반응형 코랩5 [업무자동화 with Python] 파이썬 한글 폰트 설치 / Colab에서 한글 폰트 설치 / Pyplot 한글 폰트 설치 구글 코랩을 활용해서 파이썬을 구현하던 중 Pyplot에서 한글 폰트가 설치가 안되어서 귀찮거나 곤란한 경험이 있으실 것 같은데요 그 중 한 명이 바로 접니다. ^^;; 저는 업무 및 컴퓨터 특성상 코랩을 많이 활용하는데요. 이때 한글 폰트가 설치안되면 시각화 할때 곤란한 경우가 종종 있었습니다. 단 몇 줄의 코드로 간단하게 코랩에서 한글 폰트를 설치하고 분석에 활용하는 방법을 알려드리겠습니다. 1. 파이썬 한글 폰트 설치 / Colab에서 한글 폰트 설치 / Pyplot 한글 폰트 설치- 먼저 아래 코드를 실행해서 무료 한글 폰트인 naum 폰트를 설치해줍니다.!apt-get install -y fonts-nanum!fc-cache -fv!rm -rf ~/.cache/matplotlib - 이제.. 2025. 3. 4. [머신러닝 with Python] Prophet 모델 구현하기(시계열 예측) / Peyton Manning 웹 트래픽 데이터 활용 / [Google 코랩] 이번에는 지난 포스팅에 이어서 Prophet 모델에 대해서 알아보겠습니다. 지난번 포스팅에서는 주로 Prophet 모델과 라이브러리에 대해서 개념적으로 알아보았는데요[머신러닝 with Python] Prophet 모델 알아보기(시계열 예측) [머신러닝 with Python] Prophet 모델 알아보기(시계열 예측)이번에는 시계열 예측(Time Series Forecasting) 모델 중 라이브러리 형태로 쉽게 구현 가능하면서도 효과적인 Prophet 모델에 대해서 알아보겠습니다. Prophet은 (구) Facebook ( 현: Meta) 에서 만든 시계열jaylala.tistory.com 이번에는 실제 데이터를 활용해서 모델을 구현해보도록 하겠습니다. 1. Peyton Manning 웹 트래픽 데이.. 2025. 3. 2. [딥러닝 with Python] ROCKET(RandOm Convolutional KErnel Transform) (시계열 특징 추출 / 시계열 분류) (2/2) 이번에는 지난 포스팅에서 알아본 개념을 바탕으로 파이썬 코드 구현을 해보도록 하겠습니다. [개념정리] ROCKET(RandOm Convolutional KErnel Transform) (시계열 특징 추출 / 시계열 분류) (1/2) ROCKET은 sklearn 과 tsai 라는 두 라이브러리에서 쉽게 구현이 가능하며, 이 중 tsai의 경우 gpu 연산을 지원하기에 딥러닝 모델에도 쉽게 적용할 수가 있어서 이번 코드 구현은 tsai를 통해서 해보겠습니다. 또한, 범용적인 구현을 위해 Google의 Colab 환경에서 무료로 제공하는 GPU인 T4를 가지고 구현했습니다. 1. ROCKET을 통한 시계열 분류1) 이번 구현에 활용할 데이터는 UCR datasetd에 있는 "FigerMovement.. 2024. 10. 14. [딥러닝 with Python] 변이형 오토인코더(Variational Auto Encoder) 추가본 - CelebA Faces 활용 [해당 포스팅은 "만들면서 배우는 생성 AI 2탄" 을 참조했습니다] 이번 지난번 2편의 변이형 오토 인코더에 대한 포스팅의 확장 버전입니다.[생성 AI] 변이형 오토인코더(Variational Auto Encoder) (1/2) [생성 AI] 변이형 오토인코더(Variational Auto Encoder) (1/2)[해당 포스팅은 "만들면서 배우는 생성 AI 2탄"을 참조했습니다] 1. 변이형 오토인코더(VAE, Variational Auto Encoder)란?- 변이형 오토인코더, VAE는 심층 신경망을 이용한 생성 모델의 하나로, 데이터의jaylala.tistory.com[생성 AI] 변이형 오토인코더(Variational Auto Encoder) (2/2) [생성 AI] 변이형 오토인코더(Vari.. 2024. 5. 31. 이전 1 2 다음 반응형
