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.
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 수강생들의 머신러닝을 활용한 웹 개발 프로젝트 전 복습 차원에서 준비함. 주 내용은 주요 참고자료를 기반으로 작성하였으며, 참고자료에 없는 코드는 직접 작성하였음을 밝힘. 가장 인기 있는 모델 XGBoost와 LightGBM 그 외, 선형회귀, 로지스틱 회귀, 결정 트리, 앙상블 학습, 랜덤 포레스트, XGBoost, LightGBM 선형 회귀 선형 회귀식을 활용한 모델 회귀 계수와 절편을 찾는 것이 중요 기초통계에서 다루는 선형 회귀와 기본적인 개념에서는 동일하나, 기초통계에서와 예측 모델에서의 쓰임새는 다르다는 것을 기억한다.
개요 Python Django와 Sklearn을 활용하여 간단한 iris prediction 웹을 만들어본다. 사전준비 머신러닝 기본 이론 및 원리는 어느정도 알고 있다고 가정한다. Django 앱에 대해 어느정도 알고 있다고 가정한다. 무엇을 배우는가? 머신러닝 모델을 활용하여 배포하는 과정을 배운다. 가상환경 설정 가상환경을 생성한다. $ virtualenv venv created virtual environment CPython3.9.1.final.0-64 in 475ms creator CPython3Posix(dest=/Users/evan/Desktop/django-iris-tutorial/venv, clear=False, no_vcs_ignore=False, global=False) seeder FromAppData(download=False, pip=bundle, setuptools=bundle, wheel=bundle, via=copy, app_data_dir=/Users/evan/Library/Application Support/virtualenv) added seed packages: pip==22.1.1, setuptools==62.3.2, wheel==0.37.1 activators BashActivator,CShellActivator,FishActivator,NushellActivator,PowerShellActivator,PythonActivator 만들어진 가상환경에 접속한다.
개요 MySQL 관리자 계정인 root로 DB 관리시스템에 접속 후 DB를 생성한다. 사전준비 MySQL 설치 및 환경변수를 설정한다. 참조 : https://dschloe.github.io/settings/mysql_installation_windows11/ DB 생성 콘솔창에서 MySQL 명령을 실행한다. C:\Users\your_name>mysql -uroot -p Enter password: **** Welcome to the MySQL monitor. Commands end with ; or \g. Your MySQL connection id is 19 Server version: 8.0.28 MySQL Community Server - GPL Copyright (c) 2000, 2022, Oracle and/or its affiliates. Oracle is a registered trademark of Oracle Corporation and/or its affiliates.
개요 Windows 11에 MySQL을 설치합니다. MySQL 챗봇 시스템의 학습 데이터 관리 위해 MySQL을 사용함 설치 주소 : https://dev.mysql.com/downloads/ MySQL Installer for Windows 파일을 선택함 MSI Installer를 다운로드 받는다. 다운로드 받은 파일을 순차적으로 설치 한다. 비밀번호는 잃어버리면 안된다. (비번 : 1234) 앞서 설정한 비밀번호를 입력하고 체크 버튼을 누른다. 정상적으로 설치가 완료되었다. 윈도우에서 돋보기 모양을 누른 후, MySQL 8.0 Command Line Client를 클릭한다. root 계정 비밀번호를 입력 후 접속한다. 비밀번호 1234를 클릭한다. 환경변수 설정 환경변수 설정을 하지 않으면 cmd 명령어 창에서 mysql 명령어를 사용할 수 없다.
Bucket 만들기 Bucket을 만들어보도록 한다. import boto3 print(boto3.__version__) 1.23.5 bucket = boto3.resource('s3') response = bucket.create_bucket( Bucket = "your_bucket_name", ACL="private", # public-read CreateBucketConfiguration = { 'LocationConstraint' : 'ap-northeast-2' } ) print(response) s3.Bucket(name='your_bucket_name') 버킷 대시보드에서 실제 Bucket이 만들어졌는지 확인한다. Client Bucket 이번에는 client 버킷을 생성한다. client = boto3.client('s3') response = client.create_bucket( Bucket = "your_bucket_name", ACL = "private", CreateBucketConfiguration = { 'LocationConstraint' : 'ap-northeast-2' } ) print(response) {'ResponseMetadata': {'RequestId': '1X0BAXRG653Q7Y61', 'HostId': 'WwKyxNBcd1V9x6D/WZn8twMKSWKBnkwVCPWtvarZvyNSSvqr7Q77J6OFAdWuYAwiv/nQfXoW/0U=', 'HTTPStatusCode': 200, 'HTTPHeaders': {'x-amz-id-2': 'WwKyxNBcd1V9x6D/WZn8twMKSWKBnkwVCPWtvarZvyNSSvqr7Q77J6OFAdWuYAwiv/nQfXoW/0U=', 'x-amz-request-id': '1X0BAXRG653Q7Y61', 'date': 'Wed, 25 May 2022 03:16:52 GMT', 'location': 'http://your_bucket_name.
동기부여 블로그 광고수익 비교 글을 보게 되었다. 그런데, 현재 운영중인 이 블로그의 일일 방문자수가 300-400명이어서 방치하면 안될 것 같았다. 간단하게 Google Adsense를 Hugo Website에 추가하도록 한다.
사전준비 먼저 Hugo Website는 Google Analytics와 미리 연동이 되어 있어야 한다. 참조 : Hugo 블로그에 Google analytics 추가하기 Google Adsense 우선 Google Adsense에 접속한다.
Google Ads에서 아래 그림과 같이 사이트를 클릭한다. 사이트 추가 버튼을 누른다. 본인의 블로그 URL을 추가한다. HTML Tag를 복사하고, 검토 요청 버튼을 클릭한다.
라이브러리 불러오기 기 설치된 라이브러리를 불러오도록 한다. import boto3 print(boto3.__version__) 1.23.5 IAM User 관련 주요 코드 다음 코드는 유저를 생성하는 코드이다. def create_user(username): iam = boto3.client('iam') response = iam.create_user(UserName=username) print(response) create_user('testuser2fromwsl2') {'User': {'Path': '/', 'UserName': 'testuser2fromwsl2', 'UserId': 'AIDAVRRRQ3HFXFQPOOY7Q', 'Arn': 'arn:aws:iam::381282212299:user/testuser2fromwsl2', 'CreateDate': datetime.datetime(2022, 5, 24, 5, 30, 6, tzinfo=tzutc())}, 'ResponseMetadata': {'RequestId': 'd5fa242b-9aa9-4ad9-a75a-ed23e041d4ba', 'HTTPStatusCode': 200, 'HTTPHeaders': {'x-amzn-requestid': 'd5fa242b-9aa9-4ad9-a75a-ed23e041d4ba', 'content-type': 'text/xml', 'content-length': '495', 'date': 'Tue, 24 May 2022 05:30:05 GMT'}, 'RetryAttempts': 0}} 이번에는 모든 사용자를 가져오는 코드를 작성한다.