flowchart TB
subgraph A["사용자 인터페이스"]
direction LR
CLI["CLI<br>Command Line Interface<br> 1950~"] --> GUI["GUI <br> Graphic User Inferface<br> 1970~"]
GUI --> WI["Web Interface <br> 1994~"]
WI --> MI["Mobile Interface <br> 2007~"]
MI --> NUI["LUI <br> Language User Interface <br> 2023~"]
end
class A nodeStyle
classDef nodeStyle fill:#fcfbfa,stroke:#000000,stroke-width:0.7px,font-weight:bold,font-size:14px;
챗GPT 데이터 사이언스
데이터 사이언스 패러다임 전환
2024년 4월 29일
서울 R 미트업 (2023년)
서울 R 미트업
챗GPT 데이터 과학 도서
📘 교보 POD 종이책: https://bit.ly/4cVDxxL
📗 교보 전자책: https://bit.ly/4dccQ8n
🌐 웹사이트: https://bit.ly/4909pOB
💻 소스코드: https://bit.ly/3wXugES (이광춘, 2024b)
📘 교보 POD 종이책: https://bit.ly/4a8v1JS
📗 교보 전자책: https://bit.ly/4auasHU
🌐 웹사이트: https://bit.ly/48V8u1T
💻 소스코드: https://bit.ly/48RqMB9 (이광춘, 2024c)
📘 교보 POD 종이책: https://bit.ly/3wElKuk
📗 교보 전자책: https://bit.ly/3IkWE6f
🌐 웹사이트: https://bit.ly/3P7PVjX
💻 소스코드: https://bit.ly/3InK46m (이광춘, 2024d)
📘 교보 POD 종이책: https://bit.ly/3OJmMeT
📗 교보 전자책: https://bit.ly/48fujZD
🌐 웹사이트: https://bit.ly/48gYn7d
💻 소스코드: https://bit.ly/3wrgeuP (이광춘, 2024a)
📘 교보 POD 종이책: https://bit.ly/434h5y9
📗 교보 전자책: https://bit.ly/KzUdOU
🌐 웹사이트: https://bit.ly/3I4FpWS
💻 소스코드: https://bit.ly/3wrgeuP (이광춘·신종화, 2023)
구글 검색의 종말(?)
글쓰기 역사
오피스 전쟁: 패러다임 충돌
챗GPT 시대 사무실
챗GPT가 이룬 대통합
인터페이스 (Interface)
챗GPT NUI
- 챗GPT (ChatGPT)
- OpenAI Playground
- GitHub Copilot
Command Palette 역사
- 60년대로 거슬러 올라가는 명령 팔레트는 최근 기술 업계에서 다시 인기를 얻고 있으며 사용자 중심 소프트웨어의 필수적인 부분으로 간주됨.
- CLI는 개인용 컴퓨터가 대중화되기 전 초기 컴퓨팅을 지배했으며 사용자가 시스템을 작동하기 위해 특정 명령을 알아야 했다. 1984년 Apple의 매킨토시와 함께 도입된 그래픽 사용자 인터페이스(GUI)는 중요한 혁신으로 여겨졌지만, 소프트웨어의 복잡성이 증가함에 따라 GUI만으로는 탐색하기가 점점 더 어려워졌다.
- 사용자가 항목 이름의 짧은 약어입력하여 앱과 파일을 검색할 수 있는 런처가 점점 더 보편화 되었다. 예를 들어 2001년에 출시된 Mac OS X용 LaunchBar, Quicksilver, 2005년에 출시된 Apple의 시스템 전체 Spotlight가 있다. 검색과 CLI의 결합은 Command Palette의 탄생으로 이어졌다.
- 오늘날 우리가 알고 있는 현대식 명령 팔레트는 2011년 Sublime Text 2 베타 Joe Skinner가 처음 소개. 명령줄 사용에 익숙한 프로그래머들이 단축키를 모두 외울 필요 없이 더 빠르게 작업할 수 있어 중요한 발전이 됨.
포스터 제작
API 프로그래밍
웹사이트를 읽고 다음 지령을 준비해 https://apis.map.kakao.com/web/documentation/
Kakao 지도 API 문서는 다양한 지도 관련 기능을 제공한다. 이 문서는 지도 객체 생성, 이벤트, 메서드 등에 대한 상세한 정보를 담고 있다. 아래는 주요 내용의 요약이다.
### 지도 객체 생성
- `kakao.maps.Map(container, options)`: 지도를 생성한다.
- `container`: 지도가 표시될 HTML element
- `options`: 중심 좌표, 확대 수준, 지도 종류 등을 설정할 수 있다.
### 주요 메서드
- `setCenter(latlng)`: 지도의 중심 좌표를 설정한다.
- `getCenter()`: 지도의 중심 좌표를 반환한다.
- `setLevel(level, options)`: 지도의 확대 수준을 설정한다.
- `getLevel()`: 지도의 확대 수준을 반환한다.
- `setMapTypeId(mapTypeId)`: 지도의 타입을 설정한다.
- `getMapTypeId()`: 지도의 타입을 반환한다.
### 이벤트
- `center_changed`: 중심 좌표가 변경되면 발생한다.
- `zoom_start`: 확대 수준이 변경되기 직전에 발생한다.
- `zoom_changed`: 확대 수준이 변경되면 발생한다.
- `click`: 지도를 클릭하면 발생한다.
- `dblclick`: 지도를 더블클릭하면 발생한다.
이 외에도 다양한 메서드와 이벤트가 있어, 개발자가 원하는 기능을 쉽게 구현할 수 있다.주소를 넘기면 위경도 좌표를 반환하는 R 코드를 작성해줘.
R에서 주소를 위경도 좌표로 변환하기 위해 httr 패키지를 사용하여 Kakao API를 호출한 예시 코드이다.
# 필요한 패키지를 설치하고 불러온다
install.packages("httr")
install.packages("jsonlite")
library(httr)
library(jsonlite)
# 주소를 위경도로 변환하는 함수를 정의한다
get_latlng <- function(address) {
# Kakao API 키를 설정한다 (본인의 API 키로 교체해야 한다)
api_key <- "YOUR_KAKAO_API_KEY"
# API URL과 파라미터를 설정한다
url <- "https://dapi.kakao.com/v2/local/search/address.json"
params <- list(query = address)
headers <- add_headers("Authorization" = paste("KakaoAK", api_key))
# API를 호출한다
response <- GET(url, query = params, headers)
# 응답을 확인하고 JSON을 파싱한다
if (status_code(response) == 200) {
content <- content(response, "text", encoding = "UTF-8")
json_data <- fromJSON(content)
# 위경도를 추출한다
if (json_data$meta$total_count > 0) {
lat <- json_data$documents[[1]]$y
lng <- json_data$documents[[1]]$x
return(list(lat = lat, lng = lng))
} else {
return(NULL)
}
} else {
stop("API request failed")
}
}
# 함수를 테스트한다
address <- "서울특별시 강남구 테헤란로 212"
result <- get_latlng(address)
print(paste("Latitude:", result$lat, "Longitude:", result$lng))library(httr)
library(jsonlite)
# 주소를 위경도로 변환하는 함수를 정의한다
get_latlng <- function(address) {
# Kakao API 키를 설정한다 (본인의 API 키로 교체해야 한다)
api_key <- Sys.getenv("KAKAO_MAP_API_KEY")
# API URL과 파라미터를 설정한다
url <- "https://dapi.kakao.com/v2/local/search/address.json"
params <- list(query = address)
headers <- add_headers("Authorization" = paste("KakaoAK", api_key))
# API를 호출한다
response <- GET(url, query = params, headers)
# 응답을 확인하고 JSON을 파싱한다
if (status_code(response) == 200) {
content <- content(response, "text", encoding = "UTF-8")
json_data <- fromJSON(content)
# 위경도를 추출한다
if (json_data$meta$total_count > 0) {
lat <- json_data$documents[[1]]$y
lng <- json_data$documents[[1]]$x
return(list(lat = lat, lng = lng))
} else {
return(NULL)
}
} else {
stop("API request failed")
}
}
# 가톨릭관동대학교 주소
address <- "강원도 강릉시 범일로579번길 24"
result <- get_latlng(address)
print(paste("Latitude:", result$lat, "Longitude:", result$lng))
수능문제 풀이
2023학년도 대학수학능력시험 수학영역 문제를 풀어보자.
\(\left(\frac{4}{2^{\sqrt{2}}}\right)^{2+\sqrt{2}}\) 값은?
식 \[ \left(\frac{4}{2^{\sqrt{2}}}\right)^{2+\sqrt{2}} \] 의 값은 \(4\)입니다.
정확한 형태로는 \(2^{(2 - \sqrt{2}) (2 + \sqrt{2})}\)로 표현됩니다.
자세한 정보는 Wolfram|Alpha 웹사이트에서 확인할 수 있다.
과정도 설명해줘.
물론이다. 주어진 식은 \[ \left(\frac{4}{2^{\sqrt{2}}}\right)^{2+\sqrt{2}} \]이다. 이 식을 단계별로 분해해보자.
- 단계 1: 분모를 간단하게 만들기
먼저, 분모인 \(2^{\sqrt{2}}\)를 간단하게 만들기 위해 분자와 분모에 \(2^{\sqrt{2}}\)를 곱한다. 이렇게 하면:
\[ \left(\frac{4 \times 2^{\sqrt{2}}}{2^{\sqrt{2}} \times 2^{\sqrt{2}}}\right)^{2+\sqrt{2}} \]
- 단계 2: 분모를 합치기
이제 분모의 \(2^{\sqrt{2}} \times 2^{\sqrt{2}}\)를 합쳐 \(2^{2\sqrt{2}}\)로 만든다.
\[ \left(\frac{4 \times 2^{\sqrt{2}}}{2^{2\sqrt{2}}}\right)^{2+\sqrt{2}} \]
- 단계 3: 분자를 합치기
분자의 \(4 \times 2^{\sqrt{2}}\)를 합쳐 \(2^2 \times 2^{\sqrt{2}} = 2^{2+\sqrt{2}}\)로 만든다.
\[ \left(\frac{2^{2+\sqrt{2}}}{2^{2\sqrt{2}}}\right)^{2+\sqrt{2}} \]
- 단계 4: 지수 법칙 적용
지수 법칙에 따라 분자와 분모의 지수를 빼준다.
\[ \left(2^{(2+\sqrt{2}) - 2\sqrt{2}}\right)^{2+\sqrt{2}} = \left(2^{(2 - \sqrt{2})(2 + \sqrt{2})}\right)^{2+\sqrt{2}} \]
- 단계 5: 최종 계산
마지막으로, \((2 - \sqrt{2})(2 + \sqrt{2})\)를 계산하면 \(4 - 2 = 2\)가 된다. 따라서 최종 결과는 \(2^2 = 4\)이다.
이렇게 해서 \[ \left(\frac{4}{2^{\sqrt{2}}}\right)^{2+\sqrt{2}} = 4 \]임을 확인할 수 있다.
OpenAI Advanced Data Analysis
Open AI Code Interpreter → Advanced Data Analysis → 챗GPT4
RStudio Copilot
Tools -> Global Options -> Copilot -> Enable Github Copilot
웹앱(Shiny App) 개발 사례
광명시 보좌관
RTutor & PandasAI
도구(문서)의 인간
디지털 저작
데이터 과학 과거와 현재
과거
현재
글쓰기 진화
<!-- sourcecode --> package1 -->
<!-- package1 --> product1 -->
<!-- product1 --> distribute1 -->
<!-- distribute1 --> service1 -->package2 –> product2 –> distribute2 –> service2 –>
데이터 과학 → 디지털 글쓰기
| 연도 | 도구 | 개발자 |
|---|---|---|
| 1978 | TeX | Donald Knuth |
| 1984 | Literate Programming | Donald Knuth |
| 1988 | Mathematica Notebooks | Stephen Wolfram |
| 2001 | IPython | Fernando Perez |
| 2003 | Emacs org-mode | Carsten Dominik |
| 2004 | Markdown | John Gruber |
| 2005 | Sage Notebook | William Stein |
| 2006 | Pandoc | John MacFarlane |
| 2009 | GitHub Flavored Markdown | Tom Preston-Werner |
| 2011 | iPython Notebook | Fernando Perez |
| 2012 | knitr | Yihui Xie |
| 2014 | Project Jupyter | Fernando Perez |
| 2020 | Quarto | J.J. Allaire |
디지털 글쓰기 - 쿼토
주피터 –> 마크다운 –> 팬독 –> pdf –> html –> docx –> knitr –> 마크다운 –>
| 기능 | R 마크다운 | 쿼토(Quarto) |
|---|---|---|
| 파일형식 | html_document / pdf_document / word_document | html / pdf / docx |
| 비머(Beamer) | beamer_presentation | beamer |
| 파워포인트(PPT) | powerpoint_presentation | pptx |
| 웹 슬라이드 | xaringan / ioslides / revealjs | revealjs |
| 고급 레이아웃 | tufte / distill | Quarto Article Layout |
| 상호 참조 | html_document2 / pdf_document2 / word_document2 | Quarto Crossrefs |
| 웹사이트/블로그 | blogdown / distill | Quarto Websites / Quarto Blogs |
| 책 | bookdown | Quarto Books |
| 인터랙티브 문서 | Shiny Documents | Quarto Interactive Documents |
| 페이지 HTML | pagedown | 출시 예정 |
| 학술 논문 | rticles | Quarto Journal Articles |
| 대쉬보드 | flexdashboard | Quarto Dashboards |
| 인터랙티브 자습서 | learnr | 계획 없음 |
교육과정
연세대 데이터 사이언스 입문
|
||
|---|---|---|
| 주차 | 학습내용 | 날짜 |
| 1 | 데이터 과학 (Data Science) | 3월7일 |
| 2 | 프로그래밍 기초와 마크다운 보고서 | 3월14일 |
| 3 | 데이터와 커뮤니티 찾기, 도움 청하기, 프로젝트 설정 | 3월21일 |
| 4 | 데이터 수집 | - |
| 5 | 자료구조(Data Structures) | 4월4일 |
| 6 | 데이터프레임과 SQL | 4월11일 |
| 7 | 버전제어, 협업, 그리고 저작권과 라이선스 | 4월18일 |
| 8 | 중간고사 | 4월25일 |
| 9 | 시각화 (Visualization) | 5월2일 |
| 10 | 정규표현식 | 5월9일 |
| 11 | 데이터 과학 프로그래밍 | 5월16일 |
| 12 | 데이터 과학 제품 | - |
| 13 | 함수형 프로그래밍 | 5월30일 |
| 14 | 데이터 과학 저작 | 6월6일(현충일) |
| 15 | R 팩키지 | 6월13일 |
| 16 | 기말고사 | 6월20일 |
연세대 데이터 (사이언스) 공학
|
||
|---|---|---|
| 주차 | 학습내용 | 날짜 |
| 1 | 데이터 사이언스 언어 | 9월6일 |
| 2 | [언어] R | 9월20일 |
| 3 | [언어] 파이썬 | 9월27일 |
| 4 | [언어] API 프로그래밍 | 10월4일 |
| 5 | 데이터 사이언스 자료구조 | 10월11일 |
| 6 | [자료구조] 시계열 데이터 | 10월18일 |
| 7 | 중간고사 | 10월25일 |
| 8 | [자료구조] 지리 공간 데이터 | 11월01일 |
| 9 | [자료구조] NLP - 텍스트 마이닝(R) | 11월08일 |
| 10 | [자료구조] NLP - 파이썬 | 11월15일 |
| 11 | 빅데이터 시각화 | 11월22일 |
| 12 | 기계학습 - 예측모형 | 11월29일 |
| 13 | DevOps - 도커, HPC, 스파크 | 12월06일 |
| 14 | 제품화 | 12월13일 |
| 15 | 기말고사 | 12월20일 |
GS 칼텍스 시민 데이터 과학
|
|||
|---|---|---|---|
| 일정 | 과정 | 과정상세 | 데이터셋 |
1주차 |
Introduction |
|
- |
2주차 |
Data Science |
|
- |
3주차 |
Regression and Prediction |
|
Breast Cancer, California housing prices, Bike-sharing |
3주차 |
Regression and Prediction |
|
- |
4주차 |
Classification and Hypothesis Testing |
|
Titanic, Iris, Penuins, San Francisco Crime |
4주차 |
Classification and Hypothesis Testing |
|
- |
5주차 |
Case Studies and Projects |
|
- |
|
GS 칼텍스 데이터 과학
|
|||
|---|---|---|---|
| 일정 | 과목명 | 학습상세 | 데이터셋 |
| 00주차 | 환경설정 | 학습 도구 설치 및 학습환경 | 파머 펭귄, BitData |
| 01주차 | 디지털 글쓰기(보고서) | 마크다운 / Quarto | BitData |
| 02주차 | 명령라인 데이터 분석 | 자동화(Shell) | SWC |
| 03주차 | 버전 제어 | 버전제어/협업(Git / GitHub / GitLab) | |
| 04주차 | 프로그래밍 | SQL | Data Carpentry, DVD 렌탈 |
| 05주차 | 프로그래밍 | 시각화 | gapminder |
| 06주차 | 프로그래밍 | 파이썬 | |
| 07주차 | 대쉬보드 | Flexdashboard / Shinydashboard | |
| 08주차 | 기계학습 | tidymodels / scikit-learn | |
| 09주차 | 데이터 과학 제품 | RESTful API | |
| 10주차 | 특수 데이터 | 시계열(Time Series) | KOSPI |
| 11주차 | 특수 데이터 | 공간정보(Geospatial) / 텍스트 분석 | 미디어오늘 |
| 12주차 | 비정형 데이터 | 텍스트와 이미지 (딥러닝) | |
챗GPT 데이터 사이언스 건국대 전문교육과정
|
||
|---|---|---|
| 강의주제 | 강의내용 | 수업방법 |
| 1 주차 - 2023-07-01 | ||
| 데이터 사이언스 언어 | 챗GPT와 데이터 사이언스 | 핸즈온 실습 |
| 데이터 사이언스 언어 | Tidyverse와 챗GPT | 핸즈온 실습 |
| 데이터 사이언스 언어 | 파이썬/R/SQL 그리고 API | 핸즈온 실습 |
| 2 주차 - 2023-07-08 | ||
| 소프트웨어 카펜트리 (기본기) | 자동화: 유닉스 쉘 | 핸즈온 실습 |
| 소프트웨어 카펜트리 (기본기) | 버전제어: Git / GitHub | 핸즈온 실습 |
| 3 주차 - 2023-07-15 | ||
| 소프트웨어 카펜트리 (기본기) | 파이썬 / R | 핸즈온 실습 |
| 소프트웨어 카펜트리 (기본기) | 데이터베이스 | 핸즈온 실습 |
| 4 주차 - 2023-07-22 | ||
| 데이터 과학 자료구조 | 숫자/범주 --> 데이터프레임 | 핸즈온 실습 |
| 데이터 과학 자료구조 | 날짜/공간정보/네트워크 | 핸즈온 실습 |
| 데이터 과학 자료구조 | 텍스트/이미지/오디오 | 핸즈온 실습 |
| 강의주제 | 강의내용 | 수업방법 |
|---|---|---|
| 5 주차 - 2023-07-29 | ||
| 디지털 글쓰기, 대쉬보드, API 개발 | 디지털 보고서(PDF, HTML, PPT) | 핸즈온 실습 |
| 디지털 글쓰기, 대쉬보드, API 개발 | Serverless 대쉬보드, R/Python 대쉬보드 | 핸즈온 실습 |
| 디지털 글쓰기, 대쉬보드, API 개발 | 기계학습 모형 API 배포 | 핸즈온 실습 |
| - 주차 - 2023-08-05 | ||
| 휴가 | 휴가 | - |
| 6 주차 - 2023-08-12 | ||
| 챗GPT와 오픈소스 | (오픈소스) 거대언어모형(LLM) | 핸즈온 실습 |
| 챗GPT와 오픈소스 | Write/Draw/Coding/Reasoning | 핸즈온 실습 |
| 챗GPT와 오픈소스 | AI 시대 데이터 사이언스 제품개발 방법 | 핸즈온 실습 |
| 7 주차 - 2023-08-19 | ||
| Prompt Engineering | 사용자 및 개발자를 위한 프롬프트 공학 | 핸즈온 실습 |
| Prompt Engineering | OpenAI API 기반 NLP 개발 | 핸즈온 실습 |
| Prompt Engineering | OPL(OpenAI, Pinecone, Langchain) 프레임워크 | 핸즈온 실습 |
| 8 주차 - 2023-08-26 | ||
| 챗GPT AI 앱 프로젝트 | 오픈소스 LLM 기반 AI 데이터 분석 제품 | 핸즈온 실습 |
| 챗GPT AI 앱 프로젝트 | 데이터 사이언스 AutoGPT | 핸즈온 실습 |
| 챗GPT AI 앱 프로젝트 | 챗GPT AI 프로젝트 발표 | 핸즈온 실습 |
