본문 바로가기

분류 전체보기

 (212)
[Web] accessToken & refreshToken 처리를 위한 axios interceptors 설정 필요한 설정 내용 1. 요청시 로컬스토리지에 저장되어있는 access Token을 헤더에 담아서 보내기 2. 로컬 스토리지에 access Token이 없으면 컬 스토리지를 비우고 로그인 페이지로 보내기 3. access Token이 만료되어 401 응답을 받는 경우 access Token을 재발행 하기 4. access Token을 새로 발급 받고 있는 중에 들어온 작업들은 저장해 뒀다가 순차 실행하기 5. refresh Token도 만료되면 로컬 스토리지를 비우고 로그인 페이지로 보내기 import axios from "axios"; const axiosInstance = axios.create({ // timeout: 1000, // 세션만료 시간 headers: { "Content-Type": "a..
[Tensorflow 자격증 공부] Fully Connected Layer (Dense Layer) 1. Dense Layer (Fully Connected Layer) : 완전히 연결된 레이어 각각의 노드들이 완전히 연결되어있는 레이어 = Dense Layer = Fully Connected Layer = FC ㅇ 그림에서 보이는 하나의 동그라미는 = 노드 = 뉴런 이라고 한다. ㅇ 그림에서 각각의 layer 마다 노드의 개수가 다르다. hidden layer1의 Dense는 4 ㅇ input layer로 데이터가 들어와서 output layer로 데이터가 나간다. ㅇ input layer에서는 input_shape를 명시해 주어야한다. ㅇ 분류문제의 경우) output layer에서는 분류 class의 개수와 output layer의 노드의 개수가 일치해야한다. ex) 빨강/노랑/파랑 분류 문제시 ..
[Python] 네이버 이미지 크롤링하기 크롤링이란? 웹페이지에 있는 정보를 내가 원하는 것만 뽑아서 수집하는 것이다. 주로 크롤링으로 많이 하는 것들은 이미지 파일들이다. 이번에는 파이썬을 사용하여 이미지를 크롤링하고, 크롤링한 이미지 파일들을 opencv를 이용해서 원하는 포맷으로 편집까지 해보려한다. 크롤링에 많이 사용하는 것들은 뷰티풀숲(Beautiful Soup) 이다. 하지만 정적인 콘텐츠가 아니고, 동적인 콘텐츠의 경우 실제로 웹 창이 열려야 이미지 소스들이 그제서야(?) 웹페이지에 다운이 되는 경우가 많이 있다. 그래서 셀레니움(Selenium)을 사용한다. 1. 필요한 모듈을 설치한다. !pip install bs4 !pip install selenium !pip install opencv-python 2. 필요한 모듈을 imp..
[AI] 머신러닝을 위한 데이터 준비 1) 사전작업 실제 문제가 해결될 수 있는지? 준비한 데이터가 의미가 있는지? 효용성이 있는지? 2) Data Preparation 다양한 내외부의 소스 수집 Data -> Data Preprocessing / Feature Enginnering -> Feature -> Learning Data Preparatin Pipeline Data -> Data Acquisition(데이터 수집,획득) -> Data Preprocessing(처리) -> Feature Engineering(가공, 도메인) -> Feauture 머신러닝 프로젝트 성공의 열쇠 대다수의 Data Preparation 과 Feature Engineering 기법은 도메인에 많은 영향을 받는다 (Domain Specific) - Data ..
[AI] 머신러닝의 개념과 요소 Data란? 현실세계의 어떤 현상을 / 관찰하여 / 기록한 것 ex) 심장데이터 심장상태를 관찰(청진기)하여 기록한것(심박수) 데이터의 특징 1) Facts : 객관화된 자료 2) No meaning : 의미가 없다. 주변의 context 가 필요 3) Representation of real world : 자연어 처리 ㅇ Feature : 요인, 변수란? 데이터를 컴퓨터가 이해할 수 있도록 수치(numeric) 또는 디지털(digitized)로 표현한 것 ex) 남자/여자 --> 0/1 ex) Titanic Feature 타이타닉호 티켓을 디지털 형태로 컴퓨터가 이해하도록 표현한다. Synonym of Feature (동의/유사어) - 독립변수(Independent Variable) - 설명변수(Exp..
[Python] 파이썬 DataFrame(데이터프레임) 인덱싱, 슬라이싱 인덱싱은 필요한 칼럼이나 로우를 인덱스로 가져오는 것이다. 슬라이싱은 필요한 부분만 남기고 잘라내는 것이다. 1) .loc : 명시된 인덱스 참조 import numpy as np import pandas as pd family_df = pd.DataFrame({"Gender":gender_series, "Age":age_series, "Job":job_series}) Gender Age Job Flin Male NaN Student Hank Male 30.0 DEA Mary Female 25.0 Doctor Skyler Female 38.0 Accountant # "Hank"라고 명시적으로 인덱스 표기하여 데이터 추출하기 print(family_df.loc["Hank"]) # 결과 Gender Male..
[Git] 원격 브랜치 로컬pc로 가져와서 작업하기 ( + 에러 해결 fatal: Ambiguous object name: 'origin/tom_20211220_refreshTokenApply') 원격 레포지토리에 있는 브랜치를 로컬 PC로 가져와서 작업하기 1. remote branch 정보를 최신으로 업데이트하기 (master에서 진행) git remote update 2. 어떤 브랜치를 가져올지 정확한 브랜치명 확인 (master에서 진행) git branch -r 3. 원격 브랜치를 로컬로 가져오기 (master에서 진행) git branch -t origin/tom_20211220_refreshTokenApply 4. 생성된 브랜치 확인 git branch 5. 생성된 브랜치로 이동 git checkout origin/tom_20211220_refreshTokenApply 6. 이동한 브랜치 다시한번 pull 확인 git pull origin tom_20211220_refreshToken..
[Next.js] Props `className` did not match. Warning: Prop `className` did not match. Server: "sc-gKclnd ctBXSH" Client: "sc-dkPtRN hSjZFd" Next.js로 Styled-components 사용하면, 최초 빌드하여 랜더링은 문제 없이 잘 되는데, 몇번 새로고침을 하면 위와같은 에러가 발생할 때가 있다. Next는 처음 페이지는 SSR(서버사이드 랜더링)으로 작동하고 이후는 CSR(클라이언트 사이드 렌더링)으로 작용하기 때문에, 서버에서 받은 해시 클래스명과 이후 클라이언트에서 작동하는 해시클래스명이 달라져서 스타일을 적용하지 못하는 현상이다. [최초 랜더링] : 정상 작동 [n번 새로고침 시] : Warning과 함께 스타일 적용 안됨 해결방안 바벨 플러그인을 설치하고 바벨 ..
[React] 사파리 '홈 화면에 추가' 시 앱 이름 변경하기 개발한 웹페이지를 모바일에서 사용하기 위해 여러가지 설정들을 해주어야 한다. 그 여러가지 설정 중에 하나를 오늘 기록하려 한다. 바로 '홈 화면에 추가' 기능이다. PC라고 생각했을 때 바로가기 기능과 같다. 다만 모바일에서 '홈 화면에 추가'를 해두면, 웹이 앱처럼 동작하게 만들어 준다. 우선 아무 설정을 하지 않았을 때는 React App이라는 Default 설정 값으로 바로가기 이름이 생성된다. 나는 이 React App을 서비스 이름으로 변경하고 싶었다. 홈화면에 추가 (바로가기 기능)에서 참조하는 파일이 바로 manifest.json 파일이다. 최초 리액트 세팅시 create-react-app 명령어를 통해서 public 폴더에 manifest.json 파일이 생성된다. manifest.json..
[AI] 머신러닝을 위한 모델구축 및 평가과정 ㅇ 데이터과학의 목표 : 의사결정지원, 수익화(수익창출) ㅇ 머신러닝의 목표 : 예측과 패턴분석 ㅇ 전체적인 머신러닝 업무 프로세스 1) 문제파악 및 문제정의 2) 데이터 준비 3) 모델구축 & 평가 4) 결과 공유 5) 모니터링 ------------------------------------------------------ 1. 문제파악 및 문제정의 [세부프로세스] 비즈니스문제파악 - 머신러닝 문제로 전환 - 머신러닝 도입 가능성/필요성 검토 - 효과검증 설계 1) 비즈니스문제파악 = 문제정의(Define the Problem) 머신러닝 프로젝트를 시작할 때 해결해야하는 비즈니스 문제를 명확하게 먼저 정의 2) 머신러닝 문제로 전환 머신러닝의 종류 (1) Supervised Learning (지도학습..

티스토리툴바