전체 글 검색 결과
165 개의 검색 결과가 있습니다.
Shell & Command

git windows에서 파일 권한 변경하기

$ git add run.sh $ git update-index --chmod=+x run.sh

2023. 2. 16. 13:53
Data Science/Deep Learning

Image Generate AI Testing

요즘 ChatGTP가 큰 화제인 상황이라 AI 관련 자료를 살펴보다가 AI가 생성한 이미지의 퀄리티보고 깜짝놀라 살펴보게 되었습니다. 이미지 생성 분야에서 유명한 Stable-Diffusion을 Fine Tunning한 모델의 퀄리티 위주로 살펴보았습니다. Install 'stable-diffusion-webui' Install Python 3.10.6 Install git. Download the stable-diffusion-webui git repository. git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git. Place stable diffusion checkpoint (model.ckpt) in the models/St..

2023. 2. 14. 02:57
Data Science/Machine Learning

[PyTorch] PyTorch Tutorial Projects

Getting Started with aitextgen Perform text-based AI training and generation using OpenAI's GPT-2 and EleutherAI's GPT Neo/GPT-3 architecture. Go Project aitextgen is a text-generation library created by Max Woolf that uses GPT-2 and GPT Neo/GPT-3 architecture in combination with PyTorch, Hugging Face Transformers, and python-lightning. This ML Showcase entry is a fork of the notebooks in the ai..

2023. 2. 7. 00:50
Data Science/Data Visualization

[Visualization] Streamlit Simple Apps : K-Means Clustering

Install Streamlit pip install streamlit 설치가 완료되었다면 hello world 앱으로 테스트할 수 있다. 콘솔 창에서 아래와 같이 streamlit 명령어를 입력하면 hello world앱이 구동된다. streamlit hello Implement Streamlit App : K-Means Algorithm App * raw-data : # File : app.py # Author : 9valuemining@gmail.com # Imports # ----------------------------------------------------------- from scipy.sparse import data import streamlit as st import pandas ..

2023. 2. 6. 00:12
Data Science/Python

[python] Chrome web-driver options : speed up page loading.

from selenium import webdriver from selenium.webdriver.common.keys import Keys from webdriver_manager.chrome import ChromeDriverManager options = webdriver.ChromeOptions() options.add_argument("--disable-extensions") options.add_argument("--disable-gpu") options.add_argument("--disable-infobars") options.add_argument("--disable-notifications") options.add_argument("--disable-popup-blocking") opt..

2023. 1. 31. 02:16
Data Science/Python

[python] Dask Parallel Computing Example

Here is an example of using Dask's Client to set up a distributed cluster and perform a computation in parallel: from dask.distributed import Client # Start a local cluster with 2 worker threads client = Client(n_workers=2) # Define a computation as a normal Python function def my_computation(x): return x * x # Use the client to submit the computation as a task to the cluster results = client.ma..

2023. 1. 28. 23:23
Data Science/Python

[python] About Dask

Dask is a powerful parallel computing library in Python that enables users to harness the full power of their CPU and memory resources. Whether you're working with large datasets, running complex simulations, or building machine learning models, Dask can help you achieve faster and more efficient results. One of the key advantages of Dask is its ability to handle large datasets that don't fit in..

2023. 1. 28. 23:18
Data Science/DB+SQL

[SQL] 연승 연패 구하는 SQL

연승/연패 구하기 Player마다 게임 승패를 기록한 히스토리가 있다. 다음과 같이 각 플레이어의 최대 연승와 최대 연패를 구한다. player 최고 연승 최고 연패 carry 5 1 john 3 1 sam 4 2 1) 테스트용 게임 히스토리 데이터 -- Make test-data /* game_history table player : Play name. game_id : Game Identifier is_win : 1=Win, 0=Lose */ CREATE TABLE game_history AS SELECT 'john' player , 1 game_id , 1 is_win UNION ALL -- is_win : 1=Win, 0=Lose SELECT 'john' , 2 , 0 UNION ALL SELEC..

2023. 1. 11. 00:04
Data Science/Machine Learning

[Sound Analysis] Sound-data Preprocessing : Librosa

Librosa ? Librosa is a python package for music and audio analysis. It provides the building blocks necessary to create music information retrieval systems. Install pip install librosa Example Code 1) Import library import librosa import librosa.display import numpy as np import os os.environ['LIBROSA_DATA_DIR'] = './sound_example/' 2) Load sound data # Load 'libri1' example file. ## (example of..

2023. 1. 3. 00:56
Data Science

분석기법연재#0-대표적인 사용자 분석 기법들

퍼널 분석 (Funnel Analysis)* 목적 : 어디에 집중해서 서비스(또는 제품)을 개선해야 될까? * 제품이나 서비스의 사용자 경험 전환 과정을 단계별로 수치화하여 이탈 요인을 분석 코호트(동질 집단) 분석(Cohort Analysis) : 우리 잘하고 있나?* 사용자를 그룹으로 나눠서 분석하는 방법* 사용자 그룹 간의 차이를 살펴본다.* cohort 기준 : 어떻게 사용자를 나눌 것인가? ex) 가입일자.* metric : 각 그룹에 무엇을 분석할 것인가?  RMF 분석* Recency : 구매 최근성* Frequency : 구매 빈도 * Monetary : 구매 규모 고객 페르소나(Persona) 정의 고객 세그멘테이션 템플릿* 잠재고객, 신규고객, 기존고객, 핵심고객, 이탈고객 A/B테스트..

2022. 11. 11. 02:54
반응형
반응형