하는 방법을 알아봅니다. pip도 import 해서 사용할 수 있습니다. 1. 클라우드 환경 Google Colab이나 Streamlit cloud 처럼 클라우드 기반 서비스 활용 비율이 늘어납니다. 장점이 많지만 서버가 물리적으로 고정되어
glowing full moon
추석입니다. 빛나는 보름달을 그립니다. 1. 추석 달 오마이뉴스: 이번 추석, ‘초 슈퍼문’ 볼 수 있다 (2015.09.22.) 보름달 주위로 빛이 살짝 스며나올 때가 있습니다. 구름이 옅게 끼거나 공기가 습할 때 일부가 굴절되는 것입니다. 2. 빛이 스미는 보름달2.1. 보름달 빛이 하늘에 번지는 보름달을 그립니다. 먼저, 2022 x 2022
Emphasis on main data
시각화에서 색은 매우 중요한 요소입니다. 중요 데이터를 강조하기 위해 특정 영역의 색을 다르게 지정하기도 합니다. HLS 색공간을 사용해 특정 데이터만 강조합니다. 1. 중요 데이터 강조 Claus Wikle, “데이터 시각화 교과서” 아래 그림은 데이터 시각화 교과서에 수록된 데이터 강조 사례입니다. 여러 항공사 중 Delta와 American만