주말코딩님. 덕분에 완강하고 3회 정보처리기사 합격한 것 같습니다. 정말 감사합니다. 제가 비전공자로 개발자로의 이직을 꿈꾸고 있는 30대입니다. 그래서 부트캠프나 직업교육을 심도있게 고민중입니다. 주변에 개발자가 없어서 질문할 사람이 없더라구요 ㅜ 현실적인 조언부탁드립니다. 현실적으로 가능할지..? 개발에서 전망이 좋거나 꼭 배워야 취업하기 유리한 툴이 뭐가 있을까요..? 많은 캠프를 찾아보던 중 다들 이런 곳 나와도 시간낭비고 결국 취업하기가 어렵다고 하는데 공감하실까요..? 개발자 캠프 중 SAP Young Next Cloud Academy (SYNC 아카데미)를 선택하려고 하는데, 어떻게 생각하시는지 궁금합니다 ㅜㅜㅜ 코딩님의 개인적인 의견이 궁금합니다.
개인프로젝트 구현중이고 만드는 과정속에서 나만의 플레이리스트를 구축하고 싶은데 구글,유튜브 검색해보고 비슷하게 안 나오네요.. 근데 꼭 만들어보고 싶어서. GPT라도 참고해서 차근차근 해봤는데도 기능 구현이 안되는데 어떻게 해야할까요? 그래도 어떻게든 혼자 해봐야겠죠..?
https://dataq.goorm.io/exam/116674/체험하기/quiz/4 여기서 하는 성별예측 문제에서 import pandas as pd train = pd.read _csv("data/customer_train.csv") test = pd.read _csv("data/customer_test.csv") # print(train.shape, test.shape) # print( train.info ()) # print(train.isnull().sum()) # print(test.isnull().sum()) #결측치 처리 (환불금액) train['환불금액'] = train['환불금액'].fillna(0) test['환불금액'] = test['환불금액'].fillna(0) # print(test.isnull().sum()) # print(train['성별'].value_counts()) #인코딩 target = train.pop('성별') train = pd.get_dummies(train) test = pd.get_dummies(test) #검증 데이터 분리 from sklearn.model_selection import train_test_split X_tr, X_val, y_tr, y_val = train_test_split(train, target, test_size=0.2, random_state=0) # print(X_tr.shape, X_val.shape, y_tr.shape, y_val.shape) from sklearn.ensemble import RandomForestClassifier rf = RandomForestClassifier(random_state=0) rf.fit (X_tr, y_tr) pred = rf.predict_proba(X_val) # print(pred) from sklearn.metrics import roc_auc_score roc = roc_auc_score(y_val, pred[:,1]) #예측 및 파일생성 pred = rf.predict_proba(test) submit = pd.DataFrame({ "pred":pred[:,1] }) submit.to _csv("result.csv", index=False) # print( pd.read _csv("result.csv")) 이렇게 코딩을 했는데 예측 및 파일 생성에서 pred = rf.predict_proba(test) 여기 부분이 오류가 뜨는데 왜 그런가요 ㅠㅠ > Makefile:6: recipe for target 'py3_run' failed make: *** [py3_run] Error 1 Traceback (most recent call last): File "/goorm/Main.out", line 43, in <module> pred = rf.predict_proba(test) File "/usr/local/lib/python3.9/dist-packages/sklearn/ensemble/_forest.py", line 674, in predict_proba X = self._validate_X_predict(X) File "/usr/local/lib/python3.9/dist-packages/sklearn/ensemble/_forest.py", line 422, in validate X_predict return self.estimators_[0]._validate_X_predict(X, check_input=True) File "/usr/local/lib/python3.9/dist-packages/sklearn/tree/_classes.py", line 407, in validate X_predict X = self._validate_data(X, dtype=DTYPE, accept_sparse="csr", File "/usr/local/lib/python3.9/dist-packages/sklearn/base.py", line 437, in validate data self._check_n_features(X, reset=reset) File "/usr/local/lib/python3.9/dist-packages/sklearn/base.py", line 365, in check n_features raise ValueError( ValueError: X has 73 features, but DecisionTreeClassifier is expecting 74 features as input. 이렇게 뜹니다,,
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. 해당 질문은 에러에 관한 질문은 아니고 개인적으로 여쭤볼게 있어서 말씀드립니다. 로그인, 등 인증 기회원가입 능 구현에 관한 기본 지식이 부족해서, 해당 강의의 auth 기능 파트를 따라가기가 어렵다는 생각이 들었습니다. auth.js는 라이브러리(?) 같은 거 여서 원래는 어떻게 구현하는지를 몰라 이해하기에 어려움이 있습니다. 그래서 기본기를 탄탄히 다지고 다시 돌아와 듣고 싶은데, 제로초님의 강의에 로그인, 회원가입 등 인증 기능 구현 기초 강의가 있는지 여쭤보고 싶습니다! 혹은 어떤 강의를 수강하면 로그인 인증 기본기를 배울 수 있을까요?
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 ~~
"use client" import type { Metadata } from "next"; import "./globals.css"; import { RecoilRoot } from "recoil"; import ReactQueryProvider from "./config/ReactQueryProvider"; // export const metadata: Metadata = { // title: "Create Next App", // description: "Generated by create next app", // }; export default function RootLayout({children,}: Readonly<{children: React.ReactNode}>) { return ( <ReactQueryProvider> <RecoilRoot> <html> <body> <p>From Layout</p> {children} </body> </html> </RecoilRoot> </ReactQueryProvider> ); } 강의를 듣고나서 궁금한점이 생겼어요 recoil 하고 tanstack query 라이브러리 사용 하면서 provider만들어서 html을 감싸고 있는데 이러면 ssr이 안되는 것 아닌가요? 이러면 seo 치명적인 문제가 발생하는것 같은데 이런 경우에 어떻게 provider를 선언해서 ssr을 사용할 수 있는 건가요?
