안녕하세요. 강의 잘 듣고 있습니다. 제목이 곧 질문인데요. Chroma로 생성한 vectorstore객체의 as_retriever매서드와 similarity_search는 내부적으로 같은 알고리즘 혹은 로직을 사용하나요? 그렇다면 이 두가지 매서드의 차이점은 langchain을 사용할 때 편의성 차원에서 as_retriever가 더 좋다 이렇게 알고있으면 되는걸까요? 또한 내부에서 사용되는 검색 알고리즘은 어떤건지 알 수 있을까요? 감사합니다.
안녕하세요. 강의 잘 따라 하고 있습니다. ^^ 섹션5 > 20. 매수 추천 종목 조회 API 코드 설명 강의 보다가, 몇가지 질문이 있어서 글을 남깁니다. get_combined_recommendations_with_technical_and_sentiment 함수에서 # 7. 종합 점수 계산 및 정렬 에 보면 tech_conditions_count = ( 1.5 * item["golden_cross"] + 1.0 * (item["rsi"] < 50) + 1.0 * item["macd_buy_signal"] ) item["composite_score"] = ( 0.3 * item["rise_probability"] + 0.4 * tech_conditions_count + 0.3 * sentiment_score ) 이런식으로 가중치를 주고 있는데, 이 가중치의 기준은 어떻게 정하셨나요? (제가 주식은 엄청 초보라서, 이 강의 보면서 학습하고있습니다) 그리고 강의 맨 처음에 얘기하셨지만, 국내 주식은 여러 이슈 때문에 분석이 쉽지 않다고 하셨는데 설명해주시는 코드의 로직으로는 전혀 분석이 안되는지도 궁금합니다.
FROM python:3.11.1 ENV PYTHONUNBUFFERED 1 ARG DEV=false COPY app /app/ WORKDIR /app RUN pip install -r requirements.txt RUN if [ "$DEV" = "true" ]; then pip install -r requirements-dev.txt; fi EXPOSE 8000 COPY app /app/ 하게되면 /app/app/.... 이런식으로 생성되는거 아닌가요? WORKDIR /app/app 이렇게 하거나 아니면 COPY app/ /app/ 이렇게 해야되지않나요?
해당 강화학습 모델이 어떤 의미를 가지는지 궁금합니다. 그냥 자산배뷴비율 백테스트로 gridsearch식으로 비율을 다르게 해서 지표가 가장 좋은걸 찾는 방법과 강화학습을 사용한것과 어떻게 다른것인지 궁금하네요. 강화학습을 사용했기때문에 리밸런싱 시기마다 자산 등락 경향을 참고해서 다음 최적의 리밸런싱 비율을 구하는건가요?
- 학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! - 먼저 유사한 질문이 있었는지 검색해보세요. - 서로 예의를 지키며 존중하는 문화를 만들어가요. - 잠깐! 인프런 서비스 운영 관련 문의는 1:1 문의하기를 이용해주세요. 안녕하세요. 과거에 해당 강좌를 구매했던 사람입니다. pycharm 프로 관련 리딤코드가 필요하여 링크를 통해 요청을 드렸는데, 확인이 안되고 있는 듯 하여 글을 남깁니다. 확인 부탁드립니다.
n8n에서 GPT노드 ( Message a model)에서 아래와 같이 에러메시지가 나오네요 여기서 막혀서 진도가 안나가네요 Problem in node ‘Message a model‘ The service is receiving too many requests from you OUTPUT 메시지입니다 The service is receiving too many requests from you [item 0] Rate limit reached for gpt-4.1-mini in organization org-wwC56Ak1ePccRgbcItpTvkCH on tokens per min (TPM): Limit 100000, Used 100000, Requested 183. Please try again in 1h19m3.36s. Visit https://platform.openai.com/account/rate-limits to learn more. You can increase your rate limit by adding a payment method to your account at https://platform.openai.com/account/billing .
pip를 공식사이트에서 받아서 직접 설치후 명령창에 "pip install fastapi uvicorn"을 입력하면 "warning : There was an error checking the latest version of pip"라는 문구가 뜹니다. 그런데 또 막상 Scripts폴더나 명령창에 pip list 확인시 설치가 되어있는걸 확인할수 있습니다. 이 메시지를 무시하고 진행해도 문제가 없을까요?
안녕하세요 오늘 처음 강의 구매한사람입니다. 저는 단순 합격도 중요하지만 가급적 고득점으로 안정적으로 합격하기를 원하는사람입니다. 강의에서 얼마나 다양하고 어려운문제를 다루는지는 모르겠는데, 저는 지금까지 기출된 수준보다 더 어려운문제가 나왔을때에도 무난히 합격하고 싶습니다 다른 외부 자료나 강의 없이 강의에서 직접 다루는 문제들 + 강사님께서 제공해주시는 캐글? 같은곳에 있는 문제들만 반복해서 풀고 이해해도 90점이상 안정적으로 받을수있을까요? 다양한 유형의 많은 문제들을 풀어보고싶은데 이 동영상 강의에서 다루지 않는 모의고사 같은 문제들도 수강생을 위해 제공되는지 궁금합니다. *아직 캐글이란게 뭔지 몰라요
안녕하세요 강사님. 좋은 강의 덕분에 업무 자동화 구축에 많은 도움을 받고 있습니다. 문의드리게 된 것은 다름이 아니고, 저희는 병원 전산실과 기록실 소속으로, n8n을 도입하여 실제 운영(Production) 환경의 업무 자동화 시스템을 구축하는 것을 목표로 하고 있습니다. 현재 Docker를 활용하여 n8n을 컨테이너로 구축 할 계획인데, 이 컨테이너를 호스팅할 서버의 OS를 윈도우 서버 와 리눅스 중 무엇으로 선택해야 할지 기술적인 확신이 서지 않아 문의드립니다. 저희의 구체적인 상황과 요구사항은 다음과 같습니다. 운영 팀 환경: 본원은 윈도우 서버 운영 및 관리에 더 익숙합니다. 주요 자동화 워크플로우 예시: 데이터베이스 연동: EMR, OCS 데이터베이스에 주기적으로 쿼리를 실행하여 특정 조건의 환자 데이터를 추출하고, 통계 리포트를 자동 생성하여 담당자에게 전달. 파일 시스템 처리: 네트워크 폴더에 의료 기록 스캔본(PDF, JPG 등)이 생성되는 것을 트리거로 감지하여, OCR API를 연동해 텍스트를 추출하고 파일명 변경 후 EMR 시스템에 업로드. API 연동: 내부 레거시 시스템 및 외부 솔루션(SMS 발송, 알림톡 등)과의 API 연계를 통한 정보 전달 자동화. 이러한 상황을 바탕으로, 아래 세 가지 점에 대해 강사님의 실무적인 조언을 구하고 싶습니다. 성능 및 안정성: 위와 같은 워크플로우가 수시로 실행되는 운영 환경에서, Docker 컨테이너를 호스팅하는 OS로서 윈도우 서버와 리눅스 중 어느 쪽이 n8n의 성능과 안정성을 보장하는 데 더 유리할까요? 유지보수 및 생태계: 윈도우 서버를 선택할 경우 장기적으로 n8n 버전 업데이트, 트러블슈팅, 커뮤니티 지원 활용 등에서 리눅스 환경에 비해 겪을 수 있는 현실적인 어려움이나 불리한 점 이 있을지 궁금합니다. 보안: 환자의 민감 정보를 다루는 병원의 특성상 서버 보안이 매우 중요합니다. OS 레벨에서의 보안 강화나 컨테이너 보안 측면에서 윈도우와 리눅스 환경 중 어떤 것이 더 권장되며 특별히 고려해야 할 사항이 있을까요? 저희가 기술적인 방향을 결정하는 데 있어 강사님의 깊이 있는 조언이 결정적인 도움이 될 것 같습니다. 바쁘시겠지만 답변 부탁드립니다. 감사합니다.
공공데공공데이터 API 를 사용하여 자동화하는 부동산 갭 투자 분석 시스템 만들기 따라하고 있는데 강사님 결과는 한번 요청시에 50개인가 봅니다. 저는 10개 밖에 안나와서 AI agent 프롬프트에서 numOfRows=20 를추가하고 실행시켰더니 결과가 아래와 같이 "cde... (truncated for clarity) ... 이 있어서 TradeCode에서 파싱을 할 때 오류가 납니다. [{"response":{"header":{"resultCode":"000","resultMsg":"OK"},"body":{"items":{"item":[{"aptDong":" ","aptNm":"중곡2단지","buildYear":1976,"buyerGbn":"개인","cdealDay":" ","cdealType":" ","dealAmount":"45,000","dealDay":22,"dealMonth":8,"dealYear":2025,"dealingGbn":"중개거래","estateAgentSggNm":"서울 광진구","excluUseAr":55.87,"floor":1,"jibun":"190-26","landLeaseholdGbn":"N","rgstDate":" ","sggCd":11215,"slerGbn":"개인","umdNm":"중곡동"},{"aptDong":" ","aptNm":"우방리버파크","buildYear":2003,"buyerGbn":"개인","cdealDay":" ","cde... (truncated for clarity) ... "numOfRows":20,"pageNo":1,"totalCount":57}}}}]
