Django ORM 활용법Django ORM(Object-Relational Mapping)은 Django 프레임워크에서 데이터베이스를 쉽게 다룰 수 있도록 도와주는 기능임. SQL을 직접 작성하지 않고도 Python 코드로 데이터베이스를 조작할 수 있어 효율적임. 1. 데이터 필터링 (Filtering Data)데이터베이스에서 특정 조건에 맞는 데이터를 필터링하는 방법.# 특정 조건으로 데이터 필터링from myapp.models import MyModel# 예: name 필드가 'Alice'인 데이터 필터링filtered_data = MyModel.objects.filter(name='Alice')filter() 메서드를 사용해 특정 조건에 맞는 데이터를 조회함. 여러 조건을 결합하여 사용할 수도 있..

Today I Learned (2024-11-08)목차Today I Learned (2024-11-08)오늘 공부한 내용1. KDT(중간 프로젝트)영어 문장 생성하기(예문)2. DjangoORM어려웠던 내용궁금한 내용과 부족한 내용느낀 점오늘 공부한 내용1. KDT(중간 프로젝트)영어 문장 생성하기(예문)기존의 단어장을 참조하도록 해서RAG 방식으로 예문을 생성하도록함.1시간 30분 걸려서 1300개 예문을 생성했지만팀에서 만든 예문 검증 알고리즘으로 검사하니10% 정도만 생존...다른 임베딩 모델 고려(HuggingFace)2. DjangoORMORM에 대한 내용은 따로 글로 작성할 예정어려웠던 내용RAG 모델궁금한 내용과 부족한 내용어떻게 하면 좋은 답을 얻을 수 있을까.느낀 점어렵다 쉽지 않아. -->

파이썬으로 Google 스프레드시트 연동하기Google 스프레드시트를 파이썬으로 연동하면 데이터를 편리하게 관리할 수 있음. 이 글에서는 Google API를 통해 파이썬으로 Google 스프레드시트에 접근하는 방법을 단계별로 설명함.1. Google API 설정하기먼저 Google Cloud Platform(GCP)에서 API를 사용하도록 설정해야 함. 아래의 절차를 따라 설정함.Google Cloud Console에 접속하여 새 프로젝트를 생성함. 모든 API 보기 로 이동한 뒤, Google Sheets API를 검색하여 활성화함. API 및 서비스 > 사용자 인증 정보 > 서비스 계정 관리 에서 서비스 계정을 생성함. 서비스 계정을 생성한 후, .json 파일로 인증 키를 다운로드..

이항분포 (Binomial Distribution)1. 이항분포란?이항분포는 성공과 실패 두 가지 결과만 존재하는 실험을 여러 번 시행할 때, 각 시행에서 성공할 확률을 모델링하는 확률 분포임. 각 시행은 서로 독립적이며, 시행의 결과가 이항(두 가지 결과) 중 하나로 나타남.예를 들어, 동전을 10번 던졌을 때 앞면이 나오는 횟수를 구하는 문제에서 동전 던지기는 성공(앞면)과 실패(뒷면)로 나뉨. 이러한 상황에서 이항분포를 사용하여 앞면이 나오는 확률을 계산할 수 있음.2. 이항분포의 특징이항분포는 다음 네 가지 조건을 충족해야 함.시행 횟수가 정해져 있어야 함. (n번 시행) 각 시행은 독립적이어야 함. 한 번의 결과가 다른 시행에 영향을 미치지 않아야 함. 각 시행의 결과는 성공 또는 실패 두 ..

Today I Learned (2024-09-08)목차Today I Learned (2024-09-08)오늘 공부한 내용1. 머신러닝하이퍼 파라미터 튜닝 기법 이해하기주요 하이퍼 파라미터 튜닝 기법하이퍼 파라미터 튜닝 적용하기(SVC, Support Vector Classifier)RandomizedSearchCV + SVC2. SQL기본적인 SQL 예제 문제 풀기3. 메타코드 이커머스 데이터분석데이터 분석가란?데이터 분석가 역량 및 업무 FLOW역향 준비SQL어려웠던 내용궁금한 내용과 부족한 내용느낀 점오늘 공부한 내용1. 머신러닝하이퍼 파라미터 튜닝 기법 이해하기하이퍼 파라미터 튜닝하이퍼 파라미터란(Hyper Parameter)?모델 생성 시, 사용자가 직접 입력하는 변수하이퍼 파라미터와 파라미터의 ..

Today I Learned (2024-09-07)목차Today I Learned (2024-09-07)오늘 공부한 내용1. 머신러닝중요도에 따른 feature 정리디폴트 테스트어려웠던 내용궁금한 내용과 부족한 내용느낀 점오늘 공부한 내용1. 머신러닝중요도에 따른 feature 정리분류 확률을 계산하는데 기여한 정보를 피처 중요도라고 함결과에 유의미한 영향을 주는 feature 만을 중심으로 머신러닝 기법을 적용하기도 함디폴트 테스트하이퍼 파라미터 튜닝을 통해 각 머신러닝 모델을 보다 최적화할 수 있지만, 우선 디폴트값으로 바로 예측 가능어려웠던 내용없었다.궁금한 내용과 부족한 내용더 다양한 머신러닝 사용느낀 점이사때문에 자기전에 겨우 공부를 한다.이사 쉽지 않다... -->

Today I Learned (2024-07-12)목차Today I Learned (2024-07-12)오늘 공부한 내용1. KDT (DL)MLP와 CNN 비교CNN 주요 개념고급 CNN 모델Fine-Tuning조기 종료(Early Stopping)ModelCheckpoint이미지 분류 모델 만들기2. SQLDataBase어려웠던 내용궁금한 내용과 부족한 내용느낀 점오늘 공부한 내용1. KDT (DL)MLP와 CNN 비교MLP (Multi-Layer Perceptron)모든 노드가 서로 연결된 fully connected 구조. 입력과 출력 간의 관계를 학습하지만, Gradient Vanishing 문제로 인해 깊은 구조에서는 학습이 어려울 수 있다. 이를 해결하기 위해 ReLU, Batch Normal..

Today I Learned (2024-09-04)목차Today I Learned (2024-09-04)오늘 공부한 내용1. KDT (ML)논리게이트논리게이트 좌표계퍼셉트론비용 함수활성 함수모델 복잡도와 설계학습 과정 시각화피처 선택어려웠던 내용궁금한 내용과 부족한 내용느낀 점오늘 공부한 내용1. KDT (ML)논리게이트게이트논리기호논리식진리표연산AND∧A ∧ BA와 B 모두 1일 때만 1곱셈OR∨A ∨ BA 또는 B 중 하나가 1이면 1덧셈NOT¬¬AA가 1이면 0, 0이면 1반전NAND⊼¬(A ∧ B)A와 B가 모두 1일 때만 0AND의 반전NOR⊽¬(A ∨ B)A 또는 B 중 하나가 1이면 0OR의 반전XOR⊕A ⊕ BA와 B가 다를 때 1배타적 덧셈XNOR⊙¬(A ⊕ B)A와 B가 같을 때 1XO..