서비스 기획75 AI 커버 음악 만드는 방법 (w/ higher quality) 지난달에 AI 커버 음악 만드는 것이 생각보다 어렵지 않다는 것을 발견하고 저스틴 비버가 부르는 뉴진스의 "New Jeans", "Cool with you" 등 총 4개의 AI cover 음악을 만들었습니다. 그러나 모든 일이 그렇듯 쉽게 하려면 쉽지만 퀄리티를 높이려면 일이 조금 더 복잡해졌습니다. AI 커버 음악을 만들며 직접 배운, AI 커버 음악 만드는 방법과 퀄리티를 높이는 팁, 그리고 참고한 자료를 이 글에 정리했습니다. 1. MR과 보컬 분리 2. 보컬을 리드보컬과 백업보컬로 분리하기 (중요) 3. 보컬을 다른 사람의 목소리로 바꾸기 3-1. 목소리 다운로드 3-2. 음성 style 입히기 저스틴 비버가 부르는 뉴진스의 "New Jeans" by me 1. MR과 보컬 분리 음원에서 배경음에.. 2023. 10. 7. 사례와 함께 보는 생성형 AI 잘 쓰는 방법 (생성형 AI로 영화 키워드 만들기) 들어가며ChatGPT의 출시와 함께 생성형 AI가 화제가 된 지도 반년이 넘었다. 우리 팀에서도 생성형 AI를 활용한 새로운 과제를 발굴하기 위해 머리를 맞대고 있다. IPTV에 맞는 서비스를 만들기 위해 생성형 AI로 VOD를 위한 정보를 생성하는 방향으로 아이디에이션을 진행했다. 그 과정에서 다양한 방법으로 생성형 AI에게 프롬프트를 입력했는데, 프롬프트를 사용했던 이력을 기록해놓으면 도움이 될 것 같아 이 글에 배운 것과 느낀 점을 정리했다. 1. 생성형 AI를 잘 사용하는 방법 (영화 키워드 추출 사례, 영화 줄거리 한 줄 요약 사례) 2. BARD vs. ChatGPT 무엇이 더 낫나요? 3. 현재 생성형 AI의 한계 1. 생성형 AI로 영화 키워드와 한 줄 줄거리를 추출해 보자! 넷플릭스만큼 .. 2023. 7. 14. 2023년 상반기 회고 (나의 문제점 해결하기) 이 글은 2023년 상반기 회고입니다. 2022년 회고가 브런치 마지막 글이었는데, 꼬박 6개월 만에 돌아왔네요. 브런치에 자주 글을 올리겠다는 연초 계획이 무색하게 말이죠. 재택근무가 줄어 글 쓸 시간이 없었다는 핑계를 대봅니다. 이 글은 연초에 세운 2023년 계획을 얼마나 잘 수행했는지 평가하는 글입니다. 목표 유형 세 개(움직이기, 기록하기, 성장하기) 중 움직이기를 제외하고는 주로 성취하지 못한 목표를 찾고 해결방법을 고민하는 내용을 담았습니다. 추가로, 브런치 글 말투를 "~입니다"가 아닌 "~다"로 바꾸려고 해요. 조금 딱딱해 보일 수는 있지만, 브런치 글을 편하게 쓰려면 일기처럼 쓰는 게 좋을 것 같아서요. 브런치 글을 더 자주 쓰기 위해서이니 양해 부탁 드려요! :) 성공한 것은 파란색으.. 2023. 6. 23. [췻쉿] 한번에 여러 데이터프레임에 함수 적용, csv 파일 추출 Pandas DataFrame cheatsheet 데이터 분석을 한층 편리하게 해 줄 여러 가지 기능들 내가 아직 외우지 못한 기능을 한 번에 찾을 수 있게 모아놨다. 여러 데이터프레임에 같은 함수를 돌려 각각의 csv 파일을 뽑고 싶을 때 - group A, B, C, D의 값이 들어있는 데이터프레임 A_df, B_df, C_df, D_df가 있음 - 각 그룹의 시청시간 합계를 뽑는 함수를 돌리고 csv 파일을 뽑고 싶음 - group이 많아질수록 해당 과정이 점점 번거로워짐 - group별 데이터프레임을 각각 함수에 넣고 csv 파일을 추출하는 과정을 for문으로 자동화 #일일 시청시간 합계, 인당 평균 시청시간을 구하는 함수 def get_daily_duration(df): duration_df =.. 2023. 5. 13. 재택 근무의 종말 (출근의 장점과 단점) 올해 2월부터 재택근무가 주 1회로 변경되었다. 그전에는 주 2~4회를 하고 있었기 때문에 급격한 변화였다. 2개월간 출근을 많이 하며 느낀 점을 정리했다. 출근과 재택의 장단점은 꽤 명확하다. 그래서 내 생각엔 재택을 주 1~2회 유지해서, 회의가 필요한 날에 출근해서 회의를 몰아서 진행한 후, 재택근무를 하며 혼자 집중해서 해야 하는 일을 처리하는 것이 좋은 것 같다. PM의 일로 예를 들자면, 출근한 날에는 다른 PM과의 아이디어 회의나 개발자/디자이너와 개발 회의를 진행하고, 재택 근무를 하는 날에는 회의 내용을 바탕으로 기획서를 작성하거나 데이터를 추출해서 가설을 검증하는 '홀로 집중해야 빨리 끝낼 수 있는 일'을 처리한다. 출근의 장점과 단점 출근의 장점 1) Self-control이 쉽다. .. 2023. 5. 1. [췻쉿] 결측값 처리 Pandas DataFrame cheatsheet 데이터 분석을 한층 편리하게 해 줄 여러 가지 기능들 내가 아직 외우지 못한 기능을 한 번에 찾을 수 있게 모아놨다. 결측값 처리 방법 4가지 참고 자료: 한양사이버대학교 데이터사이언스개론 0) null이 있는 열 확인 #컬럼별 확인 df.isna().sum().reset_index() #각 컬럼별 결측치의 비율 df.isna().sum() / len(df) 1) 삭제하기 drop_missing_data = rawData.dropna() #axis=0: null값이 있는 행 삭제 / axis=1: null값이 있는 열 삭제 #how='any': null값이 하나라도 있으면 삭제 / how='all': 모든 값이 null이면 삭제 2) 0으로 채우기 fil.. 2023. 3. 25. '나는 왜 데이터 분석을 하고 싶을까?'에 관한 생각 PM이 된 지도 벌써 만 4년이 지났다. 기획자에게 데이터 분석 역량이 중요하다는 사실을 줄곧 들었다. 그래서 데이터 분석 공부를 천천히 시작했고, 이제 실무에 적용할 수준의 실력으로 발전했다. 작년부터 본격적으로 데이터 분석 업무를 하며 이 일이 내 적성에 맞다고 생각했다. 앞으로 데이터 분석을 더 깊게 배우고 싶기도 하다. 그런데 나는 왜 데이터 분석을 하고 싶을까? 내가 기획자의 길을 선택한 이유는 창의적인 일을 하고 싶어서였고, 분석은 내 적성에 맞지 않다고 생각했는데. 게다가 데이터 분석은 숫자, 그러니까 수학과 가까이 있는 존재가 아닌가. 나는 분명 수학과 사이가 그리 좋지 않았다. 그래서 생각해 보기로 했다. 내가 데이터 분석을 하고 싶은 이유. 1. 서비스의 성과를 데이터를 통해 확인할 수.. 2023. 3. 18. [췻쉿] query, assign, type, 문자열, print Pandas DataFrame cheatsheet 데이터 분석을 한층 편리하게 해 줄 여러 가지 기능들 내가 아직 외우지 못한 기능을 한 번에 찾을 수 있게 모아놨다. 데이터프레임 복사본 만들기: df.copy() df_new = df_raw.copy() 원하는 조건으로 추출하기: df.query() 아래 두 개는 동일한 결과를 만드나, query를 쓰면 "df."를 컬럼 앞에 항상 붙일 필요가 없다는 장점이 있음. #1 df.query('컬럼명>10') #2 df[df.컬럼명>10] 여러 파생변수 한 번에 추가하기: df.assign() df.assign(뉴컬럼명 = df.컬럼1 + df.컬럼2, 뉴컬럼명2 = (df.컬럼1 + df.컬럼2) / 2) #lamdba로 더 간단히 쓰고 싶을 경우 df.a.. 2023. 2. 26. 미국 데이터 분석 석사 선수과목 채우기 올 초 미국 데이터 분석 석사를 알아보았는데, 돈만 낸다고 쉽게 갈 수 있는 게 아니었다. 본인 학력에 공학 베이스가 없다면 공학 관련 수업을 들어서 선수과목을 채워야 한다. 미국 데이터 분석 석사 지원 시 채워야 하는 선수과목은 대략 이러하다. 필수: Calculus (미적분), Linear Algebra(선형대수), Statistics (통계학), Intro to CS or Programming (컴퓨터공학 기초) + 하면 좋음: 이산수학, 자료구조 우리나라에서 미국 데이터 분석 석사를 지원하신 분들은 사이버대학교, 방송통신 대학교에서 학점을 받아 선수과목을 채우는 것 같아 그 길을 따르기로 했다. 해외 대학 수업도 온라인으로 들을 수 있지만 가격이 만만치 않아 포기했다. Coursera 등 온라인 .. 2022. 12. 27. 이전 1 2 3 4 ··· 9 다음
