국취제 :  5만원씩 6개월씩 총 3백만원 지원 받기가능

https://www.kua.go.kr/uaptm010/selectMain.do

 

일경험프로젝트 : 원하는 기업과 직접 컨택도 가능

https://www.kua.go.kr/uapia010/selectJobPrgm.do

 

서울 청년인턴 

https://youth.seoul.go.kr/site/main/content/seoul_youth_intern_occup_camp

 

알뜰교통카드

https://alcard.kr/info/card_guide.do

 

 

직업훈련 생계비 대출금리 1%, 보증료 1% 월최대 250만원 : 6개월간  1500만원 대출가능

https://www.moel.go.kr/policy/policyinfo/reclamarion/list3.do

 

 

 

감도가 높을수록 노이즈가 많다고 알고있지? 

SNR 과 ISO 관계 이해하기

 

https://petapixel.com/2017/03/22/find-best-iso-astrophotography-dynamic-range-noise/

 

How to Find the Best ISO for Astrophotography: Dynamic Range and Noise

ISO is one of the three major exposure settings in the exposure triangle of a digital camera -- shutter time, f/number, and ISO. Of the three, it is ISO

petapixel.com

 

 

 

기종별 최적 감도(ISO)

http://dslr-astrophotography.com/iso-dslr-astrophotography/

 

예시) 시뮬레이터

https://www.dpreview.com/reviews/image-comparison/fullscreen?attr134_0=sony_a7iii&attr134_1=nikon_z6&attr134_2=sony_a7iii&attr134_3=nikon_z6&attr136_0=7&attr136_1=7&attr136_2=1&attr136_3=1&normalization=compare&widget=601&x=0.8672117644150164&y=0.14915352500398193

 

Image comparison: Digital Photography Review

 

www.dpreview.com

 

 

https://paperswithcode.com/trends

ChatGPT로 인해 개발에 문외하더라도 코드를 쉽게 얻을 수 있고, 이미 학습된 정보를 활용하여 다양한 콘텐츠를 개발할 수 있다.

추천 ChatGPT 커뮤니티 

 

- 메이저

https://www.brightics.ai/community/community-forum-detail/1073

 

Brightics AI

 

www.brightics.ai

https://www.facebook.com/groups/aicomunity (영어)

 

https://www.facebook.com/groups/698593531630485 (영어)

 

https://www.facebook.com/groups/chatgptkr

 

네이버 카페는 구라카페가 넘 많다

 

 

- 마이너 (진지하지 않음)

https://gall.dcinside.com/mgallery/board/lists/?id=chatgpt 

 

프롬프트-지니-chatgpt-자동-번역기

 

ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ

ChatGPT 관련 플러그인

1. AIPRM 

프롬프트 팁 더 구체적으로 작성하게 해줌

https://chrome.google.com/webstore/detail/aiprm-for-chatgpt/ojnbohmppadfgpejeebfnmnknjdlckgj/related?hl=ko 

 

2. 프롬프트 지니 / web ChatGPT

한국어 -> 영어로 변환해서 찾고 다시 한국어로 (속도, 내용 향상)

https://chrome.google.com/webstore/detail/프롬프트-지니-chatgpt-자동-번역기/lhkgpdljnlplgbkonflbhifackjhjmdj?hl=ko

 

3. GPT for google

크롬창에서 검색한 내용 그대로 chatGPT에서도 나오게 해줌

https://chrome.google.com/webstore/detail/chatgpt-for-google/jgjaeacdkonaoafenlfkkkmbaopkbilf?hl=ko

 

 

 

ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ

ChatGPT  활용 이미지 만들기

 

1. 미드저니

위의 (AIPRM)을 활용해서 프롬프트를 만들고 활용하면 일러스트 쉽게 생성가능

https://www.midjourney.com/home/?callbackUrl=%2Fapp%2F 

 

2. Adobe firefly

미드저니와 비슷함 생성형 AI로 이미지 생성가능

https://firefly.adobe.com/

 

3. Stable-diffusion 

이미지 생성 워낙 유명해서 설명 x 

https://stablediffusionweb.com/

 

4. Dalle - 2 (OpenAI)

이미지 생성 워낙 유명해서 설명 x 

https://labs.openai.com/

https://www.coursera.org/specializations/machine-learning-introduction

추천강의 

 

 

1) 지도학습

1. 회귀  : 숫자 예측

  • 선형 and 비선형
  • Gradient Descent(경사하강법)
  • Bias and variance trade-off (편향-분산)

2. 분류 : 분류 예측

  • 로지스틱 회귀 and 소프트맥스 회귀
  • SVM
  • DT
  • Linear Discriminant Analysis (LDA 선형판별분석)

3. 앙상블 학습

  • Bagging
  • Boosting

1-2) 비지도 학습

 

1. 차원축소(전처리)

  • PCA
  • SVD

2. 군집화 (분류/클러스터링)

  • K-means
  • Mean shift
  • Gaussian Mixture Model
  • DBSCAN

'AI > [ML]' 카테고리의 다른 글

[ML] 2. Cross Validation 교차 검증  (0) 2023.02.09
[ML] Scikit-learn 을 활용한 붓꽃 품종 예측하기  (0) 2023.02.08

 

1. 디자이너 by ms

이제 디자이너들 일하기 편함과 동시에 생업을 걱정해야할듯

 

 

https://designer.microsoft.com/

 

Microsoft Designer - Stunning designs in a flash

A graphic design app that helps you create professional quality social media posts, invitations, digital postcards, graphics, and more. Start with your idea and create something unique for you.

designer.microsoft.com

 

 

 

2. ChatGPT plugin 

ChatGPT로 영상 편집은 물론 주문등... 완전 새로운 세상이 열릴 듯

https://openai.com/blog/chatgpt-plugins

 

 

3.  Copilot X

Copilot 업그레이드 버젼 

 

https://githubnext.com/

 

GitHub Next

GitHub Next investigates the future of software development

githubnext.com

 총 4개의 테마가 있음

 

1. Copilot Docs

공식문서 읽을 필요없다. 그냥 애가 찾아줌

https://githubnext.com/projects/copilot-for-docs/

2. Copilot CLI 

https://githubnext.com/projects/copilot-cli/

3 Copilot Voice

https://githubnext.com/projects/copilot-voice/

4. Copilot pull request

https://githubnext.com/projects/copilot-for-pull-requests/

 

4. 어도비 팟케스트

음질향상

https://podcast.adobe.com/

 

 

 

5. ChatPDF

 

6. Perplexity.ai

 

7. Oras.sh

개인용 커스텀 가능한 AI

 

8. Tome 

PPT AI

 

9. Jenni

글쓰기 도우미 AI

 

10. DeepL

번역 

- 나도코딩 OpenCV @ https://bit.ly/3AyaDB1
- OpenCV 공식 튜토리얼 (Basics + ObjectDetection & PoseEstimation, 3h) @ https://j.mp/3xlNxKX
- Hand tracking / Gesture volume control / AI Trainer using CPU @ https://j.mp/32L77mU & https://j.mp/3wWGUif
- Python OpenCV4로 배우는 CV & ML (CNN/DNN/SVM/KNN 포함) @ http://j.mp/2WRedpa
- OpenCV 튜토리얼 (유튜브 3h, 문서스캔/차량번호판탐지 포함) @ https://j.mp/39mvKuw
- OpenCV FreeCodeCamp (유튜브 3h, 얼굴탐지/심슨캐릭터분류 포함) @ https://j.mp/2LyqWZy
- 영상처리 OpenCV 강의 @ https://goo.gl/PxfXj3
- [dlib & opencv 기반 프로젝트] 얼굴인식 @ https://j.mp/2JVSzan / 성별&나이인식 @ https://j.mp/2JVSzan / 눈깜빡임 감지 @ https://j.mp/3c91Ub2
- Face detection 예시코드 & 성능비교 (Opencv/dlib/mtcnn/S3FD/retinaface) @ https://j.mp/2FuTFLX
- YOLO v5 커스텀 학습 (빵형) @ https://bit.ly/3Hq8eKv

ChatGPT를 활용하면 그나마 그럴싸한 답이 나온다. (물론 팩트체크가 필요하다!!)

빅스비나, 구글홈, 시리 등 ChatGPT음성 명령은 되지 않을까 했는데

역시나 가능하다.

ChatGPT 서버는 아니고 OpenAI에서 제공하는 다빈치 003 버전이다.

 

 

우선 시리대신 자비스를 쓰는 방법이다:

(맥북, 아이패드, 아이폰 모두 가능)

 

 

1.  OpenAI API 키 받기

 

https://openai.com/blog/openai-api

 

> 링크 접속이후 로그인 or 회원가입

 

> 위측상단에 View API keys 선택

 

 

>  Api 키 생성 이후 키 복사

 

 

2.  숏컷받기

https://www.icloud.com/shortcuts/08b02bf88171454387dd4e44539d575b

 

 

> 숏컷 실행 후 텍스트란에 받은 api 적기

> 조건문 종료 밑에 나올 문구 작성하기

 

> 숏컷이름 "자비스로" 변경 

 

> 시리를 부른 다음 "자비스" > "하고 싶은 질문"

받은 질문을 처리하는데 시간이 좀 걸리긴 하나 

확실히 시리보다는 월등히 똑똑하다.

GPT4랑 나오면 진짜 어떤 세상이 올까나

'Network > [IOT]' 카테고리의 다른 글

맥북에서 IP주소 확인 및 게이트웨이  (2) 2023.12.05
[Network] 네트워크 개념  (0) 2022.11.28
[Network] IP주소 클래스(A,B,C class)란?  (0) 2022.11.13

https://github.com/Astrophotographer

 

제로베이스부터 개발 공부를 한 지 7개월이 지났다. 이제는 현장에서 필요로 하는 직무가 정확히 무엇인지 파악하고, 그 스킬들에 집중하여 공부하여 최대한 빨리 현장에 투입되어서 이리저리 부딪히고, 사수의 조언을 들어가면서 배우는 게 더 도움이 되리라 생각한다. 

 

카메라 다루는걸 업으로 하였고 개인적으로 하고 싶은 아이템도 영상처리 쪽이 많다 보니

영상관련 된 업을 기반으로 하는 <서버, 네트워크>백엔드 파트를 생각 중이다.

물론 가능하다면 CV 쪽도 가고 싶은데 아직 내가 CV 쪽으로는 더 많이 배워야 함을 느낀다.

 

물리학이 아니라 컴공을 전공했어야 했다 ㅠㅠ 늦었지만 이제라도 컴공학위를 따야 하나? 방통대를 알아봐야겠다

 

 

1.  CJeS Gulliver Studios

CV 쪽 안티에이징 기술을 보다가 알게 되었다. 채용 공고를 보다가 영상처리를 위한 대용량 관리 등 내가 알아두면 참 좋을게 많아 보였다. 

http://gullivervfx.com/sub06/sub01.php

 

걸리버스튜디오

영화제작 및 배급/전자상거래/컴퓨터 애니메이션 기술의 개발/제조/판매/특수시청각효과영상 등 일반 영화 및 비디오물 제작업체

gullivervfx.com

 

2. bepro (스포츠 영상 분석 및 트레킹)

 

https://bepro.notion.site/Welcome-to-Bepro-d61b332d81ac476787ddb50e5be8b37c

 

Welcome to Bepro

“WE TAKE YOU TO THE NEXT LEVEL”

bepro.notion.site

 

 

 

3. IDIS : AI 접목 CCTV

 

영상을 업으로 할 때 생각했던, 그리고 해보고 싶었던 기술들을 활용하고 있는 곳.

CV를 활용한 다양한 콘텐츠를 만든다. 진짜 배울게 많은 곳이다.

 

 

 

 

https://recruit.idis.co.kr:1007/_service/idis/apply_site/apply/recruit_default.asp

 

 

 

 

4. Tabspace

IOT (HA) 를 활용한 무인매장 원격제어 서비스 

 IOT와 CV는 찰떡이라 생각된다. 무인매장 또한 굉장한 블루오션이자 IOT, CV가 반드시 필요한 시장이라 생각된다. 

아직 채용공고를 확인하지못해서 개인적으로 살펴봐야할듯

https://www.tabspace.kr/

 

 

5. FaindersAI

4번과 비슷하게 CV + IOT를 활용한 무인매장 운영

시드를 거쳐 23년 5월 기준 시리즈A를 진행중인데

스타트업 회사 생각이라면 이곳도 좋겠다는 생각

현재 백엔드 경력3년차를 뽑고있는데 아숩...ㅠ

https://fainders.ai/

https://fainders.notion.site/AI-6d1460bb4340489292c91b2bdfc88cd1

 

나도 비전공생으로 국비교육을 받았다.

다행히도 빠른취업을 원해서 들어온게 아니라 내가 공부하고 만들고 싶었던 콘텐츠들이 있기에 무엇을 배워야하는지 쉽게 선택할 수 있었지만, 같이 수업을 들었던 친구들은 아니였다. 기피성 국비교육을 듣다보니 중간에 자는 친구들이나 중도포기하는 친구들도 꽤 있었다.

 

웹개발 교육같은 경우 20명이라면 2~3명은 아무것도 모르고 와서 2주정도 뒤에 나갈애들이였고, 3~5명 정도는 컴공과, 10~12명 비전공자(이직준비 또는 취업준비)생이였다.

요즘 컴공, 컴과 졸업하고 국비하는게 대세인듯 하더라.

 

미리 알면 좋을 내용

1) 개발자 세계는 정말 적성이 중요하다.

코딩 배워서 하고 싶은게 있어야한다 (이것으로 무슨 콘텐츠를 만들고 싶다 이런게 있으면 진짜 좋음).

나랑 안맞다고 느낀다면 빠르게 접어라. 

 

 

2) 끊임없이 공부해야한다.

배움자체를 즐겨야한다. 웹 프론트같은 경우  매년 트랜드가 바뀌고 ML, DL(AI) 쪽은 매년 논문 내용의 색이 달라진다.

요즘은 상, 하반기로 느낌이 달라지는 듯?

 


국비교육 올바른 선택방법

 

코스 선택:

개발자에는 여러가지 포지션이 있다.

 

프론트엔드(웹, 앱 화면에 보이는 부분을 코딩)

백엔드(웹, 앱 서버, 데이터베이스)

Devops(배포 및 네트워크)

데이터사이언스(모델,예측)

데이터엔지니어(모델과 예측을 위한 환경 구축) 

데이터아날리스트(분석 및 시각화)

등등 크게 잡으면 이 정도?

 

최대한 검색을 많이해서 내가 어떤 부분과 잘 맞을지 생각해보고

https://itcreator.tistory.com/145 (언어추천)

https://boottent.sayun.studio/ (부트캠프 모음)

 

- 웹 관련 -

<프론트>

개인적으로 취업이 가장 빠른 부분은 개인적으로 프론트엔드

웹, 앱 화면 단에 어떤 효과등을 넣거나한다. 약간 에펙하는 친구들이 좋아할만함

(신입 포지션이 많고, 바뀌는 속도가 빠르다보니 신입한테 유리, 실력대비효율이 크지않다)

 

<백>

개발원리나 작동원리가 궁금하다면 백엔드

개발기본중에 기본 보통 백엔드로 시작해서 프론트를 가든 데브옵스를 가든 AI 쪽을 가던가 함

작정하고 개발자가 되고싶다하면 백엔드 추천  사실 프론트도 백을하고 백도 프론트를 하게된다

 

<데브옵스>

배포 운영을 하는 부서인데 개인적으로 신입에게는 잘 맞지않는 부서이다 실제로 국비과정에 Devops 과정을 찾아보기 힘들다

백엔드를 하시다가 주로 데브옵스를 한다고 하시던데 혹시나 Devops를 하고싶다고 한다면 백엔드부터 하는거 추천

 

-AI- 

AI 국비교육의 경우 데싸, 엔지니어, 분석가 과정이 다 들어가 있다. 보통 NLP(자연어처리)로 갈것인지 CV(컴퓨터비전) 으로 갈것인지 구분 된다 

 

 

 

1. 웹 + 네트워크 + 빅데이터(AI) 올인원 코스는 가능하다면 피해라

내가 어떤 분야랑 맞는지 잘 모르겠다. 취업이 급하지 않고, 어떤것들이 어떻게 사용되는지 전체적인 흐름을 알고 싶다면 괜찮지만

그렇지않고 내가 이미 하나의 분야를 생각하고 빠르게 취업하고 싶다면 반드시 피해라 (웹 + 네트워크 이 정도만 배워두면 충분)

진짜 결국 남는거 하나없이 전부 찍먹만 한 자신을 발견하게 될 것이다

 

2. 국비교육전 강사 평점을 반드시 확인하라

https://bootcamp-analyzer.binarycraft.studio/ 국비학생들이 만든 국비강사평점

학원보다 강사 퀄리티가 중요하다. 간혹 일반 it 학원에 찐 전문 강사님들이 오시기도 하심!

강사평가 자체가 주관적이여서 좋고 나쁜 강사평가 자체가 의미가 없을 순 있겠지만

나는 개인적으로 감정을 케어하시는 분 보다는 설명력을 이해하기 쉽게 풀어주시는 분을 좋아한다.

한번은 다른 강사님의 설명에 3일간 이해를 못하다가 그냥 암기를 했었는데 5개월 뒤 유태영 강사님 수업을 듣고 10분만에 바로 이해했다. 진짜 삽질을 해서 직접 배우신거구나를 느낄 수 있었다. 진짜 강의만 봐도 느껴지는게 이 강사가 그냥 복붙만한 SI 개발자출신이였는지 아니면 창업까지 하시면서 개발자체를 즐기시는 개발자출신이셨는지 바로 느껴지고 강의 퀄리티가 달라짐을 느꼈다.

 

3. 여러강사가 있어야 좋다

한명의 강사가 파이썬, 자바, 데이터를 다 설명하는 경우가 있다.

국비교육이다보니 이것저것 기업들이 원하는거 다 때려박는 경우가 있는데 이것보다 문제인게

한명의 강사가 이걸 다 설명한다는게 문제이다. 제대로 이해도 못하고 수업준비를 위해 그냥 암기식으로 설명하는 경우가 허다하다.

각각 분야에 맞는 강사가 있는지 반드시 확인해라.

 

4. 주관사에 대한 이해

나 같은 경우 이직을 위해 1년 반동안 개발공부를 하겠다고 계획을 잡았고 6개월 백엔드/ 6개월 네트워크 및 AI / 6개월 AI(CV)과정을 을 준비했고, 어떤 과정을 들을지 살펴보다 재미있는걸 알아냈다.

교육처에 따라 지원부서가 달랐고 고용노동청 뿐만아니라 과기정통부에서도 국비교육을 한다는것을 알게되었다.

 

고용노동부주관 hrd KDT 수업을 듣게된다면 내일배움카드의 500만원을 한번에 소진함 -> 다른 국비교육 못들음

고용노동부주관 hrd 일반국비교육(6개월)을 듣게된다면 내일배움카드의 300만원을 소진하여 200만원이 남음 -> 이후에 kdt 이수가능

(kdt 같은경우 내일배움카드에 1원이라도 있으면 수강가능 -> 단타 정처기 과정, 자격증 과정 다 신청해버렸다가 kdt 들어도 됨  * 5년마다 5백만원 다시 재충전됨)

과기정통부주관 국비교육을 듣게된다면 내일배움카드 자체가 필요가 없음 -> hrd든 뭐든 선택가능 

https://www.cccr-edu.or.kr/main/page.jsp?code=swcamp (과기 정통부 국비교육)

뿐만 아니라 42서울은 고용노동청, 과기정통부와 별개이므로 이것 또한 듣고 국비교육도 가능 or 국비교육이후 지원도 가능

 

 

4-1. 지원금에 관해

정리를 하자면 주관부서에는 42서울처럼 개별운영기관 , 고용노동부, 과기정통부 3가지 주관부서가 있는데

일반적으로 국비교육(고용노동부)은 최대 약 80만원 정도의 지원금을 함께 수령가능하다

우선 고용노동부 국비 -> 50(국취제 1유형으로 이름 바뀌었음) + 30 (노동부 훈련지원금)으로 보통 구성되지만,

과기정통부 국비 -> 50(국취제) + 30(과기부 훈련지원금)에서 두개가 중복이 안된다. 국취제를 미리받던 후에 받던 해야함 중간에 과기정통부 국비가 끼면 국취제 중도소멸

개별운영도 (42서울/싸피)의 경우 운영사에서 100 (이건도 국취제와 동시에 안되니(60만원 소득발생되면 안됨) 미리받던 후에 받던 해야함 중간 42서울이 끼면 국취제 중도소멸

개별운영사 + 노동부 국비인경우(싸피 kdt인 경우) : 운영사100 + 30(노동부 훈련지원금) / 이 경우는 kdt로 내일배움카드 사용해버림

 

 

예시   A 42서울100 -> B 일반 고노부국비 30 (+국취제1유형시 50) -> C kdt 30 (+국취제1유형시 50) -> D 과기부국비 30 이런식으로 운영도 가능 ( 42서울이나 과기부국비는 어느 자리에 들어가도되지만 국취제 받는 중간에 들어가면 안됨) 

 

아무리 생각해봐도 레알 짜증나서 이거관련 민원도 넣었었는데 역시 뭐가 이상한지도 문제인지도 모르더라

참고로 국취제는 지원주의라 단위기간별 수당신청을 안하면 지원금이 소멸됨(공무원들아 일해라)

 

 

   

 

 

 

'글적글적' 카테고리의 다른 글

아이폰 VS 갤럭시  (0) 2024.02.21
[전세보증보험] 주소가 안뜬다면?  (0) 2023.04.27

https://www.youtube.com/watch?v=L7-UFtcFlDk&list=PLA9FEbcHdUCa0oeAhTyxkb2Rgfkw11Pte&index=20 

 

한국 영화판에 벌써 AI바람이 불기 시작했다.

 

몇 년 전만 하더라도 분장을 했을 텐데, 이제 단가가 이게 더 저렴해졌다.

기술로 인한 영화판에 산업이 바뀌는게 보인다.

 

영상편집에

자막, 컷편집, 색보정에 이어서 분장까지 AI 기술로 대체되는 중.

 

 

http://gullivervfx.com/sub06/sub01.php

 

 

요즘 스튜디오에서도 서버, 네트워크를 필요로 하는게 정말 좋아보인다!!

 

 

개발자들에게 검색은 생명과도 같은데 그 검색을 ChatGPT가 패러다임을 바꿔버렸다.

요즘 구글 검색 전에 chatGPT에게 먼저 물어보는데 나름 답변이 마음에 든다.

그러다 이번에 VScode extension이 생겼다길래 한번 알아보기로 했다.

 

 

 

1. VScode 왼쪽 상단바 > 확장 > "ChatGPT" 검색

 

검색을 해도 안뜬다면 VScode 버전을 확인해주세요!

https://marketplace.visualstudio.com/items?itemName=gencay.vscode-chatgpt

 

 

2.  API 받기

설치가 되고 처음 여기를 들어오면 api를 달라고 한다.

 api 받기 버튼을 누르면 https://openai.com/api/  로 이동하고 로그인 후 api를 받을 수 있다.  

 

3. 활용해보기

파이썬 코드 print()를 자바 코드로 바꿔달라고 했는데

바로 튀어나온다!!

VScode에서 ChatGPT로 바로 코드변환이라니...

'AI' 카테고리의 다른 글

[AI] AI 컨퍼런스 링크모음  (0) 2023.04.06

Python Jupyternotebook으로 코딩하다보면 http://localhost:8889/tree 에서 작업하는걸 볼 수 있다.

 

 

 

 

그러다 문뜩 도커에 분명 쥬피터 이미지가 있을것 같은데? 했는데 역시 있었다!!!

다시 말하자면 전세계 어디든 인터넷만 된다면 나만의 코딩 공간을 확보할 수 있다는 것이다.

(물론 깃허브로 가능함) ->  아이패드에서 깃허브 코드 관리하는 방법도 다음에 알아보겠음

 

1.  도커 설치 : 시놀로지 패키지센터 > 도커설치 

2.  이미지 검색  : 검색창 > jupyer 검색

가장 위의 datascience-notebook 다운 

 

 

 

 

 

3. 컨테이너 설정

1. 이미지 더블 클릭하고 "고급 설정" 선택

 

2. 나스의 적당한 폴더를 만들고 마운트 경로 "/var/nas/jupyer" 입력

 

3. 로컬포트 자동에서 ->  "8888"로 변경" 하고 다음버튼 

4.  외부 엑세스 8888 생성

제어판 > 외부엑세스 > 라우터 구성 > 사용자 지정 > 라우터 포트

 

 

 

5. 이미지 토큰값 가져오기

 

1. 도커 > 컨테이너 > 해당 이미지 더블클릭

 

2.  로그 > 검색창에 "token" 검색 > token 값 복사

 

 

 http://127.0.0.1:8888/lab?token="토큰값" 라고 보이는게 토큰 값임 

 

 

 

 

6.  나스주소:8888 접속 

토큰 값 넣고 패스워드 만들면 나만의 코딩공간이 생김!!

 

설정한 비밀번호로

다른 컴퓨터에서 나의 나스서버로 접속가능!!

 

시각화를 하기엔 무리이고 그냥 단순 코드 작성이나 마크다운 내용 적기용

이럴땐 컴파일언어보다 인터프리터언어가 좋아보이네!!

 

협업 과정에서 서로의 푸시 내역과 알림을 받을 수 없을까? 하다가 알게 된 꿀팁

 

전체 순서

  1.  Slack에서 Github App 설치 
  2.  Slack <- > Github 연동
  3. 원하시는 Channel 에서 알림 설정
  4. Github > Repository 연동
  5. 기타 명령어

 

 

1. 슬랙에서 깃허브 앱 설치

1.  Apps > Add apps  / or 슬랙 상단 검색창에서 app 검색 

 

 

2. "github" 입력 > Github Install

 

2.  슬랙 > 깃 연동

1. 설치가 되었다면 새로운 창으로 redirect 되어서 이창으로 오게 됨 > Add to Slack

 

이제 슬렉에서 깃허브 연동이 1차 완료 되었습니다.

이제는 깃허브로 가서 슬랙과 2차 연동을 진행하여야 합니다.

 

2. 슬랙으로 돌아와서 우측 사이드바 Apps > Github> Connect Github account

 

3. Github에서 슬랙과 연동을 진행합니다.  Connect Github account >

 

 

 

 

 

새로운 창으로 Redirect > Authorize Slack 

 



 

여기까지 됐다면, 슬랙에서 깃허브 앱 설치 완료 및 슬랙 <->깃 연동이 되었습니다.

 

3. 원하는 Channel에서 알림 설정

1. Apps에서도 알림을 받을 수 있지만, 따로 채널을 파서 받도록 하겠습니다. (app-github 생성)

 

2. 사이드 바의 app-github > 메인 화면의 채널 상단 바

 

3. Integrations(통합) >  Add Apps > "Github" 추가 

 

 

채널에 깃허브를 추가가 완료가 되었습니다.

 

 

 

4. Github > Repository 연동

 

 

1. 다시 슬랙으로 돌아와서 알림을 받고자 하는 app-github로 돌아오겠습니다.

/github subscribe "조직or 계정"/ "레포지토리"

를 입력하시면 되는데

 

아직 레포지토리 설정이 되지 않았습니다. 

 

마지만 단계로 어떤 레포지토리 선택만 하시면 됩니다.

2. install Github App > 레포지토리 선택  (All 하시면 모든 레포지토리에 대해 알림이 옵니다)

 

 

3. 다시 한번 하시면 정상 작동됩니다.

단 아직  main(or master)에 대한 issues, pulls, commits, 등등 과 같은 기능에만 알려줍니다.

5. 기타 명령어

# 알림을 받습니다.
/github subscribe owner/repo

# 알림을 해지합니다.
/github unsubscribe owner/repo

# 알림 리스트를 확인합니다.
/github subscribe list

# main(or master) 브랜치 뿐아니라 모든 브랜치의 알림을 받겠다
/github subscribe owner/repository branches commits:all reviews comments


# 채널에 연결할 깃허브 아이디
/github signin

# 이슈생성
/github open owner/repo

# 이슈닫기
/github close [issue link]

# 이 모든 명령어를 한번에 보는 명령어
/github help
 

Smartthings 사용하다가 더 뛰어난 안정성과 장비들의 사용량과 데이터 로그들을 수집하고 인터페이스를 커스터마이징 해보고자 HA를 설치하려는데

도커를 쓰자니 DSM 7버전에는 제한이 많다고 하여 NAS에서 가상환경으로 OS구동하면 되지않을까 알아보다가 찾게 되었다!!

 

데이터 로그 모아서 시각화하면 재미있을듯? 

계절별 전기사용량, 시간대별 등등

 

1. VMM 설치 및 설정

저장소 관리자 > 볼륨 > 파일시스템:Btrfs 인지 확인

(벌써 65%나 썻네 80프로되면 슬슬 바꿀준비해야할듯)

 

 

 

패키지 센터 > vir 입력 > Virtual Machine Manage (VMM) 설치

 

 

 

시작 >

 

 

호스트 설정 확인 따로 설정할거 없음.   다음 >

 

 

네트워크 활성 화 시킴.  따로 설정할 거 없음.   다음 >

 

 

VMM으로 사용할 볼륨 선택. 다음 >

 

 

 

 

2. VM용 HA파일 다운받기  

https://www.home-assistant.io/installation/alternative

 

 

 

3번째의 .ova 파일 다운 받기
 
 

 

 

 

 

다시 나스 DSM으로 > VMM 좌측 메뉴 >  가상 컴퓨터 > 생성 옆 화살표 > 가져오기 

 

 

 

 

 

다운받았던 ova파일 선택

 

 

 

 

 

 

 

필자는 램을 20기가로 설치한 상태 4기가는 좀 빡빡해보여 넉넉하게 8기가로 잡아둠

 

 

생성단계에서는 바꿀 수 있지만, 가져오기에서는 크기조절 불가능함

 

 

자동으로 잡을꺼 다음

 

 

 

디폴트로 레거시로 잡혀있을텐데 UEFI로 바꿔주셔야 부팅이 됩니다.

 

 

전원 관리 권한 부분, 딱히 체크안해도 됨

 

 

 

생성 후 가상 컴퓨터 켜기 체크 후 다음

 

 

 

 

시간이 조금 걸림.

기본포트는 8123

 

 

 

 

172.30.1.22:8123 입력하면 이렇게 나와야 정상

 

Seaborn은 Matplotlib의 기능과 스타일을 확장한 파이썬 시각화 도구의 고급버전이지만 쉽다.

# import library
import seaborn as sns

# 타이타닉 데이터셋 로딩
titan_df = sns.load_dataset('titanic')

 

회귀직선이 있는 산점도

import matplotlib.pyplot as plt
import seaborn as sns

# 스타일을 지정 - darkgrid
sns.set_style('darkgrid')
# 그래프 객체 생성 - 한 out에 그래프를 살펴보도록
fig = plt.figure(figsize=(15,5)) # 15: 가로길이 // 5: 세로길이
ax1 = fig.add_subplot(1,2,1)  # 1 x 2 사이즈에서 1번째 (왼쪽에 위치함)
ax2 = fig.add_subplot(1,2,2)  # 1 x 2 사이즈에서 2번째 (오른쪽에 위치함)

# 그래프 그리기 - 선형회귀선 표시 (fit_reg = True)
sns.regplot(x='age', y='fare',
           data=titan_df,
           ax=ax1)


# 그래프 그리기 - 선형회귀선 미표시 (fit_reg = false)
sns.regplot(x='age', y='fare',
           data=titan_df,
           ax=ax2,
           fit_reg=False)

plt.show()

 

히스토그램 및 밀도함수

 

# 그래프 객체 생성 - 한 out에 그래프를 살펴보도록
fig = plt.figure(figsize=(15,5)) # 15,5 // 16,8
ax1 = fig.add_subplot(1,3,1)
ax2 = fig.add_subplot(1,3,2)
ax3 = fig.add_subplot(1,3,3)

# 기본값 
sns.distplot(titan_df.fare, ax=ax1)

# hist = False
sns.distplot(titan_df.fare, hist=False, ax=ax2)

# kde = False
sns.distplot(titan_df.fare, kde=False, ax=ax3) # Kernel Density 

# 차트 제목 표시
ax1.set_title('titan fare-hist/kde')
ax2.set_title('titan fare-hist')
ax3.set_title('titan fare-kde')

plt.show()

 

 

히트맵(Heat-map)

# 테이블 생성
table = titan_df.pivot_table(index=['sex'], columns=['class'], aggfunc='size')

# 히트맵 그리기
sns.heatmap(table,
           annot=True,
           fmt='d',
           linewidth=1) # heat-map을 쓰실때 cmap - color mapping :: heatmap_cmap의 종류

박스플롯 / 바이올린 플롯

import matplotlib.pyplot as plt
import seaborn as sns

# 데이터 로드
titan_df = sns.load_dataset('titanic')

# set_style theme
sns.set_style('whitegrid')

# 그래프 객체 생성
fig = plt.figure(figsize=(15,5))
ax1 = fig.add_subplot(2,2,1)
ax2 = fig.add_subplot(2,2,2)
ax3 = fig.add_subplot(2,2,3)
ax4 = fig.add_subplot(2,2,4)

# 박스플롯 - 기본값
sns.boxplot(x='alive', y='age', data=titan_df, ax=ax1).set(title='BOXPLOT')
      # .set(title='BOXPLOT') 타이틀 넣어주기 or 객체.set_title("타이틀")

# 박스플롯 - hue 변수 추가 
sns.boxplot(x='alive', y='age', hue='sex', data=titan_df, ax=ax2).set(title='BOXPLOT + HUE')

# 바이올린 플롯 - 기본값
sns.violinplot(x='alive', y='age', data=titan_df, ax=ax3).set(title='VIOLINPLOT')

# 바이올린 플롯 - hue 변수 추가 
sns.violinplot(x='alive', y='age', hue='sex', data=titan_df, ax=ax4).set(title='VIOLINPLOT+HUE')

 

 

막대 그래프

# 그래프 객체 생성
fig = plt.figure(figsize=(15,5))
ax1 = fig.add_subplot(1,3,1)
ax2 = fig.add_subplot(1,3,2)
ax3 = fig.add_subplot(1,3,3)

# x축, y축에 변수 할당
sns.barplot(x='sex', y='survived', data=titan_df, ax=ax1)

# x축, y축에 변수 할당 후, hue 옵션 추가
sns.barplot(x='sex', y='survived', hue='class', data=titan_df, ax=ax2)

# x축, y축에 변수 할당 후, hue 옵션 추가 후 누적 출력
sns.barplot(x='sex', y='survived', hue='class', dodge=False, data=titan_df, ax=ax3)

# 차트 제목 표시
ax1.set_title('titan survived - sex')
ax2.set_title('titan survived - sex/class')
ax3.set_title('titan survived - sex/class(stacked)')

plt.show()

 

 

 

범주형 데이터의 산점도

import matplotlib.pyplot as plt
import seaborn as sns

# titan
titan_df = sns.load_dataset('titanic')

# set style theme
sns.set_style('whitegrid')

# 그래프 객체 생성
fig = plt.figure(figsize=(15,5))
ax1 = fig.add_subplot(1,2,1)
ax2 = fig.add_subplot(1,2,2)

# 이산형 변수의 분포 - 데이터 분산 고려를 안한다면(중복 표시 O)
sns.stripplot(x='class',
             y='age',
             data=titan_df,
             ax=ax1)

# 이산형 변수의 분포 - 데이터 분산 고려를 한다면(중복 표시 X)
sns.swarmplot(x='class',
             y='age',
             data=titan_df,
             ax=ax2)

# 차트 제목 표시
# ax1.set_title('Strip Plot')
# ax2.set_title('Swarm Plot')

plt.show()

'AI > [Visualization]' 카테고리의 다른 글

[Matplotlib] Pie그래프  (0) 2023.02.13
[Matplotlib] 막대바  (0) 2023.02.13
[Matplotlib] 산점도 찍기  (0) 2023.02.13
[Matplotlib] 시각화 첫 단계  (0) 2023.02.07
# 한국어 폰트 적용

import matplotlib
# matplotlib.rcParams['font.family'] = 'Malgun Gothic' # 윈도우즈의 '맑은 고딕'설정
matplotlib.rcParams['font.family'] = 'AppleGothic'    # 맥북 '애플 고딕'설정

matplotlib.rcParams['axes.unicode_minus'] = False

 

# 도형 1
fruit = ['사과','바나나','딸기','오렌지','포도']
result = [7,6,3,2,2]
import matplotlib.pyplot as plt
plt.pie(result)
plt.show()

# 도형 2
# 생성한 원이 타원 -> 원형으로 변환
plt.figure(figsize=(5,5))
plt.pie(result, labels = fruit, autopct = '%.1f%%')
plt.show()

도형 1
도형 2

 

 

# 시계방향순 데이터 정렬

plt.figure(figsize=(5,5))
plt.pie(result, labels = fruit, autopct = '%.1f%%', startangle=90, counterclock=False )  

# startangle=90 x축 기준 90도 에서 시작 (생략시 0도)
# autopct 소수점 보여줄꺼
# counterclock=False  시계방향

plt.show()

 

explode_value = (0.1, 0,0,0,0)   # 1번째 요소 0.1 만큼 파이에서 나오게

# 시계방향 순으로 데이터 pie_chart를 생성
plt.figure(figsize=(5,5))
plt.pie(result, labels = fruit, autopct = '%.1f%%', startangle =90, counterclock=False, explode=explode_value, shadow=True)

# img 저장하기
plt.savefig('./save_test0.png')
plt.show()


# 사진의 해상도 높이기 dpi(dot per inch)
import matplotlib as mpl
mpl.rcParams['figure.figsize']

# 해상도 보기 dpi를 찍어보기 
mpl.rcParams['figure.dpi']

 

 

 

 

import numpy as np
import matplotlib.pyplot as plt

x = np.arange(0, 5)
x
y1 = x
y2 = x+1
y3 = x+2
y4 = x+3

 

<y= x 꼴 그래프 만들어보기>

plt.plot(x,y1, x,y2, x,y3, x,y4)

plt.grid()
plt.xlabel('X')
plt.ylabel('Y')
plt.title('Saving a figure')

# 위의 이미지 저장 
plt.savefig('./save_test10', dpi=1000)

'AI > [Visualization]' 카테고리의 다른 글

[Seaborn] Seaborn 그래프 형태  (0) 2023.02.13
[Matplotlib] 막대바  (0) 2023.02.13
[Matplotlib] 산점도 찍기  (0) 2023.02.13
[Matplotlib] 시각화 첫 단계  (0) 2023.02.07

 

<2가지 비교사항을 막대바로 정렬해보기>

# 한국어 폰트 적용

import matplotlib
# matplotlib.rcParams['font.family'] = 'Malgun Gothic' # 윈도우즈의 '맑은 고딕'설정
matplotlib.rcParams['font.family'] = 'AppleGothic'    # 맥북 '애플 고딕'설정

matplotlib.rcParams['axes.unicode_minus'] = False

 

<Before, After 설정>

members_id= ['m_01','m_02','m_03','m_04']
before_wo = [27,35,40,33]
after_wo = [30,38,42,37]

 

# plt.bar

# 세로막대기
import matplotlib.pyplot as plt
import numpy as np

n_data = len(members_id) # 4명
index_1 = np.arange(n_data) # Numpy 배열 (0,1,2,3)

plt.bar(index_1, before_wo, tick_label=members_id) # bar(x,y)에서 x=index, y= before_wo
plt.title('Before 세로막대기')
plt.show()

 

 

 

# 가로 막대 그래프를 생성
colors =['r','g','b','m']
plt.barh(index_1,after_wo, color=colors, tick_label = members_id)  # barh <- h만 넣어주면 됨
plt.title('After 세로막대기')
plt.show()

 

<2가지 세로막대기 생성으로 비교해보기>

# 하나의 창에서 두 개의 그래프를 그리자.
barwidth = 0.4
plt.bar(index_1,before_wo, color='c', align='edge', width=barwidth, label='before')
plt.bar(index_1+barwidth,after_wo, color='m', align='edge', width=barwidth, label='after')
plt.legend() # 범례
plt.xlabel('회원 ID')
plt.ylabel('근육량')
plt.title('운동 전후의 근육변화량 비교')
plt.show()

 

'AI > [Visualization]' 카테고리의 다른 글

[Seaborn] Seaborn 그래프 형태  (0) 2023.02.13
[Matplotlib] Pie그래프  (0) 2023.02.13
[Matplotlib] 산점도 찍기  (0) 2023.02.13
[Matplotlib] 시각화 첫 단계  (0) 2023.02.07
# 한국어 폰트 적용

import matplotlib
# matplotlib.rcParams['font.family'] = 'Malgun Gothic' # 윈도우즈의 '맑은 고딕'설정
matplotlib.rcParams['font.family'] = 'AppleGothic'    # 맥북 '애플 고딕'설정

matplotlib.rcParams['axes.unicode_minus'] = False

 

 

 

import matplotlib.pyplot as plt
import numpy as np
height = [165,177,160,180,185,155,172] # 키 데이터
weight = [62,67,55,74,90,43,64] # 몸무게 데이터
plt.scatter(height, weight)

plt.xlabel('Height(cm)')
plt.ylabel('Weight(kg)')
plt.title('Height & Weight')
plt.grid()  # 그리드

plt.scatter(height, weight, s=500, c='r') # s: 마커크기, c: 색

plt.show()

 

 

# 마커 크기를 변경하는 방법

plt.scatter(height, weight, s=500, c='r') # s: 마커 크기, c: 색깔
plt.show()

 

 

 

 

 

# 데이터마다 마커의 크기와 컬러를 다르게 지정

size = 100* np.arange(1, 8)
colors = ['r', 'g', 'b', 'c', 'm', 'k','y'] 
plt.scatter(height, weight, s=size, c=colors)
height = [165,177,160,180,185,155,172] # 키 데이터
weight = [62,67,55,74,90,43,64] # 몸무게 데이터       # 165, 62가 1번째 Red -> 177, 67 Green 순서대로
plt.show()

 

 

 

 

https://hyunmin1906.tistory.com/30

 

import numpy as np

city = ['서울','인천','대전','대구','울산','부산','광주']

# 위도(latitude)와 경도(longitude)
lat = [37.56, 37.45, 36.35, 35.87, 35.53, 35.18, 35.16]
lon = [126.97, 126.70, 127.38, 128.60, 129.31, 129.07, 126.85]

# 인구밀도
pop_den = [16154, 2751, 2839, 2790, 1099, 4454, 2995]

size = np.array(pop_den) * 0.2 # 마커의 크기 지정
colors = ['r','g','b','c','m','k','y'] # 마커의 컬러 지정

plt.scatter(lon, lat, s= size, alpha=0.5)
plt.xlabel('경도')
plt.ylabel('위도')
plt.title('지역별 인구밀도')

for x,y, city_name in zip(lon, lat,city):
    plt.text(x,y, city_name) # 경도, 위도에 따른 도시이름 mapping
    
    
plt.show()

'AI > [Visualization]' 카테고리의 다른 글

[Seaborn] Seaborn 그래프 형태  (0) 2023.02.13
[Matplotlib] Pie그래프  (0) 2023.02.13
[Matplotlib] 막대바  (0) 2023.02.13
[Matplotlib] 시각화 첫 단계  (0) 2023.02.07

휴대폰으로 스캔 다 되고, 본인 인증까지 다 되는데 왜 굳이

시간을 들여가면서 신분증 들고 복지센터 가서 팩스 민원을 넣어야 하나? 

 

예상 답변 : 서류를 빠르게 처리하기 위해서 A4형식의 종이가 필요하다

 

해결책 : 1. 디지털로온 서류를 자동프린트 해주는 기능 넣으면 끝 /

             2. 서류철 시대를 끝내자. 디지털 보관이 훨씬 안전하고 효율적이다.(물론 서버2중화 필요)

 

예상 답변 : 아직 팩스를 사용하시는 분이 많고 새로운 서비스를 도입하기엔 돈이 많이 들어간다

           1. 팩스를 없애자는 말이아니다. 하나의 옵션을 넣자는 거다.

           2. 클라우드서비스가 비싸다는 소리에는 전혀 이해할 수 없다.

 

예상답변 : 보안에 문제가 있다

           1. 신분증들고 복지센터가서 팩스 민원을 넣는게, 그 신분증으로 다른 채널을 통해서 보내는 거 보다 어떤점에서 보안상으로 안전한                건지 전혀 이해가 되지않음. 돈 문제가 걸린거라면 절차가 까다로워야 하는것에 대해선 이해가능

 

           2. 모바일 신분증을 사용하면 되지않는가? 

 

예상답변 : 작성 중

 

 

 

 

 

 

 

'글적글적 > 바꿔야할부분' 카테고리의 다른 글

저출산대책  (0) 2024.06.07
SI개발자 때문에 빡치는 경우  (1) 2022.11.23

+ Recent posts