//구글콘솔 광고 추가가
728x90
반응형

나는 석근 1이었으니까 1시 20분까지 도착하면 되는 거였다. 집에서 우편집중국까지의 거리는 넉넉하게 25분쯤. 

처음 가보는 초행길이기 때문에 기다려도 도착해서 기다리자는 마음으로 40분 전에 미리 출발했다.  

 

걸음이 빨랐는지 20분도 안돼서 도착을 했다. 그래도 출입구가 어딘지 몰라 한 바퀴를 돌아야 했던 것을 생각하면 역시 일찍 출발하기를 잘한 듯싶었다. 동네라 해도 이렇게 우편집중국을 가운데로 한 바퀴 돌아볼 날이 언제 또 오겠냐는 생각으로 걸어봤더니 그것도 그것 나름대로 좋았다.

출입문을 발견하고 들어가 나무 밑 벤치에 앉아서 숨을 골랐다. 그때가 아마 12시 40분쯤이었을 것이다. 

새들이 짹짹거리는 소리에 "쟤들은 오늘 계획이 뭘까." 궁금하다가도 사람들이 지나가는 소리를 듣고 대기장소가 있는 곳으로 이동했다. 

 

1층을 지나 2층으로 이동하고 면접 대기실에 들어갔더니 벌써 2명이 먼저 도착해있었다. 이내 사람들이 꽤 모였고, 다양한 연령대를 마주했다. 대학생들도 있었고, 30대로 보이는 분들, 40대로 보이는 분, 50대로 보이는 분들. 정말 다양했다.

 

1시 30분이 되자 응시번호 순서대로 면접실로 향했다.  면접은 개별 면접이었고, 면접관은  2명이 계셨다.

면접 시간은 대략 5분에서 10분이 걸린다 했지만, 실제로는 7분에서 20분까지 천차만별이었다. 

 

면접 질문으로는

1. 자기소개.

2. 자신의 장,단점.

3. 지원한 곳의 일은 알고 있는지.

4. 체력관리는 어떻게 하고 있는지.

5. 최종 꿈은 무엇인지.

6. 그전에 뭘 했는지

등등 다양하게 질문해주시는데 분위기가 딱딱하지 않아서 편하게 대답하면 된다. 

 

우편집중국 알바는 시간대도 6시 반부터 11시까지라 오전, 오후에 공부하고 작디 작아진 마음을 다 잡으면서 일할 수 있을 것 같단 생각에 굉장히 하고 싶던 알바였다. 요즘 들어 점점 축축 쳐지고 있는 나 자신이 답답해진다. 봄을 타는 건가. 

지난번 요양보호사 자격증을 준비할 때도 4월이었는데, 아마 내게 4월은 스위치의 계절이 아닌가 싶다.

 

최종꿈이 무언지 여쭈시길래 앱 개발이라 했던 것이 잘못된 것일 까.

나는 그렇게 경쟁률을 이기지 못하고 떨어졌다.

그래도 내가 언제 우편집중국에 들어가 볼 날이 있을까 싶으면서 좋은 추억으로 남겨뒀다.

다음에 공고 나면 또 지원해 봐야지.

728x90
반응형
728x90
반응형

 
인프런에서 만우절을 기념하여 천 원샵을 열었다. 전혀 관심 없던 강의들이지만 천 원이라는 사실에 끌려 커피 한잔 가격만큼만 투자해 볼까라는 생각으로 구매해 보았다.
이벤트로 싸게 얻었으니 이참에 구매한 강의들을 들어보면서 새로운 공부를 배워볼 예정이다. 
 
"웹프론트엔드를 위한 자바스크립트 첫걸음"은 원래 33000원을 내야 하는 강의인데 "한 번에 끝내는 자바스크립트: 바닐라 자바스크립트로 SPA 개발까지"강의를 장바구니에 담을 때 이 강의 역시 천 원에 구매할 수 있도록 쿠폰을 준다 하길래 잽싸게 쿠폰을 받아 같이 구매했다.
 

 
 
어차피 자바스크립트를 배워본 적이 없기에 "한 번에 끝내는 자바스크립트"강의를 들으려면 기초 언어가 어느 정도 필요할 것 같아 같이 구매하길 잘했다는 생각이 들었다.
 
 
그래서 구매하게 된 강의들이 아래에 있는 강의들이다. 

 
5500원을 내고 이런 강의들을 얻게되다니. 인프런이 참 좋아지는 하루다.
내용들도 재밌어보이고 강의들에 하나같이 주옥같은 수강평들이 있길래 기대가 된다. 재밌을 것 같다!

728x90
반응형
728x90
반응형

오랜만에 서류 합격을 했다. (슬픈 문장이다...)

우편집중국 홈페이지에서 우정실무원 뽑는 공고 조회수가 1400이 넘어가길래 알바몬에서만 사람을 뽑고 있던 게 아니라는 것을 알고 나서 면접도 안 부를 수도 있겠구나 했는데 그건 또 아니었나 보다.

 

보니까 서류를 넣은 사람들은 다 합격한 것 같다. 1명 뽑는데 경쟁률이 이렇게 치열한 게 맞는 건가. 기간도 딱 한 달인데.

세상 내가 지금 살고 있는 세상의 경기를 몸소 느껴본다.

석근3할껄. 그럼 6명 뽑으니 합격률도 꽤 높았을 텐데. 

이제 면접을 가야 된다. 

 

근데 우체국은 면접복장을 어떻게 입고 가야 되는 걸까. 정장은 아닐 거 같은데 또 정장일 거 같기도 하고 일단 목요일이 되기 전까지 잘 생각해 보자고.

 

728x90
반응형
728x90
반응형

 
너무 일이 하고 싶어 알바몬을 뒤적거리다 찾게 된 알바이다. 3월 31일 오후 6시까지 지원가능한 데 3월 31일 오후 4시 20분에 찾았다.

 

쿠팡 같은 곳은 가족들이 전부 반대를 해서 못해도 우체국정도면 괜찮지 않을 까란 생각으로 일단 응시 원서들을 체크했다. 

제출 서류

"응시원서, 이력서, 자기소개서, 개인정보 수집, 이용 동의서, 범죄사실 부존재확인서, 공정채용확인서"였다.

일단 서류만 봐도 꽤 어마어마하지 않은가.

그래도 뭐가 됐든 가장 중요한 건 자기소개서겠지.

자기소개서에도

"지원동기, 생활신조와 가치관, 본인의 장, 단점, 주요 경력 및 특기 사항, 만일 우정실무원으로 근무하게 된다면."

이라는 구체적인 큰 제목들이 적혀있었다.

열심히 쓰고 제출했는데 6시 이후에 다시 보니 "위해"를 써야 됐는데 "해위"라고 작성한 것을 보았다.

하, 뭐 저런 실수를 했지. 과연 이걸 읽고도 내가 면접을 보러 갈 수 있을까.

 

다시 돌아가서, 어차피 될 데로 되라는 마인드로 중근을 선택해서 지원을 했다가 지역번호로 시작하는 번호로 연락이 왔다.
처음에는 전화를 안 받고 더콜에 번호를 찍어보았는데 우편집중국이라 하길래 두 번째 전화 오는 것을 바로 받았다. 
통화 내용은 간단했다.
중근은 여자가 하기 너무 무거운 일이 많아서 정말 중근으로 지원하겠느냐는 질문이었다.
그래서 이렇게 연락은 준 데는 다 이유가 있겠지란 생각으로 다른 곳은 여자가 하기 가능하냐 물었더니 가능하다 해서 빠르게 수정해서 다시 제출하겠다 했다. 그쪽에서도 빠르게 수정해서 기간 안에 올려주셔야 한다 했다.  
전화받은 그때가 5시 41분이었다. 말 그대로 6시 전에 마지막으로 문 닫고 지원하게 된 것이었다. (이때라도 자기소개서 한 번만 더 읽어볼걸. 그랬으면 저 잘 못쓴 글씨를 봤을 텐데.)


위의 사진으로만 보면 중근이 그렇게 힘든 업무인지 전혀 인지하지 못하는 표였는데 응시번호를 받고 깨달았다.
"석근1_08"
지원한 모든 사람들이 다 무거운 걸 피했구나.
저 응시 뒷 번호만 두고 보면 석근 1자리에 1명을 뽑는데 8명이 지원했나 보구먼 이란 생각이 들 수밖에 없었다.
알바몬에 나와있는 지원자 통계를 보면 대략 11명 정도가 지원한 것 같은 느낌이었는데 거기서도 무려 8명이 이곳으로 지원을 한 건가라는 생각에 잠길 때쯤 이것도 쉽지 않을 수도 있겠다는 생각을 했다.

 
그러다가 이력서와 같이 있던 첨부 파일에서 이런 문구를 찾았다.
 

 
다.를 읽다가 사.를 읽어보니

채용인원보다 응시 인원이 부족하면 지원 안 한 곳으로 지원한 사람들이 들어갈 수도 있다는 말 같은데.. 과연 소포는 많이 무거운 것일까 라는 생각과 함께 어차피 한 달 정도라면 그냥 해보고 싶다는 생각을 하게 되었다.
 
알바에서도 경쟁률이 엄청나구나라는 현실은 눈물은 안 났지만 눈물이 흐르는 것 같은 그런 느낌 적인 느낌이 들 수밖에 없는 하루였다.
 
아마도 내가 지금까지 너무 편한 길만 찾다가 이제 편한 길들은 다 걸어오고 어려운 길들 만 남은 것이겠지라는 마음으로 모든 게 다 내 선택이었다면 받아들이자는 마음이 크다. 
 
봄도 오고 꽃도 폈고, 그러다 갑자기 눈도 오고 계절이 아주 다양하게도 돌아가는데 그사이 나도 뭔가 바뀔 게 있었으면 좋겠다는 생각으로 도전해 봤다. 부디 결과가 좋았으면 좋겠다.
 
4월 1일에 서류 합격 발표하고 4월 3일에 면접을 보는 것 같던데.
건강한 몸으로 이렇게 오랫동안 일을 안 해보니 정신적으로도 육체적으로도 미쳐버릴 것 같다.
마침 위치도 엄마랑 항상 운동가는 곳 가운데 있는 곳이라 밤에 끝나도 그렇게 걱정 안 할 것 같은 위치라 더 끌린다.
아직 부모님한테는 말하지 않았지만 좋은 결과가 있었으면 좋겠다.
4월 7일(월)부터 5월 6일(화)까지 월~금 알바 정도면 새로운 시도에도 불안하지 않을 기간이지 않겠는가.
 

728x90
반응형
728x90
반응형

머신 러닝은 기계 학습이라고도 볼 수 있는데 인공지능의 한 분야로, 컴퓨터가 명시적으로 프로그래밍되지 않고도 데이터를 통해 학습하고, 패턴을 인식하며, 예측을 수행하는 기술이다. 말 그대로 기계가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야이다. 

 

인공지능 안에 머신 러닝이 있고 머신 러닝 안에 딥러닝이 있다 생각하면 이해가 쉽다.

인공지능 머신 러닝 딥 러닝
컴퓨터가 인간의 지능을 모방하여 문제를 해결하고, 학습하며, 의사결정을 내리는 기술. AI의 하위 분야, 컴퓨터가 명시적으로 프로그래밍되지 않고도 데이터를 통해 스스로 학습하고, 패턴을 인식하며, 예측을 수행하는 기술. 머신 러닝의 하위 분야. 인공 신경망을 사용하여 데이터를 학습하고, 복잡한 패턴을 인식하는 기술.
딥러닝은 여러 층의 신경망을 쌓아 올려 더 깊고 복잡한 학습을 가능하게 한다.

 


 

이제 머신 러닝에 대해 자세히 알아보자.

 

머신 러닝의 주요 개념과 특징
학습 - 데이터를 통해 학습.
- 데이터를 입력받아, 이를 기반으로 모델을 훈련시키는 과정. 
- 학습 데이터는 모델이 패턴을 인식하고, 예측을 수행하는 데 사용.
패턴 인식 - 머신 러닝 알고리즘은 데이터에서 패턴을 찾아내고, 이를 통해 새로운 데이터에  대한 예측을 수행.
ex > 이미지 분류, 음성 인식, 자연어 처리 등 다양한 분야에서 패턴을 인식.
예측 - 학습된 모델은 새로운 데이터에 대해 예측을 수행.
ex > 주어진 데이터를 기반으로 특정 결과를 예측하거나 분류를 수행.
종류

지도 학습(Supervised Learning) : 레이블이 있는 데이터를 사용하여 모델을 훈련시키고, 새로운 데이터에 대한 예측을 수행. 
주요 작업 - 회귀(Regression), 분류(Classification).
ex > 이미지 인식, 스팸 메일 필터링, 주식 시장 예측 등.
알고리즘 : 선형 획귀, 로지스틱 회귀, 의사 결정 트리, 랜덤 포레스트, 서포트 벡터 머신(SVM)등.
비지도 학습(Unsupervised Learning) : 레이블이 없는 데이터를 사용하여 데이터의 구조나 패턴을 찾는다.
주요 작업 - 클러스터링(Clustering), 차원 축소, 연관 규칙 학습(Associative Rule Mining). 
ex > 고객 세분화, 이상 탐지, 추천 시스템 등.
알고리즘 : K-평균, 클러스터링, 계층적 클러스터링, 주성분 분석(PCA), Apriori 알고리즘 등.
강화 학습(Reinforcement Learning) : 에이전트가 환경과 상호작용하며, 보상을 최대화하는 행동을 학습.
주요 작업 - 탐험과 활용, 마르코프 결정 프로세스(MDP), 정책 학습(Policy Learning), 가치 학습(Value Learning) 등.
ex > 게임 AI, 로봇 제어, 자율 주행 자동차 등.
알고리즘 : Q-러닝, 딥Q-네트워크(DQN), SARSA 등.
준지도 학습(Semi- Supervised Learning) : 레이블이 있는 데이터와 레이블이 없는 데이터를 함께 사용하여 모델을 훈련.
주요 작업 - 레이블이 있는 데이터를 활용하여 레이블이 없는 데이터의 패턴을 학습.
ex > 이미지 분류, 텍스트 분류 등.
알고리즘 : 자기 학습(Self-Training), 공동 학습(Co-Training), 그래프 기반 방법 등.
응용 분야 이미지 및 음성 인식 : 얼굴 인식, 음성 명령 인식 등.
자연어 처리 : 텍스트 분석, 번역, 챗봇 등.
추천 시스템 : 사용자 선호도를 기반으로 추천.
예측 모델링 : 주식 시장 예측, 날씨 예측 등.
게임 AI : 게임 내 NPC의 행동 결정.
알고리즘 머신 러닝에는 다양한 알고리즘이 있으며, 각각의 알고리즘은 특정 문제에 적합.

 

간단하게 말해서,
지도 학습은 문제와 정답을 모두 알려주고 공부시키는 방법. >> 예측, 분류
비지도 학습은 답을 가르쳐주지 않고 공부시키는 방법. >> 연관 규칙, 군집
강화 학습은 보상을 통해 상은 최대화, 벌은 최소화하는 방향으로 행위를 강화하는 학습. >> 보상

 

 

머신 러닝은 현대 생활에서 다양한 방식으로 적용되고 있다. 

일상 생활에 통합되어 있는 머신 러닝 예시.
이미지 인식 - 사진 태그 : 소셜 미디어 플랫폼에서 자동으로 친구들 태그하는 기능.
ex> 페이스북은 사용자의 사진을 분석하여 친구를 자동으로 태그하는 기능을 제공한다.
- 의료 진단 : 머신 러닝은 X-Ray나 MRI 이미지를 분석하여 질병을 조기에 진단하는 데 사용된다.
음성 인식 - 가상 비서 : Siri, Google Assistant, Alexa와 같은 가상 비서들은 사용자의 음성 명령을 이해하고 처리하는데 머신 러닝을 사용한다. 
- 음성 검색 : 음성으로 검색하는 기능은 머신 러닝을 통해 가능.
교통 예측 - 구글 맵스 : 구글 맵스는 머신 러닝을 사용하여 교통 상황을 예측하고 최적의 경로를 제안한다.
제품 추천 - 온라인 쇼핑 : 아마존, 월 마트와 같은 온라인 쇼핑몰은 머신 러닝을 통해 사용자의 구매 패턴을 분석하고, 개인화된 제품 추천을 제공한다.
자율 주행 자동차 - 테슬라 : 자율 주행 자동차는 머신 러닝을 통해 주변 환경을 인식하고, 안전하게 운전하는 방법을 학습한다.
스팸 필터링 - 이메일 : Gmail과 같은 이메일 서비스는 머신 러닝을 사용하여 스팸 메일을 필터링하고, 중요한 메일을 우선적으로 보여준다.
사기 탐지 - 금융 거리 : 머신 러닝은 금융 거래에서 사기 행위를 탐지하는 데 사용된다.
예측 분석 - 주식 시장 : 머신 러닝은 주식 시장의 트렌드를 예측하고, 투자 전략을 최적화하는 데 사용된다.
자연어 처리(NLP) - 챗봇 : 고객 서비스에서 사용되는 챗봇은 머신러닝을 통해 사용자의 질문을 이해하고, 적절한 답변을 제공한다.
보안 감시 - 비디오 감시 : AI 기반 비디오 감시 시스템은 머신 러닝을 통해 비정상적인 행동을 탐지하고, 사전에 경고를 보낸다.

 

이렇게 보면 이미 일상생활에서 얼마나 깊이 통합되어 있는지 놀라울 따름이다. 

미래의 사회에서는 이런 기능들이 더 생기면 더 생겼지 줄어들지는 않을 것 같다.


 

머신 러닝을 공부할 때 필수적인 알고리즘에 대해 간단하게 알아보자.

선형 회귀
(Linear Regression)
- 연속적인 종속 변수를 예측하는 데 사용되며, 독립 변수와 종속 변수 간의 선형 관계를 모델링 한다.
- 사용 사례 : 주택 가격 예측, 주신 시장 예측 등.
로지스틱 회귀
(Logistic Regression)
- 분류 문제를 해결하는 데 사용되며, 데이터가 특정 클래스에 속할 확률을 예측한다.
- 사용 사례 : 고객 이탈 예측, 날씨 예측, 제품 성공률 예측 등. 
결정 트리
(Decision Trees)
- 분류와 회귀 문제 모두에 사용되며, 데이터를 분할하여 예측을 수행한다.
- 사용 사례 : 의료 진단, 고객 세분화, 이상 탐지 등.
랜덤 포레스트
(Random Forest)
- 여러 결정 트리를 결합하여 예측을 수행하며, 과적합 문제를 해결한다.
- 사용 사례 : 질병 탐지, 특징 선택, 예측 모델링 등.
K- 최근접 이웃
(K-Nearest Neighbors, KNN)
- 분류와 회귀 문제 모두에 사용되며, 새로운 데이터 포인트와 가장 가까운 K개의 이웃을 기반으로 예측을 수행한다.
- 사용 사례 : 추천 시스템, 이미지 분류, 고객 세분화 등.
서포트 벡터 머신
(Support Vector Machine, SVM)
- 데이터를 분류하기 위해 최적의 초평면을 찾는 알고리즘.
- 사용 사례 : 얼굴 인식, 필기 인식, 텍스트 분류 등.
나이브 베이즈
(Naive Bayes)
- 베이즈 정리를 기반으로 한 확률적 분류 알고리즘.
- 사용 사례 : 텍스트 분류, 이미지 분류, 감정 분석 등.

 

이런 알고리즘을 이해하고, 실습을 해보면서 적용하는 것이 중요하다 한다. 설명과 사용 사례만 봐도 뭔가 굉장히 호기심을 유발하게 만드는 내용인 것 같다.

 

머신 러닝을 공부할 때 주의해야 하는 점도 알아보자.

데이터 품질과 양 데이터 품질 :
머신 러닝 모델의 성능은 데이터 품질에 크게 의존한다. 불완전하거나 일관성 없는 데이터는 모델의 예측력을 떨어뜨릴 수 있다.
데이터 클리닝, 전처리, 이상치 처리 등을 통해 데이터 품질을 높여야 한다.
데이터 양:
충분한 양의 데이터가 필요하다. 특히 딥러닝 모델은 대량의 데이터를 필요로 하며, 데이터가 부족하면 모델의 성능이 저하될 수 있다.
과적합과 과소적합 과적합:
모델이 학습 데이터에 너무 잘 맞춰져 새로운 데이터에 대한 일반화 능력이 떨어지는 현상.
이를 피하기 위해 교차 검증, 정규화, 드롭아웃 등의 기법을 사용한다.
과소적합:
모델이 데이터의 패턴을 충분히 학습하지 못해 예측력이 떨어지는 현상. 모델의 복잡도를 높이거나
더 많은 데이터를 사용하여 해결할 수 있다.
모델의 복잡성 단순한 모델:
초기에는 단순한 모델을 사용하여 기초를 다지는 것이 좋다.
복잡한 모델은 유지보수와 디버깅이 어려울 수 있다.
복잡한 모델:
복잡한 모델은 높은 정확도를 얻을 수 있지만, 과적합의 위험이 크고, 해석하기 어려울 수 있다.
데이터 누수 테스트 데이터 누수:
테스트 데이터가 학습 과정에 유입되면 모델의 성능을 과대평가할 수 있다.
데이터 분할을 올바르게 수행하고, 특징 선택과 같은 전처리 과정도 학습 데이터에만 적용해야 한다.
편향과 윤리적 문제

편향:
데이터나 알고리즘에 편향이 포함되면 불공정한 결과를 초래할 수 있다.
편향을 탐지하고 완화하는 기술을 사용해야 한다.
윤리적 문제:
머신 러닝 모델이 중요한 결정을 내릴 때, 투명성과 설명 가능성이 필요하다.
이를 위해 설명 가능한 AI(Explainable AI) 기법을 사용할 수 있다.
적절한 평가 지표 평가 지표:
모델의 성능을 평가할 때, 문제에 맞는 적절한 평가 지표를 선택해야 한다.
예를 들어, 분류 문제에서는 정확도(Accuracy) 외에도 정밀도(Precision), 재현율(Recall), F1 스코어 등을 고려해야 한다.
기준 모델 기준 모델:
머신 러닝을 사용하기 전에 기존의 간단한 방법이나 규칙을 기준으로 성능을 비교해야 한다.
머신 러닝 모델이 이 기준을 능가해야만 사용 가치가 있다.
지속적인 학습과 개선

학습 :
머신 러닝은 빠르게 발전하는 분야이므로, 최신 기술과 트렌드를 지속적으로 학습하고 적용하는 것이
중요하다.
개선:
모델을 배포한 후에도 지속적으로 모니터링하고, 새로운 데이터를 통해 모델을 개선해야 한다.

 

 

728x90
반응형
728x90
반응형

AI로 그림을 뽑아내던 젠스파크를 유료로 사용할 수 있는 날들이 이제 며칠 남지 않은 상황에서 딥 리서치라는 기능이 추가되었다는 메일을 받고 부랴부랴 찾아 들어가 보았다. 

딥 리서치. 이름만 봐도 무언가 딥하게 나한테 정보를 제공해 줄 것 같은 분위기라 최근에 관심 있던 부분에 대해 자료를 찾아보기로 했다. 

 

 

 

요즘 테스트 케이스와 게임 분석서를 써보고 있었던 나로서는 무언가 더 공부를 해야 되는게 아닐지 걱정이 되었는데, 이참에 AI의 기능을 한번 이용해 보기 위해 질문을 남겨봤다.

 

 

 

질문을 하니 연구 계획 단계부터 시작하는지 생각과정을 나에게 보여주었다. 생각과정을 쭉 나열하다가 정리가 다 되면 아래 처럼 한글로 자신이 접근한 내용에 대해 보여주면서 화면에 이전에는 떠있지 않던 연구 시작 버튼을 보여준다. 버튼을 눌러 연구 시작을 해보자.

 

 

연구 결과가 나올 때까지는 20분 정도 소요 될 수 있다면서 나보고 이 창을 나가도 메일로 알려줄 테니 편하게 다른 작업 하라고 친절하게 알려준다. AI들이란 참 빠르게 진화하는구나.

 

 

 

짜란!

20분 정도까지는 안 걸리는 것 같은데, 최대 대기 시간이 20분 인가? 시간이 지나면 최종 보고서를 보여준다. 더 보기를 누르면 내가 질문한 내용에 대한 답이 있는 웹사이트로 넘어가면서 자료들을 보여준다. 

그전에 자료들이 어떻게 수집되었는지, 반영되었는지를 확인할 수 있어서 정말 이름 그대로 딥하게 나의 질문을 찾아주는 것 같다.

 

최종 보고서엔 목차까지 추가된 상태로 깔끔하게 정리된 답들을 확인할 수 있다. 

항상 궁금증이 많았던 나로서는 이 기능은 굉장히 흥미롭고 설레었다. 

내용을 보면 아직까지 완벽하게 접근되는 것 같지는 않았지만 충분히 메리트가 있는 AI임은 확실했다.

 

중요한 건 이제 유료로 사용할 수 있는 날이 3일밖에 안 남았다는 건데..ㅋㅋㅋㅋ

젠스파크 사용하실 분 어디 안 계신가요? 우리 모두 1개월 무료로 사용해 보시는 거 어떠신지요.

친구코드로 시작하면 1개월씩 무료입니다. 아래 URL로 가입하시면 됩니다!

https://www.genspark.ai/invite?invite_code=MzBkMTljZTlMODA5ZEwxMTY0TGMwZWJMN2UyYTVhMjc5YjRk

 

 

 

 

728x90
반응형
728x90
반응형

AI로 그림 그리는 걸 해보다가 알게 된 젠스파크.

다른 ChatGPT나 Perplexity와 다르게 Genspark에서는 AI로 그림생성도 가능하고, AI 검색도 가능하다.

 

예전에 게임을 만들 때 배경으로 이미지 한 장이 필요했었는데, 바로 그럴 때 사용하면 된다.

 

아래처럼 이미지를 생성하고 싶은 느낌을 적어서 엔터를 누르면 자신이 어떻게 반영할 것인가 일단 설명을 해준다.

 

여기서 아래 화면처럼 4가지의 이미지를 구성해준다. 여기서 기다리는 시간이 조금 필요하다. 한 1분 정도?

 

게이지가 100%까지 차면 아래처럼 이미지가 등장하는데 생각보다 퀄리티가 괜찮다. 내가 이미지를 어떻게 만들고 싶은지만 제대로 말하면 생각보다 괜찮은 이미지를 얻을 수 있다. 

 

여기저기 AI 그림 생성을 찾다가 친구초대 링크로 가입을 하면 한 달 무료라는 것을 보고 어디인지 모르는 어떤 사이트에서 어떤 분의 친구 초대 링크를 통해 가입을 해서 한 달 무료인 상태로 쓰고 있다. 아마 한 달이 지나면 그때 가서 다시 연장을 하던지 그만할지 생각을 해보겠지만 생각보다는 좋은 것 같다.

 

아래 링크가 내 초대 링크인데 이걸로 가입을 하면 나도 한달 연장이 되고 가입하는 사람도 한 달 무료이다.

다양한 기능도 있고 AI로 그림 생성하는 것도 꽤 재밌으니 이참에 한번 해보시는거 어떠시겠습니까.

누구든지 제 한달 연장을 위해 어차피 가입할 거라면 여기 링크를 통해 가입해 주시면 감사합니다.

https://www.genspark.ai/invite?invite_code=MzBkMTljZTlMODA5ZEwxMTY0TGMwZWJMN2UyYTVhMjc5YjRk

 

 

 

인공지능에 대해서도 몇번 질문해봤는데 답도 곧잘한다. 나쁘지 않다. 

728x90
반응형
728x90
반응형

 

알고 싶지 않았던 티스토리 이미지 업로드 오류이다.

글을 다 써두고 마지막에 사진을 하나 넣는 나로서는 이 오류를 만나면 내 시간이 도려진 기분이 든다.

처음엔 그냥 처음부터 다시 써야되는 것인가 멘붕이 왔었는데 개발자 모드에서 못 할게 뭐가 있는가.

우리는 개발자 모드를 실행시켜서 내 화면을 한 겹 씌운 이 창들을 없애주기만 하면 된다.

 

1. F12로 개발자 도구를 켜주고 요소를 눌러준다.

 

2. ctrl + F를 눌러서 "mce-modal-block"을 찾아주자. mce-modal까지만 찾아도 바로 나온다.

이게 흰색으로 가려지는 커다란 패널 창 하나인 것 같다.

 

3. 해당 부분을 마우스로 가져다 대고 우클릭해서 요소 삭제를 눌러준다.

4. 이제 아까 찾았던 "mce-modal" 어쩌구를 지워주고 "mce-white-dialog mce-container mce-panel"을 적어주자.

역시나 mce-white-dialog까지만 쳐도 나온다. 똑같은 방법으로 요소 삭제를 눌러준다.

얘가 글씨가 써져있던 부분인 것 같다.

 

보통 요소 마지막 부분에 두 개 다 있다. Ctrl + F로 찾기 귀찮으면 요소 누르고 마지막 쪽으로 내려가서 찾아봐도 될 듯하다.

 

끝이다. 개발자 도구 만만세.

728x90
반응형

+ Recent posts