전체 글

k-최근접 이웃 (k-Nearest Neighbor, kNN)현재 데이터를 특정값으로 분류하기 위해 기존 데이터 안에서 현재 데이터로부터 가까운 k개의 데이터를 찾아 k개의 레이블 중 가장 많이 분류된 값으로 현재의 데이터를 분류하는 알고리즘장점다른 머신러닝 알고리즘보다 이해하기 쉬움 (수학적 거리를 계산)숫자로 구분된 속성에 우수한 성능별도 모델 학습이 필요 없음(게으른 학습: DB의 실시간 데이터를 사용해야 할 때 유용)단점예측 속도가 느림다른 머신러닝 알고리즘에 비해 예측값이 지역 정보에 많이 편향될 수 있음(오직 가까운 이웃을 통해 에측되기에)최적의 kNN 파라미터 찾기# kNN 라이브러리 및 시각화 도구 추가from sklearn.neighbors import KNeighborsClassifie..

지도학습/비지도학습지도 학습 (supervised learning)정답을 알려주면서 진행되는 학습... 학습시 데이터와 함께 정답이 항상 제공되어야 함.정답이 있어서 성능 평가는 쉽지만 레이블(정답)을 달기 위해 다소 시간 소요분류, 회귀비지도 학습 (unsupervised learning)정답 없이 진행되는 학습.성능 평가하는데 다소 어려움이 있음(정답이 없어서)군집화, 차원축소 분류/회귀분류 (classification)데이터가 입력됐을 때 지도학습을 통해 미리 학습된 레이블 중 하나 또는 여러 개의 레이블로 예측하는 것이진분류: 둘 중 하나의 값으로 분류다중분류: 여러 개의 분류값 중에서 하나의 값으로 예측하는 문제다중 레이블 분류: 데이터가 입력됐을 때 두 개 이상의 레이블로 분류할 경우회귀 (r..

일단 필자는 패키지들을 쉽게 설치하기 위해brew를 다운로드 했음. https://brew.sh/ko/ HomebrewThe Missing Package Manager for macOS (or Linux).brew.sh brew를 다운로드 받은 후brew install node 를 입력하면// 이런 식으로 다운로드 된다==> Auto-updating Homebrew...Adjust how often this is run with `$HOMEBREW_AUTO_UPDATE_SECS` or disable with`$HOMEBREW_NO_AUTO_UPDATE=1`. Hide these hints with `$HOMEBREW_NO_ENV_HINTS=1` (see `man brew`).==> Homebrew co..

맨날 하지만 맨날 헷갈려ssh-keygen -t ed25519 -C "이메일@exam.com"# 여기는 그냥 enter 쳐서 넘어가도 됨!Enter file in which to save the key:Enter passphrase (empty for no passphrase):# 공개키 보기cat /Users/{유저명}/.ssh/id_ed25519.pub# ssh-ed25519 daAE.... {이메일} 이런 형식으로 나옴 Github1. [프로필] - [settings] - [SSH and GPG keys]2. [SSH key] - [New SSH key]3. 이름과 아까 cat을 통해 나왔던 공개키를 적어주면 된다. (이메일까지!) 연결 테스트ssh -T git@github.com# 처음이라면# T..

요구사항고품질 및 감정 지원 TTS 엔진 연동: 한국어 TTS 품질이 높고, '기쁨', '슬픔', '화남' 등 감정 옵션을 API 수준에서 지원하는 엔진을 사용해야 함. 기술 선택TTS 엔진: Google Cloud Text-to-Speech (Neural)선택 이유:한국어 발화의 자연스러움무료 사용량 제공으로 비용 부담 최소화향후 웹/멀티 플랫폼 확장 용이구현해보기!Google Cloud TTS에 접속: https://cloud.google.com/text-to-speech?hl=ko Text-to-Speech AI: 생동감 있는 음성 합성 | Google CloudGoogle의 머신러닝 기술에 기반한 API를 통해 40개가 넘는 언어 및 방언을 지원하는 220여 개의 자연스러운 음성으로 텍스트를 변환..