가누의 코딩로그

SS-TI는 사용자의 단맛과 짠맛 선호도를 분석하여 식습관 유형을 분류하고, 건강한 식생활을 위한 맞춤형 솔루션을 제공하는 웹 기반 프로그램입니다.설문 문항은 총 40문항으로 구성되었으며, 당류와 나트륨 두 가지 주요 항목으로 나누어져 있습니다. 각 항목은 10문항은 식품 섭취 빈도를 측정하는 질문, 10문항은 식행동과 관련된 질문으로 구성됩니다. 모든 설문 문항은 5지선다형으로 설계되었으며, 응답자가 간단하고 직관적으로 응답할 수 있도록 제작하였습니다. 모든 문항은 기존 학위 및 학술 논문에서 발췌하였으며, 논문 내에서 통계적으로 유의성이 검증된 문항만을 선정하였습니다. 식품 섭취 빈도 관련 문항은 당류와 나트륨 섭취에 관한 식품만을 조사한 FFQ를 참고하였습니다. 응답 범주는 기존 FFQ의 복잡한 섭..

2023 경희대학교 해커톤 khuthon 작품입니다. 저는 기획과 디자인을 맡았습니다. 최근 노로바이러스 식중독에 대한 경각심을 알리는 광고를 보았습니다. 식중독에 대한 경각심을 게임을 통해 알린다면 더욱 효과적으로 전달할 수 있다는 생각에 프로젝트를 진행하게 되었습니다. 유니티를 사용하여 개발하였으며, 상대 식중독균과의 경쟁에서 4번 승리하면, 식품 속에 들어가서 인간에게 해를 입히는 엔딩으로 구성하였습니다. 시작 화면 Start 버튼을 누르면 시작합니다 게임 UI 설명 1. 아미노산 : 게임의 코스트로서 초당 한개정도 올라갑니다. 식중독균을 소환하거나 환경변수를 조절할 수 있습니다. 2. 식중독균 버튼 : 버튼을 눌러 식중독균을 소환할 수 있습니다. 버튼을 한번 누를 때마다 한마리씩 소환되나 생육 조..

Python으로 저녁 메뉴 추천 프로그램을 만들어보았습니다. ‘2020 한국인 영양소 섭취기준’에 따르면, 20대 여성의 에너지섭취량은 낮고, 50·60대 남성의 에너지 섭취량은 높은 것으로 조사되었습니다. 이에 따라, 아침과 점심으로 섭취한 식단을 반영하여 저녁식사를 한다면, 영양소에 있어 보완이 될 듯 싶었습니다. 아직 열량(kcal)에 대해서만 반영이 되어있습니다. 활동정도를 알려주는 PA계수는 다음과 같습니다. 활동정도 기준 남성 여성 비활동적 일상생활에 필요한 활동 1.0 1.0 저활동적 일상활동 +30-60분 꾸준한 운동 1.11 1.12 활동적 일상활동 + 60분 이상 꾸준한 운동 1.25 1.27 매우활동적 일상활동 + 60분 이상 꾸준한 운동 + 60분 이상 격렬한 운동 1.48 1.45..

*전체 PPT는 맨 아래에 첨부하였습니다. [관악구X한국경영인증원] 23년 관악구 청년 Data Science 중고급과정 이수 후, 공익 목적 배달로봇의 상용화에 기여하기 위해 1. 도서배달로봇의 정차 거점 탐색과 2. 배달 경로 구축을 주제로 한 데이터 분석 프로젝트입니다. 1. 개요 관악구는 다른 구에 비해 낮은 대출 건수를 기록했다. 또한, 대출중인 도서보다 연체중인 도서가 더욱 많았다. 정상반납과 연체 후 반납의 비율이 비슷할 정도로 연체율이 높은 것을 알 수 있다. 많은 푸드테크 기업들이 배달로봇을 도입하는 것을 보고, 도서관에서도 배달 로봇을 사용하면 어떨까 하는 생각이 들었다. 배달로봇이란 말 그대로 무엇인가를 배달해주는 로봇이다. 용도에 따라서 음식, 도서, 자재 등이 될 수 있습니다. 아..

경희대학교 필수교양 강의인 '세계와 시민'에서 진행한 GCP 프로젝트로, 기업의 개인정보 수집과 관련하여 약관 단어 감지 프로그램을 개발했습니다. 이 프로젝트는 소비자가 긴 개인정보 처리 약관을 읽는 것에 어려움을 겪는 상황을 개선하기 위한 목적으로 제작하였습니다. 개인정보 동의 과정에서 소비자들이 약관 내용을 제대로 파악하지 못하고 '동의' 버튼을 누르는 현상을 개선하기 위해 약관 내용에서 어려운 용어를 식별하고 그 의미를 사용자에게 제공하는 프로그램을 개발했습니다. tkinter 모듈을 활용하여 마우스 커서 아래의 단어를 감지하면, 해당 단어를 함수를 통해 인코딩하여 표준국어대사전 홈페이지로 전송합니다. 전송된 단어는 표준국어대사전에서 검색되며, 단어의 뜻은 html 태그를 활용하여 크롤링되어 사용자..

1. Introduction이 논문에서는 LLM이 지도학습에서 feature selection을 수행할 수 있음을 보여준다. Training set의 변수들과 target 변수의 의미를 LLM이 어느 정도 알고 있다는 전제 하에, LLM에게 어떤 프롬프트를 제공해야 예측에 가장 유용한 특징들을 효과적으로 고르는 지 탐구한다. 이 논문에선 LLM을 활용한 feature selection에 있어서 세가지 접근법을 제안한다. (i) LLM이 생성한 중요도 점수가 가장 높은 특징들을 선택하는 방법,(ii) LLM이 생성한 중요도 순위에 따라 특징을 선택하는 방법,(iii) LLM과의 대화 형식으로 특징을 순차적으로 선택하는 방법. 전체 데이터를 확인하지 않고 feature selection을 진행하면, sele..

1. 접속하려는 컴퓨터의 ssh 서버를 켜준다. sudo systemctl status ssh 초록색으로 active라고 뜨면 잘 켜진 것 2. 접속하려는 컴퓨터의 방화벽의 상태를 확인한다. sudo ufw status verbose 상태가 활성이면 2-1로, 비활성이면 3번으로 이동 2-1. 접속하려는 컴퓨터의 방화벽을 끈다sudo ufw disable 3. 다음 명령어를 통해 현재 인터넷과 통신할 때 사용하는 IP를 알아둔다. ip route get 8.8.8.8그리고 src 뒤에 있는 숫자를 기억한다 4. 다음 명령어를 통해 접속할 사용자의 이름을 알아둔다whoami 5. 이제 클라이언트 컴퓨터의 터미널에 다음 명령어를 입력한다. ssh [사용자 이름]@[ip주소] 6. 사용자의 비밀번호를 입력한다..

내 연구실 컴퓨터(Ubuntu)는 무선인터넷 연결이 안 되고, 유선 인터넷 연결만 가능함. 그런데 연구실 유선랜이 문제가 생겨서 인터넷 공급이 안되는 상황..그래서 내 노트북(Windows)에 와이파이를 연결하고, 노트북과 연구실 컴퓨터를 랜선으로 연결해서 연구실 컴퓨터에 무선인터넷 연결을 해주고자 함 준비물1. Ethernet to C 케이블 나는 노트북에 랜선포트가 없어서 필요한 건데, 랜선포트 있는 노트북이면 안사도됨 2. 랜선방법0. 노트북이랑 컴퓨터랑 랜선 연결1. 내 노트북에서 Win + R 누르고 services.msc 치고 엔터2. Internet Connection Sharing 이랑 DHCP Client 찾고 상태가 실행 중인지 확인이렇게 둘다 뜨면 실행 중인 것3. Win + R 눌르..

Introduction이 논문에서는 Few-Shot Learning이 가능한 대규모 언어 모델(LLM)을 활용하여 질병의 발병률을 예측하고자 한다. 그러나 Few-Shot Learning은 데이터가 부족한 환경에서 적용되므로, 성능에 한계가 있을 수 있다는 문제가 존재한다. 이를 보완하기 위해 본 연구에서는 EHR-CoAgent 기법을 도입하였다. EHR-CoAgent 기법은 두 개의 LLM 에이전트를 사용하는 방식으로, Predictor LLM Agent와 Critic LLM Agent가 협업하여 예측 성능을 높이고자 한다.먼저, Predictor LLM Agent는 질병 예측을 수행하고 예측 근거(이유)를 제시한다. 그런 다음, Critic LLM Agent는 Predictor Agent가 내린 예측..

읽게 된 계기환자별로 데이터의 양이 다를 수 있다. 어떤 환자는 짧은 입원으로 데이터가 별로 없는 반면, 어떤 환자는 긴 입원으로 데이터가 굉장히 많을 수 있다. LLM Finetuning에 있어서 학습할 컨텍스트 길이에 있어 차이가 나는 것은 문제가 될 수 있다. 데이터 양이 많은 환자에 치중되어 학습할 수 있으며, 일정 토큰(컨텍스트)를 넘어버리면 그냥 잘라버리는 Truncation 방법이 있지만 최적의 방법은 아니다. 이 논문에선 긴 컨텍스트를 효율적으로 학습할 수 있게 하는 Sparse Attention Mechanism들에 대해 설명한다.   Sparse Attention Mechanism은 관여하는 토큰 수에 따라 Global Attention, Local Attention, 그리고 두가지를 ..