k777agent 님의 블로그

[빅데이터] 빅데이터 강의요약(2)

빈발 패턴 분석이란 무엇일까요?가장 쉽게 설명하자면, "무엇이 자주 함께 나타나는가?"를 찾아내는 것입니다. 예를 들어, 마트에서 고객들이 어떤 상품들을 자주 함께 구매하는지 분석하는 것이 대표적인 빈발 패턴 분석의 응용 사례입니다.이렇게 데이터 집합에서 자주 나타나는 패턴을 빈발 패턴이라고 부릅니다. 이 빈발 패턴은 데이터 간의 흥미로운 연관성과 상관관계를 파악하는 데 핵심적인 역할을 합니다.어디에 활용될까요?빈발 패턴 분석은 실생활의 다양한 분야에서 활용됩니다.장바구니 분석(Market Basket Analysis): 마트에서 "이 상품을 산 사람은 저 상품도 산다!"는 규칙을 발견하여 상품 진열, 프로모션 전략 수립에 활용합니다.교차 마케팅(Cross-Marketing): 특정 제품을 구매한 고객에..

데이터는 우리 삶 곳곳에 존재하며, 웹사이트부터 전자상거래, 금융 거래, 소셜 네트워크까지 우리가 상호작용하는 모든 곳에서 끊임없이 수집됩니다. 이러한 데이터는 단순히 숫자의 나열이 아니라, 그 안에 가치와 지식을 담고 있기에 "데이터는 힘이다(Data is Power)"라고 불릴 만큼 중요합니다. 구글, NSA, 바이두, 페이스북과 같은 거대 기업들은 이미 페타바이트(PB)에서 엑사바이트(EB)에 이르는 방대한 데이터를 저장하고 매일 엄청난 양의 데이터를 처리하고 있습니다.빅데이터, 과연 무엇일까요?빅데이터는 기존의 데이터 처리 방식으로는 다루기 어려운, 너무나 크고 복잡한 데이터 집합을 의미합니다. 이러한 빅데이터는 주로 3V + 1ML이라는 특징으로 설명됩니다.Volume (양): 데이터의 규모가 ..

안녕하세요! 2025년 6월 11일, 약 3개월간의 대장정이었던 4학년 졸업 작품, 캡스톤 프로젝트를 성공적으로 마무리했습니다. 졸업논문과도 이어지는 프로젝트였던 만큼 정말 많은 노력을 쏟아부었는데요. 이번 포스팅에서는 그동안의 여정을 되돌아보며 느꼈던 점들을 솔직하게 공유해 보려고 합니다.팀장으로서의 고민, 그리고 새로운 도전저는 이번 프로젝트에서 팀장을 맡았습니다. 팀을 이끌어야 하는 자리였기에, 개인적으로 가장 하고 싶었던 프런트엔드 개발을 우선시할 수 없었던 점이 처음에는 아쉽게 느껴졌습니다. 하지만 팀원들의 역량이 최대한 빛을 발하도록 돕는 것이 팀장으로서의 중요한 역할이라고 생각했습니다.그래서 저는 프런트엔드와 팀원들이 구현한 기능들을 백엔드에서 원활하게 처리하고 프런트엔드에서 작동될 수 있도..

안녕하세요! 가상피팅 서비스 프로젝트의 백엔드와 프런트엔드를 성공적으로 배포한 과정을 공유해 드리고자 합니다. 저희는 프런트엔드는 Netlify를, 백엔드는 Ngrok을 활용하여 배포를 진행했습니다. 각각의 배포 과정과 장점을 함께 살펴보시죠!1. 프런트엔드 배포: Netlify로 빠르고 간편하게!Netlify는 정적 웹사이트 호스팅 및 배포를 위한 강력한 플랫폼입니다. 특히 React와 같은 SPA(Single Page Application) 배포에 매우 최적화되어 있습니다.Netlify 배포 과정:프로젝트 준비: React 앱을 빌드합니다. npm run build 또는 yarn build 명령어를 실행하면 build 폴더에 배포 가능한 정적 파일들이 생성됩니다.Netlify 가입 및 로그인: Net..

딥러닝 기반 퍼스널 컬러 및 체형 분석👚오늘은 사용자에게 더욱 정확하고 개인화된 의류 추천을 제공하기 위해 '모델 이미지 분석' 기능이 어떻게 구현되었는지, 특히 '퍼스널 컬러 예측' 부분이 백엔드와 프런트엔드에서 어떻게 처리되는지 자세히 알아보겠습니다.1. 🌈 퍼스널 컬러 예측, 어떻게 이루어지나요?DeepShopping은 사용자가 업로드한 이미지를 분석하여 퍼스널 컬러를 예측합니다. 이 과정은 주로 백엔드에서 이루어지며, main.py 파일의 analyze_image 엔드포인트가 핵심적인 역할을 합니다.personal color predict 디렉토리의 핵심 파일들:skincolor.py: 이 파일에는 얼굴 이미지에서 피부 영역을 추출하고, 추출된 피부색을 기반으로 퍼스널 컬러를 분류하는 로직이 ..

ComfyUI CatVTON 워크플로우 자동화 스크립트이 스크립트는 ComfyUI 서버에 연결하여 CatVTON 워크플로우를 실행하고, 지정된 입력 이미지를 사용하여 최종 결과 이미지를 가져와 저장합니다. 1. 초기 설정 및 변수 ComfyUI 서버 주소: COMFYUI_URL 및 SERVER_ADDRESS 변수에 ComfyUI 서버의 기본 주소가 설정됩니다 (기본값: http://127.0.0.1:8188). 워크플로우 JSON 경로: WORKFLOW_JSON_PATH 및 DEFAULT_WORKFLOW_PATH는 스크립트 실행 위치를 기준으로 CatVTON 워크플로우 JSON 파일의 경로를 지정합니다. 클라이언트 ID: WebSocket 통신을 위한 고유 클라이언트 ID가 생성됩니다. 출력 디렉..

이번에 캡스톤에서 나에게 맞는 옷을 찾기 위한 llm에 부분에서 사용할 api가 필요하였습니다. 그래서 이번기회에 사용할 api들을 비교하면서 무엇을 사용하였는지에 대해 이야기 해볼려고 합니다. 저희 프로젝트에서 사용하는 api는 Gemini api와 Serper api라서 이것들을 중점적으로 살펴볼려고 합니다. Gemini API란Gemini API는 Google DeepMind가 개발한 멀티모달 대형 언어 모델(LLM) 입니다. 자연어 처리, 이미지 분석, 코드 생성 등 다양한 기능을 하나의 API에서 사용할 수 있습니다.현재 gemini api를 사용하는 방법에 대한 코드 예시 입니다.from google.generativeai import GenerativeModelmodel = Generativ..

서론이번 캡스톤 프로젝트의 결과물을 보여주기 위하여 프런트엔드와 백엔드로 프로그램 작동을 구현시키려고 합니다. 이때 React와 Fast-api로 만들려고 하는데 설치 및 이 2개의 프로그램을 사용한 이유에 대해서 이야기 해보려고 합니다. 🛠️ 설치 방법1. React 설치npx create-react-appnpm startcreate-react-app을 이용하면 프로젝트 템플릿이 자동으로 생성되며, 개발 서버가 자동으로 열립니다 2. FastAPI 설치# 가상환경 설정 (선택 사항)python -m venv venvsource venv/bin/activate # Windows는 venv\Scripts\activate# FastAPI와 Uvicorn 설치pip install fastapi uvico..

개요이번에 캡스톤에서 작업 중인 가상피팅서비스를 위한 대규모 언어모델 개발이라는 프로젝트를 하고 있습니다. 현재 작업을 하면서 다시 우리가 정확히 어떤 프로그램을 만드는지 점검하는 시간이 필요한 것 같아서 구상도를 소개하면서 천천히 이야기해볼려고 합니다.현재 저희의 프로젝트는 Search Agent와 Fitting Agent로 구성된 Multi Agent의 형태로 Search Agent 후에 나오는 결과물을 Fitting Agent로 보내서 사용자에게 가상으로 옷을 입혀진 모습을 보여주는 시스템입니다. 먼저 Search Agent부터 보도록 하겠습니다. Search Agentflowchart TD start(["시작"]) --> PrelimInvest["PreliminaryInvestigation"..

👗 CatVTON 설치 및 실행 가이드 (Zheng Chong 버전)"복잡한 구성 없이도 고품질 가상 피팅을 경험하세요!"CatVTON은 복잡한 구조 없이도 높은 품질의 가상 피팅(Virtual Try-On)을 가능하게 하는 최신 딥러닝 모델입니다. 이 가이드에서는 ComfyUI 기반 설치와 Gradio 앱 실행 두 가지 방법을 통해 CatVTON을 설치하고 실행하는 방법을 안내합니다.📌 사전 준비 사항Python 3.8 ~ 3.10 권장CUDA 지원 GPU (최소 6GB, 8GB 이상 권장)Git 설치CUDA 및 cuDNN 설치 (NVIDIA GPU 사용 시)🧩 1. ComfyUI 기반 설치1-1. ComfyUI 설치git clone https://github.com/comfyanonymous/C..