728x90 반응형 파이썬28 [Python(AI)] Matplotlib 한글 깨짐? 이제는 2초 만에 해결! (feat. Colab 최적화) Python으로 데이터 시각화를 할 때 가장 짜증나는 순간 중 하나는 바로 한글 깨짐 현상일 겁니다. 분명 멋진 그래프를 그렸는데, 제목과 레이블이 아래 이미지처럼 네모(□□□)로 보이는 현상이죠.이 문제는 Matplotlib이 기본적으로 영어권 폰트만 지원하기 때문에 발생합니다. 기존에는 폰트를 설치하고, 캐시를 삭제하고, 런타임을 재시작하는 복잡한 3단계를 거쳐야 했지만, 이제는 이 모든 과정을 단 두 줄의 코드로 끝낼 수 있는 혁신적인 방법이 있습니다. 핵심 해결책: koreanize-matplotlib 라이브러리가장 빠르고 확실한 해결책은 koreanize-matplotlib 라이브러리를 사용하는 것입니다. 특히 Google Colab이나 Linux 기반 환경에서 이 방법이 가장 강력합니다. 설치.. 2025. 10. 20. [Python] 동시성(Concurrency)과 병렬성(Parallelism) 개요프로그래밍에서 동시성(Concurrency)과 병렬성(Parrallelism)은 시스템의 효율성과 성능을 높이는 데 필수적인 개념입니다. 두 용어는 종종 혼용되지만, 실제로는 근본적인 차이가 있습니다. 주제 개념 및 용어 정리구분동시성(Concurrency)병렬성(Parallelism)실제 단어 뜻동시 + 성 : 여러 일이 함께 진행될 수 있는 성질병렬 + 성 : 여러 일이 실제로 나란히 수행되는 성질IT 용어 개념단일 코어에서도 여러 작업을 동시에 진행되는 것처럼 보이게 처리하는 논리적인 기술(시간을 짧게 쪼개 번갈아 가며 작업)멀티 코어 환경에서 여러 작업을 진짜로 동시에 실행하는 물리적 기술(하드웨어적 다중 처리)핵심관리(Dealing) : 여러 작업을 동시에 처리하는 방법을 구조화하고 관리하는.. 2025. 10. 12. [Python(AI)] Python 개발자를 위한 GPU 가속 : nvmath-python과 cuda.core 파이썬은 AI, 데이터 과학 분야에서 독보적인 언어지만, 복잡한 수치 연산을 빠르게 처리하는 데는 GPU(그래픽 처리 장치)의 도움이 필수적입니다. 과거에는 GPU를 활용하려면 C/C++ 바인딩이라는 복잡한 과정을 거쳐야 했지만, 이제 NVIDIA가 직접 제공하는 두 가지 강력한 라이브러리 nvmath-python 과 cuda.core 덕분에 파이썬으로도 GPU의 성능을 100% 활용할 수 있게 되었습니다. 개요 : 두 라이브러리의 역할 분담NVIDIA는 CUDA Python 이라는 메타 패키지를 통해 파이썬에서 CUDA 플랫폼에 접근할 수 있는 여러 컴포넌트를 제공합니다. nvmath-python 과 cuda-core는 이 중 핵심 역할을 담당합니다.nvmath-python : 고도로 최적화된 수학 함.. 2025. 10. 10. [데이터 시각화] 픽셀을 조각하다: 대비, 휘도, 노이즈 필터링으로 이미지 마스터하기 2025.10.01 - [AI/데이터 시각화] - [데이터 시각화] 픽셀을 해부하다: 파이썬으로 배우는 이미지의 다차원 구조 (Part 1) 이전에 이미지를 NumPy 배열로 다루고 기본적인 슬라이싱을 통해 채널을 분리하는 방법을 배웠습니다. 이번에는 더 흥미로운 이미지 처리 기법인 밝기/대비 조절과 노이즈 필터링을 구현해 보겠습니다.1. 밝기 조절 : 클리핑이 핵심픽셀 밝기는 RGB 구성요소 값에 비례합니다. (0 : 빛 없음, 255 : 최대 밝기) 밝기를 조절할 때는 값이 범위를 벗어나지 않도록 주의해야합니다.예를 들어 G = 200 인 픽셀의 밝기를 두 배로 늘리면 G = 400이 되는데, 최대값인 255를 초과하므로 이 값을 255로 클리핑(Clipping) 해야합니다. # NumPy의 cli.. 2025. 10. 6. [데이터 시각화] 픽셀을 해부하다: 파이썬으로 배우는 이미지의 다차원 구조 (Part 1) 개요데이터 과학자나 개발자에게 이미지는 단순히 보는 것을 넘어 분석하고 조작해야 할 다차원 데이터 구조입니다. 이번 글에서는 간단한 Python 라이브러리인 NumPy와 Matplotlib을 이용해 이미지를 데이터 관점에서 해부하고 기본적인 조작을 해보겠습니다. 1. 이미지 NumPy 배열로 바꾸기우리는 Jupyter Notebook 환경에서 작업을 시작합니다. 이미지를 데이터로 다루기 위한 필수 라이브러리들을 볼러옵니다.아래 간단한 코드를 통해 JPG 파일이 메모리에서 NumPy 배열(행렬)로 변환됩니다.import numpy as npimport matplotlib.pyplot as pltimport matplotlib.image as Image# 이미지를 불러와 NumPy 배열로 변환img = Im.. 2025. 10. 5. [Python] 튜플(Tuple) & 딕셔너리(Dictionary) 개요파이썬에는 다양한 자료구조가 있습니다. 그중에서도 튜플(Tuple)과 딕셔너리(Dictionary)는 실무에서 자주 사용되는 핵심 자료형입니다. 이 둘의 특징과 활용법을 제대로 이해하고 사용하면 코드를 더 효율적으로 작성할 수 있습니다. 지금부터 튜플과 딕셔너리의 정의, 사용 이유, 그리고 실제 활용 예시까지 함께 살펴보겠습니다.튜플(Tuple)튜플의 정의튜플은 여러 개의 데이터를 순서대로 나열하는 자료형입니다. 괄호()를 사용하여 데이터를 묶습니다. 리스트와 비슷하지만, 가장 큰 차이점은 불변성(Immutable)에 있습니다. 한 번 생성된 튜플은 요소를 수정, 추가, 삭제할 수 없습니다. 튜플의 각 요소는 고유한 위치인 인덱스를 통해 접근할 수 있습니다.튜플을 사용하는 이유데이터의 안전성 보장 :.. 2025. 10. 4. 이전 1 2 3 4 5 다음 728x90 반응형
