Rosie

[MAC] 로컬에 Ollama 설치해보기

RosieSong-dev — Sun, 26 Apr 2026 20:21:08 +0900

안녕하세요 송로지입니다

오늘은 Ollama를 로컬에 설치해볼 예정입니다!!

아래 웹사이트에 들어가 설치 명령어를 복사해줍니다

Download Ollama on macOS

Download Ollama for macOS

ollama.com

터미널에서 그대로 실행하고

비밀번호를 세팅해주면 설치 완료!!

ollama --version

설치 후 버전을 확인해주세요

1) Ollama

ollama run gemma

첫 번째 실행을 시키면 자동으로 다운로드됩니다!

2) Qwen

ollama run qwen

Qwen도 마찬가지고 실행시키면 자동으로 다운로드됩니당

설치 후 질문을 간단하게 던져봤습니다!

사진과 같이 답변을 받아볼 수 있었어요!!

Ollama는 자동으로 API 서버도 띄어준다고 합니다!

gemma를 실행하지 않고 터미널에 아래 명령어를 입력해도 답변을 받아볼 수 있어요!

curl http://localhost:11434/api/generate -d '{"model": "gemma", "prompt": "Briefly explain AI?", "stream": false}'

다들 화이팅입니다 !!

[MAC] console에서 Postgre DB 서버 생성하는 방법

RosieSong-dev — Wed, 3 Dec 2025 16:24:56 +0900

안녕하세요! 송로지입니다

바로 서버 생성하는 방법으로 넘어가보겠습니다...

1) 아래 명령어를 통해 postgresql을 다운받아 줍니다-!!

brew install postgresql@15

다음은 제가 너무 많은 시행착오를 겪어서 ......... 혹시 몰라 Postgre 초기화를 시켰습니다.

2) Postgre 초기화하기

rm -rf /opt/homebrew/var/postgresql@15

스킵하셔도 가능이에요~

3) 새로운 서버 생성하기!!

아래 코드는 PostgreSQL 15 데이터베이스 서버를 시작하는 코드입니다.

pg_ctl -D /opt/homebrew/var/postgresql@15 -l /opt/homebrew/var/postgresql@15/logfile start

이렇게 들어가면 trust 모드여서 비밀번호 없이 접속 가능한데 로컬 한정이에요 -;;

peer / md5 / password 같은 모드로 바꾸지 않았다면, 로컬에서 psql -U 사용자명으로 바로 접속 가능해요 -!!

아래 코드는 서버 이름과 비밀번호를 함께 설정할 수 있어요!!

initdb /opt/homebrew/var/postgresql@15 -U server_name  -W

(비밀번호 잊지마세요... 저 까먹어서.. 고생했네요 ...)

4) Postgre의 서비스를 시작합니다

brew services start postgresql@15

5) DB 접속

psql -U yeji -d postgres

yeji 계정으로 postgres DB에 접속된 상태입니다-!!

CREATE DATABASE bbot_db OWNER yeji;

bbot_db라는 새로운 DB를 생성하고!

\l

bbot_db가 목록에 보이면 성공!

psql -U yeji -d bbot_db

이렇게 하면 방금 만든 DB에 접속할 수 있어요~

CREATE TABLE website_data (
    id SERIAL PRIMARY KEY,
    title TEXT,
    url TEXT,
    crawl_time TIMESTAMP,
    content TEXT
);

sql 명령어로 테이블을 생성했습니다-!!

ALTER TABLE website_data
ADD COLUMN IF NOT EXISTS content_embedding FLOAT8[];

이미 생성한 테이블에 ..! 임베딩 컬럼 하나 추가하는 코드입니다~

\q

이 명렁어를 작성하면 나올 수 있습니다-!!

휴 드디어 해결했네요 ㅠㅠ

[MAC] VScode와 PostgreSQL 연동하기

RosieSong-dev — Mon, 1 Dec 2025 22:56:24 +0900

안녕하세요! 송로지입니다

Postgre DB를 사용하기 위해 VScode와 연동시켜 볼 예정입니다

연동시키기 전 PostgreSQL를 다운로드 받아주세요 -!!

https://yyyeji.tistory.com/465

[MAC] PostgreSQL 설치하기

안녕하세요! 송로지입니다 PostgreSQL 설치 한 번 해볼게요 ... !!https://www.enterprisedb.com/downloads/postgres-postgresql-downloads EDB: Open-Source, Enterprise Postgres Database Management www.enterprisedb.com본인 컴퓨터에 맞

yyyeji.tistory.com

완료가 되었다면 VScode를 켜줍니다!!

그 다음은 확장프로그램을 설치할 수 있게 아래 Extension을 클릭합니다!

그리고 PostgreSQL를 검색해주시면 됩니다~

그 후 맨 위에 뜨시는 PostgreSQL을 다운받아 주세요

Management Tool을 다운로드 하셔야 됩니다 -!!

설치가 완료되면 좌측 아래 Postgre 아이콘이 생깁니다 -!!

(귀엽지 않나여 -?!? )

그 아이콘을 누르시면 DB를 연결하실 수 있습니다 -!!

+ 버튼을 누르면 무언가를 입력할 수 있는 창이 뜨는데

위에서 만들었던 정보를 넣으면 됩니다!!

그리고 console 창을 열어주세요..!!

그리고 서버를 실행하기 위해 아래 코드를 실행시켜 줍니다

brew services start postgresql

[MAC] PostgreSQL 설치하기

RosieSong-dev — Fri, 21 Nov 2025 14:53:16 +0900

안녕하세요! 송로지입니다

PostgreSQL 설치를 한 번 해볼게요 ... !!

https://www.postgresql.org

PostgreSQL

The world's most advanced open source database.

www.postgresql.org

웹사이트에 들어가 Download 버튼을 눌러준 뒤..!!

본인 컴퓨터 운영체제에 맞춰 선택합니다!!

저는 mac이기 때문에 macOS로 들어가겠습니다-!!

EDB에서 제공하는 다운로드 패키지를 사용해보겠습니다.

가장 최신 버전의 Mac os를 선택합니다!!

Allow하면 다운로드가 시작됩니다!

다운로드를 시작해보겠습니다!!

dmg 파일을 클릭하면 setup할 수 있는 팝업이 뜨게됩니다-!!

Next를 누르면서 설치를 완료해주시면 되는데

비밀번호는 DB에 접속하는 중요한 정보이기 때문에 잊으시면 안 됩니다 ㅠㅠ!!

(잊였던 사람 저에요 .. ㅎ)

그렇게 되면 설치 완료!!

하하

pgAdmin 4를 실행해보겠습니당

까먹지 말라고 했던 비밀번호 입력을 해주면

DB 접속이 완료됩니다-!!

[Data Science] Stringr 패키지 알아보기

RosieSong-dev — Sat, 11 Oct 2025 11:30:34 +0900

안녕하세요! 송로지입니다

Stringr은 문자열을 다룰 때 쓰는 R의 패키지입니다!

하나씩 살펴보겠습니다!!!

str_trim()

문자열 양쪽 끝의 공백(space)를 제거해주는 함수입니다!

str_trim(" this is a test ")

str_pad()

문자열 길이를 7로 맞추되, 부족한 부분을 왼쪽(left)에 "0"으로 채우는 코드입니다!

str_pad("24498", width=7, side="left", pad="0")

str_detect()

각 요소에 "Alice"가 포함되어 있는지 논리값(TRUE/FALSE)로 알려주는 함수입니다!

friends <- c("Sarah", "Tom", "Alice")
str_detect(friends, "Alice")

str_replace()

문자열에서 "Alice"를 "David"로 바꿔주는 코드입니다!!

friends <- c("Sarah", "Tom", "Alice")
str_replace(friends, "Alice", "David")

추가로 ~~ tolower(), toupper()를 알아보겠습니다!

tolower()은 대문자를 소문자로 바꿔주는 함수입니다.!!

tolower("I AM TALKING LOUDLY!!")

toupper()은 소문자를 대문자로 바꿔주는 함수입니다

toupper("I am whispering...")

완전 유용하니 알아두면 좋겠죠 ??

[Data Science] lubridate 패키지 알아보기

RosieSong-dev — Sat, 11 Oct 2025 11:18:39 +0900

안녕하세요! 송로지입니다

lubridate 패키지는 날짜/시간을 자동으로 인식해주는 패키지입니다!!

복잡한 as.Date() 대신 ymd(), mdy() 같은 함수를 쓸 수 있습니다!!

library(lubridate)
ymd("2015-08-25")
ymd("2015 August 25")
mdy("August 25, 2015")
hms("13:33:09")
ymd_hms("2015/08/25 13.33.09")

날짜의 형식이 달라도 알아서 인식해주는 패키지이기 때문에

사용해보시면 좋을 것 같아요~~

[Data Science] R 언어에서 NA와 NaN의 차이점은 무엇일까? (+타입변환)

RosieSong-dev — Sat, 11 Oct 2025 11:08:05 +0900

안녕하세요! 송로지입니다

R 언어에서 변수의 타입을 살펴보면,

character - "Hello", "123", "A"

numeric - 23.44, 120, NaN, Inf

integer - 4L, 1123L

factor - factor("Hello"), factor(8)

logical - TRUE, FALSE, NA

가 있습니다!!

근데 ........... numeric의 NaN와 logical의 NA는 무슨 차이인가............

우선 NA은

Not Available의 약자로,

데이터가 존재하지 않음을 의미합니다.!

"값이 아예 없다", "모름" 같은 의미입니다

NaN는

Not a Number의 약자로,

수학적으로 정의되지 않는 값을 의미합니다!

0을 0으로 나눌 때 => 이건 숫자가 아니야(Not a Number)

이런 식으로 해석될 수 있습니다!!

즉 ,,,!!!!!!!!!!!!

NA: 데이터 자체가 없음(정보가 비어 있음)

NaN: 계산 결과가 수학적으로 말이 안 됨

을 의미합니다 ~~

추가로 변수의 타입을 바꾸기 위해서는?

as.character(2016)
as.numeric(TRUE)
as.integer(99)
as.factor("something")
as.logical(0)

이런식으로 함수를 사용해주시면 됩니당 >><<

[Data Science] order과 sort 함수 차이점 알아보기

RosieSong-dev — Fri, 10 Oct 2025 19:01:43 +0900

안녕하세요! 송로지입니다

my_vector 안에 숫자 값을 넣어줬습니다!

my_vector <- c(6, 12, 4, 89, 23, 35)

order(my_vector)
# [1] 3 1 2 5 6 4   ← 오름차순으로 정렬했을 때 원래 인덱스 순서

my_vector[order(my_vector)]
# [1]  4  6 12 23 35 89   ← 실제 값 정렬

sort(my_vector)
# [1]  4  6 12 23 35 89   ← 값만 바로 정렬

order() 함수는 정렬된 인덱스를 반환하고,

sort() 함수는 정렬된 값을 반환합니다!!

기본적으로 오름차순이 default 값이고,

내림차순으로 하고 싶다면 ???

my_vector[order(my_vector, decreasing = TRUE)]
# [1] 89 35 23 12  6  4

sort(my_vector, decreasing = TRUE)
# [1] 89 35 23 12  6  4

속성으로 decreasing을 넣어주면 됩니다!!

[Data Science] 데이터 읽어오기 (read.csv(), read.table() ....)

RosieSong-dev — Fri, 10 Oct 2025 18:44:46 +0900

안녕하세요! 송로지입니다

R 스튜디오에서 데이터를 읽어오는 함수를 정리해 보겠습니다

ㅎㅎㅎㅎㅎㅎㅎㅎㅎㅎㅎㅎㅎㅎㅎㅎ

read.csv()

csv 파일은 Comma-Separated Values의 약자로 쉼표로 구분된 데이터들의 모임입니다!

data_csv <- read.csv("파일이름.csv", header = TRUE, stringAsFactors=FALSE)

stringsAsFactors = FALSE → 문자형 열을 Factor로 바꾸지 않고 그대로 문자열로 읽는다는 의미입니다.

TRUE로 처리하면 문자열을 Factor로 읽어올 수도 있습니다!

read.table()

확장자가 txt인 text 파일을 불러오는 함수입니다!

data <- read.table("파일이름.txt", header = TRUE, sep = "\t")

반대로, 쓰는 함수도 존재합니다!

write.table(data, "my_table.txt", sep = "\t", row.names = FALSE, sep='\t')

[Data Science] Tidy Package(gather, spread, separate, unite 함수) 알아보기

RosieSong-dev — Thu, 9 Oct 2025 10:41:21 +0900

안녕하세요! 송로지입니다

깔끔한 데이터를 얻기 위해서는 데이터를 살펴본 뒤

데이터를 분석하기 전 깨끗한 데이터로 변환해야 됩니다!

데이터를 불러오고, 원시 데이터를 탐색합니다.

* 구조 확인: class(), dim(), names(), str(), glimpse(), summary()

데이터 확인: head(), tail()

시각화: hist(), polt()

데이터를 정제할 때는 오류/결측치/중복을 제거하게 됩니다.

데이터 정리는 아래와 같습니다.

원칙: 행=관측 값, 열 = 변수, 테이블 = 관측 단위입니다.

Messy Data의 특징을 살펴보면,

* 열 이름이 값일 때

* 변수들이 행과 열에 동시에 있을 때

* 여러 변수가 한 열에 있을 때

* 다른 단위가 한 테이블에 섞여 있을 때

입니다!!!!!

따라서 messy data는 tidyr 패키지를 통해 정제시킬 수 있습니다!

library(tidyr)

library()를 통해 tidyr를 다운받아 줍니다!

wide_df <-data.frame(col=c('X', 'Y'), A=c(1, 4), B=c(2, 5), C=c(3, 6))
wide_df

위에 데이터를 사용하겠습니다!!

gather(data, key, value ...)

gather(데이터 프레임, 키 col, 값 col ...)

gather()은 wide data를 long data로 변환합니다.

long_df <- gather(wide_df, my_key, my_value, -col)
long_df

my_key는 원래의 열 이름인 A, B, C을 값으로 가진 새로운 열입니다.

my_value는 각(행, 열) 셀의 실제 값 (1, 2, 3, 4, 5, 6)을 담는 새로운 열입니다.

-col은 col 열은 그대로 두고(식별자 id로 사용), 나머지 열들(A,B,C)를 모아서 (Key-value pair)세로로 쌓으라는 의미입니다.

spread(data, key, value ...)

spread(데이터 프레임, 열 이름이 될 변수, 값이 될 변수 ...)

spread()은 long data를 wide data로 변환합니다.

spread(long_df, my_key, my_val)

my_key는 현재 long 형태에서 "열 이름"이 될 변수입니다!

my_value는 각 (행, 열) 셀을 채울 실제 값들 입니다.

새로운 데이터 treatments를 만들어줬습니다!

treatments <- data.frame(
  patient   = rep(c('X', 'Y'), 3),
  treatment = rep(c('A', 'B'), each = 3),
  year_mo   = rep(c('2010-10', '2012-08', '2014-12'), each = 2),
  response  = c(1, 4, 2, 5, 3, 6)
)

separate(data, col, into ...)

saparate(데이터 프레임, 분리할 col, 나눠서 만들 새로운 col 이름들 ...)

treatments2 <- separate(treatments, year_mo, c("year", "month"))

결과적으로 year_mo 컬럼이 사라지고, year와 month 두 컬럼이 생겼습니다!

2010-10 값이 year=2010, month=10으로 쪼개집니다!!

unite(data, col, ...)

unite(데이터 프레임, 새로운 col 이름, 합칠 col1, 합칠 col2, ..., sep="_")

unite(treatments2, year_mo, year, month)

year와 month 열이 합쳐져서 year_mo라는 새로운 열이 생깁니다

구분자는 _이며, 2010_10 이런식으로 합쳐집니다!!

요약 ..!!

gather() -> 여러 열을 세로로 모아서 key-value 형태로 변환

spread() -> key-value 형태를 다시 여러 열로 펼치기

separate() -> 하나의 열을 여러 열로 나누기

unite() -> 여러 열을 하나의 열로 합치기

즉 ..!!

gather/spread는 wide data <--> long data로 변환하고,

separate/unite는 열 나누기 <--> 합치기 용도입니다.