Back to the Basics Back to the Basics

Streamlit으로 처음 웹 앱을 만들어 보세요. 제목, 텍스트, 버튼, 슬라이더 등 기본 UI 컴포넌트를 사용하는 방법과 실습 예제를 제공합니다.드디어 첫 Streamlit 앱을 만들어봅니다이전 회차에서는 Streamlit의 개념과 활용 사례를 알아봤습니다.이번 회차부터는 직접 코드를 작성하여 앱을 만드는 실습을 시작합니다.목표는 아주 간단한 웹 앱이라도 내 손으로 작동하는 첫 Streamlit 앱을 완성하는 것입니다.준비물 확인Python 설치 (3.7 이상 권장)Streamlit 설치pip install streamlitapp.py라는 파일을 새로 만듭니다.기본 앱 구조 이해하기Streamlit 앱은 매우 심플합니다.Python 파일에 Streamlit 함수만 호출하면 바로 웹 앱이 만들어집니다...

GPT API 없이 내 컴퓨터에서 직접 LLaMA 모델을 돌릴 수 있다면 어떨까요?최신 오픈소스 LLaMA를 로컬에서 초간단으로 실행할 수 있는 방법을 소개합니다.대표적인 도구가 바로 llama.cpp입니다.llama.cpp를 이용해 LLaMA 모델을 Mac, Windows, Linux에서 로컬 실행하는 방법을 코드 예제와 함께 소개합니다. 저사양 노트북에서도 AI 챗봇을 만들 수 있습니다. llama.cpp란?C++로 작성된 초경량 LLaMA 실행 엔진Mac, Linux, Windows 등 거의 모든 OS에서 실행 가능INT4, INT8 양자화를 지원해 저사양 노트북에서도 실행 가능실제 많은 개발자들이 16GB RAM 노트북에서 LLaMA 7B 모델을 돌리는 데 사용 중입니다.설치 준비1. Git 클론..

Apache NiFi의 EvaluateJsonPath Processor를 사용하여 JSON 데이터를 읽고, 특정 조건에 따라 데이터를 자동으로 분기 처리하는 방법을 실습합니다.데이터 파이프라인에서 JSON이 중요한 이유최근 데이터는 대부분 JSON 형식으로 전달됩니다. API 응답, 로그 데이터, IoT 스트림 등 다양한 시스템이 JSON을 표준으로 사용합니다.Apache NiFi에서도 JSON 파일을 읽고, 특정 속성 값에 따라 조건 분기(Conditional Routing) 하는 기능이 매우 중요합니다.이번 회차에서는 EvaluateJsonPath Processor를 이용해 JSON 속성을 추출하고, 이를 기반으로 흐름을 분기하는 실습을 진행하겠습니다.실습 목표플로우 구성GenerateFlowFile..

JHipster로 자동 생성된 React 프론트엔드 프로젝트의 디렉토리 구조와 커스터마이징 방법을 실무 사례 중심으로 정리합니다. 페이지 추가, 상태 관리, 라우팅 확장, CSS 커스터마이징까지 포함합니다.JHipster에서 React는 어떤 역할을 하는가?JHipster는 Full Stack 개발을 지향합니다.프론트엔드에서는 최신 React + Redux + TypeScript 기반 구조를 제공하여, 별도의 초기 설정 없이 바로 운영 가능한 수준의 UI를 자동 생성합니다.기본 제공 기능:로그인, 회원가입, 패스워드 초기화 화면Swagger 연동 API 테스트 화면관리(Admin) 페이지Entity CRUD 화면 자동 생성그러나 모든 프로젝트는 커스터마이징이 반드시 필요합니다.이번 글에서는 실전에서 Re..

메타 설명: 한국은행 ECOS API를 통해 금리, 환율, 물가 등 주요 경제 지표 데이터를 시계열로 수집하고 Python으로 분석 및 시각화하는 전략을 소개합니다.한국은행 ECOS란?한국은행 ECOS는 우리나라의 금융·경제 지표를 한눈에 확인할 수 있는 통계 데이터 서비스입니다.특히 Open API를 통한 경제 지표 시계열 데이터 수집 기능이 제공되어, 데이터 분석, 리포트 자동화, 투자 리서치 등 실무에 매우 유용합니다.ECOS API 활용 시 기대 효과금리, 환율, 주식, 물가, 산업생산지수 등 4,000개 이상의 시계열 통계 제공데이터 품질이 높은 공식 지표매일, 매월 자동 갱신되는 최신 데이터ECOS API 주요 제공 지표 예시지표 코드 예시 설명기준금리060Y001한국은행 기준금리소비자물가지수..

데이터셋의 각 변수는 독립적으로 존재하지 않는다.현실 세계에서 수많은 변수들은 서로 영향을 주고받는다.소득과 소비, 나이와 건강 지표, 광고 노출 수와 구매 전환율처럼 말이다.EDA에서 변수 간 관계를 파악하는 과정은분석의 방향을 결정하고, 모델의 성능을 높이며, 해석 가능성을 높이는 필수 단계다.이번 글에서는 실무 분석가 입장에서상관관계 분석, 다중공선성 탐지, 변수 선택이라는 세 가지 핵심 주제를실전 예제와 함께 깊이 있게 정리한다.1. 상관관계(Correlation)의 본질상관관계란 두 변수 간의 ‘선형적 관계 강도’를 나타내는 지표다.값의 범위는 -1 ~ +1 사이이다.상관계수(r) 해석+1완벽한 양의 상관관계0관계 없음-1완벽한 음의 상관관계예를 들어, 광고비와 매출액은 일반적으로 양의 상관관계..

분류 모델이 ‘범주(class)’를 예측하는 것이라면, 회귀(Regression) 모델은 연속적인 숫자 값을 예측하는 데 사용됩니다.가격 예측, 수요 예측, 에너지 사용량 예측, 온도 예측, 매출 예측 등 거의 모든 산업 영역에서 회귀 문제는 필수적인 AI 분석 기법입니다.이번 글에서는 회귀 문제의 정의, 대표 알고리즘, 평가 지표, 실전 구현 방법까지 통합적으로 다룹니다.1. 회귀 문제란 무엇인가?회귀 모델은 데이터를 기반으로 숫자형 목표 변수(target) 를 예측합니다.실제로 비즈니스에서는 범주형보다 연속형 예측이 더 많이 요구됩니다.예시입력 데이터 타겟 값평수, 방 수, 위치아파트 가격고객 나이, 구매 횟수예상 구매 금액주가 과거 데이터내일 종가 예측2. 회귀 문제의 주요 특징출력값이 정해진 값이..

파이썬 예외 처리 구조는 단순 오류 방지를 넘어 프로그램의 안정성과 유지보수성을 높이는 핵심 도구다. 이번 글에서는 try, except, finally의 문법부터, 실무에서 자주 발생하는 예외 처리 패턴과 설계 전략까지 체계적으로 분석한다.1. 도입 – 예외 처리는 방어적 프로그래밍의 핵심이다실제 서비스 환경에서 예외 처리는 선택이 아닌 필수다.아무리 완벽한 코드를 작성하더라도, 외부 시스템, 사용자 입력, 파일 IO, 네트워크 통신 등 다양한 예측 불가능한 변수로 인해 오류는 항상 발생할 수 있다.파이썬의 try-except 구조는 오류 발생 시 프로그램이 비정상 종료되지 않도록 방어할 수 있는 가장 중요한 장치다.이번 회차에서는 단순 문법을 넘어, 예외 처리 설계의 원칙과 현업에서의 모범 사례를 집..