묻고 답해요

아래 글들에서 적혀있는 노션 페이지를 찾을수 없다는데요..

미해결

실습으로 손에 잡히는 SQLD(2과목)

제대로 된 노션 링크 부탁 드립니다. no found에요... 요약본 프린트해서 체크하면서 공부하려는데 ....ㅡㅡ;;

• sql
• oracle
• mssql
• SQLD

16강에서 코드가 계속 안도길래. ai가 고쳐서 일단 supabase에 preditc 한 주가를

해결됨

베개 투자법: 자면서 돈 버는 AI 주식 자동 매매 머신

저장은 되게 되었습니다. 근데 이게 ai가 db에 그냥 아무 데이터나 넣게 학습 시키게끔 바꾼건지 잘 모르겠습니다. # 예전: 종목 목록을 만든 뒤 바로 스케일링했다. # 지금: 숫자가 하나도 없는 칸은 학습에서 뺀다. def columns_with_numbers(frame, columns): kept = [] dropped = [] for col in columns: numeric = pd.to _numeric(frame[col], errors='coerce') if col in frame.columns else pd.Series(dtype=float) if numeric.notna().any() and np.isfinite( numeric.to _numpy(dtype=float, na_value=np.nan)).any(): kept.append(col) else: dropped.append(col) return kept, dropped target_columns, dropped_targets = columns_with_numbers(data, target_columns) economic_features, dropped_econ = columns_with_numbers(data, economic_features) dropped_columns = dropped_targets + dropped_econ if dropped_columns: print(f"값이 없어 학습에서 뺀 칸: {dropped_columns}") if not target_columns or not economic_features: raise RuntimeError("학습에 쓸 숫자 칸이 없습니다.") # 예전: 빈 칸을 그대로 스케일러에 넣었다. # 지금: 남은 빈 칸은 앞뒤 날짜 값으로 채운 다음 스케일링한다. feature_columns = list(dict.fromkeys(target_columns + economic_features)) data[feature_columns] = data[feature_columns].apply( pd.to _numeric, errors='coerce').ffill().bfill() print("Scaling data...") train_size = int(len(data) * 0.8) train_data = data.iloc[:train_size] test_data = data.iloc[train_size:] data_scaled = data.copy() stock_scaler = MinMaxScaler() econ_scaler = MinMaxScaler() data_scaled[target_columns] = stock_ scaler.fit _transform(data[target_columns]) data_scaled[economic_features] = econ_ scaler.fit _transform(data[economic_features]) model = build_transformer_with_two_inputs(stock_shape, econ_shape, num_heads=8, ff_dim=256, target_size=len(target_columns)) # 예전: Adam(learning_rate=0.0001) # 지금: clipnorm=1.0 을 넣어 학습 중 숫자가 한없이 커지지 않게 했다. model.compile(optimizer=Adam(learning_rate=0.0001, clipnorm=1.0), loss='mse', metrics=['mae']) predicted_prices = model.predict([X_stock_full, X_econ_full], verbose=1) predicted_prices_actual = stock_scaler.inverse_transform(predicted_prices) # 예전: 예측하자마자 표로 만들고 저장했다. # 지금: 빈 칸 개수를 세고, 가격으로 되돌린 값이 전부 비어 있으면 저장하지 않고 멈춘다. raw_empty = int((~np.isfinite(predicted_prices)).sum()) inv_empty = int((~np.isfinite(predicted_prices_actual)).sum()) last_loss = history.history['loss'][-1] print(f"모델 출력 빈 값: {raw_empty} / {predicted_prices.size}") print(f"가격으로 되돌린 빈 값: {inv_empty} / {predicted_prices_actual.size}") print(f"마지막 학습 손실: {last_loss}") if inv_empty == predicted_prices_actual.size: raise RuntimeError( "모델 예측이 전부 비어 있습니다. " f"모델 출력 빈 값 {raw_empty}/{predicted_prices.size}, " f"가격 변환 빈 값 {inv_empty}/{predicted_prices_actual.size}, " f"마지막 학습 손실 {last_loss}. 데이터베이스는 수정하지 않았습니다." ) def save_predictions_to_db(result_df): try: # 예전: records = result_ df.to _dict('records') # 지금: 숫자는 그대로 두고, 비어 있는 칸만 null 로 바꾼다. records = json.loads(result_ df.to _json(orient='records')) if not records: raise ValueError("저장할 예측 결과가 없습니다.") # 예전: 넣을 내용을 확인하기 전에 기존 행을 지웠다. # 지금: 넣을 내용이 생긴 뒤에만 기존 행을 지운다. supabase.table("predicted_stocks").delete().neq("id", 0).execute() chunk_size = 100 for i in range(0, len(records), chunk_size): chunk = records[i:i+chunk_size] response = supabase.table("predicted_stocks").insert(chunk).execute() # 예전: 저장 응답이 비어 있어도 넘어갔다. # 지금: 응답이 비어 있으면 실패로 처리한다. if not response.data : raise RuntimeError(f"예측 결과 저장 응답이 비어 있습니다. offset={i}") print(f"{len(records)}개의 예측 결과가 데이터베이스에 저장되었습니다.") # 예전: 성공인지 실패인지 돌려주지 않았다. # 지금: 성공이면 True 와 빈 이유를 돌려준다. return True, None except Exception as e: print(f"데이터베이스 저장 오류: {e}") # 지금: 실패하면 False 와 실패 이유를 돌려준다. return False, str(e) # 예전: save_predictions_to_db(result_data) # print("모든 예측 결과가 DB에 저장되었습니다.") # 지금: 저장이 실패하면 성공이라고 말하지 않고, 이유를 보여 준 뒤 멈춘다. predictions_saved, save_error = save_predictions_to_db(result_data) if not predictions_saved: raise RuntimeError(f"예측 결과를 데이터베이스에 저장하지 못했습니다. 원인: {save_error}") print("모든 예측 결과가 DB에 저장되었습니다.") def get_predictions_from_db(chunk_size=1000): try: count_response = supabase.table("predicted_stocks").select("id", count="exact").execute() # 예전: total_count = count_response.count # 지금: 개수가 없으면 0으로 본다. total_count = count_response.count or 0 print(f"predicted_stocks 테이블의 총 레코드 수: {total_count}") # 예전: 행이 0개여도 날짜 칸을 읽다가 오류가 났다. # 지금: 행이 0개면 날짜를 읽지 않고 None 을 돌려준다. if total_count == 0: print("predicted_stocks 테이블에 데이터가 없습니다.") return None all_data = [] for offset in range(0, total_count, chunk_size): response = ( supabase.table("predicted_stocks") .select("*") .order("날짜", desc=False) .limit(chunk_size) .offset(offset) .execute() ) # 예전: chunk_data = response.data # 지금: 응답이 비어 있으면 빈 목록으로 본다. chunk_data = response.data or [] all_data.extend(chunk_data) df = pd.DataFrame(all_data) # 예전: 날짜 칸이 없어도 df['날짜'] 를 읽었다. # 지금: 표가 비었거나 날짜 칸이 없으면 None 을 돌려준다. if df.empty or '날짜' not in df.columns: print("가져온 데이터에 '날짜' 컬럼이 없습니다.") return None df['날짜'] = pd.to _datetime(df['날짜']) return df except Exception as e: print(f"데이터 가져오기 오류: {e}") return None # 예전: # data = get_predictions_from_db(chunk_size=1000) # if data is None or len(data) == 0: # print("데이터를 가져오는데 실패했습니다.") # exit(1) # target_columns = ['애플', '마이크로소프트', ...] # 지금: 데이터베이스를 다시 읽지 않고, 방금 만든 예측표를 그대로 평가한다. # 종목 목록도 다시 적지 않고, 위에서 걸러 둔 target_columns 를 쓴다. data = result_data.copy() data['날짜'] = pd.to _datetime(data['날짜']) forecast_horizon = 14 evaluation_results = evaluate_predictions(data, target_columns, forecast_horizon) rise_results = analyze_rise_predictions(data, target_columns) # 예전: 비교할 예측이 없어도 바로 두 표를 합쳤다. # 지금: 평가 결과가 비어 있으면 합치지 않고 멈춘다. if evaluation_results.empty or 'Stock' not in evaluation_results.columns: raise RuntimeError("평가할 예측값이 없습니다. 실제 가격과 예측값을 합치지 않습니다.") final_results = pd.merge(evaluation_results, rise_results, on='Stock', how='outer') 이런식으로 바꾸었어요 AI가

• python
• 딥러닝
• 빅데이터
• FastAPI
• 데이터-엔지니어링

강의자료

미해결

학원비 0원으로 끝내는 ITQ 한글 독학 풀코스

기출문제 등 강의자료 어디서 다운받나요 ?

• 한컴오피스
• ITQ
• 한글

GEMINI pro API 전체 리딩 불가

미해결

강의 내용대로 gemini pro - gem을 이용해서 api문서를 리딩 시켰는데 강의 내용과 결과가 다르게 나와 확인해본결과 TR 확인 오류네요. 전체 864페이지중 239페이지까지만 읽어 들이고 그 이상은 토큰 제한 때문에 요금제 업그레이드 하더라도 읽어들일수 없다고 합니다. gem이 API를 완전히 읽어 들여야 기능구현이 가능할텐데 마땅한 해결 방법이 있을까요?

DB수집형 랜딩페이지 구축 문의

해결됨

클로드 코드로 알잘딱깔센 성과내는 마케팅 OS 시스템 구축하기

안녕하세요! vercel 배포에 이어서 추가 질문드립니다! 현재 성형외과/피부과 인하우스 마케터로 근무하고 있습니다. 저희 업종 특성상 온라인에서 바로 결제가 이뤄지는 구조가 아니다보니, 메타의 잠재캠페인으로 DB를 받고 인하우스 콜팀의 아웃콜을 통해 예약-내원-상담-결제전환으로 이뤄지는 과정을 거치고 있습니다. 결국 저희는 랜딩페이지에서 DB수집기능이 필수적인데요, 현재 vercel로 배포한 랜딩페이지에 DB를 수집하는 기능을 붙일 수 있을까요?

• 콘텐츠-마케팅
• 디지털-마케팅
• ai-agent
• claude
• ax(에이전트-경험)

유비쿼터스 언어와 class name

미해결

Microservice 설계(with EventStorming,DDD)

안녕하세요! 강의 잘 듣고있습니다. 질문이 두 개 있는데요, 1/ RentalCard라는 도서 대여 카드로 Entity를 구성하셨는데, 이벤트 스토밍때 한 번도 Card라는 개념이 나오지 않은 것 같습니다. DDD 자체가 유비쿼터스 언어로 기술되어야하는 것으로 이해했는데, Card라는 키워드가 이벤트 스토밍때 도출되지 않는걸로 봐서는 비즈니스 언어라고 하기 어려울 것 같습니다. 이 상황에서 RentalCard라는 네이밍을 지으신 이유가 있을까요? 2/ RentalCard 도메인 자체에 ReturnItem을 쥐고있어, 이 설계에서는 Aggregate가 매번 ReturnItem 리스트를 조회하게 됩니다. 사용자 대여 목록이 쌓이게 되면 이 리스트가 매우 커질수도 있을 것 같은데, 이러한 문제는 현업에서 어떻게 처리하나요?

• 아키텍처
• msa
• ddd

섹션3. 스타일가이드 다운받고 난후

미해결

[UI3 업데이트] 피그마 배리어블을 활용한 디자인 시스템 구축하기

안녕하세요. 너무 초보적인 질문이라 해도 되는건지 모르겠어요.. 먼저 죄송하단 말씀드리겠습니다. 다름이 아니라, 섹션3에서 스타일가이드 파일 (BoldPlus Foundation 2025 v1 (Community)) 을 다운받았는데, 보니까 color, typography, grid, appearance 페이지가 있는데 각 페이지에 있는 값들을 style과 variable로 모두 등록해야 하는건가요? 저걸 왜 다운받았는지 일단 이해가 안되고, 다운받아서 등록하란건지 잘 모르겠어요 ㅠ.ㅠ

• 웹-디자인
• figma
• figma-tokens
• 디자인-시스템
• 아토믹-디자인
• figma-variable
• 프로덕트디자인

혹시 렌더링 관련 강의도 예정되어 있을까요?

미해결

제가 맥북 M1을 사용중인데 조금만 퀄을 높여서 작업하면 너무 느리고 버벅여서 렌더 및 뷰포트창 최적화를 해보고 싶은데 다른 강의들은 전부 수치적으로만 접근해서.... 렌더쪽 개념도 좀 잡고 싶어서요

스크립트의 참조 설정

미해결

[C#과 유니티로 만드는 MMORPG 게임 개발 시리즈] Part3: 유니티 엔진

Camera #1 해당 강의를 듣다가 궁금증이 생겨 질문을 드립니다. 강의 12:35에 드래그 앤 드롭으로 설정하는 것을 선호하지 않으신다고 하셨는데 어떤 이유로 선호하지 않으시는지 궁금합니다. 만약 해당 방법을 사용하지 않으신다면, 캐릭터 스폰을 담당하는 싱글톤 매니저를 하나 만드는 방향일까요?

• C#
• unity

질문 및 자료 요청

미해결

클로드코드 | PM/PO서비스기획자를 위한 에이전트 설계

안녕하세요, 레브님. 좋은 강의 잘 들었습니다. 현재 UI디자인에서 기획으로 영역을 확장하고 있습니다만, 두 개의 롤을 맡는 것이 물리적으로 시간이 부족했던 상황이었습니다. 이번 강의를 통해 돌파구를 찾을 수 있을 것 같습니다. 아래 내용 문의 드립니다. 디자인 시스템을 학습하여 HMTL을 프로토타입으로 넘기게 되면 완성도가 높다는 전제하에 디자이너는 더 이상 디자인을 하지 않아도 되었는지 궁금합니다. 기존에는 디자인 산출물이 피그마로 나왔다면 레브님 프로세스 도입 후 변화된 점이 있는지 궁금합니다. 실제로 화면 디자인 공수는 줄어들고 디자인 시스템에 더 집중하거나 할 수 있었는지도 궁금합니다. 디자인,개발 파트에서 느끼는 장점이 있었을까요? 상세 정책 정의 까지 필요하다면 (예:플레이스홀더 min-max 값 등) 화면정의서 스킬까지 사용한다고 이해하면 될까요? 정책서.md는 말씀하신 그대로 PRD의 세부 항목들, 그러나 대부분 핵심적인 내용만 이라고 이해했습니다. 데이터 분석을 위해 GA4등의 MCP를 연결하기 위해선 API연결이 필수인지 궁금합니다. HTML 프로토타입까지만 진행된다면 데이터 분석은 어렵다고 봐야할까요? 강의 내용을 복습해보고 제가 구성한 내용과 다른 점을 체크해보고 싶은데 md 파일 등의 강의 자료를 받아 볼 수 있을까요? 학습 용도로만 사용하겠습니다. cepien@gmail.com입니다. 감사합니다.

• 업무-생산성
• 기획서
• 인공지능(ai)
• ai-agent
• mcp

챕터 4, 5 는 언제쯤 올라오나요?

미해결

블렌더 리부트 베이직: AI와 새로운 UI로 다시 시작하는 블렌더

강의 소개에는 9월중에 나 올라온다고 써있느데 지금 확인되고 있지 않아서 여쭤봅니다

• blender
• 콘텐츠-제작
• 3d-modeling
• mcp

스프링 부트 4, Spring Boot 4 완전 정복: 새 기능부터 3.x 마이그레이션까지 (Source 자료 요청)

미해결

안녕하세요. 강의에 나온 프로젝트(Source)파일 받아 볼 수 있을까요? terminalforme@gmail.com

코딩살구클럽 가입문의

미해결

10주완성 C++ 코딩테스트 | 알고리즘 코딩테스트

안녕하세요 몇 주 전에 구글폼 신청했는데, 아직 가입이 안됐습니다. 승인부탁드립니다

• c++
• 코딩-테스트

보너스 강의 수강

미해결

D3D12 프로그래밍 기초 플러스

마지막 보너스 강의 D3D12 GPU Upload Heaps 강의가 회원 전용 콘텐츠로 재생되지 않는데, 수강 가능할까요?

• directx
• directx-12
• directx12

오징어게임

해결됨

[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)

혹시 오징어게임을 구매했는데 강의는 샀는데 시나공책도 필수인가요??

• python
• 머신러닝
• 빅데이터
• pandas
• 빅데이터분석기사

햅틱? 백틱?

미해결

Spring 개발자를 위한 실전 LLM 서비스 개발

AI 좋은 강의 너무 잘 듣고 있습니다. 음성에서 햅틱이라고 들리는데 맞나요? ` => 백틱(backtick) ```=> 마크다운 코드블록 {} => curly brace(컬리 브레이스) 혹시라도 잘못 전달이 될수 있어서 문의글 남깁니다.

• openai
• vector-database
• 프롬프트엔지니어링
• rag
• spring-ai

[클라우드 설정 중 앞 내용 문의 사항]

해결됨

베개투자법 완성: 아침이 설레는 AI 주식 완전 자동매매 Claude 바이브코딩

강의를 수강하시다가 막히는 부분이 있는 경우는 "자주 묻는 질문"을 먼저 참고 부탁드립니다. 막히는 부분에 대해서 질문을 주실 때에는 꼭 강의 제목과 타임라인도 같이 작성 부탁드립니다. 현재, AWS lightsail 통해 자동화하는 부분 강의 보다가, supabase table에 signal_snapshots 가 없는 것을 확인하였습니다. 아마 10. 멀티모달 이후 여러가지가 한번에 추가되면서 일부 누락된것 같은데, 해당 부분 이후 클라우드 배포 문서 제외 모든 문서 (1~17)과 프로젝트 내 코드 비교를 실행하니 누락되거나 없다고 하는 부분이 다수 있더라구요. 혹시 코드와 문서 대비 어디까지 반영이 되어 있는 것인지 구분이 한번 가능하실까요?

• python
• 머신러닝
• aws
• FastAPI
• 퀀트
• cloud-computing
• claude

공통 코드 VS Enum 클래스

미해결

김영한의 실전 데이터베이스 - 설계 2편, 실무에서 반드시 마주치는 9가지 설계 패턴

DB에 공통 코드를 저장하는 테이블을 만드는 것과 코드에서 Enum 클래스를 만들어서 관리하는 것 중 어떤 방법이 더 괜찮은걸까요?? 각 방식의 장단점이 있을까요??

• sql
• mysql
• dbms/rdbms
• 소프트웨어-설계
• SQLD

nvm버전이 변경되었습니다.

미해결

처음 배우는 파이썬(python) 프로그래밍 입문

nvm 버전이 2.01 버전이 되면서 설치 시 오퍼레이팅 모드를 shim과 link(legacy) 방식을 선택하라고 나오며 기본 세팅도 변경된 점이 있는 것 같습니다. 어떻게 해야할지 가이드를 제공해주세요

• python
• 인공지능(ai)
• python3

SEMrush 링크 어디있나요?

미해결

The Ultimate SEO Course 2026: Beginner to Advanced SEO with AI

17강에 Semrush14일 무료로 이용할 수 있는 링크 자료에 있다고 했는데 안 보입니다. 어디있나요?

• 콘텐츠-마케팅
• 디지털-마케팅
• seo
• 웹-크롤링
• seo-friendly