안녕하세요. 좋은 강의 감사드립니다. 덕분에 잘 배우고 있습니다. 문제 2. 주어진 데이터에서 결측치가 30%이상 되는 컬럼을 찾고 해당 컬럼에 결측치가 있는 데이터(행)를 삭제 함. 그리고 30% 미만, 20% 이상인 결측치가 있는 컬럼은 최빈값으로 값을 대체하고 'f3'컬럼의 'gold' 값을 가진 데이터 수를 출력하세요! 문제2를 대하고 순간 다음과 같은 고민을 했었습니다. 1번을 수행하여 'f1'컬럼의 결측치 행을 삭제한 후 2번을 하려니 'f3'컬럼의 결측치 갯수가 18개만 남더군요. 그럼 18개는 최초 데이터 100개의 20% 미만일까? 그렇지 않다. 'f1'컬럼 결측치를 제거한 후 데이터 갯수 69개의 20%~30%(14~20)에 해당한다. 그렇다면 'f3'컬럼의 최빈 값은 'f1'컬럼의 결측치를 제거하기 전의 값을 사용해야할까 아니면 결측치 제거 후의 값을 사용해야 할까? 결과적으로는 어떤 방식으로 하던 답은 56으로 일치했지만 주어진 데이터에 따라 다른 값이 나올 수도 있을 것 같습니다. 혼돈을 없애기 위해 문제 2의 문항 순서를 바꾸면 어떨까요? 30% 미만, 20% 이상인 결측치가 있는 컬럼은 최빈값으로 값을 대체하고 주어진 데이터에서 결측치가 30%이상 되는 컬럼을 찾고 해당 컬럼에 결측치가 있는 데이터(행)를 삭제 함. 'f3'컬럼의 'gold' 값을 가진 데이터 수를 출력하세요!
안녕하세요 디버깅 실습중에 2~3번은 utf-8 인코딩에러 뜨고 한번은 정상적으로 디버깅이 되서(디버깅 아닌 실행시에는 문제없음, 아직은 한글데이터 사용도 안하는데 TT 계속 쉬프트+F9 계속 치면 한번씩 정상적으로 진행됨 TT) 인코딩 세팅도 바꿔보고( utf-16 등 다른 인코딩도 설정 해봤음) 해도 안되다가 경로(폴더명 )에 한글을 영어로 바꾸니깐 이상이 없네요(이게 원인인지는 정확하게 모르겠습니다) 참조하세요 ~~
안녕하세요 고민글은 아니고 혹시나 해서 같이 강의 들으시는 분들하고 공유하고 싶어서 글 올립니다.(아마 많이 알고 있으시겠지만 혹시나 싶어서 공유합니다. 혹시 정보공유 게시판이 있으면 알려주세요, 혹시 강사님 이글이 부적정 하다고 생각하시면 통보없이 지우셔도 무방합니다. 옮기시는 것도 자유입니다. ^^) 파이참 쓰다 보면 한 줄 자동 완성 기능 때문에 많이 당황하셨을 껍니다. (편하긴 편한데 실력 완성에 도움이 전혀 안되는 .... ) 해제하고 싶어도 보통 인터넷에 올려진 방법은 File -> Settings -> Editor -> General -> Code Completion 체크 해제인데 안되더라고요 File -> Settings -> Editor -> Inline Completion -> Enable local Full Line Completion suggestions 체크 해제 해보세요 혹시나 같이 공부하시는 분들 도움이 되셨으면 합니다. ^^
안녕하세요 강사님 올해 말 실기 시험 목표로 강의를 수강 중인 학생입니다. 강의 수강 중 문득 걱정이 되는게 있어서 문의 드립니다. 맥북 단축키 같은것도 알려주시고 당장 수강하는데는 별 문제없다고 생각하는데, 시험장에 맥북을 들고 갈 순 없는 노릇이니.. 혹시 맥북으로 공부해 갔을때 발생할 수 있는 문제와 그에 대처방법이 혹시 있을까요?
안녕하세요 비전공자 직장인입니다. 퇴근후 딴짓 님 강의를 열심히 듣고 있습니다. 현재 작업형2 모의문제 2를 혼자서 풀고 있는데, 단순한 결측치 찾고, 샘플 찾고, 그런 것들은 하겠는데 이거를 모델링 하는 거에서부터 사실 멘붕입니다. 작업형1 모의문제를 풀 때도 똑같이 강의를 듣던것보다 더 어려워서 멘붕이 왔었습니다. 일단은 모르겠는 부분은 인지한 상태로 다시 반복하겠다는 의지로 계속 강의를 듣는 게 맞겠죠? 반복이 답이겠죠??
선생님, 강의 열심히 보고 있는데 제가 5월 중순부터 시작하면서 조금 일찍 시작했는데도 불구하고 암기 할 게 너~~~~~~무 많아서 큰일입니다 ㅠㅠ 단권화 시키려고 실기용 교재를 샀는데 정말 정말 이것만큼은 꼭! 외우고 가야하는 코드나 문법같은거를 정리해주실 수 있나요? (강의나...파일로) 사실 고득점 합격은 바라지도 않고 60점 턱걸이로라도 너무 붙고싶습니다!
본 강의에서 알려주신 판다스 및 이미지 활용 예제를 알려주셔서 감사합니다. 강의 후반에 알려주신 것 처럼 활용 할 수 있는 부분이 굉장히 많아 보입니다. 판다스 예제를 views.py에 녹여 봤는데, 잘 출력됩니다 ㅎㅎ 이후 템플릿 폴더 내부 html 파일을 생성해서 디자인 좀 추가해 출력하면 분석 툴 제작도 충분히 가능할 듯 싶네요. 강의 중반까지 듣고 시도해 보겠습니다 :)
- 서로 예의를 지키며 존중하는 문화를 만들어가요. - 잠깐! 인프런 서비스 운영 관련 문의는 1:1 문의하기를 이용해주세요. 안녕하세요 권철민 선생님 교육을 너무 잘 듣고 많이 배웠습니다 제가 이번에 mmdetection이 윈도우에서 사용하는 편법(?)을 찾아 공유드립니다. 필요하신 분들께 도움이 되기를 바랍니다 mmdetection은 기본적으로 리눅스에서만 적용되고 윈도우에서 사용하려면 상당히 어렵다고 알고 있습니다 다만 회사보안이라든지 리눅스 환경이 어렵다든지 여러가지 원인으로 윈도우에서 활용하고 싶은 경우가 있는데요 그래서 이거저거 시도해본 결과 윈도우에서도 실행되게끔하는 방법을 정리해보았습니다 제 컴퓨터 환경 기준으로 작성되었기 때문에 사용자마자 적용법이 좀 다를 수 있을 것 같습니다 1 . 윈도우용 mmcv 설치 본인의 cuda 환경 및 pytorch 버전에 맞는 mmcv를 먼저 설치하여야 합니다. 이를테면 다음 url에 접속하면 각 환경에 맞는 whl을 제공합니다 Cuda 10.1 pytorch 1.8 : https://download.openmmlab.com/mmcv/dist/cu101/torch1 .8.0 /index.html Cuda 11.1 pytorch 1.8 : https://download.openmmlab.com/mmcv/dist/cu111/torch1 .8.0 /index.html Cuda 11.3 pytorch 1.10 : https://download.openmmlab.com/mmcv/dist/cu113/torch1 .10.0 /index.html conda prompt에서 python --version을 통해 버전을 확인하고 파이썬 버전에 맞는 mmcv를 다운 받습니다 conda prmpt에서 whl 다운받은 경로로 이동하여 whl 설치해줍니다 (제 경우는 pip install mmcv_full -1.4.6 -cp37-cp37m-win_amd64.whl) mmcv에서 제공하는 환경에서는 다 접속이 되는것 같습니다 (https://github.com/open-mmlab/mmcv) 2 . MMdet 설치 정확히는 리눅스 환경에서 MMdet를 설치하고 설치디렉토리를 다운받습니다 리눅스 환경이 없으시다면 Colab에서 가능합니다 --------------------------------------------------------------------------- ! git clone https://github.com/open-mmlab/mmdetection.git ! cd mmdetection; python setup.py install import inspect print (inspect.getfile(mmdet)) #위치 확인 # 저 같은 경우 '/usr/local/lib/python3.7/dist-packages/mmdet-2.22.0-py3.7.egg/mmdet/__init__.py' 가 뜨네요 #구글드라이브를 마운트하여 위의 출력에서 mmdet 까지 내 드라이브로 복사하고 이것을 다운 받습니다 from distutils.dir_util import copy_tree copy_tree( '/usr/local/lib/python3.7/dist-packages/mmdet-2.22.0-py3.7.egg/mmdet' , '/content/drive/MyDrive/mmdet' ) # 지금의 경우에는 colab도 파이썬 3.7이고 제 환경도 3.7이어서 잘되는 경우인데 이외의 경우에는 안될수도 있을 것 같습니다 # 해보진 않았습니다만 환경과 동일한 파이썬 버전을 맞추고 설치하면 좋을 것 같습니다 --------------------------------------------------------------------------- 3 . mmdet에 필요항 패키지 설치 (pycocotools는 pycocotools_windows로 설치하여야 합니다) pip install terminaltables pycocotools_windows pyyaml 4 . 이제 mmdet 를 옮겨온 경로의 상위 디렉토리를 sys.path.append로 추가하면 mmdet를 import 할 수 있습니다 (아마도...) (제 경우는 import sys sys.path.append( 'D:\YSKim\#Deep-Learning\#Tutoring\Inflearn\딥러닝컴픁피전완벽가이드\DLCV_New-main' ) ) * cpu core가 충분하지 않을 경우 cfg.data.workers_per_gpu = 0 로 설정하였습니다 일단 제 컴퓨터 기준으로 하였기 때문에 따라 하셔도 여러 시행착오가 있을수는 있을 것 같습니다만 그래도 저와 같은 고민이 있으신 분들께 조금이나마 도움이 되기를 바라며 글을 작성하였습니다
