kchabin's log

https://python.langchain.com/docs/tutorials/llm_chain/  RAG로 졸업프로젝트를 진행했었는데, 깊이 없이 부랴부랴 개발했던 것 같아서 제대로 다시 공식문서부터 읽어보면서 공부하려고 한다.LangChain외에도 LlamaIndex, Spring AI가 있는데 일단 대중적이고 한번 써본 LangChain부터 실습했다.모든 실습은 VSCode, Jupyter Notebook을 통해 이뤄진다.만들 app : 영어에서 다른 언어로 텍스트를 번역하는 애플리케이션언어 모델 사용PromptTemplates 및 OutputParsers 사용LangChain Expression Language(LCEL)를 사용하여 컴포넌트 연결하기LangSmith를 사용한 애플리케이션 디버깅 및..

1. numpy로 데이터 준비하기## 도미 30, 빙어 14bream_length = [25.4, 26.3, 26.5, 29.0, 29.0, 29.7, 29.7, 30.0, 30.0, 30.7, 31.0, 31.0, 31.5, 32.0, 32.0, 32.0, 33.0, 33.0, 33.5, 33.5, 34.0, 34.0, 34.5, 35.0, 35.0, 35.0, 35.0, 36.0, 36.0, 37.0, 38.5, 38.5, 39.5, 41.0, 41.0]bream_weight = [242.0, 290.0, 340.0, 363.0, 430.0, 450.0, 500.0, 390.0, 450.0, 500.0, 475.0, 500.0, ..

Fish-market dataset생선 중 도미 분류하기30cm 이상 크다면 도미라고 판단하는 프로그램 작성, 30cm 이하 도미가 있다면 잘못 판단머신러닝을 이용하면 가지고 있는 도미의 정보를 이용해서 도미를 판단. 다른 종류의 생선들과 섞여 있어도 판단 가능함.도미 데이터 준비하기도미(bream)와 빙어(smelt) 구분하기 - 길이, 무게 feature 선정class : 머신러닝 데이터셋의 종류classification : 머신러닝에서 분류binary classification : 이진 분류## 도미 30, 빙어 14bream_length = [25.4, 26.3, 26.5, 29.0, 29.0, 29.7, 29.7, 30.0, 30.0, 30.7, 31.0, 31.0, ..

지난 시간 복습 Linear regression - Hypothesis - Cost function - Gradient descent algorithm Multivariable regression (다중 선형 회귀) 가설이 너무 복잡하니까 matrix(행렬의곱)를 사용해서 표현함. 입력 변수가 3개라면 weight도 3개가 됨. H(X) = XW 5 = instance 입력 = 3, 출력 = 2 W = [입력, 출력] WX vs XW - theory H(x) = Wx+b - Implementation(Tensorflow) H(X) = XW TensorFlow로 파일에서 데이터 읽어오기 텍스트 파일을 주로 csv 파일로 저장하고 이를 불러옴. 파이썬에서 사용하는 슬라이싱을 통해 x와 y의 데이터를 나눔. ..

Machine Learning - Limitations of explicit programming (명시적 프로그래밍의 한계) - Spam filter : many rules - Automatic driving: too many rules Machine Learning : Field of study that gives computers the ability to learn without being explicitlt programmed. -> 학습 능력을 갖는 프로그램 Superviesed/Unsupervised learning Supervised 정해져있는 데이터. labeled examples - training set ex) cat, dog, mug, hat 등의 label이 달려있는 Unsuper..