인생마커
article thumbnail
JSON Server
Utils 2022. 2. 17. 20:18

개요 프론트엔드 개발자는 서버로 요청을 보내서 응답받은 데이터를 바탕으로 화면을 구성합니다. 이 때, 백 엔드에서 API를 다 만들때 까지 기다릴 수는 없으니 응답 데이터의 형태에 대한 기본적인 정보만 받아서 그걸 토대로 Mock server를 만들어서 가상으로 응답과 요청을 받으면서 개발을 진행해야하는 케이스가 적지 않습니다. mock은 모조품이라는 뜻으로 테스트 할 때도 mock 개념이 많이 쓰이고 있습니다. mock server를 만들 수 있는 방법은 여러가지가 있는데 Postman도 편하지만 더 편한 JSON server라는 패키지를 설치해서 사용해보도록 합시다. 사용 "ZERO CODING" 30초만에 만드는 풀 REST API ! GitHub - typicode/json-server: Get ..

article thumbnail
Vuex
Vue 2021. 11. 7. 23:41

Vuex가 무엇인가요? | Vuex Vuex가 무엇인가요? Vuex는 Vue.js 애플리케이션에 대한 상태 관리 패턴 + 라이브러리 입니다. 애플리케이션의 모든 컴포넌트에 대한 중앙 집중식 저장소 역할을 하며 예측 가능한 방식으로 상태를 vuex.vuejs.org vuex는 상태 관리 패턴 라이브러리입니다. 공통의 상태를 공유하는 컴포넌트가 있는 경우 단순함이 빠르게 저하된다. vue는 다수의 컴포넌트를 사용하고 부모-자식 컴포넌트 사이에 데이터가 오고 갑니다. 아래 예시를 확인해 봅시다. App.vue {{ msg }} Test component 자식 컴포넌트에서 input으로 받은 데이터를 v-model 디렉티브를 사용해서 입력받은 값을 지속적으로 msg에 할당하고 있습니다. 그리고 watch 옵션으..

article thumbnail
(ML/DL)Heart Attack 예측 모델
인공지능 2021. 7. 26. 00:01

Heart Attack Analysis & Prediction Dataset A dataset for heart attack classification www.kaggle.com Kaggle 데이터셋으로 Traditional Machine Learning 과 Deep Learning을 진행했습니다. Heart Attack Analysis dataset은 의료분야에서 인공지능이 활발하게 이용되기도 하고 Kaggle에 양질의 데이터가 많습니다. 다만, 이번에 사용한 데이터 갯수는 300개 정도입니다. 모델을 학습시키기에 현저히 적은 데이터 갯수지만 많은 데이터로 진행을 한다고 해서 맥락이 바뀌진 않습니다. 전체적으로 Google Colab에서 진행했습니다. 훈련 data에 대한 feature 수는 총 13개..

article thumbnail
네이버기반 맛집 분석
인공지능 2021. 7. 14. 22:02

네이버 별점, 방문자리뷰수, 블로그리뷰수, 블로그리뷰 텍스트 총 4가지를 가지고 맛집을 도출해보도록 하겠습니다. 별점, 방문자 리뷰 수 , 블로그 리뷰 수는 셀레니움으로 스크래핑 하고 부산시 소상공인 시장진흥공단_상가에서 상호명과 동이름만남기고 모조리 지우는 전처리를 했습니다. 스크래핑부터 차례대로 시작해봅시다. 한국에서 크롤링이라고 많이 표현을 하는데 스크래핑이 정확한 표현이라고 합니다. 부전 1동 부전 2동에 있는 음식점으로 분류된 가게가 1914개가 존재합니다. 결측값은 없습니다. 처음 네이버 지도 리뷰에서 스크래핑을 시도했습니다. 네이버나 다음이나 블로그던 카페던 본문은 iframe 태그로 이루어져 있는데 스크래핑 작업을 할 때 iframe 소스에서 path 를 따와서 url 에 붙여주는 작업이 ..

article thumbnail
타이타닉 생존자 예측, 머신러닝(feat.sklearn)
인공지능 2021. 7. 5. 21:44

라이브러리 및 데이터 가져오기 import warnings warnings.filterwarnings("ignore") import pandas as pd import numpy as np import matplotlib.pyplot as plt from sklearn.preprocessing import LabelEncoder from sklearn import datasets, model_selection, linear_model, ensemble,neighbors from sklearn.metrics import mean_squared_error,accuracy_score from sklearn.model_selection import train_test_split from sklearn.svm i..