Overman

이번엔 schemas.py 부분을 확인해보자 from pydantic import BaseModelfrom datetime import datetimefrom typing import List, Optionalclass PatientBase(BaseModel): name: str brith_date: datetime gender: str contact: str address: Optional[str] = Noneclass PatientCreate(PatientBase): passclass PatientUpdate(BaseModel): name: Optional[str] = None birth_date: Optional[datetime] = None gend..

FastAPI 2025. 4. 11. 11:45

음식 쪽 하는 친구가 최근 맛있는 음식 먹으러 다니며 경험을 쌓는 중이라 했다.친구가 가보고 싶은 맛집이 있어 같이 가자고 해서 겸사 겸사 같이 따라가게 되었다. 1층은 브런치 카페? 같은 것이 있었고 가게는 2층에 있었다.처음으로 가게에 가서 주문을 하면 메뉴에 상관없이 기본 안주 오토시를 준다.맛은 가쓰오부시와 간장 베이스의 국물에 청경채, 양배추 등의 채소가 들어있고 닭고기 같은 것이 간단하게 들어있다.위에 뭔가 바삭거리는 것이 뿌려져 있었는데 따로 물어보진 않아서 정체는 모르겠다.먹고 느낀 점은 정말 튀지 않는 맛이었다. 하나 하나의 맛이 따로 나지만 서로를 방해하지 않고 도와주는 느낌이었다. 채소는 익었지만 식감이 그대로 있었고 닭고기는 부드럽고 맛있었다. 오토시를 많이 먹어보진 않아서 어떤 게..

맛집 2025. 4. 10. 12:41

이제 이어서 database.py와 schemas.py에 대해서 알아보자앞서서 본 코드는 다음과 같았다.router = APIRouter( prefix="/patients", tags=["patients"], responses={404: {"description": "Not found"}})@router.post("/", response_model=schemas.Patient)def create_patient(patient: schemas.PatientCreate, db: Session = Depends(get_db)): db_patient = models.Patient(**patient.dict()) db.add(db_patient) db.commit() db.re..

FastAPI 2025. 4. 9. 14:55

데이터 사이언스 팀플 관련하여 백엔드를 FastAPI로 구현하게 되어 기본적인 CRUD과정부터 마지막 구현까지 블로그를 통하여 정리하려고 한다. 기본적으로 CRUD를 구현하기 위한 구조는 다음과 같다.각 역할을 정리하면main.py애플리케이션 진입점FastAPI 인스턴스 생성 및 설정라우터 등록CORS MIDDLEWARE 설정서버 실행 시 이 파일 실행database.py데이터베이스 연결 설정SQLAlchemy 엔진 생성Session Factory 생성데이터베이스 세션 의존성 함수 (get_db) 정의models.pyDB table 구조 정의ORM 모델 클래스 선언테이블 간의 관계 설정 (이 부분 공부 필요 - 필수)schemas.pyPydantic 모델 정의데이터 검증 및 직렬화 / 역직렬화 담당API..

FastAPI 2025. 4. 9. 13:58

Dialogue Manager by Dialogue Manager (Finite state Automata를 통하여 만듬): 간단히 설명해주심 (소개 정도 - 3주차 이후에 배운다하심) Example: Dialogue state TrackerDialogue State Tracker에다가 정보를 누적시킴1. Input - Sentence로 들어옴2. Tagset에서 해당 파트를 찾음3. Dialogue State에다가 tagset 중 하나를 골라서 assignment 할 수 있음. (필요 시에 tracker에 저장)-> Tracker에 저장 한다는 것 자체가 글 전체의 맥락 등을 기억한다는 의미가 강함Ex) inform tag를 이용해서 inform(price=expensive) 라는 정보를 기억+ nea..

자연어처리 2025. 4. 2. 22:21

import copyarr = [[3, 3, 3], [4, 4, 4], [5, 5, 5]]brr = copy.copy(arr)arr[0][0] = 100print(arr) print(brr)brr = copy.deepcopy(arr)arr[0][0] = 0print(arr)print(brr)이렇게 두 가지 경우가 있다.brr은 arr의 배열을 copy한다라는 부분에서는 같지만 출력 결과를 보면 같지 않다는 것을 확인할 수 있다.이렇게 원본 배열을 바꾼 전제는 같지만 결과는 다르게 나왔다. 처음의 단순 copy의 경우는 arr데이터가 바뀜에 따라 brr도 바뀐 것을 확인할 수 있다. 그에 반하여 두 번째 deepcopy를 수행한 brr의 경우 arr의 값이 바뀌어도 영향을 받지 않는 것을 확인할 수 있다...

기술 면접 대비 매일메일 2025. 4. 1. 16:25

Hidden Markov Model (HMM)에 관련한 질문 Q. 지난주 Hidden Markov model에 대해서 설명해주셨는데, 제가 이해하는 Markov model은 이전 단계의 결과만이(사실상 계산 도중에 이전 상태들의 연산이 포함된 것과 같지만) 다음 단계의 영향을 주는 모델입니다. Hidden Markov model은 model 형성 과정에서 인지하지 못한 state들의 영향을 받는 것으로 이해했습니다. 여기서 궁금한 부분이 생겼습니다. 만약 state n-1에서 생성한 단어가 a나 the와 같은 관사에 관련된 것이라면 그 다음 단계인 명사의 영향을 받는 것으로 예상되어지는데 이게 이전 상태는 아니기 때문에 hidden state 정보라고 생각됩니다. 근데 제가 이해한 markov Model..

자연어처리 2025. 3. 28. 14:41

Q. Response를 generation으로 주는 것이 아니라 input을 generation output으로 주는 것이 훨씬 결과가 좋다고 말씀하심. 이게 무슨 의미이고, 어떤 말씀일까?A. Input을 Generation output으로 -> 사용자의 질문에 답하면서도 추가 질문이나 대화 방향을 제시-> 대화가 자연스러우며, 사용자의 의도나 필요 더 깊이 파악 가능 + 추가 설명 (Dialogue system은 turn을 계속하여 돌리게 되는데, turn을 돌릴 때마다 성능이 향상될 수 있다. Response을 Generation output으로 돌리는 게 더 좋을 수 있지 않나? => Dialogue system은 계속적인 interaction이 있어야 하기 때문에 추가적인 질문을 하는 것이 더 ..

자연어처리 2025. 3. 28. 14:29