안녕하세요. 목차를 살펴보다가 이상한 점을 발견해서 문의합니다. (책 맨 앞의 목차가 아니라 "목차 메뉴"의 출력이 이상해서 문의합니다.) 저는 알라딘에서 전차잭으로 구매했는데 홈페이지 상세 페이지에서는 순서가 제대로 잘 나와있는 것 같은데... 제 전자책에서는 목차가 이상하게 출력됩니다. 챕터10 -> 파트4(300페이지) 챕터14~17까지 순서대로 나오다가 -> 챕터 11~13까지 나옵니다. 이건 해당 구매처로 문의해야 하는 걸까요?
안녕하세요, 강사님. 질문 주제 : 리뷰의 개념도에서 "Product" 개념이 표현되지 않은 이유로 "리뷰 대상을 범용적으로 지정할 수 있도록 설계"했다는 점을 짚어주셨는데 저는 "리뷰가 상품 대신 주문에 의존하기 때문"이라 생각합니다. QnA - 개념 정리 수업을 제 식대로 정리한 내용입니다. 개념도에 어떤 개념을 표현할지 기준을 세우자. 코드/스키마 관점보다 개념적/비즈니스적 관점에서 바라보자. 개념도는 운영/기획팀 등 여러 구성원과 소통하기 위한 수단. 코드/스키마 관점으로는 의사소통 어려움. '모든 개념이 클래스로 대응되지 않고, 모든 클래스가 개념으로 대응되지 않는다'는 점에서도 코드/스키마 관점으로 개념도를 그리는 것은 어렵다고 생각합니다. 위의 내용을 기반으로 생각해보니 비즈니스에서 상품에 대해 리뷰가 작성되는데 리뷰 개념과 상품 개념이 연관이 없다고 생각하니 어색하게 느껴집니다. 기획팀 등 누군가와 대화를 가정하여 "상품에 리뷰를 쓸텐데 왜 리뷰 개념이 상품 개념과 연결되지 않나요?"라는 질문을 받았을 때 "리뷰 대상을 범용적으로 지정하도록 설계해 상품 개념을 직접 의존하지 않기 때문"이라 대답하면 코드/스키마 관점의 대답이라 생각됩니다. 그래서 저는 리뷰의 대상이 "상품"이 아닌 "구매한 상품"이기 때문에 "Review"가 "Product" 가 아닌 "OrderItem"을 의존하여 개념도에 "Product"가 표현되지 않고 "Order"가 표현되었다고 생각합니다. 이렇게 생각하면 제가 느꼈던 어색함이 해소되는 것 같습니다. 비즈니스적으로 리뷰의 대상은 상품이니 개념적으로 리뷰와 상품은 연관되어 있지 않는가? 리뷰는 구체적으로 '상품' 대신 '구매한 상품'에 대해 작성하므로 리뷰는 "OrderItem"에 의존하고, 개념도에는 그 상위 개념인 "Order"에 의존하도록 표현함. ("Review"는 "Order"를 거쳐 "Product"와 간접적으로 연결된다는 관점) '리뷰 대상의 범용적 설계'는 코드/스키마 관점 운영/기획팀에게 리뷰는 "구매한 제품"에만 작성할 수 있으니 "Product" 대신 "Order"에 의존한다고 대답함. 제 생각에 대해 강사님의 견해가 궁금합니다. 감사합니다.
해당 문제를 아래와 같이 풀었습니다. # your code import pandas as pd df = pd.read_csv("https://raw.githubusercontent.com/lovedlim/inf/main/p1/members.csv") df=df.fillna(method='bfill') df=df.groupby(['city','f2']).sum().reset_index() df=df[['city','views']].sort_values(by='views',ascending=False) df= df.reset_index(drop=True) df=df.loc[2:2] df print("대구") 해당 마지막 코드인 df=df.loc[2:2]를 통해서 정답이 '대구'인걸 눈으로 확인했는데 해당 값만 추출하는 것을 몰라 마지막에 print를 활용해서 정답을 '대구'로 출력했는데 이와 같은 경우 괜찮은지 질문드립니다.
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 df = df.fillna(method='bfill') df = df.bfill() ffill도 마찬가지로 선생님, 왕초보의 질문인데요..! bfill과 fillna(method='bfill')이 완전히 똑같은 기능을 하나요? 그렇다면, fillna(method='bfill') 가 조금 더 코드가 긴데, fillna 를 까먹지 않도록 이걸로 알려주시는 걸까요?
안녕하세요, 저는 알려주신 코드와 동일하게 작성한 것 같은데, 결과 값이 'id'로 나오는데 뭐가 문제일까요 import pandas as pd df = pd.read_csv("https://raw.githubusercontent.com/lovedlim/inf/refs/heads/main/p1/members.csv") df = df.isnull().sum() print(df.sort_values(ascending=False)) print(df.index[0]) 11:06초 먼저 유사한 질문이 있었는지 검색해보세요
Pypi(파이썬 레지스트리) 이용법에 대해서 알아보기 강의에서 보면 좌측에서 packages를 클릭하고 prettytable을 설치하는데 지금의 Replit UI에서는 packages를 찾아보기가 어렵습니다. 뒷 강의에서 계속 package를 설치하고 진행하게되면 그냥 넘어가면 안될것같아서 문의 드립니다.
파이썬으로 제작된 강의가 두개가 있는데 비슷하면서 차이가 있더라구요 - 백트래킹 / 완전탐색 - 동적계획법 (DP) - 위상정렬 - 플로이드-와샬 - 힙(Heap) - 고급 시뮬레이션 프로젝트 - 파스칼 응용 / 순열 / 조합 실습 대략 보기로는 최신강의에서 이 내용이 빠져있는것같은데 두 강의 모두 수강해야하나요?
안녕하세요 질 좋은 강의 올려주셔서 항상 감사합니다. 몇가지 질문을 하고싶은데 traget=train.pop('타겟') << 이거를 인코딩 하기 전에 하는것이 나을까요 아니면 검증데이터 분할하기 전에 하는것이 나을까요? 학습시간이 촉박해서 그런데 인코딩에서 레이블인코딩을 학습하지 않고 그냥 원핫인코딩 하나만 학습해서 시험을 쳐도 무리 없을까요? 그리고 머신러닝 학습에서도 lightgbm이나 XGBoost나 다른 모델을 쓰지않고 그냥 랜덤포레스트 하나만 학습해서 시험을 쳐도 합격하는데는 큰 무리가 없을지 궁금합니다! 감사합니다 추가적으로 작업형 2에서 이상치 조정, 스케일링, 하이퍼 파라미터 튜닝 이 세가지 작업도 굳이 하지 않아도 점수에 큰 영향이 없다면 패스하고 싶은데 괜찮을지 여쭤봅니다!!
먼저 강사님 강의 잘 듣고 있습니다! 다름이 아니라 제가 실무에서 코호트 단위로 리텐션 분석해놓은것을 토대로 LTV를 구하는 작업을 진행중입니다! 그 과정에서 최근 달의 경우에는 리텐션을 예측해서 LTV 구하는데 활용하는 것으로 알고있는데요! 혹시 이 과정에 있어서 어떤 모델을 사용하면 좋을지 여쭙고자 문의사항 남깁니다! 보통의 LTV의 경우에는 BG/NBD 혹은 GAMMA GAMMA 모델을 활용한다고 알고있는데 월 단위 구독 모델의 Retention을 구할때는 잘 안쓴다고 하는 것 같아서요! 강의에는 아쉽게도 관련 내용으로 진행한건 없는거 같아서 물어보는게 맞을까.. 싶긴한데 여쭤볼곳이 없어 한 번 QnA에 남겨봅니다!