개요 Flask 웹개발을 통해 간단한 Resume를 작성해본다. 가상환경 프로젝트 폴더에 가상환경을 설치한다. virtualenv venv created virtual environment CPython3.9.12.final.0-64 in 5343ms creator CPython3Windows(dest=C:\Users\human\Desktop\flask-resume-evan-examples\venv, clear=False, no_vcs_ignore=False, global=False) seeder FromAppData(download=False, pip=bundle, setuptools=bundle, wheel=bundle, via=copy, app_data_dir=C:\Users\human\AppData\Local\pypa\virtualenv) added seed packages: pip==22.2.2, setuptools==63.2.0, wheel==0.37.1 activators BashActivator,BatchActivator,FishActivator,NushellActivator,PowerShellActivator,PythonActivator 라이브러리 설치 가상환경에 접속 후, Flask 라이브러리를 설치한다. pip install Flask [app.py](http://app.py) 에 다음과 같이 작성한다. from flask import Flask, render_template app = Flask(__name__) @app.route('/') def index(): first_name = 'Evan' return render_template('index.

강의 홍보 취준생을 위한 강의를 제작하였습니다. 본 블로그를 통해서 강의를 수강하신 분은 게시글 제목과 링크를 수강하여 인프런 메시지를 통해 보내주시기를 바랍니다. 스타벅스 아이스 아메리카노를 선물로 보내드리겠습니다. [비전공자 대환영] 제로베이스도 쉽게 입문하는 파이썬 데이터 분석 - 캐글입문기 개요 기존 Flask-Dash-Heroku 연동 예제를 업그레이드 한다. Flask Factory Application의 기본 개념 및 Blueprint의 기본 개념을 이해한다. Dash App을 Flask Factory Application에 맞추어 가공 한다. 리뷰 기존 필자가 작성해두었던 Flask-Dash-Heroku App을 리뷰한다. 참조 : Flask-Dash-Heroku 연동 참조 : Dash App Using Flask Factory Pattern and Blueprint - 1 미리보기 다음과 같이 메뉴가 있도록 코드를 작성할 예정이다.

강의 홍보 취준생을 위한 강의를 제작하였습니다. 본 블로그를 통해서 강의를 수강하신 분은 게시글 제목과 링크를 수강하여 인프런 메시지를 통해 보내주시기를 바랍니다. 스타벅스 아이스 아메리카노를 선물로 보내드리겠습니다. [비전공자 대환영] 제로베이스도 쉽게 입문하는 파이썬 데이터 분석 - 캐글입문기 개요 기존 Flask-Dash-Heroku 연동 예제를 업그레이드 한다. Flask Factory Application의 기본 개념 및 Blueprint의 기본 개념을 이해한다. 리뷰 기존 필자가 작성해두었던 Flask-Dash-Heroku App을 리뷰한다. 참조 : Flask-Dash-Heroku 연동 미리보기 다음과 같이 메뉴가 있도록 코드를 작성할 예정이다.

개요 Grafana 대시보드를 다운로드 받고, 그래프를 작성한다. DB 연동을 통해 대시보드를 작성해본다. 설치 Grafana Download 사이트 : https://grafana.com/grafana/download?edition=oss&platform=windows 오픈소스로 다운로드 받는다. 설치가 끝난 이후에는 localhost:3000/login에 접속을 할 수 있다. Sign in 페이지가 나오면 admin을 각각 입력하면, 패스워드 변경하는 입력이 나오면 그 때 각자 본인에게 맞는 패스워드로 변경한다. 필자는 12345678로 지정했다. 첫번째 대시보드 Dashboard를 클릭한다. Add a new panel를 클릭한다. 아래 그림에서 Data source를 클릭한다. Query 탭에 Grafana를 선택한 상태에서 우측 상단의 Apply 버튼을 클릭한다.

개요 Flask 및 Dash를 활용하여 간단한 대시보드를 생성할 수 있다. 기존 구현한 대시보드를 Heroku에 배포할 수 있다. 사전준비 파이썬 가상환경 설치 및 기존 라이브러리에 대한 이해가 어느정도 있음을 가정한 상태에서 본 블로그를 작성했음을 유의한다. Heroku 회원가입 및 로그인이 되어 있어야 한다. Step 1. Github Repo생성 Github Repo 생성 시, 중복되지 않을 법한 이름으로 생성 필자 Repo : flask-heroku-dash-evan1234 해당 Repo를 로컬로 가져온다. git clone https://github.com/your_name/your_unique_repo.git Step 2. 가상환경 설치 및 주요 라이브러리 설치 먼저 가상환경을 설치한다.

개요 Mecab에서 사용자 단어를 추가하고 직접 사용하는 예제를 만들어본다. 사전에 Mecab은 설치가 되어 있다고 가정한다. 만약 처음 설치한다면, 다음 참조 링크에서 설치를 진행한다. 참조 : RcppMeCab 패키지 설치 (Windows) 문제점 아래그림과 같이 ‘사회적경제’라는 단어가 잡히지 않는 것을 확인할 수 있다. 해결방법 먼저, 사전 위치를 찾는다. mecab > user-dic 폴더 내에 nnp.csv 파일을 찾는다. 서식에 관한 구체적인 내용을 참조링크를 확인한다. 품사태그 설명 nnp.csv 파일을 메모장으로 열고 수정한다. 사용자 사전 수정 적용하기 위해 Window PowerShell을 관리자 권한으로 연다 mecab 폴더로 이동해야 하기 위해 아래와 같이 입력을 한다.

강의 홍보 취준생을 위한 강의를 제작하였습니다. 본 블로그를 통해서 강의를 수강하신 분은 게시글 제목과 링크를 수강하여 인프런 메시지를 통해 보내주시기를 바랍니다. 스타벅스 아이스 아메리카노를 선물로 보내드리겠습니다. [비전공자 대환영] 제로베이스도 쉽게 입문하는 파이썬 데이터 분석 - 캐글입문기 개요 Flask 기본적인 작동 원리를 배운다. Postgres와 SQLAlchemy를 활용한다. Heroku에 배포를 진행한다. 사전준비 Github에 각 개인에게 맞는 Github Repo를 생성한다. 주의 : 반드시 Unique하게 작성해야 한다. 가상환경 설정을 진행한다. PostgreSQL DB 설정은 다음을 참조한다. Postgre SQL Installation on Windows 10 virtualenv venv 주요 라이브러리를 설치한다.

강의 홍보 취준생을 위한 강의를 제작하였습니다. 본 블로그를 통해서 강의를 수강하신 분은 게시글 제목과 링크를 수강하여 인프런 메시지를 통해 보내주시기를 바랍니다. 스타벅스 아이스 아메리카노를 선물로 보내드리겠습니다. [비전공자 대환영] 제로베이스도 쉽게 입문하는 파이썬 데이터 분석 - 캐글입문기 개요 scikit-learn 모델을 JAVA에서 구동 시켜야 한다. 크게 3가지 방법론이 존재한다.(원문 참조 : Moving from Python to Java to deploy your machine learning model to production embed : Java 코드 내에서 직접 Python 코드 구현 방법.

개요 iris.csv 파일을 오라클 명령어를 통해서 업로드를 진행한다. 대부분의 명령어는 터미널에서 처리하였다. SQLPLUS 접속 SQL에 접속한다. 테이블 생성 터미널에서 iris 테이블을 생성한다. CREATE TABLE iris ( sepal_length INTEGER, sepal_width INTEGER, petal_length INTEGER, petal_width INTEGER, species varchar2(20) ); ctl 파일 생성 메모장에 아래와 같이 ctl 파일을 생성한다. 파일명은 control.ctl이다. LOAD DATA INFILE 'iris.csv' INTO TABLE iris fields terminated by ',' ( sepal_length, sepal_width, petal_length, petal_width, species ) 파일 업로드 sqlplus 접속을 종료한다.

개요 Scikit-Learn 모델을 만든 후, MLFlow로 모델을 배포한다. 머신러닝 코드에 대한 설명은 생략한다. 가상환경 설정에 관한 내용도 생략한다. 라이브러리 불러오기 기존 코드에서 mlflow 라이브러리만 추가한다. %matplotlib inline import numpy as np import pandas as pd import matplotlib as mpl import matplotlib.pyplot as plt import sklearn import seaborn as sns import mlflow import mlflow.sklearn from sklearn.linear_model import LogisticRegression from sklearn.model_selection import train_test_split, KFold from sklearn.preprocessing import StandardScaler from sklearn.metrics import roc_auc_score, plot_roc_curve, confusion_matrix print(f"numpy version {np.