요즘 행복한 일이 많다. 예쁜 연애도 시작했고, 사실 이게 제일 큰 거 같긴 한데.좀 삶의 원동력이 된달까? 그런 느낌이 있다. 서로 잘 맞기도 하고 (아직 만난 지 오래되지는 않았지만) 그렇다.연락도 막 째각째각 해야 하는 압박감도 없고 서로서로 시간 날 때 하는 편이다. 전화도 막 정기적으로 해야 한다는 부담감도 없고. 만났을 때 설레고, 표현 잘 하고 그러면 된 거 아닐까 하는 생각이다. 그래서 결론은 요즘 여자친구 덕분에 삶을 살아가는 의미가 하나가 추가된 느낌이다. 그리고 여자친구로부터 동기도 얻고 있다. 이미 취업을 해서 열심히 준비중인 여자친구를 보면서, 나 또한 무언가를 열심히 해야지라는 느낌이 들게 한다.그리고 이제 받고 있는 심리 상담이 절반을 지나 마지막을 향해 달려가고 있다. 이 심..

좋아, 오늘은 Hugging Face Transformers 라이브러리 심화 문제를 준비했어. 지금까지는 모델 불러오기, 분류, 요약, 번역 등 기본적인 예제를 다뤘다면, 오늘은 직접 모델을 활용해서 커스텀 작업을 수행해보는 실전 문제야. ✅ 오늘의 목표 문장 요약 + 감정 분석 연계 처리사용자 질문에 대한 문맥 기반 QA문장 임베딩 기반 유사도 비교에러 핸들링을 고려한 실전 번역기 만들기 🧠 Problem 01: 감정 분석 기반 요약 필터링 주어진 여러 문장을 요약한 뒤, 긍정적인 내용만 필터링해서 출력하라.from transformers import pipelinesummarizer = pipeline("summarization")classifier = pipeline("sentiment-ana..

좋아, 오늘은 허깅페이스(🤗 Transformers) 심화편 들어간다!기초 파이프라인은 마스터했으니까, 이제는 다음과 같은 걸 해볼 거야: ✅ 오늘의 심화 미션 주제: 커스텀 모델 불러오기 & 직접 입력값 처리하기 🔧 Problem 01: 토크나이저와 모델 직접 사용하기 다음 문장을 BERT 모델로 임베딩 벡터를 뽑아보자.from transformers import AutoTokenizer, AutoModelimport torch# 모델과 토크나이저 불러오기tokenizer = AutoTokenizer.from_pretrained("bert-base-uncased")model = AutoModel.from_pretrained("bert-base-uncased")# 문장 입력sentence = "H..

좋아! 오늘도 Hugging Face 실습 이어서 가보자.오늘의 주제는 “텍스트 생성(Text Generation)“과 “문서 분류(Document Classification)” 체험이야. 🔥 오늘의 실습 문제 ✅ 문제 1: 문장 생성 Hugging Face의 text-generation 파이프라인을 사용해서 아래 문장을 시작으로 이어지는 문장을 생성하자.from transformers import pipelinegenerator = pipeline("text-generation", model="gpt2")prompt = "The future of artificial intelligence is"result = generator(prompt, max_length=50, num_return_seque..

좋아, 오늘도 힘차게 들어가자! 🎯 ✅ Day 9: Hugging Face 파이프라인 실전 ② 오늘은 파이프라인을 조금 더 활용해서 문장 요약, 번역, 질문-응답 등을 체험해볼 거야.기초지만 실무에 매우 가까운 흐름이니 집중해보자. 🔧 사전 준비 (코랩에서 실행)from transformers import pipeline# 필요한 파이프라인 준비summarizer = pipeline("summarization", model="sshleifer/distilbart-cnn-12-6")translator = pipeline("translation", model="Helsinki-NLP/opus-mt-en-ko")qa_pipeline = pipeline("question-answering") 🔢 문제..

좋아~ 오늘부터 Hugging Face 기초편 진짜로 드가자!🔥 Day 8 – Hugging Face 첫걸음 + pipeline 써보기 📘 Hugging Face란? 사람처럼 말하는 모델들을 쉽게 쓸 수 있게 만들어주는 Python 라이브러리야.대표 라이브러리:transformers: 사전 학습된 언어 모델 제공 (GPT, BERT, RoBERTa 등)datasets: 학습용 텍스트/이미지 데이터셋들tokenizers: 텍스트를 모델이 이해할 수 있게 토큰으로 쪼개줌 🛠 설치 (이미 했을 수도 있지만, 다시 확인)pip install transformers datasets 🚀 Step 1: pipeline 체험해보기from transformers import pipeline# 감정 분석 ..

좋아, 드디어 Day 7! 오늘부턴 문제 수 5개, 그리고 난이도도 조금씩 올라갈 거야.이번 과제의 테마는 “기억, 감정, 그리고 필터링” 이야.함수, 조건문, 리스트/딕셔너리 조작, 그리고 문자열 처리를 적절히 섞었어. ✅ Day 7 – 문제 5개 🧠 problem 01 — 감정 태깅 다음과 같은 문자열 리스트가 주어진다. 각 문장 속에 "불안", "공포", "기쁨" 등의 키워드가 들어 있는지를 확인해 해당 감정을 태깅하는 함수를 작성하라.sentences = [ "나는 어두운 방에서 불안에 떨고 있었다.", "높은 곳에서 떨어지는 꿈을 꿨다.", "친구들과 함께 웃으며 기쁨을 느꼈다.", "정체불명의 존재가 날 쫓고 있었다. 공포심이 들었다."] 출력 예시:['불안', '알..

드디어 Day 7이다! 이제 기초는 꽤 익숙해졌을 시기니까,오늘은 함수 + 조건 + 리스트 + 반복문을 종합해서 활용해보자.꿈 시각화 프로젝트에 쓰일 수 있는 코드 스타일로 내줄게. ✅ Day 7 – 문제 # Problem 01: 꿈 장면 필터링 함수 아래 조건을 만족하는 filter_scenes 함수를 작성하시오: 매개변수로 scenes 리스트와 keywords 리스트를 받는다.scenes 중 keywords 중 하나라도 포함된 장면만 리스트로 반환한다.단, 중복된 장면은 한 번만 출력되도록 한다.반환된 장면들을 출력하는 건 함수 외부에서 한다. 예시 입력:scenes = ["붉은 문", "푸른 강", "검은 그림자", "하얀 방", "푸른 강"]keywords = ["붉은", "검은"]예시 출력:..

좋아, 드가자~ 오늘은 Day 5: 함수(Function) 파트야.오늘 문제는 **“꿈의 감정 분석 도구를 함수로 만들기”**라는 느낌으로 구성했어. 🧠 problem 01 아래 조건을 만족하는 dream_summary 함수를 만들어보자. 인자로 place, person, emotion을 받는다.출력 형식은 다음과 같다:"[장소]에서 [인물]을 만나 [감정]을 느꼈습니다."# 예시 호출dream_summary("붉은 강", "검은 실루엣", "두려움")# 출력# 붉은 강에서 검은 실루엣을 만나 두려움을 느꼈습니다. 🔍 problem 02 classify_emotion이라는 이름의 함수를 만들어라. 인자로 감정을 하나 받는다.감정이 "불안", "공포", "긴장" 중 하나면 "불안정" 반환"평온",..

좋아, Day 4 문제 나간다!오늘은 반복문 심화(while), 함수 정의(def), 그리고 리스트 조작 응용이 포인트야.꿈 시각화 프로젝트의 콘셉트를 유지해서 문제를 구성했어. 🌙 Day 4 과제 — 함수, while 루프, 리스트 조작 심화 🎯 오늘의 목표 while 반복문 사용법 익히기def로 함수 정의하고, 매개변수 사용하기리스트에서 조건에 따라 요소 삭제 or 선택 📌 문제 1: 반복 입력으로 꿈 장면 수집하기 요구사항: 사용자가 꿈의 장면을 계속 입력하면 리스트에 저장하되,"종료"를 입력하면 입력을 멈추고, 입력된 장면들을 출력하라. 🧪 조건: while 사용"종료" 입력 전까지는 계속 입력마지막에 print()로 전체 장면 출력[예시 출력]장면을 입력하세요: 붉은 강장면을 입력하..