OpenProject & API
라이센스에 주의하며 사용
출처 명시 조건, 코드 변경 조건 등
¶ OpneProject
¶ API
OpneProject
자유롭게 활용하고 기여할 수 있는 프로젝트
종류
DeepArt - AI 그림 ¶
- 이미지를 예술 작품처럼 변환
- 활용: 사진을 Monet, Van Gogh 같은 스타일로 변환
OpenAI Gym - 강화학습 게임 ¶
- 강화학습(적응형 AI 학습)의 연구와 개발을 위한 도구들
- 활용: 간단한 게임을 만들고, AI가 스스로 게임을 배우고 플레이하도록 학습
Mozilla Common Voice - 음성 인식 데이터셋 구축 ¶
- Mozilla 제공
- AI 음성 인식을 위한 방대한 데이터셋을 구축
- 활용: GitHub에서 프로젝트를 클론하고, 자신만의 음성 인식 모델을 훈련시켜 보세요. 나만의 음성 비서도 만들어 볼 수 있답니다.
Scikit-learn - 머신러닝 라이브러리 ¶
- 파이썬 기반의 머신러닝 라이브러리로, 다양한 머신러닝 알고리즘을 손쉽게 구현
- 활용: 고객 데이터 분석, 예측 모델 만들기 등
Hugging Face Transformers - 자연어 처리 프로젝트 ¶
BERT,GPT-3등 최신NLP모델들을 활용- 활용: 텍스트 생성, 번역, 감정 분석 등
Magenta - 음악과 예술 창작 AI ¶
- 허깅페이스는 오픈소스 커뮤니티를 중심
- 활용: 음악 작곡 AI를 만들거나, 기존 음악에 새로운 스타일 적용
API
Application Programming Interface
프로그램 간에 데이터를 주고받을 수 있게 해주는 인터페이스서로 다른 프로그램의 대화 통로
기본 개념
- 이미 만들어진 다양한 서비스를 활용하여 자신만의 서비스 개발 가능
- 고성능의 모델은 비용이 발생
- API Key를 발급 받아 사용
- Key 관리가 매우 중요 : 공개될 경우 동시다발적 과금 발생 가능
장점
- 손쉬운 사용: 간단한 호출로 사용
- 신속한 개발: 빠르게 프로토 타입 개발 후 새로운 기능을 추가
- 확장성: 다양한 API 결합 가능
단점
- 비용: 고성능 일수록 고비용
- 제한된 제어: 제공된 기능만 사용 가능, 커스터마이징 제한 가능성
- 의존성: 해당 서비스 중단되면 문제 발생
Tips
- 문서 읽기: 공식 문서를 자세히 읽어 사용법과 제한 사항 확인
- API 키 관리: 신중하게 관리
- 코드에 포함시키지 않고 환경 변수를 통해 관리
- 무료 할당량 체크: 잘 활용하면 비용없이 충분한 테스트 가능
공식 문서 활용법
Endpoint
- API가 제공하는 서비스의 주소
- url 형식으로 존재
- 특정 리소스 기능
Method
- HTTP Method : API의 요청에 의해 서버에서 수행해야 할 동작의 종류
- Get : 리소스 조회
- Post: 데이터 추가, 등록
- Delete
- Patch : 리소스 부분 변경
- Head : Body 부분 제외하고 조회
- Option : 서버가 브라우저와 통신하기 위한 통신 옵션
- method, header, content-typ 등
Request
- 클라이언트가 서버에 보내는 메시지
- 어떤 작업을 수행할지, 어떤 데이터를 사용할지 정하는 것
- Url: 요청이 전달 될 엔드포인트 주소
- Header: 요청에 대한 메타 데이터(인증 데이터 등)
- Body: 서버롤 전달할 데이터
Response
- 서버가 클라이언트 요청에 대해 반환하는 데이터
- 상태코드: 처리 결과
- Header: 응답에 대한 메타 데이터(데이터 형식 등)
- Body: 요청에 대한 실제 데이터
데이타 포맷
- Jason, XML, YAML 사용
- XML(eXtensible Markup Language)
- W3C에서 개발
- 다른 특수한 목적을 갖는 마크업 언어를 만드는데 사용하도록 권장하는 다목적 마크업 언어
- YAML(Yet Another Markup Language) ¶
- 사람이 쉽게 이해할 수 있고 기계가 해석할 수 있는 방식으로 구조화된 데이터를 표현하는 표준화 형식을 제공
- XML(eXtensible Markup Language)
Authentication
- 인증과 관련된 내용들
- API Keyes
문제점
사전학습된 모델은 특정 데이터나 작업에 대해 학습된 상태
다른 작업에 맞추려면 Fine-Tuning 필요
비용 문제 : 미세 조정이나 추가 학습을 위한 클라우드 서비스나 고성능 장비에 비용이 요구됨