전체 글349 T : Template(템플릿) 1. 사용자에게 보이는 부분2. 웹 페이지의 골격 즉, HTML로 작성된 부분이라는 것을 의미3. Django만의 장점 템플릿 태그 { } 사용. { } 활용하여 조건문, 반복문, 모델의 변수처리 가능. (1) 태그와 태그 사이 : { } (2) 태그 내부 : {{ }} (3) 태그 내부(속성) : "{{ }}" 사진목록 페이지 {% for photo in photos %} {{photo.title}} {{photo.author}}, {{photo.price}} .. 2024. 5. 3. M : Model(모델) 1. 모델은 프로젝트를 위한 앱의 데이터와 관련된 부분이며, 이를 다루는 영역2. 데이터베이스에 저장될 데이터의 모양을 정의하고 관련된 일부 기능을 설정해주는 영역임3. 즉, 모델을 데이터 베이스에 적용시키면 그것은 테이블이 되는 것임4. 모델을 데이터베이스에 적용시키는 과정을 마이크레이션(Migration)이라고 함5. 모델은 생성된 앱 디렉토리에 있는 models.py에서 작성가능하며, 하나의 클래스로 생성할 수 있음 (1) Photo 라는 클래스 정의(이는 테이블 명으로 적용) (2) models.Model을 상속받아 각 속성들을 models를 사용해 정의 (3) models는 Django의 데이터베이스와관련된 내용을 미리 작성해 놓은 도구임 6. 주사용 필드타입CharField문자열 : 길이.. 2024. 5. 2. 슈퍼유저(SuperUser) 생성 및 어드민 페이지 1. /admin/ 페이지 접속을 하면 로그인 화면이 나옴 2. 로그인을 위해 우리는 관리자 계정을 생성해줘야함. (1) Username (2) Email address (3) Password (4) 커맨드 명령어py manage.py createsuperuser 2024. 5. 2. 프로젝트와 앱 1. 하나의 웹 사이트는 생성한 프로젝트2. 하나의 앱은 생성된 프로젝트의 기능 3. 앱 생성은 아래 링크 참고https://dandora-90.tistory.com/333 환경세팅 및 프로젝트 시작1. 파이썬 : ver 3.10.* 이상2. Django : ver 3.2.10 이상3. cmd 또는 powershell 명령어 - 파이썬 설치버전 확인python --version - 가상환경 생성py -3.12 -m venv 가상환경명 - Django 설치pip install django~=장고버전 -dandora-90.tistory.com4. 앱을 생성하면 프로젝트의 settings.py > INSTALLED_APPS = []에 생성한 app을 추가해줌 5. TMI (1) manage.py 파일은 dj.. 2024. 5. 2. 환경세팅 및 프로젝트 시작 1. 파이썬 : ver 3.10.* 이상2. Django : ver 3.2.10 이상3. cmd 또는 powershell 명령어 - 파이썬 설치버전 확인python --version - 가상환경 생성py -3.12 -m venv 가상환경명 - Django 설치pip install django~=장고버전 - 프로젝트 생성 * . 주의할것~ . 은 현재위치에 프로젝트를 만들라는 의미임django-admin startproject 프로젝트명 - app 생성py manage.py startapp 생성앱명 - 현재까지 생성 및 변경사항 적용py manage.py migrate- 서버구동py manager.py runserver 2024. 5. 2. RNN(Recurrent Neural Network) ※ Word2Vec은 단어를 고차원 벡터로 매핑하는 기술로, 단어 간의 의미적 유사성을 측정할 수 있게 해줌. 이러한 Word-embedding은 자연어 처리(Natural Language Processing, NLP) 분야에서 널리 사용됨※ RNN(Recurrent Neural Network)은 순환 신경망으로, 순차적인 데이터나 시퀀스 데이터를 처리하는 데 사용됨. 이전의 정보를 현재 상태로 전달하여 순서에 따른 패턴을 학습할 수 있음. ※ Word2Vec과 RNN은 자연어 처리에서 서로 보완적으로 사용될 수 있음. Word2Vec은 단어를 고정된 차원의 밀집 벡터로 표현하여 단어 간의 의미적 유사성을 측정할 수 있음. 이런 단어 벡터는 RNN과 같은 모델에 입력으로 사용될 수 있음. 예를 들어, .. 2024. 5. 2. Word Embedding과 Word2Vec □ One-Hot-Encoding 문제점 : 단어를 단순히 index번호에 따라 one-hot-encoding으로 vectorize하므로 단어간의 유사성 파악 못함. 즉 우리는 단어간의 유사성을 파악할 수 있어야함.https://dandora-90.tistory.com/330 문장 Vector 작업□ Vector 화 작업 : 텍스트 문장을 숫자 벡터로 변환하는 과정을 말함. 자연어 처리에서 텍스트 데이터를 다룰 때, 컴퓨터가 이해할 수 있는 형태로 변환해야하며 이를 위해 텍스트를 숫자로 표현dandora-90.tistory.com □ 단어간의 유사성 파악을 위해 Word Embedding 활용(현대 딥러닝 모델의 근간이됨) ○ 단어/문장간 관련도계산 ○ 의미적/문법적 정보 함축(vetorize만으로.. 2024. 5. 2. 문장 Vector 작업 □ Vector 화 작업 : 텍스트 문장을 숫자 벡터로 변환하는 과정을 말함. 자연어 처리에서 텍스트 데이터를 다룰 때, 컴퓨터가 이해할 수 있는 형태로 변환해야하며 이를 위해 텍스트를 숫자로 표현하는 여러 가지 방법이 있음. ○ BOW (Bag of Words) - CountVectorizer는 Python의 scikit-learn 라이브러리에 포함된 클래스로, 텍스트 데이터의 토큰화(tokenization)와 단어 빈도 수를 기반으로 하는 피처 벡터(feature vector)를 생성하는 데 사용.from sklearn.feature_extraction.text import CountVectorizer - 이 클래스는 자연어 처리(Natural Language Processing, NL.. 2024. 5. 1. 자연어 처리(Natural Language Processing) 및 발전단계 1. 자연어 : 일반 사회에서 자연히 발생한 언어(한국어, 일본어 등)2. 인공언어 : 프로그래밍 언어, 에스페란토어3. 자연어처리 : 자연어를 컴퓨터가 해독하고 그 의미를 이해하는 기술4. NLP 응용분야 : 웹 스크래핑, 요약, 감성분석, 번역, 교정 등. 자연어 이해와 자연어 생성으로 분류됨.5. 발전단계 (1) 스팸분류/품사결정/개체명 인식 (2) 감성분석/구문분석/기계번역/정보추출 (3) 질의응답/의역/요약/대화 ※ (1)으로 갈수록 전통적기법(규칙기반, 통계기반)이며 (1)~(3) 모두 딥러닝기법에 기반함. 대부분의 자연어 처리 문제는 분류 문제임.6. 기존방식 (1) 규칙기반 : 언어학을 기반한 rule-based program (2) 통계기반 : 말뭉치를 기반으로 통계 모델 및 .. 2024. 4. 30. 이전 1 2 3 4 5 6 ··· 39 다음
