다나와

RSS

게시글: 128
등록: 2026년부터

All Frontend Backend AI DevOps Architecture Etc

AI
IntelliJ chatGPT Plugin Setting
이 글은 IntelliJ IDE에서 ChatGPT 플러그인을 설정하고 사용하는 방법에 대해 설명합니다. 일반적인 브라우저 기반 ChatGPT 사용보다 IDE 내 플러그인 활용이 접근성과 실용성 측면에서 효율적이라고 언급하며, 플러그인 설치부터 API 키 설정까지의 과정을 상세히 안내합니다. IntelliJ Marketplace에서 'ChatGPT' 플러그인을 검색하여 설치하고, OpenAI API 키를 발급받아 플러그인 설정에 연동하는 방법을 이미지와 함께 보여줍니다. 설정 완료 후에는 코드 블록을 선택하여 ChatGPT에 명령을 내리는 등 다양한 활용 예시를 제시합니다. 이 플러그인을 통해 개발 생산성을 향상시킬 수 있음을 시사합니다.
IntelliJ 플러그인ChatGPTPlugin
다나와·2023년 3월 16일
AI
DACON을 통한 코드 실습 - FIFA 선수 이적료 예측
이 글은 DACON 플랫폼을 활용하여 FIFA 선수 이적료 예측이라는 회귀 문제를 해결하는 과정을 담고 있습니다. 선수들의 다양한 특성 데이터(나이, 대륙, 포지션, 능력치 등)를 기반으로 이적 시장 가격을 예측하는 것을 목표로 합니다. 데이터 분석 단계에서는 데이터프레임의 구조 파악, 결측치 확인, 컬럼별 자료형 확인 등 기본적인 탐색적 데이터 분석(EDA) 기법을 적용합니다. Pandas, Matplotlib, Seaborn 라이브러리를 사용하여 데이터를 시각화하고 이해하는 과정을 보여주며, 머신러닝 모델 구축을 위한 데이터 전처리 및 준비의 중요성을 강조합니다.
머신러닝회귀FIFA
다나와·2022년 12월 5일
AI
머신 러닝 로지스틱 회귀
이 글은 머신러닝의 대표적인 알고리즘 중 하나인 로지스틱 회귀에 대해 설명합니다. 로지스틱 회귀는 합격/불합격, 정상 메일/스팸 메일과 같이 두 가지 선택지 중 하나를 결정하는 이진 분류(Binary Classification) 문제에 주로 사용됩니다. 글에서는 이진 분류 문제의 개념을 소개하고, 이를 해결하기 위한 핵심 함수인 시그모이드 함수(Sigmoid function)를 설명합니다. 시그모이드 함수는 0과 1 사이의 값을 가지며 S자 형태의 그래프를 그려 이진 분류 문제의 출력을 효과적으로 표현합니다. 또한, 로지스틱 회귀의 가설을 세우는 과정에서 가중치(w)와 편향(b)을 구하는 것이 중요함을 언급합니다.
머신러닝로지스틱 회귀이진 분류
다나와·2022년 12월 1일
AI
머신 러닝 선형 회귀
이 글은 머신러닝의 기본적인 알고리즘 중 하나인 선형 회귀에 대해 설명합니다. 선형 회귀는 하나 이상의 독립 변수와 종속 변수 간의 선형 관계를 모델링하는 기법입니다. 독립 변수가 하나인 단순 선형 회귀와 여러 개인 다중 선형 회귀로 나눌 수 있으며, 각각의 개념과 분석 과정을 예시와 함께 소개합니다. 특히, 독립 변수와 곱해지는 가중치(weight)와 별도로 더해지는 편향(bias)의 개념을 머신러닝 용어와 직선의 방정식에 빗대어 설명하며, 다중 선형 회귀에서는 집값 예측과 같이 여러 요인이 결과에 영향을 미치는 경우를 다룹니다. 이 글을 통해 선형 회귀의 기본 원리와 적용 방식을 이해할 수 있습니다.
머신러닝선형 회귀독립 변수
다나와·2022년 9월 13일
AI
엘라스틱서치 유사 이미지 검색
이 글은 엘라스틱서치를 활용하여 유사 이미지 검색 기능을 구현하는 방법을 소개합니다. 유사 이미지 검색은 딥러닝 및 벡터 유사도 방식을 사용하며, opencv, faiss와 같은 라이브러리가 대표적으로 활용됩니다. 구현 순서는 색인 시 상품 정보와 이미지 URL을 받아 이미지를 다운로드하고 벡터화한 후 엘라스틱서치에 저장하는 과정과, 검색 시 이미지 URL을 받아 벡터화한 후 엘라스틱서치에서 유사 이미지를 찾는 과정으로 나뉩니다. 본문에서는 색인 과정 중 상품 정보와 이미지 URL을 가져오는 부분, 이미지 다운로드, 그리고 이미지를 벡터화하는 코드 예시를 제공합니다. 특히, 이미지 벡터화 과정에서 딥러닝 모델(Keras)을 활용하는 방안을 제시하며 엘라스틱서치의 기능을 확장하는 방법을 보여줍니다.
엘라스틱서치유사 이미지 검색벡터화
다나와·2022년 7월 8일
AI
제안검색 조사
본 글은 다나와 기술 블로그에서 제안검색 도입을 고려하며 진행한 조사 내용을 담고 있습니다. 사용자의 오타로 인해 검색 결과가 0건으로 나오는 문제를 해결하고, 사용자 의도를 파악하여 편의성을 높이는 것을 목표로 합니다. 네이버와 구글의 제안검색 사례를 분석하며, 특히 네이버의 AIQSpell 검색어 교정 시스템과 구글의 검색 결과 정확성에 대해 비교합니다. 두 플랫폼 모두 오타 발생 시 사용자가 의도한 키워드로 결과를 보여주며, 이를 통해 제안검색 서비스의 중요성과 기술적 접근 방식에 대한 인사이트를 제공합니다.
제안검색검색어 교정오타
다나와·2020년 9월 8일