전에 쓰던 건 너무 별로인 것 같아서 다시 갈아엎기로 했습니다. 제가 이해를 제대로 하지 못한 것 같기도 하고요....아무튼 지금 개발 상태는 초기이기 때문에, 저렇게까지 복잡할 필요는 느끼지 못해 다시 작성합니다.목표유튜브 API를 활용해 특정 채널이나 영상의 통계를 가져와서 사이트에 시각화ex) 구독자 수, 조회수, 좋아요 수, 영상 수, 최근 영상 목록 etc맡은 역할페이지 레이아웃 구성 (React)유튜브 API 연동하여 데이터 받아오기데이터 표시 (조회수, 구독자 등 통계 카드)시각화 (차트, 그래프 etc)검색 및 필터 기능준비물구글 클라우드 콘솔 접속프로젝트 만들기YouTube Data API v3 활성화API Key 생성React 시작https://nodejs.org/ko Node.js —..
Project
1. 목적 서비스 정리유튜브 실시간 스트리밍 데이터를 수집하고, 그래프로 보여 주는 것.실시간 라이브 방송 데이터 가져오기해당 방송의 실시간 시청자 수 추적2. 유튜브에서 가져올 수 있는 데이터라이브 스트리밍 & 실시간 시청자 수필요한 데이터설명API 엔드포인트라이브 스트리밍 리스트현재 유튜브에서 방송 중인 라이브 영상 목록`search?part=snippet&type=video&eventType=live`라이브 방송 ID특정 방송의 고유 ID (이걸 알아야 시청자 수 추적 가능)search API 응답 데이터에 포함됨실시간 시청자 수현재 방송을 보고 있는 사람 수 (핵심 데이터)`videos?part=liveStreamingDetails&id=영상ID`방송 시작 시간해당 스트리밍이 언제 시작되었는지`l..
react를 한 번도 써 보지 않아서 이번 기회에 혼자 공부하려고 합니다. 흠.... 먼저 node.js를 설치해야 하는군요. 이건 캡처를 못 했기 때문에, 링크로 첨부하겠습니다. https://velog.io/@ljs923/Node.js-%EB%8B%A4%EC%9A%B4%EB%A1%9C%EB%93%9C-%EB%B0%8F-%EC%84%A4%EC%B9%98%ED%95%98%EA%B8%B0 Node.js 다운로드 및 설치하기Node.js 홈페이지 접속https://nodejs.org/en18버전 20버전 아무거나 다운로드 해도 상관 없으나 추천해준 버전으로 다운로드(추천 버전은 3년동안 안정적으로 사용할 수 있음.)Next라이센스 동의 체크 후velog.io이분 링크를 참고하였습니다.React 프로젝트 생성..
전체 코드더보기# 필요한 라이브러리 불러오기import tensorflow as tfimport numpy as npimport openaiimport timeimport google.generativeai as genaifrom tensorflow.keras.preprocessing.text import Tokenizerfrom tensorflow.keras.preprocessing.sequence import pad_sequencesfrom sklearn.metrics import accuracy_score, precision_score, recall_score, f1_scoreimport numpy as npimport pandas as pdimport matplotlib.pyplot as plti..
개선 전 코드↴더보기# 필요한 라이브러리 불러오기import tensorflow as tfimport numpy as npimport openaiimport timeimport google.generativeai as genaifrom tensorflow.keras.preprocessing.text import Tokenizerfrom tensorflow.keras.preprocessing.sequence import pad_sequencesfrom sklearn.metrics import accuracy_score, precision_score, recall_score, f1_scoreimport numpy as npimport pandas as pdimport matplotlib.pyplot as p..
어떤 근거로 가짜와 진짜를 판별하느냐.... 코드를 추가하겠습니다.1. 모델의 확률값 출력현재 모델은 단순히 `0.5`를 기준으로 가짜 뉴스(1)와 진짜 뉴스(0)을 판별하지만, 각 뉴스에 대한 예측 확률값을 출력하면 판별의 신뢰도 확인 가능방법:# 예측 확률값을 함께 출력for i, prob in enumerate(prediction.flatten()): print(f"⚖ 판별 결과: {'⚠ 가짜 뉴스' if is_fake[i] else '✔ 진짜 뉴스'} (확률: {prob:.2%})")↳ 문제점↴더보기⚖ 판별 결과: ⚠ 가짜 뉴스 (확률: 100.00%) --------------------------------------------------⚖ 판별 결과: ✔ 진짜 뉴스 (확률: 0.00%)..
처음에는 기사 전체를 AI한테 가짜 뉴스인지 진짜 뉴스인지 판별하라고 했습니다. 모델 몇십 개를 만들어 보고, 이용해 본 결과 정확도도 너무 떨어지고, 학습 시간도 그냥 하루 죙~일 하고 있어서 고민했습니다. 그래서 생각해 낸 아이디어 어차피 우리 프로젝트 기능에 요약하기가 있으니 요약을 한 다음에 진짜인지 가짜인지 판별하는 건 어떨까!!!!!!!!!!!!!!!!!! 그래서 실험을 하였습니다. # 필요한 라이브러리 불러오기import tensorflow as tfimport numpy as npimport openaiimport timeimport google.generativeai as genaifrom tensorflow.keras.preprocessing.text import Tokenizerfro..
1. KoELECTRA 모델 위치:GitHub GitHub - monologg/KoELECTRA: Pretrained ELECTRA Model for KoreanPretrained ELECTRA Model for Korean. Contribute to monologg/KoELECTRA development by creating an account on GitHub.github.comHugging Face>> from transformers import ElectraModel, ElectraTokenizer >>>" data-og-host="huggingface.co" data-og-source-url="https://huggingface.co/monologg/koelectra-base-v3-discrim..
일단 이 글을 시작하기 전에 https://start.spring.io/ 여기서 뭘 다운받았는지 잘 기억이 안 나서 먼저 첨부파일을 배포하겠습니다 아마 잘 기억하면 생각이 날 것 같긴 한데 지금은 다른 게 급해서시작 툴입니다 그리고 지금 이 글을 적고 있는 시점은이것부터 시작하고 있으니 참고해 주세요YouTube API 키 발급받기1. https://console.cloud.google.com/apis/dashboard?inv=1&invt=AbpNhQ&project=fakenewsproject-449801 접속 Google 클라우드 플랫폼로그인 Google 클라우드 플랫폼으로 이동accounts.google.com2. 접속하면 이런 화면이 뜰 텐데, 라이브러리를 들어가 줍니다.3. 밑으로 쭉 내리다 보면..
1. 프로젝트 목표네이버 뉴스 API를 이용하여 뉴스 데이터를 가져와 MariaDB에 저장수집한 뉴스 데이터를 기반으로 가짜 뉴스 판별 모델을 학습FastAPI를 통해 RESTful API로 서비스 제공뉴스 데이터를 저장하고, 조회입력된 뉴스가 가짜인지 판별2. 주요 구성 요소크롤링(`crawling.py`)네이버 뉴스 API를 통해 뉴스를 검색하고 데이터 가져오기데이터베이스 관리(`database.py`)MariaDB를 사용하여 뉴스 데이터를 저장하고 조회모델 학습(`train_model.py`)뉴스 데이터를 전처리하고 TF-IDF를 통해 특징 추출, LightGBM 모델 학습FastAPI 서버(`fastapi_app.py`)뉴스 데이터를 저장, 조회, 가짜 뉴스 판별 API 제공코드 설명1. 크롤링 ..
FastAPIPython 기반의 비동기(Asynchronous) 웹 프레임워크로, RESTful API 및 백엔드 서버를 빠르게 개발할 수 있도록 도와주는 프레임워크특징빠른 성능(Fast Performance)StarLette과 Pydantic을 기반으로 만들어졌으며, 비동기(Async) 방식을 지원하여 매우 빠른 성능Flask보다 훨씬 빠르고, Node.js의 Express.js와 비슷하거나 더 좋은 성능비동기 지원(Asynchronous)`async` / `await` 키워드를 사용하여 비동기 처리 지원(`async def` 함수 사용 가능)동기 코드와도 혼용 가능하여 유연한 개발 가능자동 문서화(Automatic Documentation)API 문서를 자동으로 생성`Swagger UI`(`http:..
