반응형

전체 글 802

JupyterLab 에서 함수 클래스 숨기기 (Toggle, Folding )

가끔 서버에서 visualization을 위해, Jupyter Notebook (JupyterLab)을 활용해야할 때가 있다. NbClassic Notebook이라면, 간단하게 Notebook Extensions 등의 기능을 설치하면 되지만, JupyerLab에서는 이걸 default로 제공한다. (기능은 안켜져 있음) 1. 상단 탭의 Settings -> Advanced Settings Editor 2. 좌측 Notebook 탭 -> Code Folding 선택 3. Jupyterlab에서 Notebook을 켜서 folding / toggle이 가능한지 확인한다.

Google Drive 파일 Linux 서버에서 다운로드

목표: Google Drive에 업로드 된 테라 단위의 파일을 서버에 받아야 하는 상황 Ubuntu 리눅스 서버 환경에서 Google Drive와의 동기화를 시도했으나, google-drive-ocamlfuse와 rclone을 사용하는 과정에서 여러 어려움이 있었습니다. 제 서버 환경은 GUI가 없어서, OAuth 인증 과정에서 리디렉션과 인증 코드 입력이 필요했습니다. google-drive-ocamlfuse의 경우, 서버 설정과 리디렉션 URI 문제가 복잡했으며, rclone도 비슷한 인증 과정을 요구했습니다. 아무튼, 정리하면 google-drive-ocamlfuse는 사용자 인증을 필요로 하는 OAuth 2.0을 기반으로 합니다. 이 방식은 일반적으로 사용자의 브라우저에서 Google 계정으로 로..

AI 연구원이 ChatGPT 활용하는 꿀팁

ChatGPT 관련 블로그 글들을 보면 대부분 추상적인 얘기만 한다. 무슨 역할을 부여하라, 구체적으로 물어봐라, 기타 등등.. 별로 도움도 되지 않고, 매번 ChatGPT와 토론하기 위해 Prompt engineering을 하자니 타자를 치는 손가락이 아프다고 느껴진다. 요즘 연구를 하는 도중, ChatGPT와 토론하면서 새로운 연구주제들, 방법론들을 찾아내고 있는데, 정말 많이 써오면서 만들었던 나만의 꿀팁을 블로그에 공유해본다. 1. Custom Instruction을 작성한다. 좌측 하단에 Custom instructions가 있다. Custom instructions를 클릭하면 우측의 창이 뜬다. 여기에 2가지 입력하는 칸이 있다. What would you like ChatGPT to know..

윈도우 탐색기에 SSH 서버 폴더로 등록하기

윈도우에서 ssh로 서버의 파일에 접근할 때, WinSCP 를 활용해서 보통 작업을 했었습니다. WinSCP의 인터페이스가 불편하진 않지만 윈도우 디렉토리로 바로 접근이 가능하면 훨씬 편합니다. 윈도우 탐색기에 SSH 연결하는법 [1] 필요한 소프트웨어의 다운로드1 : WinFsp WinFsp: https://winfsp.dev/rel/ Download · WinFsp Download WinFsp is released in the form of an MSI installer that includes a signed driver and all files necessary to run and develop user mode file systems on Windows. The installer supports..

Stanford 대학교 명함 만들기

이번에 학회에 참여하면서, Resume를 한 번 돌려보려고 Business card를 만들어보았다. 1. Stanford Business card 관련 공식 웹 https://identity.stanford.edu/print/business-cards/ Business Cards - Identity Guide identity.stanford.edu 공식 business card의 포맷을 활용해서, 온라인 웹주문을 쉽게 할 수 있다. 근데 배송비, 인쇄비 따지고 보니 온라인으로 구매하는게 그렇게 싼것같진 않았다. 2. PIP 인쇄소 따라서, 직접 굳이 만들 것 없이, 학교 바로 근처에 있는 PIP 라는 인쇄소가 있다. PIP 공식적으로 Stanford에서 추천하는 vendor로 지정되어있는데, 다음의 포맷..

Radiology reports의 Causal relationship

Informatics in Radiology: Radiology Gamuts Ontology: Differential Diagnosis for the Semantic Web Charles E. Kahn, Jr., 교수님께서 스탠포드에 방문하셔서 좋은 강의를 해주셨다. 아래는 발표를 들으면서 정리한 내용이다. Radiology reports의 text data와, Bayesian network를 활용해서, Pair-wise statistics보다 더 좋은 Ontology간의 causal relationship을 추론하는 연구이다. JOURNAL OF THE AMERICAN MEDICAL INFORMATICS ASSOCIATION (JAMIA)에 실린 논문 이 저널은 IF가 막 높진 않지만, 사실상 medi..

노트북에 연결된 모니터 반응속도 느릴 때

조그만 노트북 (서피스 랩탑)에 32인치 모니터를 연결했더니, 마우스의 속도가 버벅거리는 식으로 움직입니다. 이는 바로 모니터의 "주사율" 이라는 건데, 1초에 몇번의 화면을 새로고침 할것인지에 대한 내용입니다. 주사율: 모니터의 새로고침 빈도 일반적인 모니터의 주사율은 60hz입니다. 게이밍 모니터의 경우 90hz, 120hz, 144hz까지 갑니다. 이게 올라갈때 크게 좋은걸 못느끼지만, 내려왔을때 역체감이 심하게 느껴집니다. [노트북 반응속도가 느린 이유] 이 글을 찾아오신 분들은, 노트북에 연결된 모니터의 속도가 느린 것으로 검색하셨을 것으로 예상됩니다. 노트북의 경우, 그래픽카드가 매우 좋은것은 아니기 때문에, 크고 해상도가 높은 모니터를 노트북에 연결하셨을 경우 최대 주사율이 낮게 설정될 수 ..

Stanford 스탠포드 캠퍼스 이모저모

LKSC Herb Garden (Li Ka Shing) Center LKSC의 잔디밭에는 행사들을 많이 한다. 특히 JobFair, Start-up, Careers, PostDoc 행사 등등 이곳에 다니다보면, 스탠포드에서 공짜로 주는 티셔츠, 조그마난 가방, 에코백, 열쇠고리 등 다양한 것을 득탬할 수 있다. Cecil H Green Library 여긴 스탠포드의 중도 앞, 근데 입구를 찍어놓은 사진이 없다 ㅎㅎ 다음에 꼭 자세히 찍어서 리뷰를 올릴것.. 여긴 내가 제일 좋아하는 Stanford Green Library의 reading room 이렇게 자유롭게 쓸 수 있는 모니터도 있어서 매우 좋다. # 무소음 키보드 마우스를 활용해야 시끄럽지 않음 여긴 층고가 정말 높고, 정말 정말 앤틱해서 너무 좋..

Stigmatized./Essay 2023.11.20

Stanford PostDoc 정착일기 - 부동산 알아보기

포닥 Official start date의 2주전에 미국에 랜딩하기로 하였다. 집을 구할 때 다들 미국에 도착해서 직접 봐야한다는 이야기들을 많이 해주셨다. 그러나, 나의 경우 포스닥으로 혼자 몸만 오는 것이 아니기에, 엄청나게 많은 짐들과 가족이 함께 와야했기에 미국 랜딩 후, 호텔에서 묵으면서 집을 찾아볼 여유가 없었다. 그래서 상의해본 결과 미리 한국에서 집을 계약하고 가자는 결론을 내렸다. 1. 학교 Housing 신청하기 이 방법이 가장 좋은 방법이나, 타이밍이 매우 좋아야한다. Oak creek에 당첨되었으나, 예상보다 빨리 입주해야 해서 한 번 미뤘더니, 다신 연락이 오지 않았다 ㅠㅠ 820sqft 크기인데, 가격이 고작 $2,725 !! 한국돈으로 350만원은 되는 돈이지만, 이 동네에서 ..

Stigmatized./Essay 2023.11.20

DINO Contrastive Learning in Medical Imaging

DINO Algorithm DINO Algorithm을 간단하게 얘기하면, 이미지에서 큰 부분 (Global view)와 작은부분 (Local view)으로 이미지를 떼어내어 준비한다. 그리고 Global view는 teacher에게 보여주고, Global + Local view를 student에게 보여줌으로써, 작은부분만 보고도 넓은 부분의 feature와 동일한 정보를 추출하도록 하는 것이다. 이렇게 계속 학습하다 보면, 이미지의 일부분만 보고도 전체이미지의 특징을 잡게 되므로 이미지의 주요한 부분에 집중하게 되고, 좋은 feature를 추출하게 된다. 바로 Label 없이 학습하는 self-supervised learning이다. Stanford의 Artificial Intelligence in M..

반응형