Claude Code Harness Engineering 클로드코드 심화 CLI 하네스 엔지니어링 실무
강의를 정말 잘 듣고 있습니다. 먼저 좋은 강의를 열어주셔서 감사합니다. 인프런의 팬으로 좋은 강의를 만날 때마다 기분이 좋습니다! 여러 웹 사이트에서 'skillsmap' 등의 마켓 플레이스에서 전문화된 스킬과 에이전트, 플러그인 등이 존재하는데, 하네시 엔지니어링시 이런 요소들을 어떻게 활용해야 할지, 아니면 활용하지 말아야 할지 고민이 됩니다. 편한 시간에 답변 달아주시면 너무 감사하겠습니다!
안녕하세요. 선생님, 배경지식없이 본강의만 듣기 시작한 수강생입니다. cursor 도 사용해본적 없는데요, 실습을 들어가자 막혀서 문의드립니다 ㅠㅠ 하단 사진과 같이 구글에서 cursor 검색해서 설치후 실행시킨다음에 오픈 폴더로 다운받은 폴더를 선택했는데, 강의내용과 같이 왼쪽 탭에 폴더내 파일들이 안보이네요.. 혹시 다른 툴을 사용하고 있는 걸까요? 선생님 화면이랑 일부 다른것 같기도 해서요..
안녕하세요. 수업을 듣다가 replace와 map의 차이를 찾아보니 map은 딕셔너리 형태에 적여 있지 않은 모든 키값을 null로 만들고 replace는 그대로 손대지 않는다고 하는데, 그러면 1과목에서 자세한 EDA가 전제 되지 않는다고 가정했을때 왠만하면 map을 피하고 replace를 해야하지 않을까? 하는 생각이 들었는데 수업에는 map을 조금 권장하는거 같기도 하여 혹시나 여기에 대해서 제가 어떻게 생각을 정리해야할지 질문드립니다.
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 2번문제 평균 계산하니깐 원래 25.055 였는데 강의에서는 print() , round()를 씌우니깐 25.022로 출력되던데 이유가 뭔가요??? 저는 계속 25.055로 출력이 되네요
안녕하세요. 시험이 얼마 남지 않은 시점에서 필수함수 공부 + 노가다/육안으로 직접 확인해서 계산하기를 병행하고 있습니다. 이 문제는 소수점 셋째 자리까지 계산하라고 하였기 때문에 어떤 방식을 택하든 문제가 발생하진 않습니다만, 실제 시험에서 최종 답안을 계산할 때 어떤 방식이 더 맞는지 여쭙고 싶습니다. [코드] # 스팸 메시지의 평균 단어 개수와 정상 메시지의 평균 단어 개수를 각각 구하시오. wordsdata = df.groupby(['label'])['word_count'].mean() print(wordsdata.head()) print(abs(wordsdata.iloc[0]-wordsdata.iloc[1])) # 방법 1 print(abs(10.070026-10.022919)) # 방법 2 방법 1은 나름 정석(?)으로 구하는 것이고, 방법 2는 앞서 출력해본 wordsdata.head()의 결과물에 있는 숫자들을 그대로 활용하여 계산하는 방법입니다. [출력결과] > label ham 10.070026 spam 10.022919 Name: word_count, dtype: float64 0.047106439394330124 # 방법 1 계산 결과 0.047107000000000454 # 방법 2 계산 결과 보시면 출력되는 숫자가 방법에 따라 미세하게 다름을 확인할 수 있습니다. 어떤 방법이 실전 시험에서 더 적절한지 의견 여쭙고 싶습니다. 그리고 시험 출제하시는 분들도 이런 미세한 차이를 인지하시고 소수 셋째 지점까지 구하라고 한건지도 문의드리고 싶습니다. 감사합니다.
아래와 같이 학습 데이터, 테스트 데이터를 합쳐서 데이터 인코딩을 진행했을 때 칼럼명이 1267개가 나오는데 모델 학습 시 시간이 많이 걸리는 요소가 되는 건가요? 칼럼이 이 정도면 많이 있는건지, 괜찮은 건지, 그 기준도 궁금합니다. 이렇게 합쳐서 했을 시, 모델 학습 및 예측 시간이 37초 정도 걸리는데 (코랩에서) 시험 환경에서는 더 많이 걸릴 수도 있는 거죠?(반응속도의 차이로 인해서) 랜덤포레스트 모델 이용했을 때 37초 걸리고, RMSE : 3779.6769 값이 나옵니다. lightgbm 모델을 이용했을 때 5초가 걸리고, RMSE : 4070.0473 값이 나옵니다. 만약 랜덤포레스트 모델 학습 및 예측 시간이 시험 환경에서 1분을 초과한다면 성능이 좀 떨어지더라고 lightgbm 모델을 사용해서 제출하는 것이 더 나을까요? 또한, df.iloc를 쓰지 않고, 위 그림처럼 바로 df[:len(train)]을 써도 동일한 결과가 나오는 것 같은데 맞나요?
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 작업형 3에 되게 많은 분석과 검정이 있는데 많이 나오는 기출이나 특정 유형이 있을까요? 3유형 함수나 그런것들이 너무 많아서 어떤 것이 핵심이고 자주 기출에 나오며 뭐가 출제 예상이신지 궁금합니다
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 11회 기출 유형(작업형1) 강의 15:10초에서 초기 값 25.055 round 씌우고 24.xx print 씌우고 25.022가 되어 답이 25.022라고 설명해주셨는데 답이 25.022라는건가요? 초기값 25.055로 알고있으면 되는건가요?!
인코딩을하면 f1 score에서 pos_label을 따로 지정할 필요가 없나요?? 그리고 평가하는 게 모의시험 느낌이라고 말씀하셨는데, pred = model.predict(X_val) or pred_proba = model.predict_proba(X_val) 로 한 다음에, pred = model.predict(test) or pred = model.predict_proba(test)로 제출하면 될까요?
작업형 2에서 업로드해주신 자료에서는 원핫인코딩을 진행했는데요. 원핫인코딩을 진행한 사유가 있나요? 저는 시군구명만 레이블인코딩을 사용했는데 , 인코딩 종류를 결정하는 것이 헷갈립니다, 제가 사용한인코딩 코드를 첨부합니다! from sklearn.preprocessing import LabelEncoder cols=train.columns[train.dtypes== 'O' ] for col in cols: le=LabelEncoder() train[col]= le.fit _transform(train[col]) test[col]= le.fit (test[col]) 이렇게만 했더니, train 만 object ->int로 바뀌고 test는 바뀌지 않아서 랜덤포레스트를 활용할수 없다는 에러가나와 아래를 추가했습니다..! from sklearn.preprocessing import LabelEncoder cols=test.columns[test.dtypes== 'O' ] for col in cols: le=LabelEncoder() test[col]= le.fit _transform(test[col]) 이렇게 해도 되나요..?? dtypes로 마지막에 점검했을 때는, 둘다 int로 바뀌어 있기는 했습니다.