연탄이의 코딩공부

공부 하기 위한 웹사이트 제작

코덱스 이용해서 바이브 코딩으로 기술면접 준비용 사이트를 만들었다. git 이용해서 웹사이트 먼저 제작해봤다. git이 setting -> pages 로 바로 사용할 수 있어서 편했음. 웹 만드는건 처음이라 HTML , CSS 기초로 만든다음 코덱스로 수정해서 테스트 해봤다. 잘 작동! 제미나이 API가 무료라 해서 API 연동 시키고 render.com 사이트에서 클라우드 웹 호스팅 서비스 가능하다 해서 연동. 혼자 사용할거라 AI로 문제 생성할 수 있게 해서 난이도 쉬움부터 만들어봤다. 몰랐던것들 복습하려고 복습 페이지 까지 만들어봄. 공부 열심히 해야지그래도 자잘한 오류가 있긴하다.. https://minjidx.github.io/technical-interview-website/index...

버킷 생성하기버킷 이름 지정 규칙버킷 네임스페이스는 전역적으로 공개되어 있으므로 버킷 이름에 민감한 정보를 포함하지 마십시오.버킷 이름에는 소문자, 숫자, 하이픈(-), 밑줄(_), 마침표(.)만 포함되어야 합니다. 마침표가 포함된 이름은 검증이 필요합니다 .버킷 이름은 숫자 또는 문자로 시작하고 끝나야 합니다.버킷 이름은 3~63자여야 합니다. 마침표(.)를 포함하는 이름은 최대 222자까지 사용할 수 있지만, 마침표로 구분된 각 구성 요소는 63자를 초과할 수 없습니다.버킷 이름은 점으로 구분된 십진수 표기법(예: 192.168.5.4)의 IP 주소로 표현할 수 없습니다.버킷 이름은 "goog" 접두사로 시작할 수 없습니다.버킷 이름에는 "google" 또는 "google"과 유사한 오타가 포함될 수..

sudo apt install python3-pippython3 -m pip install --upgrade google-cloud-documentai google-cloud-storage prettytableDocument AI API 엑세스 하기 위한 계정 생성 export SA_NAME="document-ai-service-account"gcloud iam service-accounts create $SA_NAME --display-name $SA_NAME 서비스 계정을 API에 연결gcloud projects add-iam-policy-binding ${PROJECT_ID} \--member="serviceAccount:$SA_NAME@${PROJECT_ID}.iam.gserviceaccount...

애플 파운데이션 아카데미를 지원했을 때 후기가 얼마 보이지 않길래 이번에 수료한 기념으로 후기를 작성해본다. 파운데이션 아카데미는 사이트에서는 4~6주라고 되어있지만 실제론 3주 과정이었다. 정규과정인 디벨로퍼 아카데미와는 달리 포항에서 지낼 기숙사가 제공되지 않기에 합격 연락이 오자마자 단기계약 어플에서 집을 계약했다. 3주동안 생활하며 너무 좋았던 집.... 포항에가게 된다면 또 살고싶은 집이었다. 파운데이션에서는 맥북 프로와 아이폰을 무료로 대여해준다. 물론 끝나면 반납해야하기 때문에 개인적으로 가지고 오는 분들도 많이 있었다. 아이폰은 몇번 사용해보았지만, 맥북은 처음 사용해보는거라 걱정이 많았는데 적응하는데 일주일 정도 걸린것 같다. 숙소에서는 윈도우로 구글 공부 하고, 파운데이션 시간에는..

Analyze Speech and Language with Google APIs Task4 계속 컴플리트가 되지 않아서 찾아봤다... curl -LO raw.githubusercontent.com/Cloud-Wala-Banda/Labs-Solutions/main/Analyze%20Speech%20%26%20Language%20with%20Google%20APIs%20Challenge%20Lab/arc114.shsudo chmod +x arc114.sh./arc114.sh VM 에서 저 코드 넣어주니까 드디어 됨.... https://github.com/Cloud-Wala-Banda/Labs-Solutions/blob/main/Analyze%20Speech%20%26%20Language%20with%2..

vertexAI를 이용한 ML workFlow 1.Data preparation : 데이터 준비 1.) Upload Data (업로드) 2.) Engineer features (특징추출)데이터의 질과 양에 따라 얼마나 많이 / 잘 학습될지 결정됨 -> 데이터는 정형화(구조화) / 비정형화 될 수 있음. 구조화된 데이터 : 숫자 / 텍스트 등 표로 저장할 수 있음 , 비정형화(비구조화) : 비디오 / 이미지 등 2. Model development 모델 개발 반복 학습 필요 ... 훈련 -> 평가 -> 훈련 -> 평가 -> 훈련..... 반복 3. Model serving 모델을 실제로 사용해서 결과 예측. 모델 배포되고 모니터링 ML workFlow 반복적임.!! 모델 학습 중에..

머신러닝 생태계와 워크플로의 모든 구성 요소를 통합하는 플랫폼인 버텍스 AI(Vertex AI)를 제시통합 플랫폼 1. Vertex AI가 데이터 준비부터 모델 생성, 배포 및 관리까지 모든 과정을 아우르는 엔드투엔드 머신러닝 파이프라인을 제공 -> 대규모 모델 구축이 가능하다.2. Vertex AI는 멀티모달 콘텐츠 생성을 가능하게 하는 생성형 AI와 예측 및 분류를 가능하게 하는 예측형 AI를 모두 포괄하는 통합 플랫폼 (코딩X) AutoML/ 사용자 지정학습을 통해 ML 구축할 수 있음 1. 매끄러움 : Vertex AI는 데이터 업로드 및 준비부터 모델 학습 및 운영에 이르기까지 원활한 사용자 경험을 제공2. 확장성 : Vertex AI에서 제공하는 머신 러닝 운영(MLOps)은 머신 러닝 프로..

Ai agnets / Agentic AI 가 사용자를 대신해 의사결정을 내림Agentic AI : 에이전트를 통합적으로 관리하는 시스템AI agnets: 생성형 인공지능에서 인공지능 에이전트는 추론을 위한 인공지능 모델, 외부 상호작용을 위한 도구, 그리고 원하는 목표를 달성하기 위한 정교한 조정 기능을 결합한 애플리케이션핵심 특징을 가진 논리적 아키텍처에 의해 좌우 : 목표지향적, 인공지능 , 실행도구 활용, 자율적 작동가능한 추론/의사결정능력1. 모델 : 추론 중심역할 수행2. 도구 : 행위자가 행동할 수 있도록 연결 -> API3. 오케스트레이션 : 에이전트의 작동을 관리하는 순환 프로세스 -> 신경계처럼.. 통신망 역할 (뇌결정 -> 도구사용행동 -> 피드백 다시 뇌로 전달 -> 다음단계결정)필요

1. 구글은 개인/조직 관계없이 인공지능 경험 공유2. 생성형 AI분야에서 획기전 발전 -> 머신러닝 혁명 주도3. 책임감 있는 AI지향 예측 인공지능 : 전통적 | 판별 인공지능 = 기존 데이터 사용해 정보 분류, 과거 패턴 기반 미래 결과 예츨 이미 존재 하는것을 학습해 정보에 입각한 결정을 내림. -> 검증된 방법을 사용해 예측생성형 인공지능 : 예측 기능 확장해 요약 생성, 복잡한 상관관계 밝히거나 새로운 콘텐츠 생성.. -> 텍스트, 이미지, 비디오 등.. 구글 클라우드 인프라 애플리케이션 | 솔루션 분야 -> 사용자/분석가가 아이디어를 프로토타입화 할 수 있도록 즉시 사용 가능한 옵션 제공개발 AI 인프라에서 시작됨. 토대 제공 모듈 1. 토대2. 인공지능 생성3. 머신러닝 모델 학습4. 데이..

하다가 많이 막혀서... 개인 복습 용으로 과정을 정리해보았다.API키 활성화. 콘솔들어가서 = 누르고 API 및 서비스 원하는 API검색해서 활성화 한다.Credentials 검색해서 활성화 하면됨 { 'input':{ 'text':'Cloud Text-to-Speech API allows developers to include natural-sounding, synthetic human speech as playable audio in their applications. The Text-to-Speech API converts text or Speech Synthesis Markup Language (SSML) input into..