아이패드(IPad)에서 코딩을 할 수 있을까? 있긴 하다. google colab 도 있고, rstudio cloud 도 써봤고, 마지막으로 github codespaces 까지 사용해봤다. 사실 아이패드로 뭐 개발까지 해야하나 싶긴한데, 한 번 사용해보면, 클라우드 기반의 개발환경 구성도 너무 쉽고, 점점 대중화 될 수도 있겠다 싶다.
[더 읽기]Python 가상환경 - 특정 버전으로 venv 설정하는 방법
Python에서 venv
가상환경은 독립적인 작업 환경을 제공하여, 프로젝트마다 다른 패키지와 Python 버전을 사용할 수 있게한다. 하지만 특정 Python 버전으로 가상환경을 설정하려면 몇 가지 추가 작업이 필요하다. 이번 글에서는 특정버전의 Python venv 가상환경을 설정하는 방법과 과정을 정리해본다.
tensorflow 실행시 No module named distutils 오류 해결방법
텐서플로(tensorflow) 설치후에 import 조차 되지 않는 상황이 발생했다. No module named 'distutils'
라는 오류였는데 구글링 하며 찾아보니, python 3.12 부터는 distutils 패키지가 표준 라이브러리에서 제거되었다.
Llama 3.2-Vision: 멀티모달 AI 모델 설치 및 사용 방법
지난 9월, Llama 3.2-Vision 이 공개되었다. 이미지와 텍스트를 동시에 처리할 수 있는 멀티모달 모델이고, 11B와 90B 사이즈 2가지로 제공된다. 이 모델들은 이미지 인식, 이미지에 대한 추론, 캡션 생성, 그리고 이미지에 대한 일반적인 질문에 답하는 데 최적화되어 있다고 한다.
[더 읽기]Mac 한글 파일명 깨짐 문제 해결하기 – R을 사용한 간단한 URL디코딩 방법
인터넷에서 파일을 다운로드할 때 파일 이름이 %EA%B5%AC%EC%97%AD%EC%9D%98%...
이와 같이 저장되는 경우가 종종 있다. 한글이 깨져서 저장된건 아니고 맥(Mac) 환경에서 다운로드한 파일이 한글 대신 URL 인코딩된 형태로 저장되는 경우인데, 이런 파일명을 R 프로그램을 사용하여 한글로 제대로 수정하는 과정을 정리해본다.
Python EasyOCR - macOS 설치 에러 해결 및 가상환경 설정 가이드
EasyOCR은 파이썬으로 개발된 광학문자인식(OCR) 라이브러리로, 다양한 언어의 텍스트를 이미지나 실시간 비디오에서 인식할 수 있게 해준다. 이 라이브러리는 PyTorch 기반으로 만들어져 있으며, 쉽고 간단하게 사용할 수 있는 인터페이스를 제공한다. EasyOCR은 다양한 언어를 지원하며, 특히 텍스트가 복잡하거나 비정형적인 경우에도 좋은 성능을 제공한다.
[더 읽기]파이썬으로 ChatGPT OpenAI API 연결방법
GitHub Marketplace는 GitHub 사용자들이 다양한 도구와 애플리케이션을 쉽게 찾아보고 설치할 수 있는 플랫폼인데, 여기에 AI모델들도 사용할 수 있게 되어 있다. GitHub Marketplace 에 있는 GPT-4o-mini 모델을 사용하여 간단한 질의에 대한 결과를 받는 기능을 구현하는 방법을 정리한다.
[더 읽기]LangChain Tool Calling 기능 실험 예제
LangChain 을 이용하여 AI 모델에 툴 호출(tool calling) 기술을 적용해보고, 이를 통해 AI 답변이 어떻게 달라지는지 테스트를 진행해보기로 한다. Tool Calling 기능은 대화형 AI 모델이 외부 도구를 직접 호출하여 특정 작업을 수행할 수 있도록 하는 기능이며, AI가 단순히 대화를 나누는 것을 넘어서 도구를 호출하여 복잡한 연산 혹은 실데이터에 기반한 답변을 수행할 수 있게 해준다.
[더 읽기]Hugo 사이트 google 검색결과 제목 수정
hugo로 블로그를 운영중에 있지만, 아래처럼 구글 검색결과에 - -
이렇게 표시가 되는 게 보였다. 글을 쓰기만 했지 내글이 어떻게 검색되는지 몰랐다. 중간에 2번 대시가 나오는게 이상해서 hugo layout 을 오랜만에 살펴보기로 했다.
AI 모델 정확도 높이기: Langchain과 Few-shot 학습으로 모델 개선하기
ChatGPT 같은 대형 언어 모델들도 특정 상황에서는 추가적인 학습 데이터가 필요할 때가 있는데, 이를 해결하기 위한 방법이 few-shot 학습이다. Few-shot 학습은 적은 수의 예시만으로도 모델이 새로운 문제에 잘 적응할 수 있게 도와주는 기술이다. 이 글에서는 Python의 Langchain 라이브러리를 사용하여, few-shot 학습을 AI 채팅 모델에 적용하고, 모델의 성능을 높이는 과정을 정리해본다. 같은 질문을 했을때, few-shot 학습전과 후의 AI모델 응답을 비교했는데 의도한대로 잘 나와서 놀랐다.
[더 읽기]