NFT 마켓플레이스는 크게 누구나 자유롭게 작품을 올릴 수 있는 곳과, 초대로 가입할 수 있는 곳, 심사를 통해 가입할 수 있는 곳으로 나뉜다. 누구나 가입할 수 있는 곳은 오픈씨(OpenSea), 라리블(Rarible), 민터블(Mintable) 등이 있는데, 오픈씨는 처음 한 번만 가스피를 내면 되고, 라리블과 민터블은 구매시 가스피를 지불하는 옵션이 있기 때문에 창작자의 부담이 적은 편이다. 대부분의 NFT 아트는 이더리움 기반으로 발행되므로, 입문자라면 시장이 큰 이더리움(Ethereum) 기반으로 시작하는 것이 안전하다. 다만, 국내 NFT 마켓이 성장하면서 카카오에서 개발한 클레이튼(Klaytn) 기반의 NFT시장도 성장하고 있다. 시장 규모는 작지만, 발행 과정이 쉽고 가스비도 낮기 때문에 ..

◎ TF - IDF ( Term Frequency - Inverse Document Frequency ) : 단어의 빈도(Term Frequency)와 역 문서 빈도(Inverse Document Frequency)를 토대로, 특정 문서 내에 어떤 단어가 얼마나 중요한 지를 나타내는 통계적 수치. >> 다른 문서에는 잘 등장하지 않지만, 이 문서에는 유독 많이 쓰인 단어가 이 문서의 키워드 ▷ TF (Term Frequency) 는 단어 빈도를 나타내며 문서 내에서 특정 단어가 몇 번 발견되었는지를 계산. 문서-단어 행렬이 곧 단어들의 TF 값을 구한 것임. ▷ IDF (Inverse Document Frequency) 는 DF 의 역수이며, 특정 단어가 발견되는 문서의 수를 뜻한다. 다시 말해, 특정 ..

※ 특성 추출 : 원시 데이터에서 핵심 특성을 추출하는 과정. 가공한 토큰들을 컴퓨터가 이해할 수 있는 벡터 데이터로 바꾸는 과정. ◎ Bag of Words : 문서 내 모든 단어들 (토큰)을 가방 하나에 모두 집어넣고 사용. 자주 언급된 단어일수록 가방에서 나올 확률이 높아진다. 중요한 것은 단어의 등장 빈도이며, 단어의 순서는 상관없음. · 문장 － "나는 학교에 간다. 나는 회사에 간다." 이 문장으로 단어 사전을 구성하면 다음과 같다. 단어는 오름차순의 가나다순으로 정렬. · 사전： ｛'간다', '나', '학교', '회사'} 이 사전 순서에 따라 각 단어가 문장에서 몇 번 발생했는지 빈도 수를 기록. → 이 예에 따르면 문서 내에 ‘간다’와 ‘나’는 2번 발견되었고 ‘학교’와 ‘회사’는 1번씩 ..

형태소 란 문장을 구성하는 의미 요소 중 가장 작은 단위를 말한다. 품사의 종류는 다양하지만, 보통 명사, 동사, 형용사 정도만을 분석에 사용한다. 부사나 조사, 감탄사 등은 독립적으로 의미를 만들지 못하므로 잘 사용하지 않는다． KoNLPy 에는 다양한 형태소 분석기가 내장되어 있어서, 텍스트의 특성이나 분석 목적에 맞는 것을 선택해 사용하면 된다. ( Korean Natural Language processing - https://konlpy.org/ko/latest/ ) ◎ 꼬꼬마 Kkma 분석기 서울대학교에서 개발한 형태소 분석기다. 자바 기반으로 개발되었으며, 품질 대비 속도가 느린 편이다. 문장 분리기를 제공하며 GPL 라이선스를 따른다．from konlpy.tag import Kkma Kkm..

from statistics import * sample = [1, 5, 19, 20, 10.5, 12.3, 14.2, 125, 1325, 105.6] median(sample) # 중앙값 mean(sample) # 평균 harmonic_mean(sample) # 조화평균 geometric_mean(sample) # 기하평균 variance(sample) # 표본 분산 stdev(sample) # 표본 표준편차 import numpy as np sample = [1, 5, 19, 20, 10.5, 12.3, 14.2, 125, 1325, 105.6] len(sample) # 데이터의 개수 np.mean(sample) # 평균 np.var(sample) # 분산 np.std(sample) # 표준 편차 n..

◎ 다항식 from sympy import * import numpy as np init_printing() # 복잡한 수식표현 x, y = symbols('x y') #------------------------------------------------ eqn = Eq(2*x**2 + 3*x - 5, 0) # 방정식 (sympy) display(eqn) solve(eqn, x) #------------------------------------------------ np.roots([2, 3, -5]) # 방정식 (numpy) #--------------------------------------------------------------- plot(2*x**2 + 3*x - 5, (x, -5, 5)..

Googletrans 는구글 번역 API(Google Translate API)를 구현한 파이썬 라이브러리입니다. (Googletrans 공식 문서) from googletrans import Translator translator = Translator() tran = translator.translate("안녕하세요", src='auto', dest='zh-cn') print(tran.text, tran.pronunciation) 무료이지만, 하루에 사용할 수 있는 횟수가 제한되어 있습니다. The maximum character limit on a single text is 15k ▶ 사용할 수 있는 언어 import googletrans googletrans.LANGUAGES

※ PDF 문서를 병합하는 것은 PyPDF2 모듈을 이용한다. PyPDF2는 PDF 파일의 페이지를 분할, 병합, 자르기 및 변형 할 수있는 순수 Python PDF 라이브러리로, PDF 파일에 사용자 정의 데이터, 보기 옵션 및 암호를 추가 할 수 있다. PDF에서 텍스트와 메타 데이터를 검색하고 전체 파일을 함께 병합 할 수 있다. PyPDF2.PdfFileMerger (strict=True) : PdfFileMerger는 여러 PDF를 단일 PDF로 병합하며, 연결, 슬라이스, 삽입 또는 위의 조합이 가능하다. append (fileobj, bookmark = None, pages = None, import_bookmarks = True ) : 지정된 페이지 번호의 출력 파일로 병합 PyPDF2.P..