작업형3 로지스틱 회귀분석 이론 강의에서는 로지스틱 함수로 모델 생성 후 test 데이터로 예측할 때 target를 빼지 않고 바로 예측을 진행했는데, 제7회 기출문제에서 예측할 때는 pop으로 target을 빼고 예측을 수행했습니다. 어떤 경우에 pop을 사용 후, 예측을 수행해야 하는지 차이점을 알고 싶어 질문드립니다. # 데이터셋 분할 train = df.iloc[:210] test = df.iloc[210:] # 1) 학습, test데이터를 사용해 예측 (0.5 미만: 0, 0.5 이상 1) model = logit("gender ~ weight", data=train).fit() target = test.pop("gender") pred = model.predict(test) > 0.5
안녕하세요 ^^ 아주 작지만 소소한 정오표 전달드립니다. 7. 논리적 모델링3 - 일대일, 다대다 관계 49페이지 AS-IS 우리가 실제 '수강신청 시스템'을로 만든다고 TO-BE 우리가 실제로 '수강신청 시스템'을 만든다고 마우스 드래그 하는 중에 바뀌는 부분 확인했습니다! 항상 감사합니다!
서브에이전트 강의 듣던중 궁금증이 생겨 문의 드립니다. 병렬처리를 할때 전체 작업에대한 md파일을 하나 만들고 클로드 코드를 n개 켜서 진행 하는거로 알고 있었는데요. 서브에이전트롤 활용하면 (별도의 thread? 같은 개념인가..) 여려개의 클로드 코드를 실행하지 않고 하나의 클로드코드에서 병렬처리를 할수 있을까요? 할수 있다면 어떤게 더 효율적인지 궁금합니다.
(AI 퀀트) 코드 한 줄 안 쓰고 주식 자동 분석 시스템 만들기 feat. Claude CLI
Part1. 제공해주신 프롬프트 - min_trading_value: 5000000000 ( 거래대금 최소 50억원 ) Part3. 프롬프트 scorer.py 에 score volume(self, stock: StockData) 메서드를 추가해줘. 거래대금( stock.trading _value) 기준으로 점수를 매겨: 3점: 1조 이상 (1_000_000_000_000) 2점: 5천억 이상 (500_000_000_000) 1점: 1천억 이상 (100_000_000_000) 0점: 1천억 미만 mandatory_passed → news >= 1 and volume >= 1 (필수 조건 통과 여부) Part3에서 1천억 미만이면 필수 조건을 통과하지 못하기 때문에 Part1의 거래대금 50억으로 필터링하는게 의미가 없어 보입니다. AI가 이 모순을 찾더군요.
현재 docker 설치했고 Self-hosted AI starter ki 설치 마지막 단계 중입니다. 노트북이 현재 한참 설치중인것 같습니다. 회사에서 사용하는 컴퓨터가 사양이 좋은데 그건 접속이 안되는 사이트가 너무 많아, 제 노트북에 설치 중인데 이건 내장그래픽 카드만 있는 거라, 이걸로 설치해서 공부해도 될지 조금 걱정이 됩니다, 지금도 설치 중인데, 노트북반응이 엄청 느리거든요 설치 끝나면 그나마 괜찮아질까요? 설치하다가 그래픽 종류 확인차 chatgpt에게 물어보니 이런 말을 마지막에 하더라구요 "n8n 자동화 연습, 화면 구성 확인, 기본 워크플로 테스트는 충분히 가능하지만, 큰 언어모델을 빠르게 돌리는 용도라면 답답할 수 있습니다." 그리고 , 설치를 따라하면서 이 과정이 정말 초보자용이 맞을까? 하는 염려도 조금 되고 있습니다. 개발자분 대상의 초보는 아닌지....
강의를 들어보니 현재 시스템은 빅테크에 핏된 것으로 보입니다. 만약 제가 생각하는 유망한 종목들을 후보군에 넣으려고 한다면 수정해야할 사항이 적진 않아보입니다. 기존 nasdaq_top_100외에도 다른 종목들을 추가할 수 있는지, 가능하다면 어떤 식으로 변경이 이뤄져야하는지가 궁금합니다. 매수 후보 루프에 사용되는 ML모델(predict.py) 가격데이터 수집 후보군(stock.py nasdaq_top_100 대신 다른 필드 추가?) 주가 관련 컬럼 목록 정의 수정(stock_columns) 등등..
[2026년 빅분기 실기 준비] 빅데이터 분석 기사 실기 시험 100% 합격 ! 기출 문제의 패턴이 보인다 !
안녕하세요. 우선 좋은 강의 제공해 주셔서 감사합니다. 강의에서 2유형 풀이 후 모델 평가 시 accuracy_score() 사용하실 때 아래와 같이 accuracy_score(x_val_pred, y_val) accuracy_score(y_hat, y_train) "모델이 예측한 값(라벨), 실제 값(라벨)" 순서로 사용하시는 것 같은데, 올바른 사용 순서는 그 반대가 아닌가요? 실제 라벨이 먼저, 다음에 모델 예측값이 다음으로 들어가야 옳은 순서라고 sklearn의 공식 문서에서 확인해서 여쭤봅니다.
과제를 따라가면서 하다가 user-memory-setup 폴더에 /memory를 입력하면 .claude 폴더도 안만들어지고, CLAUDE.md 파일도 안 만들어집니다. 그래서 클로드를 통해 해당 폴더랑 파일은 만들어서 안에 나의 정보를 작성하고 /memory를 입력했음에도 불구하고 ~/.claude/ CLAUDE.md 0L, 0B 표시만 뜹니다. 폴더도 확인했는데 왜 이렇게 뜰까요?
