본문 바로가기

전체 글

(41)
FastAPI 시작과 CRUD 구현 시작 원래 이전 글에서, 바로 FastAPI를 다루고자 했습니다. 그런데 간단한 API를 만들고 서빙을 하기 위해서는 결국 네트워크에 대한 지식이 아주 약간은 있어야 하기 때문에 관련 설명을 했습니다. 오늘은 원래 목표대로 FastAPI에 대해서 다루겠습니다. FastAPI 이전 글의 마지막에 언급한 것처럼, FastAPI는 파이썬의 웹 프레임워크 입니다. 외부에서 호출할 수 있는 API를 쉽게 구현할 수 있게 해주는 프레임워크죠. Flask, Django 등 파이썬에는 자주 쓰이는 웹 프레임워크가 있는데, 예시로 FastAPI를 선택한 이유는 이렇습니다. 머신러닝 엔지니어 (또는 데이터 분석가 등)은 파이썬이 가장 익숙한 프로그래밍 언어 일 것 입니다. FastAPI는 이렇게 파이썬에 익숙한 분들에게 ..
머신러닝 모델 서빙이란 - 서빙이 무엇...? 글에 들어가기에 앞서… 저의 글은 사전 지식이 굉장히 적은 분들을 대상으로 합니다. 앞으로 한동안 쓰려고 하는 글들은 ‘머신러닝, 딥러닝 모델을 만져봤는데 이걸 어떻게 서빙하는거지?’ 에 대한 답변 입니다. 즉 나에게 어떤 ‘모델’은 있는데, 이걸 다른 사람이 어떻게 사용하게 할지 또는 어떻게 서비스로 만들지에 대한 정리입니다. 로컬에서 GPU 없이 돌아가는 아주 작은 모델부터 시작해서, 웹프레임워크, 데이터베이스 등에 대한 개념을 익혀가고, 서버들을 클라우드에 올려보고, 쿠버네티스 사용해보고, MLOPS 프레임워크 사용해보고 등을 목표로 하고 있습니다. 물론 저도 아주 기초적인 수준의 지식만 가지고 있습니다. 따라서 저도 여러 좋은 자료들을 보며 공부해가면서, 나름의 경험과 함께 잘 조합해서 포스팅 해..
글또를 시작하는 마음 (앞으로 6개월 간의 토이프로젝트) 서문 오랜만에 포스팅을 합니다. 글쓰는 또라이 (글또) 라는 모임에 들었습니다. 개발과 관련된 다양한 사람들 (다양한 직군, 또는 학생, 취준생 분들 등)이 각자 개발과 관련된 글을 꾸준히 올리는 모임입니다. (자세한 사항은 글또 소개글 참고) 그래서 앞으로 6개월 간 다시 꾸준히 포스팅을 할 예정입니다. 사실 이 블로그를 처음 운영했을때와 비슷합니다. 당시에도 공부를 꾸준히 하기 위해 + 부가적인 이유들로 인해 이 블로그를 만들었고, 그때도 4개월 정도 글을 꾸준히 올렸습니다. 그때는 일주일에 3개 정도를 목표로 글을 작성했었죠. 이번에는 2주에 한번씩 글을 포스팅 할겁니다. 4년전에는 딥러닝을 공부하면서 관련 내용을 정리했었습니다. 이번에도 딥러닝과 관련된 주제에 관해 포스팅을 하려고 합니다. 다만 ..
간단한 모델링 코드 공유 - github https://github.com/Gorosia/Stock_Prediction_Basic 이제까지 포스팅한 글들, 코드를 바탕으로 주식 모델링 관련 간단한 코드들을 작성해서 github에 공유해두었습니다. 필요한 라이브러리나, 사용방법등은 gitgub에 공유해두었습니다. 한국 주식들 크롤링 해서, 기술적 지표들 만들고, 간단한 모델링 진행하는 코드 입니다. 물론 결과가... 좋지는 않지만 원하시는 모델 구조를 만들던가 하는 데 바탕이 될 수는 있을 거 같네요.
17. GAN - 예제코드 이전 GAN 소개글에 이어서 GAN의 구현에 대한 글을 작성해보겠습니다. 전체 코드는 늘 그렇듯이 코랩에 작성해두었습니다. (https://colab.research.google.com/drive/1v7OYMjLF1zkYUzcuCSUdpzUmIm_dCPPz#scrollTo=9R6X81WJsyqmhttps://colab.research.google.com/drive/1v7OYMjLF1zkYUzcuCSUdpzUmIm_dCPPz) 참고한 코드는 Tensorflow2의 공식 튜토리얼 입니다. (https://www.tensorflow.org/tutorials/generative/dcgan) 1. 데이터 GAN은 훈련시키기가 무척이나 어려운 구조 입니다. 그래서 간단한 MNIST 데이터를 이용했습니다. 사실 이 ..
16. GAN - 생성모델 1. GAN GAN은 Generative Adversarial Nets의 줄임말 입니다. 딥러닝에 대해서 관심이 있으시거나 공부를 하신분이라면 GAN이란 이름을 많이 들어보셨을 겁니다. GAN 2014년에 발표된 이후로 엄청난 인기를 끌어서 지금까지도 끊임없이 연구되고 관련 논문이 나오고 있습니다. 그 이유는 생성모델로써 엄청난 가능성을 보여주었기 때문이라고 생각합니다. 물론 생성 모델로써만 사용되는 것은 아닙니다. 기존 머신러닝은 보통 예측, 분류 등의 task를 주로 수행합니다. 예측과 분류에서는 대단한 성능을 보여주고 있지만 생성 모델에서는 그렇지 못했습니다. 하지만 GAN이 등장하고 나서 부터는, 이제 생성모델에서도 인간을 뛰어넘는 성능을 보여주지 않을까라는 기대심을 갖게 된 것이죠. 2. GAN..
딥러닝으로 캔들스틱 차트 이용해서 주식 예측 - 예제코드 지난번 논문을 읽고 그 논문관련 코드를 작성해보았습니다. 이미 코드가 전부 공개되어 있긴 하지만, 공부를 위해서는 역시 내가 원하는 식으로 작성해보는게 도움이 될 것 같아서였습니다. 코드를 간단하게 바꿔보고자 하는 마음도 있었습니다. 코드는 크게 3가지 파트로 구성하였습니다. 1. 주식 데이터를 캔들스틱 차트로 바꾸기 2. 차트와 라벨을 이용해서 데이터 제너레이터 생성 3. 모델 훈련 1. 주식데이터를 캔들스틱 차트로 바꾸기 Colab을 이용했기 때문에 코드 상단에 구글드라이브 폴더를 mount 하는 부분이 있습니다. 이부분은 local에서 진행할떄나 colab에서 진행할때나 어쨌든 주식 데이터가 있는 곳을 지정해주면 됩니다. 이부분의 코드는 DeepCandle 소스코드를 참고했습니다. 기존 소스코드는 ..
딥러닝으로 캔들스틱 차트 이용해서 주식 예측 - 논문요약 Using Deep Learning Neural Networks and Candlestick Chart Representation to Predict Stock Market 위의 제목을 한 논문이 있습니다. 이름부터 꽤 흥미가 있어서 논문을 읽어보았습니다. 1. 소개와 이전연구 논문의 주된 내용은 주식 데이터를 Candlestick chart로 바꿔서 딥러닝을 통해 학습 했다는 내용입니다. 그 이전에도 캔들스틱 차트를 이용해서 머신러닝, 인공신경망 등을 학습한 연구가 있었습니다. 최근에는 딥러닝을 통해 주식 시장을 예측할때, 뉴스 데이터, 재무 데이터, SNS에서 가져온 감정 데이터 등 주가 외의 데이터를 이용하는 경우도 많았습니다. 이 논문의 contribution은, 캔들스틱 차트를 데이터로 사용하고..