데이터 과학

Hugging Face와 네이버 영화 리뷰를 활용한 AI 감성분석1. 네이버 영화 리뷰를 AI가 판단할 수 있을까?우리가 인터넷에서 영화나 상품을 검색하면 수많은 사용자 리뷰를 볼 수 있습니다. 사람은 리뷰를 읽고 비교적 쉽게 긍정적인 내용인지 부정적인 내용인지 판단할 수 있습니다.예를 들어 다음 두 문장을 살펴보겠습니다.정말 재미있는 영화였습니다. 배우들의 연기도 훌륭합니다.사람은 이 문장을 긍정적인 리뷰라고 판단합니다.반대로,스토리도 지루하고 배우들의 연기도 별로였습니다.라는 문장은 부정적인 리뷰라고 판단할 수 있습니다.그렇다면 인공지능도 이러한 문장의 의미를 이해하고 긍정과 부정을 구분할 수 있을까요?이번 실습에서는 Hugging Face에서 제공되는 Transformer 기반 자연어 처리 모델과 ..

다음은 Hugging Face의 다국어 감성분석 모델을 이용해서 네이버 리뷰 문장을 1~5점 별점처럼 예측하는 방법에 대한 내용입니다. 모델은 nlptown/bert-base-multilingual-uncased-sentiment를 사용합니다. !pip install transformers torch -q from transformers import pipeline # Hugging Face 감성분석 모델 classifier = pipeline( "sentiment-analysis", model="nlptown/bert-base-multilingual-uncased-sentiment" ) text = "배송도 빠르고 제품도 정말 마음에 들어요." result = classifier(tex..

알파폴드3를 설치하기 위해서는 Docker가 필수요소입니다. 이에 대한 설명서입니다, 관련 내용은 블로그 280번에 있습니다 https://tsyoon.tistory.com/280 Ubuntu에서 Docker 설치 및 실행 환경 구성하기AlphaFold 3와 같이 GPU를 사용하는 인공지능 프로그램을 Ubuntu에서 실행할 때는 Docker 기반 환경을 이용하면 프로그램별 Python, CUDA 및 라이브러리 충돌을 줄일 수 있습니다.여기에서는 Ubuntu에 Docker Engine을 설치하고 정상적으로 실행되는지 확인하는 과정까지 정리합니다.1. Docker 설치를 위한 기본 패키지 설치먼저 Ubuntu 패키지 목록을 업데이트하고 Docker 저장소 등록에 필요한 패키지를 설치합니다. sudo apt..

Hugging Face 메뉴 살펴보기모델 검색부터 데이터셋, Spaces, Google Colab 실습까지Hugging Face가 어떤 플랫폼인지 이해했다면 이제 실제 홈페이지에서 어떤 기능을 제공하는지 살펴볼 필요가 있습니다.Hugging Face에는 인공지능 모델을 검색하는 기능, 데이터셋을 찾는 기능, AI 웹 애플리케이션을 직접 실행해 보는 기능 등이 제공되고 있습니다. 처음 접하면 메뉴가 많아 다소 복잡하게 느껴질 수 있지만, 기본적으로는 Models, Datasets, Spaces 세 가지 메뉴를 중심으로 이해하면 됩니다.Models는 인공지능 모델을 찾는 공간이고, Datasets는 인공지능 학습과 평가에 필요한 데이터를 찾는 공간이며, Spaces는 다른 사람이 만든 AI를 웹브라우저에서 ..

단백질 구조 예측을 하기 위한 시스템 구축에서 문제가 되었던 부분을 정리했습니다. RTX 5050 호환성에 대한 GPU 부분에서 문제가 있어, CPU로 구동해야 하는 상황이어서 이에 대한 내용을 GPT를 사용해 정리해 보았습니다. CPU만 구동해도 시간이 좀 걸리기는 해도 단백질 서열 정보가 나타납니다. RoseTTAFold All-Atom(RFAA) 로컬 설치와 단백질 구조 예측 실습1. RoseTTAFold All-Atom이란?RoseTTAFold All-Atom(RFAA)은 단백질을 비롯한 다양한 생체분자의 3차원 구조를 예측하기 위해 개발된 딥러닝 기반 구조 예측 모델입니다.기존 RoseTTAFold가 주로 단백질의 구조 예측에 초점을 맞추었다면, RoseTTAFold All-Atom은 단백질뿐..

AlphaFold 3 , RoseTTAFold-All-Atom 서버 접속 및 사용 방법 단백질 및 생체분자 구조 예측 실습을 위해 AlphaFold 3와 RoseTTAFold-All-Atom(RFAA)이 설치된 GPU 서버를 운영예정 중입니다.자신의 컴퓨터에 AlphaFold나 RoseTTAFold-All-Atom을 직접 설치하지 않고 인터넷을 통해 GPU 서버에 접속하여 구조 예측 작업을 수행할 수 있습니다. 서버에는 구조 예측에 필요한 NVIDIA GPU와 대용량 생물정보 데이터베이스가 설치되어 있으므로 개인 컴퓨터의 성능은 크게 중요하지 않습니다. 개인 컴퓨터에서는 서열 입력, 작업 제출, 결과 확인 등을 수행하고 실제 인공지능 구조 예측 계산은 GPU 서버에서 이루어집니다. ============..

AlphaFold 3 설치 및 데이터베이스 구축하기AlphaFold 3는 단백질뿐 아니라 DNA, RNA, 리간드, 이온 및 다양한 생체분자 복합체의 3차원 구조를 예측할 수 있는 인공지능 기반 구조예측 시스템입니다. 로컬 Ubuntu 환경에 AlphaFold 3를 설치하려면 단순히 프로그램 소스만 내려받는 것으로 끝나지 않습니다. NVIDIA GPU 환경, Docker, 모델 파라미터, 그리고 수백 GB 규모의 생물정보학 데이터베이스까지 함께 준비해야 합니다.이 글에서는 Ubuntu 환경에서 AlphaFold 3를 설치하는 전체 과정을 프로그램 설치, GPU 설정, 데이터베이스 구축, 입력 파일 작성, 구조 예측 실행, 결과 확인까지 순서대로 설명합니다.1. AlphaFold 3의 전체 구조AlphaF..

이전 연구에서 로제타폴드를 설치하고 데이터베이스를 이용하여 단백질 구조예측을 진행해 보았습니다.그리고, 데이터베이스 종류에 대해 알아보았으며 이를 설치하고 사용하는 방법도 알아봤습니다. https://tsyoon.tistory.com/276 RoseTTAFold-All-Atom에서 데이터베이스RoseTTAFold-All-Atom에서 데이터베이스와 분석RoseTTAFold-All-Atom(RFAA)을 로컬 컴퓨터에 설치하다 보면 UniRef30, BFD, PDB100, Legacy BLAST 2.2.26과 같은 여러 종류의 데이터와 프로그램을 설치하게 됩니다. 처음tsyoon.tistory.com 그렇다면 데이터베이스를 좀 더 늘리고 이를 참고한다면 구조예측의 정확도나 커버러지 값은 더 높아지지 않을까 ..

로제타 폴드를 구글 코랩과 같이 구현한 내용입니다. 코랩폴드안에 로제타폴드 알고리즘을 덮였다고 해도 될 것 같습니다. 코랩폴드에서 구현한 로제타폴드2 코랩 노트북에 대한 소개입니다. 코랩폴드에서 단백질 단량체, 복합체 예측이 가능한 프로그램을 작성했습니다. https://colab.research.google.com/github/sokrypton/ColabFold/blob/main/RoseTTAFold2.ipynb#scrollTo=Eh48KV70rQ03 RoseTTAFold2.ipynbRun, share, and edit Python notebookscolab.research.google.com 이에 대한 원리를 알아봅시다. RoseTTAFold2 Colab notebookRoseTTAFold는..