작업형 2에서 pred를 그냥 쓰는게 아니라 pred[:,1]를 쓸때 이해가 안가서 그냥 이대로 암기했었습니다.이걸 쓰는 이유를 정확히 알고 싶은데roc_auc는 양수의 확률 값을 예측한걸 평가하는 것이고,나머지 분류지표는 0또는 1을 예측한걸 평가하는 지표이기 때문에roc_auc경우에만 양수인 컬럼을 따로 지정하기위해 pred[:,1]를 사용하는 것이 맞을까요?그렇다면 roc_auc일때만 pred[:,1]이렇게 따로 지정해주면 될까요?

cond = df['age']>=80 print(df['views'][cond].mean())이렇게 작성해도 크게 문제가 없나요? views와 cond 자리 바꿈!

test_id = test.pop('id')이렇게 따로 빼두는 이유가 저장할때 id컬럼을 생성하기 위해서라면,굳이 pop함수로 빼지 않고 저장할때 직접적으로pd.DataFarme({'id':test['id'], 'y_pred':pred}) 이렇게 test['id']로 적으면 안되는 걸까요? 

안녕하세요."9.컴퓨터 하드웨어 구성 요소 및 시스템 버스의 역할" 강의 내용 중, 10:17 에 나오는 제어 버스 그림 내 화살표 오류 여부 문의드립니다. CPU: 메모리/입출력 장치에게 READ/WRITE 동작 지시 신호를 보냄 그림에서 "메모리"에게 설명대로 CPU가 READ/WRITE 신호를 보내고 있으나,"입출력 장치"에게 "CPU"가 Read/Write 신호가 아닌, "Ready/Wait" 신호를 보내고 있습니다. 따라서 아래와 같이 되어야 한다고 이해됩니다.READ/WRITE = CPU가 보내는 신호READY/WAIT = 장치가 보내는 신호설명 주신 제어 버스 동작 원리와 화살표 표기에 오류가 있을까요?

[👍좋은 질문을 했을 때 좋은 답변이 돌아 옵니다]1. 실습 중 본인의 환경이 가이드와 다른 부분이 있었다면 말씀해주세요.2. 해당 문제의 발생 빈도(재설치 여부)와 문제 해결을 위해 시도해본 케이스를 말씀해 주시면 원인 파악에 큰 도움이 됩니다.3. 에러 메시지만 봐서는 저도 모르는 경우가 많아요. 그전에 했던 작업이 포함된 캡쳐 화면도 부탁 드려요.4. 영상 내용에 대한 질문 시 해당 시간을 같이 올려 주시면 답변을 드리는 시간이 더 빨라집니다.5. 긴 로그는 제 메일로 보내주세요. (k8s.1pro@gmail.com)6. 카페 [강의 자료실]에도 많은 질문과 답변들이 있어요! http://k8s.core:31080/hostname에 요청할때C:\Windows\System32\drivers\etc\hosts 파일에 192.168.56.30 portal.com k8s.corek8s.core까지 추가를 해야 요청이 가는데 원래 작성을 안해도 가는게 맞는건가요?

안녕하세요. 섹션5-27 강의 수강 중 입니다. 인코딩 파트의 가장 윗 부분 코드와 관련하여y_train = train.pop("income")단독 실행 시 KeyError 에러가 발생합니다.다만, 상단의 모두 실행으로 실행 시 정상 작동 됩니다.에러 메시지에서도 '위의 예외는 다음 예외의 직접적인 원인이었습니다.' 라고만 표시되어 어떻게 조치를 취해야 하는지 감이 잘 오지 않습니다ㅠㅠ + 상단의 데이터 불러오기에서 데이터를 확인했을 때 income 컬럼이 있는 것 확인했습니다.  + 바로 아래의 원핫인코딩 코드에 커서를 놓고 런타임-이전 셀 실행 으로 실행하니까 이때는 또 정상 작동을 하네요? 

랜덤포레스트 사용에서 model.fit으로 학습시키는 코드를 실행시키면 굉장히 오래 돌아가는데 왜그러는걸까요??

2유형에서 원핫인코딩이나 레이블 인코딩 후에 민맥스나 스탠다드 스켈링을 하는데요스케일링할 때 범주형 데이터를 제외하는 작업을 하지 않고 그냥 통으로 train과 test 스케일링을 하고 있거든요. 혼자 공부하니까 제대로 하고 있는지 의문이 되네요그냥 통으로 스케일링 해도 결과값에 영향이 없나요?from sklearn.preprocessing import MinMaxScaler, StandardScalersc = MinMaxScaler()train = ms.fit_transform(train)test = ms.transform(test)

안녕하세요 환급 환불 처리가 된 걸까요?쿠폰만 받았지 아무런 알림이 없었던 것 같아요

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요선생님, 아래 두 코드 중 하나를 쓰면 될까요?두 코드는 똑같은 의미인가요?해당 문제로 적용했을 때, 같은 값이 나오긴 합니다만,,현재 강의에서는 첫번째 코드[작업형3] 9. 로지스틱 회귀에는 두번째 두 줄짜리 코드로 적혀있어서둘 중 하나로 외워두면 될지 궁금합니다.(임계값이 따로 나오지않으면 >0.5 를 적용하는것으로 전제하에..)pred = model.predict(test) > 0.5pred = model.predict(test) pred = (pred > 0.5).astype(int)

이번 예시문제에서 train ,test를 26번째 줄 처럼 align 해주지 않으면 '주구매상품_소형가전'이 train에서만 존재해서 에러가 발생하는데 이번에 처음보는 에러라서 GPT가 저 줄을 추가하라고 알려줘서 알게 됐는데, 원래 원핫인코딩에는 저런 align을 외워둬야할까요?

포스팅 글 중간 중간에 내부링크를 만들기 위해 포스팅완료 시트에서 타이틀과 url를 기반으로 node를 만들어서 사용하고 있습니다.그런데 작업 1개의 시간이 1시간을 훌쩍 넘게 걸립니다. 이게 정상인가요?그리고 토큰을 좀 더 아낄 수 있는 방법이 있으면 공유 부탁드립니다.

아직 MSA 경험이 없다보니 질문을 드려봅니다.메시지에 관련된 Entity를 공통 모듈로 뺀다고 하셨는데용Lecture_1 라는 프로젝트, Lecture_2 라는 프로젝트가 있다고 가정을 했을 때'공통 모듈' 이라는걸 별도의 프로젝트로 구성한다는 말씀이실까요?아니면 아래와 같이 프로젝트 root외에 모듈을 별도로 잡아서 한다는 말씀이실까영?rootProject.name = 'Lecture_2' include 'common' <-- 공통 모듈?rootProject.name = 'Lecture_2' include 'common' <-- 공통 모듈?아, 그리고 최근에는 MSA에 대한 단점이 명확해지고 있어서 Modular Monolithic 아키텍처도 생겨나고 있는데 강사님께서는 이 부분에 대해서 어떻게 생각하시는지도 궁금합니다!

질문이 있는 경우 다음과 같이 시도해보고 공유해주세요구글에 검색한 후, 어떤 결과가 나왔는지그 결과를 토대로 어떤 시도를 했는지? 시도에서 어떤 과정이 진행되지 않았는지데이터를 추출하는 과정에 대한 고민은 Input / Output을 작성해주세요  안녕하세요.시작 전에 문제를 풀고 강의를 수강하라고 하셨는데말씀주신 문제가 섹션별로 나와있는 퀴즈를 말씀하신걸까요?

이렇게 작성되어 있을 때는 다중 선형 회귀 모델의 독립 변수에 'solar', 'o3'를 적어주는 게 맞는 건가요?

안녕하세요. 해당 챌린지 자체에는 따로 강의 영상이 없는지 혹은 아직 업로드 전인지가 궁금합니다. 온라인 강의 7개는 다 수강한 상태입니다.

[문제]Section 27. 시간 범위, 속도(km/h)점심시간(10시부터 13시 전까지)에 주문된 배달 데이터를 찾으시오.점심시간 주문 건 중 과속(평균 속도가 50km/h 이상)하는 주문 수를 정수로 구하시오.배달시간 = 실제도착시간 - 주문시간속도(km/h) = 거리(km) / 시간(h)[질문] 정답이 '1'이 아닌 21이 계속 출력되는데, 문제점을 못찾겠어요. import pandas as pd df = pd.read_csv("https://raw.githubusercontent.com/lovedlim/inf/refs/heads/main/p1/delivery_time.csv") df['주문시간']= pd.to_datetime(df['예상도착시간']) df['실제도착시간']= pd.to_datetime(df['실제도착시간']) df['예상도착시간'] = pd.to_datetime(df['예상도착시간']) # 점심시간(10시부터 13시 전까지)에 주문된 배달 데이터를 찾으시오. df['시간']=df['주문시간'].dt.hour con1= df['시간'] >= 10 con2= df['시간'] < 13 df= df[con1&con2] # 점심시간 주문 건 중 과속(평균 속도가 50km/h 이상)하는 주문 수를 정수로 구하시오. df['배달시간'] = df['실제도착시간']- df['주문시간'] # 배달시간 = 실제도착시간 - 주문시간 # 속도(km/h) = 거리(km) / 시간(h) ## dt.total_seconds()/60 :분단위 ## dt.total_seconds()/60/60 : 시간단위 df['배달시간']= df['배달시간'].dt.total_seconds()/60/60 df['속도'] = df['거리']/ df['배달시간'] sum(df['속도']>= 50)

현재 강의에서는 Inventory table을 따로 분리해두었습니다.그런데 Inventory Table을 분리한 이유에 대해 말씀해 주실 때, 분리하는 게 좋다고만 말씀해주신 것 같아서 설명이 부족하다는 생각이 들었습니다. Inventory가 재고라는 의미를 가지는 것으로 알고 있어서 items table에 있는 수량을 Inventory로 옮기는 것이 더 옳은 설계가 아닌가라는 생각이 들었습니다.물론 지금 강사님께서 설명해주신 구조도 맞다고 보지만, 그 구조를 유지한다면 현재 Inventory table에 유의미한 칼럼이 없기 때문에 Inventory table이 없어야 하지 않나라는 생각을 했습니다. 그리고 재고가 자주 바뀌는 상황이 발생한다고 한다면 오히려 Inventory table에 재고를 넘겨줘야한다고 생각을 하는데요. 왜냐하면 Items table에 재고 칼럼이 있다면 재고가 바뀌는 순간에는 Items table의 데이터를 수정할 수 없게 됩니다. 그러면 관리자가 Item을 수정하려고 할 때, 재고가 많이 바뀌는 상황에는 그만큼 수정 쿼리가 대기를 하게 될 것이라고 생각하는데요. (물론 이 정도까지의 문제는 생기지 않을 것이라고 생각합니다.) 또한 이 글에서 강사님께서 말씀해주신 유형별 재고 관리 정책 부분은 Inventory가 재고라는 성격을 나타낸다는 점에서 Inventory table에서 관리할 것 같고, 트래픽 증가 시 성능 문제가 생긴다면 여기서 또 테이블 분리를 시도하거나 레디스 같은 memory DB를 생각해볼 수 있을 것 같습니다. 그래서 질문은현재 재고 칼럼의 위치를 어디에 두는 게 맞는지, 트래픽 증가의 성능 문제가 있다면 오히려 Inventory 테이블로 넘겨주는 게 맞는게 아닌지유형별 재고 관리 정책이 필요한 경우에 강사님께서 생각하시는 확장성 있는 구조는 무엇인지가 궁금합니다.  혹시 제가 잘못 알고 있거나 잘못 이해한 부분이 있다면 같이 짚어주시면 감사하겠습니다!

1유형때는 꼭 print로 결과가 나와야하나요? 3유형에서는 그냥 summary 보고 쓸 수 있으면 쓰라고 하시는데 1유형에는 그런 말씀이 없으셔서요!그리고 2유형에서는 파라미터를 변경을 꼭 해야 할지... 와 XGBoost와 LightGBM 모델을 꼭 해야 할지 그냥 틀 하나 외우고 하는게 나을지 싶어서요 채점 기준이 어떻게 되는것일까요? 안 해도 원하는 방향대로 파일 저장만 된다면 합격이 되는 것일까요?

프롬프트 복사해서 해보려는데 학습자료실이 어디에 있는건가요??