불편함을 해소하기 위하여 시작했던 일을 돈을 벌 아이템에 AI를 활용하여 첫매출을 일으키게 되었습니다. 그 불편함은 '미국주식이 미래다' 카페에서 스팸 게시물과의 싸움에서부터 시작했습니다. 실시간으로 카페의 게시글 및 댓글 데이터를 수집 및 가공하여 스팸 게시물이면 즉시 답글로 사람들에게 경고하며 공익제보 게시판에 해당 위반 유저를 신고하는 프로그램이었습니다. 아울러 그 이전에 카페의 게시물들을 수집해서 해당 게시글이 Feer and Greed Index의 어느 구간에서 자주 발현되는 성향의 게시물인지 평가하는 AI 모델을 적용한 경험이 있습니다. 이러한 데이터를 참고하여 사용자들의 최신 트랜드를 알고 민감하게 반응하는 '핵심 유저'를 발견하고 이에대한 타겟 마케팅을 하면 좋겠다고 생각을 했습니다. 주어..

https://gchq.github.io/CyberChef/#recipe=Generate_QR_Code('PNG',5,4,'Medium')&input=aHR0cHM6Ly93d3cuY3liZXItbHVuYS5jb20

한국투자증권 API를 사용하여 실시간 잔고 조회 페이지를 만들었다. 여기서 제공하는 정보를 가지고 시스템 트레이딩을 만들어 보고자 한다. https://stock.mezoo.me/ 퍼그가 미래다 투자현황미국주식이 미래다 지수로 이동 퍼그가 미래다의 계좌 10:57 기준 내 투자 $ 1,064.80 22.62 ( -2.1% ) AST 스페이스모바일 25 주stock.mezoo.me

후기CPU 대비 GPU는 진짜 100배는 체감상 빠른 속도로 학습 처리가 된다.메모리에 데이터를 올려서 진행하는 중인데 GPU는 순간 순간 많이사용된다. CNN 공포탐욕지수를 일자별로 세팅하여 그 기간에 발생한 게시물의 제목을 해당 가중치로 적용하였다. 즉 특정 문장이 등장하면 공포장이라던가 탐욕장에서 자주 보였던 게시글로 보아 호들갑 또는 다음장을 예측하는 인간 지표로 만들 수 있을 것이다.  전체 데이터 학습인 Epoch는 50회로 설정하였고 정확도는 점점 향상되는 양상을 보인다. 총 학습 시킨 데이터는 5만건으로 네이버의 무한스크롤 시 사용되는 API를 활용했다. 한번 호출 시 50개의 데이터를 확보할 수 있었으며 최대 1000페이지까지 조회 사이클이 도는 것으로 보아서 카페 하나당 5만건 획득이 ..

인공지능 모델을 적용하여 공포 탐욕 구간에서의 게시글의 상관관계를 통하여 자체 지수를 만들었다. 백엔드 파이썬 api에 엔드포인트 설정하여 학습 및 질의를 할 수 있도록 하였다.피그마를 통하여 디자인을 수정하고 SVG에 바늘의 좌표를 측정하여 변수에 맞게 rotate를 적용했고 해당 칸에 진입하면 tailwindcss animate로 반짝 효과를 주었다. 12시간 정도 소요된 것 같다. 앞으로 할 일은 공포 탐욕 인덱스 수치에 맞춰서 카페 게시글을 수집하여 학습 후 신규 데이터에 대해서 그 결과를 반영하는 것이 남아있다.  맨아래 AI에게 학습 시킬 수 있다. https://www.mezoo.me/ 미주미 지표 - mezoo.me인간지표를 추종합니다.www.mezoo.me

CNN에서 사용하는 공식 데이터 호출 로직입니다. 브라우저로 접속시 데이터 확인 가능하며, 크롤링을 방지하기 위해서 418 I'm a teapot을 띄우기 때문에 User-Agent를 추가하여 호출했습니다. const data = await fetch("https://production.dataviz.cnn.io/index/fearandgreed/graphdata", { headers: { "Content-Type": "application/json", "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.30..

원인캐싱 현상npm run dev에서는 findMany시 새로고침(router.refresh() 등) 시 데이터 갱신이 잘 되었으나 프로덕션 환경에서 데이터가 갱신되지 않음 해결방법page 또는 layout 에서 다음을 삽입한다.export const revalidate = 0; api 에서는 다음을 삽입한다.export const dynamic = 'force-dynamic';

설명본 프로젝트는 질병데이터를 수집하여 비정형 데이터를 AI 모델을 통하여 신규 발생 질병 또는 지역의 데이터를 산출하여 시각화 하는 툴로서 분석가들이 쓰는 플랫폼이다. 8월의 1차 데모 시연을 앞두고 있다.Ollama로 LLAMA3 모델을 올려서 API 통신을 통하여 질의를 하며 각 엔진들이 데이터 정제를 처리한다. 기술 스택Next.js / PythonUbuntu / MariaDBLLM PS. 인프라 구성 및 어플리케이션 구성 영역까지 지식을 쌓어놓아 커다란 어려움은 없었다. 데이터 베이스 설계에서 많은  실력 향상이 있었다 시행착오 : 데이터베이스 모델링 / 리버스 프록시 / CORS / Next.js 구조 트릭 메인 화면

개요Shadcn의 Data Table에서 불러온 데이터를 CSV로 저장하는 기능이 필요하여 적용해보았다. export-to-csv 모듈을 설치하고 Shadcn Data Table 모듈에 버튼을 추가하여 커스텀한 페이지를 작성해 보았다. 설치다음의 모듈을 설치하고 다음의 함수를 사용한다.npm install export-to-csv --saveimport { mkConfig, generateCsv, download } from 'export-to-csv' 본문(Shadcn 커스텀)Shadcn Data Table에 CSV 다운 버튼을 적용한 파일이다.ProjectPage.tsx"use client";import * as React from "react";import { useEffect, useState }..

수정 포인트는 2개이다. credentials의 type을 명시, 로그인 성공하고 return 되는 user 값을 any로 반환 import bcrypt from "bcrypt"; import NextAuth, { AuthOptions } from "next-auth"; import CredentialsProvider from "next-auth/providers/credentials"; import prismadb from "@/app/lib/prisma"; import { PrismaAdapter } from "@auth/prisma-adapter"; export const authOptions: AuthOptions = { providers: [ CredentialsProvider({ name: "..