생태학을 중심으로, 수학 · 물리학 · 머신러닝 · 공간정보가 교차하는 지점을 탐구합니다. 자연을 데이터와 코드로 이해하는 기술 블로그.
안녕하세요:) 이번 포스팅에서는 QGIS MCP 플러그인에 대해 알아보고, Claude와 연동하여 사용하는 방법을 정리해보겠습니다. QGIS MCP 프로젝트란?QGIS MCP는 'Model Context Protocol'을 이용하여 QGIS의 다양한 기능을 Claude와 같은 거대 언어 모델(LLM)에 직접 노출시켜 주는 소켓 서버 플러그인입니다. 쉽게 말해, 내 PC의 QGIS와 AI를 연결해 주는 다리 역할을 합니다.Claude MCP 서버 TCP 소켓 QGIS 플러그인 PyQGIS APINicolas Karasiak님이 개발한 오픈소스 프로젝트로, 현재(v0.5.x 기준) 100+ 개의 MCP 도구를 제공하며 주로 다음과 같은 작업들을 자연어로 자동화할 수 있습니다.프로젝트 : 프로젝트 생성..
안녕하세요:) 2편에서 현장조사까지 마쳤으니, 이번에는 스마트폰에 저장한 소중한 현장 데이터를 PC(QGIS)로 가져와 정리하는 과정을 다뤄보겠습니다. https://jjangmo91.tistory.com/50 QGIS: QField로 국립공원 탐방로 전수조사 야장 만들기(2편-현장조사)안녕하세요:) 지난 1편 '사무실 준비(내업)' 과정에 이어, 이번에는 모바일 기기를 들고 직접 국립공원 탐방로로 나가는 '2편 QField 현장조사'를 다루어 보겠습니다. 1편에서 스마트폰으로 전송한 Qjjangmo91.tistory.com스마트폰 > PC 파일 전송현장에서 QField로 저장한 데이터는 스마트폰 내부 저장소의 프로젝트 폴더 안에 그대로 들어 있습니다. USB 케이블로 스마트폰과 PC를 연결한 뒤 And..
안녕하세요:) SpeciesNet 시리즈 다섯 번째 포스팅입니다. 지난 글에서는 사진이 합성곱과 Backbone, Neck을 거치며 추상적인 특징(Feature Map)으로 변환되는지 살펴봤습니다. 하지만 "여기에 동물이 있다!"는 최종 판정은 아직 나오지 않은 상태입니다. 더욱 근본적인 의문도 남아 있습니다. 4부에서 "커널 안의 숫자는 모델이 데이터로부터 학습하며 스스로 찾아낸다"고 했는데, 컴퓨터가 무슨 수로 정답을 '스스로' 찾아낸다는 것일까요? 아래 사진을 보며 모델이 실제로 마주하는 문제를 확인해 봅시다.수액이 흐르는 상수리나무를 차지한 넓적사슴벌레(Dorcus titanus)와 나무껍질 틈에 있는 네눈박이밑빠진벌레(Glischrochilus japonicus)입니다. 극단적으로 상대적인 크기..
안녕하세요:) SpeciesNet 시리즈 네 번째 포스팅입니다. 지난 글에서는 사진 한 장이 $(3, 1280, 1280)$ 텐서로 바뀌고, 퍼셉트론이라는 최소 단위가 가중합과 활성화를 수행한다는 것, 그리고 이 퍼셉트론을 여러 개 모아 층을 쌓고, 그런 층을 여러 겹 쌓은 다층 퍼셉트론(MLP)이 데이터 공간을 비틀고 접어서 직선만으로는 풀 수 없던 문제를 해결한다는 것까지 알아봤습니다. 그리고 불편한 결론 하나가 있었죠. MLP에 사진을 넣으려면 491만 개의 숫자를 한 줄로 펴야 합니다(Flatten). 2D 격자 위에서 픽셀 $(i, \, j)$와 바로 옆 픽셀 $(i, \, j\!+\!1)$은 한 칸 차이 이웃이지만, 한 줄로 펴진 순간 이 둘은 더 이상 이웃으로 취급되지 않습니다. 어떤 픽셀이..
안녕하세요:) 지난 1편 '사무실 준비(내업)' 과정에 이어, 이번에는 모바일 기기를 들고 직접 국립공원 탐방로로 나가는 '2편 QField 현장조사'를 다루어 보겠습니다. 1편에서 스마트폰으로 전송한 QField 패키지 파일을 활용하여, 인터넷과 통신이 전혀 터지지 않는 깊은 산속에서도 오프라인 배경지도를 보며 조사하는 방법을 알아봅니다. https://jjangmo91.tistory.com/48 QGIS: QField로 국립공원 탐방로 전수조사 야장 만들기(1편-내업)안녕하세요:) 이번 시리즈에서는 국립공원 탐방로의 시설물과 훼손지 전수조사를 QGIS + QField로 통합 구축하는 전 과정을 다룹니다. 음역지역에서도 오프라인으로 작동하는 현장 야장을 목표로jjangmo91.tistory.com 이펀..
안녕하세요:) SpeciesNet 시리즈의 세 번째 포스팅입니다. 지난 글에서는 카메라 트랩 이미지를 모델에 넣고 "멧돼지 0.92", "사슴과 0.98"같은 결과를 직접 뽑아봤습니다. 그런데 컴퓨터는 이 사진을 대체 어떻게 알아본 걸까요? 이번 글에서는 그 과정을 하나씩 뜯어보겠습니다. 오늘 살펴볼 질문은 다음과 같습니다.1. 컴퓨터는 사진을 어떻게 인식할까?2. 신경망은 어떻게 꼬인 다차원 공간을 비틀고 접어서 정답을 찾아낼까?3. SpeciesNet 파이프라인은 어떻게 생겼을까?이미지와 텐서(Tensor): 컴퓨터는 사진을 숫자로 본다아래 사진을 보겠습니다. 우리 눈에는 검은색의 광택이 나는 거대한 가슴뿔과, 멋들어진 올리브빛이 감도는 노란 딱지날개를 가진 '헤라클레스장수풍뎅이'가 보입니다. 카리브..