1월, 2024의 게시물 표시

Kraken api - get token with python

Kraken api - get token with python an example of how you can generate a WebSocket authentication token using Python for Kraken's API: ```python import time import base64 import hashlib import hmac import urllib.request import json # Replace with your Kraken API public and private keys api_key = 'YOUR_API_PUBLIC_KEY' api_secret = 'YOUR_API_PRIVATE_KEY' # API endpoint and parameters api_path = '/0/private/GetWebSocketsToken' api_nonce = str(int(time.time() * 1000)) api_post = 'nonce=' + api_nonce # Create the SHA256 hash api_sha256 = hashlib.sha256(api_nonce.encode('utf-8') + api_post.encode('utf-8')).digest() # Create the HMAC signature api_hmac = hmac.new(base64.b64decode(api_secret), api_path.encode('utf-8') + api_sha256, hashlib.sha512) api_signature = base64.b64encode(api_hmac.digest()) # Create the request api_request = urllib.request.Request('https://api.kraken.com' + api_path, api_post.encode('utf-8')) ap

[Docker] 자주 사용하는 "docker ps" 명령어 정리

이미지
  도커(Docker)는 컨테이너 기반의 오픈소스 가상화 플랫폼입니다. 도커 명령어를 사용하여 이미지를 관리하고 컨테이너를 생성, 실행, 중지, 삭제할 수 있습니다. 아래는 도커 명령어중에 자주 사용하는 명령어들입니다.   Docker 변경 사항을 적용하고 상태를 파악하는데 " docker ps [options]" 가 필요합니다. 관련 명령어를 살펴 봅니다.   [Docker] Docker ps  명령어 정리   docker ps 명령어   1.   docker ps -a  or --all:   설명: 중지된 컨테이너를 포함하여 모든 컨테이너를 표시합니다. $ docker ps -a CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES 9fc210c3afc1 portainer/portainer "/portainer" 11 minutes ago Exited (2) 6 minutes ago portainer 8b2a4df7113f openproject/community:13 "./docker/prod/entry…" 2 months ago Exited (137) 2 months ago cranky_yalow 0c9b3f2ad626 openproject/community:13 "./docker/prod/entry…" 2 months ago Exited (255) 2 mo

5가지 유용한 Docker 명령어 정리

이미지
5가지 유용한 Docker  명령어 정리 Docker 사용 시 알아야 하는   컨테이너 프로세스, 이미지, 로그, 네트워크 등 관련 기초 명령어들을 정리 해 봅니다. 1. 이미지 관련 명령어:    - `docker images` : 현재 시스템에 있는 Docker 이미지 목록을 표시합니다.    - `docker pull <이미지>` : Docker Hub에서 이미지를 다운로드합니다. 2. 컨테이너 관련 명령어:    - `docker ps` : 실행 중인 컨테이너 목록을 표시합니다.    - `docker ps -a` : 모든 컨테이너(실행 중인 것과 종료된 것)를 표시합니다.    - `docker run <이미지>` : 이미지를 기반으로 새로운 컨테이너를 시작합니다.    - `docker stop <컨테이너>` : 컨테이너를 정지합니다.    - `docker start <컨테이너>` : 정지된 컨테이너를 시작합니다. 3. 삭제 명령어:    - `docker rm <컨테이너>` : 컨테이너를 삭제합니다.    - `docker rmi <이미지>` : 이미지를 삭제합니다. 4. 로그 및 정보 확인:    - `docker logs <컨테이너>` : 컨테이너의 로그를 확인합니다.    - `docker inspect <컨테이너 또는 이미지>` : 컨테이너 또는 이미지에 대한 상세한 정보를 표시합니다. 5. 네트워크 관련 명령어:    - `docker network ls` : 현재 Docker 네트워크 목록을 표시합니다.    - `docker network inspect <네트워크>` : 특정 네트워크에 대한 정보를 확인합니다. 이 명령어들은 기본적인 Docker 작업을 수행하는 데 필요한 명령들을 정리해 보았습니다.   출처: https://couplewith.tistory.com/554 [AgileBus - IT 기술자를 위한 최신 기술 Tren

[Docker] 자주 사용하는 명령어 "docker images" 정리

이미지
  도커(Docker)는 컨테이너 기반의 오픈소스 가상화 플랫폼입니다. 도커 명령어를 사용하여 이미지를 관리하고 컨테이너를 생성, 실행, 중지, 삭제할 수 있습니다. 아래는 도커 명령어중에 자주 사용하는 명령어들입니다. docker ps : Docker에서 실행중인 컨테이너 목록을 출력합니다. docker images: 현재 시스템에 있는 Docker 이미지 목록을 표시합니다. docker pull: Docker Hub에서 이미지를 다운로드합니다. docker build: Dockerfile을 사용하여 새로운 이미지를 빌드합니다. docker rmi: 이미지를 삭제합니다. docker run: 이미지를 기반으로 새로운 컨테이너를 시작합니다. docker stop: 컨테이너를 정지합니다. docker attach: 컨테이너에 접속하여 상호 명령을 입.출력을 합니다.   [Docker] 자주 사용하는 명령어 "docker images" 정리 도커(Docker)는 컨테이너 기반의 오픈소스 가상화 플랫폼입니다. 도커 이미지를 관리하는 명령어 중 하나인 docker images 명령어는 현재 시스템에 설치된 모든 도커 이미지를 나열합니다. 이 명령어를 사용하면 현재 시스템에 있는 도커 이미지 목록을 확인할 수 있습니다. 예를 들어, 다음과 같이 입력하면 현재 시스템에 있는 도커 이미지 목록을 확인할 수 있습니다. $ docker images "docker images"로 출력되는 항목은 다음과 같습니다. o  REPOSITORY: 이미지의 저장소 이름을 나타냅니다. 이는 이미지가 어디에서 온 것인지를 나타냅니다. o TAG:  이미지의 태그를 나타냅니다. 태그는 이미지의 특정 버전이나 레이블을 식별하는 데 사용됩니다. o IMAGE ID: 각 이미지의 고유한 식별자인 이미지 ID를 나타냅니다. o CREATED: 이미지가 생성된 날짜와 시간을 표시합니다. o SIZE: 이미지의 크기를 표시합니다.  

자주 사용하는 Docker 명령들 정리

  기타  자주 사용하는  Docker 명령들 - 출처 : docker 명령어들 :  https://couplewith.tistory.com/search/docker ] 도커(Docker)는 컨테이너 기반의 오픈소스 가상화 플랫폼 입니다. 도커 명령어를 사용하여 이미지를 관리하고 컨테이너를 생성, 실행, 중지, 삭제할 수 있습니다. 아래는 도커 명령어중에 자주 사용하는 명령어들입니다. ㅁ 5가지 유용한 Docker  명령어 정리  :  https://couplewith.tistory.com/554 docker ps : Docker에서 실행중인 컨테이너 목록 출력 docker images: 현재 시스템에 있는 Docker 이미지 목록 표시 docker rmi <이미지 이름> : 이미지를 삭제 docker pull <이미지 이름> : Docker Hub에서 이미지를 다운로드 docker build: Dockerfile을 사용하여 새로운 이미지를 빌드 docker volume :  명령어를 사용하여 볼륨을 생성, 확인, 삭제하는 등의 작업을 수행 docker run: 이미지를 기반으로 새로운 컨테이너를 시작 docker stop: 컨테이너를 정지 docker attach: 컨테이너에 접속하여 상호 명령을 입.출력

[인공지능] Llama2 AI모델을 이용한 검색 기술에 활용하기

이미지
Llama 2는 누구나 무료로 다운로드하여 사용할 수 있는 대규모 오픈 소스 언어 모델 입니다. 자율주행차부터 챗봇까지,   AI혁명으로 사회 전반의 삶의 변화가 일어나고 있습니다.  AI의 가장 흥미로운 발전 중 하나는 대규모 언어 모델의 생성입니다. 이러한 모델은 일관되고 이해하기 쉬운 새로운 텍스트를 생성하기 위해 기사 및 소셜 미디어 게시물과 같은 대량의 데이터에 대해 훈련되었습니다. 대규모 언어 모델의 잘 알려진 예로는 OpenAI의 ChatGPT, Google의 Google Bard, Meta의 Llama 2가 있습니다. Meta는 Microsoft와 협력하여 Lama 2 모델을 출시했습니다. Lama2 AI모델에 대한 소개 Llama 2는 페이스북 모회사 메타의 AI 그룹에서 개발한 대규모 언어 모델입니다. 이 모델은 사전 학습된 매개변수 규모에 따라 3가지 버전으로 제공됩니다: 1. Llama-2-7B: 70억 개의 매개변수로 사전 학습  2. Llama-2-13B: 130억 개의 매개변수로 사전 학습 3. Llama-2-70B: 700억 개의 매개변수로 사전 학습 이 모델들은 연구와 상업적인 용도로 완전 무료로 사용할 수 있으며, 매개변수 규모를 선택하여 다양한 작업에 활용할 수 있습니다. Llama 2는 기존 버전보다 더 많은 토큰으로 학습되었으며, 컨텍스트 길이도 증가하여 다양한 언어 처리 작업에서 효과적으로 활용할 수 있습니다. Llama 2는 Amazon Web Services(AWS), Hugging Face 및 기타 제공업체를 통해서도 제공됩니다  Llama 2의 우선 파트너로서 Microsoft와의 파트너십을 한 단계 더 발전시키고 생성 AI에 대한 노력을 확대하였습니다. 이제 Llama 2가 Azure AI 모델 카탈로그에서도 제공됩니다. Microsoft Azure를 사용하는 개발자는 Llama 2를 사용하여 구축하고 콘텐츠 필터링 및 안전 기능을 위한 클라우드 기반 도구를 활용할 수 있습니다.  또한 Windows에서 로컬로

CLIP 모델을 사용하여 이미지를 텍스트로 변환하는 함수

CLIP 모델은 이미지와 텍스트를 모두 처리할 수 있는 모델입니다. 이 모델을 사용하면 이미지와 텍스트를 멀티모달로 동시에 고려할 수 있습니다.  예를 들어, CLIP 모델을 사용하여 이미지를 텍스트로 변환하는 함수를 작성할 수 있습니다. 이 함수는 다음과 같은 코드로 작성할 수 있습니다: ```python from PIL import Image from transformers import CLIPProcessor def image_to_text(image_path):     # 이미지를 텍스트로 변환하는 코드 (CLIP 모델 활용)     image = Image.open(image_path)     clip_processor = CLIPProcessor()     inputs = clip_processor(text=["a photo of", "a picture of"], images=image, return_tensors="pt")     outputs = clip_model(**inputs)     # 이미지 설명 추출     image_description = clip_processor.decode(outputs.logits_per_image, top_k=1)[0]     return image_description ``` 이 함수는 이미지 파일을 입력으로 받아 해당 이미지의 설명을 반환합니다. 이 함수를 사용하려면 `CLIP` 모델과 `clip_processor`를 설치해야 합니다. 이 모델과 프로세서는 Python 패키지 `Hugging Face Transformers`에서 제공됩니다. 이 패키지를 설치하면 `clip_processor`를 사용할 수 있습니다.  CLIP 모델의 다양한 예시와 사용 방법에 대해서는 인터넷에서 찾아볼 수 있습니다. CLIP 모델과 clip_processor 프로세서는 Python 패키지 Hugging Face Transformers에서 제공됩니다.  이 패키지를 설치

(한글가사) 헨델-파리넬리 - 울게하소서 - 영화속의오페라

이미지
헨델- 울게 하소서 (파리넬리)   Lascia ch"io pianga 라쌰 꾜 피앙가 (나를 울게 하소서)   la durasorte e che sospiri la liberta, 라 두라소르테 에 께 소스피리 라 리베르타 (비참한 나의 운명! 나에게 자유를 주소서)   e che sospiri e che sospiri, la liberta! 에 께 소스피리 에 께 소스피리, 라 리베르타! (나에게 자유를 주소서) Lascia ch"io pianga 라쌰 꾜 피앙가 (나를 울게 하소서) la durasorte e che sospiri la liberta, 라 두라소르테 에 께 소스피리 라 리베르타, (비참한 나의 운명! 나에게 자유를 주소서) Il duol infranga queste ritorte di" miei martiri 일 두올 인프랑가 꿰스테 리토르테 디 미에미 마르티리 (이슬픔으로 고통의 사슬을 끊게 하소서) sol per pieta, di" miei martiri 솔 페르 피에타, 디 미에미 마르티리 (주여, 불쌍히 여기소서) sol per pieta. 솔 페르 피에타 (주여)   Lascia ch"io pianga 라쌰 꾜 피앙가 (나를 울게 하소서) la durasorte e che sospiri la liberta, 라 두라소르테 에 께 소스피리 라 리베르타 (비참한 나의 운명! 나에게 자유를 주소서) e che sospiri e che sospiri, la liberta! 에 께 소스피리 에 께 소스피리, 라 리베르타! (나에게 자유를 주소서) Lascia ch"io pianga 라쌰 꾜 피앙가  (나를 울게 하소서)   la durasorte e che sospiri la liberta 라 두라소르테 에 께 소스피리 라 리베르타  (비참한 나의 운명! 나에게 자유를 주소서)   (헨델) 파리넬리 - 울게하소서 - 영화속의오페라  https://studio.yout

구글 firebase analytic data를 조회 하는 방법

Google Firebase 분석 데이터를 조회하는 방법은 다음과 같습니다. Firebase 계정에 로그인합니다. Firebase 콘솔의 시작 페이지에서 앱을 선택합니다. 왼쪽 탐색 메뉴에서 분석 을 클릭합니다. 분석 페이지에서 다음과 같은 보고서를 확인할 수 있습니다. 대시보드: 앱의 전반적인 성과를 한눈에 파악할 수 있는 보고서입니다. 이벤트: 앱에서 발생한 이벤트를 분석할 수 있는 보고서입니다. 잠재고객: 앱의 사용자를 분석할 수 있는 보고서입니다. 목표: 앱의 목표를 달성하는 데 도움이 되는 보고서입니다. 원하는 보고서를 클릭하면 해당 보고서의 데이터를 조회할 수 있습니다. 데이터를 조회하려면 다음과 같은 방법을 사용할 수 있습니다. 보고서 필터: 보고서의 데이터를 필터링하여 원하는 데이터를 조회할 수 있습니다. 차트: 데이터를 차트로 표시하여 시각적으로 확인할 수 있습니다. 데이터 테이블: 데이터를 표로 표시하여 자세하게 확인할 수 있습니다. 또한, Firebase 분석 데이터를 BigQuery에 연결하여 보다 복잡한 분석을 수행할 수도 있습니다. BigQuery는 Google Cloud Platform의 데이터웨어하우스 서비스로, 대규모 데이터 세트를 쿼리하고 분석할 수 있습니다. Firebase 분석 데이터를 조회하는 방법에 대한 자세한 내용은 Firebase 문서를 참조하세요. 다음은 Firebase 분석 데이터를 조회하는 데 유용한 몇 가지 팁입니다. 보고서를 정기적으로 확인하여 앱의 성과를 추적하세요. 데이터를 분석하여 앱을 개선할 수 있는 방법을 찾으세요. 데이터를 다른 데이터 소스와 결합하여 더 심층적인 분석을 수행하세요. 앱이나 웹 이용자의 특성을 분석하고 , 개선할 점을 찾거나 새로운 기능을 만드는데 이용 합니다.

[Gartner] ChatGPT와 생성 AI가 기업에 미치는 영향과 고려사항

이미지
2025년까지 기업의 30%가 AI 증강 개발 및 테스트 전략을 구현하게 될 것 2021년의 5%에 대비해서 크게 증가 -Gartner 예측- [Gartner] ChatGPT와 생성 AI가 기업에 미치는 영향과 고려사항 최근 Generative AI(생성형 AI)의 기업 사용 사례는  단순히 텍스트 생성을 넘어 다양한 분야에 적용이 되고 있습니다.  예를 들어, 새로운 약물 연구, 반도체 칩 설계, 재료 과학등  신소재 개발과 같은 혁신적인 산업에도 활용될 수 있습니다. 생성형 AI 는 기업의 자동화 및 창의성을 향상시키며 새로운 아이디어를 발굴하는 데 활용 될 줄 수 있습니다.  생성적 AI는 레이블이 지정되지 않은 데이터에 대해 훈련된 모델을 이용하여 다양한 작업을 수행할 수 있으며, 기업에서는 자연어 처리 뿐만 아니라 혁신적인 기술 연구 분야에서도 활용되고 있습니다. chatGPT는  100만명의 사용자를 모으는데 걸린 시간이  고작 5일만에 달성할 만큼 급속한 사회적인 관심을 가지고 있습니다.  3차 산업 혁명의 중심에 있었던 인터넷 기업들(인스타그램, 스포티파이, 페이스북,트위트 등) 보다도 훨씬 더 파급력이 높은 성장을 하고 있습니다. 1. ChatGPT의 근간을 이루는 Generative AI의 개념       GPT은 "Generative Pre-trained Transformer"의 약자로, 트랜스포머(Transformer) 아키텍처를 사용한 사전 훈련된 생성 모델을 나타냅니다. 여기서 GPT-3.5는 OpenAI에서 개발한 다양한 크기의 GPT 모델 중 하나로, 매우 큰 파라미터 수를 가지고 있어 광범위한 언어 작업에 적용 가능한 모델입니다.     1) ChatGPT :           OpenAI에서 개발한 대화 시나리오에 특화된 모델로, 사용자와의 자연스러운 대화를 생성할 수 있습니다.           대화에 대한 훈련을 받아 유연한 대화체를 제공하며, GPT-3.5의 큰 파라미터로 인해 다양한 주제와 작업에 적용

이 블로그의 인기 게시물

SSL/TLS 인증서 오류를 해결- 리눅스명령모음 - SSL certificate problem

(truffle 환경 설정) 스마트 계약 배포 와 truffle deploy 오류 해결 - Error: Could not find artifacts for SimpleStorage from any sources

자기주권 신원 (SSI Self-Sovereign Identity) 인증의 발전 그리고 정보 민주화 (Information Democratization)