Django - 커스텀 명령어 탐지 메커니즘 01 - manage.py의 역할과 자동 탐지 메커니즘 원리
Django 프로젝트에서는 python manger.py DoSomething과 같은 명령어로 특정 작업을 지시할 수 잇습니다. 이 커스텀 명령어를 구현하는 데 도움이 되도록 처리 구조를 이해하고자 정리해보았습니다.
최근 포스트
Django - 프로젝트 설정 파일에서 INSTALLED_APPS 읽기 메커니즘
Django 프로젝트를 개발하면서 Django에 있는 매커니즘들을 이해하기 위해 공부한 내용을 정리하였습니다. 기본 명령어로 실행하면 앱은 작동됩니다.이것은 하다보니 알겠는데… 그런데, 기본 파일에는 각각의 파일을 어떻게 불러오는지 매커니즘을 알고 싶었습니다.
Comparing .equals and == Operators for Null Checks in JAVA
Value Comparison in JAVA
Shallow Copy vs. Deep Copy in JAVA
What Are Shallow Copy vs. Deep Copy?
인공지능 - NLP (5) 텍스트 분류 작업에 대한 DNN, CNN, RNN 및 GRU 모델의 비교 분석
텍스트 분류 작업에 대한 DNN, CNN, RNN 및 GRU 모델의 비교 분석을 위한 예제 코드의 내용과 출력된 그래프의 의미를 설명드리겠습니다.
인공지능 - NLP (4) NLP 처리를 위한 인공지능 모델 비교 - 딥러닝과 Transformer의 활용
인공지능에서 언어를 처리하는 과정은 일반적으로 데이터 수집, 전처리, 임베딩, 모델링, 학습, 예측 등의 단계로 나눌 수 있습니다. 이 과정을 기준으로 이전 과정을 비교하여 정리하면 다음과 같습니다
인공지능 - NLP (3) 사전 학습된 Transformer 모델로 텍스트 생성
사전 학습된 Transformer 모델을 사용하여 텍스트 감정을 빠르게 예측하는 예제 코드입니다.
인공지능 - NLP (2) 신경망 모델을 활용한 텍스트 분류
간단한 신경망을 사용하여 텍스트를 긍정/부정으로 분류하는 과정.
인공지능 - NLP (1) NLP작업을 위한 딥러닝 모델활용
딥러닝 모델을 활용하여 NLP 작업에서 BERT 기반의 감정 분석을 수행하는 코드입니다.
AI - NLP (5) Comparative Analysis of DNN, CNN, RNN, and GRU Models on Text Classification Task
This article explains the content of example code and the meaning of the output graph for a comparative analysis of DNN, CNN, RNN, and GRU models on text cla...
AI - NLP (4) Comparing AI Models for NLP Tasks - Deep Learning vs. Transformer Applications
The process of handling language in AI typically involves stages like data collection, preprocessing, embedding, modeling, training, and prediction. Comparin...
AI - NLP (3) Text Generation with Pre-trained Transformer Models
This example code demonstrates how to quickly predict sentiment using a pre-trained Transformer model.
AI - NLP (2) Text Classification Using Neural Network Models
This article demonstrates how to classify text as positive or negative using a simple neural network.
AI - NLP (1) Using Deep Learning Models for NLP Tasks
This example code demonstrates sentiment analysis using a BERT-based model in NLP tasks.