1번을 출력하면 결과값이 2번째 사진처럼 나오는데요. 콜론이 어디서 지정된 건지 잘 모르겠어요.기본값으로 ":" 콜론이 붙여서 출력되는 건가요?

질문 답변을 제공하지만, 강의 비용에는 Q&A는 포함되어 있지 않습니다. 다만 실습이 안되거나, 잘못된 내용의 경우는 알려주시면 가능한 빠르게 조치하겠습니다![질문 전 답변]1. 강의에서 다룬 내용과 관련된 질문인가요? [ 아니요]2. 인프런의 질문 게시판과 자주 하는 질문에 없는 내용인가요? [예 ]3. 질문 잘하기 법을 읽어보셨나요? [예 ](https://www.inflearn.com/blogs/1719)4. 잠깐! 인프런 서비스 운영 관련 문의는 1:1 문의하기를 이용해주세요.5. vagrant up 에서 발생하는 문제는 주로 호스트 시스템(Windows, MacOS)과 연관된 다양한 조건에 의해 발생합니다. 따라서 이를 모두 제가 파악할 수 없어서 해결이 어렵습니다. vagrant up으로 진행이 어렵다면 제공해 드리는 가상 머신(VM) 이미지를 import해서 진행하시기 바랍니다. (https://www.inflearn.com/questions/992407/comment/281901)6. ARM 계열의 m1 , m2 계열은 VirtualBox를 통한 구성이 원할하지 않고, 실습 환경의 다변화는 추후 대처하기 어려워서 현재 과정에서는 지원하지 않습니다. (https://www.inflearn.com/questions/915529)[질문 하기]안녕하세요.컨테이너 또는 파드에서 사용중인 서비스 포트가 랜덤하게 적용되는 경우 이 포트를 확인해 볼 수 있는 방법이 무엇일까요? 예를 들어 k run pod-1 --image=nginx 로 실행한 경우80포트에서 리스닝 하고 있을텐데... 이를 조회하는 방법이파드에 netstat 명령으로 확인해 볼수 있겠지만 이미지에서 netstat 을 지원하지 않는 경우 확인할 수 있는 방법이 무엇일까요?yaml에서 포트를 명기한 경우 조회가 가능할 듯 한데 그렇지 않은 경우 조회 방법을 알려 주실 수 있을까요?

선생님 안녕하세요, 강의 항상 잘 듣고 있습니다.다름이 아니라 UI에 관련된 질문을 드리고자 합니다.Redux 관련 질문이 아닌 질문이라 먼저 양해의 말씀 드립니다 ㅜㅜ지난 React 강의에서도, 이번 강의에서도 궁금했던 점이라..내용은 아래와 같습니다 보통 컴포넌트를 작성할 때 Wrapper 태그를 만들어 한번 감싸주는데,스타일 목적 외에 Wrapper로 감싸주는 것이 일종의 컨벤션인지 궁금합니다.예를들어 스타일을 줄 목적이 없다면 굳이 Wrapper로 감싸주지 않아도 되는지 여쭤보고 싶습니다. 현업에서 styled-components를 사용할 때, 모든 스타일을 styled-components로 작성하는지 궁금합니다.일단 드는 생각으로는 styled-components로는 해당 컴포넌트의 기본적인 스타일을 지정하고,세부적인 부분이나 반응형 스타일을 index.css 등에서 작성할 것 같다는 생각이 들긴 하는데..어떨지 궁금해서 여줘봅니다 ㅜㅜ만약 styled-components와 index.css 등으로 스타일을 나눠 작성한다면 특정한 기준이 있을까요?  감사합니다.

Linked_List가 순차접근을 하니까 원소에 접근할때 O(N)이 걸리는건 알겠는데삽입,삭제에 O(1)이 걸리는게 이해하기 힘듭니다똑같이 순차접근을 해야하니까 O(N)이 걸려야 하는거 아닌가요??? Array에서 랜덤접근이 가능하니까 접근할때는 O(1)이 걸리는거 알겠는데삽입,삭제에 O(N)이 걸리는건 이해하기힘듭니다접근할때와 마찬가지로 랜덤접근하면 O(1)이 걸려야 하는거 아닌가요???

 print('%10.5f' % (3.14159211111)) 이라고하면 10이 정수부분이고 5가 실수부분이라고 하셨는데 그럼 출력이 _________(공백9)3.14159가 나와야 되는거 아닌가요___(공백3)3.14159 출력값은 이게나왔는데10.5f에서 10이 총자리수도 의미를하는건가요

===[질문 템플릿]1. 강의 내용과 관련된 질문인가요? (예/아니오)2. 인프런의 질문 게시판과 자주 하는 질문에 없는 내용인가요? (예/아니오)3. 질문 잘하기 메뉴얼을 읽어보셨나요? (예/아니오)[질문 내용]Member를 생성할 때까진 잘 되다가 조회하는 단계에서System.out.println 출력문은 안뜨는 이유가 무엇일까요? h2 데이터베이스에 가보면 저장했던 member가 사라져있습니다. 영속성이 사라진 건가요?

둘 다 상속관계 매핑과 관련 없고 속성만 상속받기 위해 사용되는 것 같은데 어떤 차이가 있는지 알 수 있을까요?

해당 강의 수업 자료 중 5. 스프링 MVC - 구조 이해.pdf 에서  service 오타가 있네용 😋

private void validateDuplicateMember(Member member) { //중복 회원 검증 List<Member> findMembers = memberRepository.findByName(member.getName()); if(!findMembers.isEmpty()){ throw new IllegalStateException("이미 존재하는 회원입니다."); } }중복 회원 검증 메서드에서 위의 코드는 test 돌릴 때 제대로 작동하는데 아래 코드처럼 if문의 조건을 바꾸면 test가 fail합니다..!리스트가 null일 경우 isEmpty() 호출 시 NPE가 발생하기 때문에 가급적 null인지 여부도 함께 확인하라는 글을 본적이 있어서 아래처럼 작성한 것인데, 왜 에러가 나는 건지 궁금합니다!private void validateDuplicateMember(Member member) { //중복 회원 검증 List<Member> findMembers = memberRepository.findByName(member.getName()); if(!findMembers.isEmpty() || findMembers!=null){ throw new IllegalStateException("이미 존재하는 회원입니다."); } }

훌륭함을 넘어 위대하다고 생각됩니다 솔직히 저는 그동안 프로그래밍에 대한 관심보단 인생에서 스스로 어려운 상황을 뚫어오신 분들을 동경심을 이어왔던 것 같습니다 그런 온라인 멘토들의 겉모습을 따라하는 걸 넘어 의존하고 사회적으로 연결되고 싶은 마음에 코딩이라는 수단에 시간과 자원을 쏟아온 것 같은데요 그동안 쏟아온 것에 비해 막상 코딩 이나 기술 자체에 대해 관심가지고 즐거운 마음을 가진지는 얼마 되지 않은 것 같아 부끄럽습니다 분수에 넘쳐보일지 모르지만 어느새 저에게는 사회적으론 '왔을 때보다 좋은 곳으로' 라는 목표. 개인적으론 앞으로 꾸준히 영한님을 돈쭐낼 수 있을만큼 성장하기 라는 목표가 생겼습니다 너무 쉽게 들떠서 일을 그르치거나 실수가 잦다는게 약점이지만 얼마나 꾸준함을 이어갈지 지켜봐주시면 감사하겠습니다 거북이마음 화이팅 화이팅

리액트 설치 npx create-react-app ./ 이후리액트 최초 시작 시 npm run start가 작동하지 않습니다.위와 같은 오류가 발생하여, 아래와 같은 해결 방법들을 실행해보았습니다. 하지만, 위의 코드를 모두 실행했음에도 동일한 오류가 계속해서 발생합니다. node.js와 npm의 버전은 이러합니다. 폴더는 현재 강의자료 코드 폴더 내에 study라는 새로운 폴더를 만들어, 그 안에 리액트를 설치했습니다.프로젝트를 3번 정도 삭제하고 다시 설치했음에도 동일한 오류가 발생합니다. 어떻게 하면 좋을까요? 🥲 VSCode를 재시작하니 서버가 실행되었는데, App.js의 수정사항이 반영되지 않아 다시 VSCode를 재시작했더니 또 동일한 오류가 납니다... 

vivado 설치를 진행하고 있는데 모든 과정을 똑같이 했는데도 permission denied가 떠서 vivado 설치가 진행되지 않습니다.도움을 주시면 감사하겠습니다.

소스코드 다운로드 가능한가요? 예전에는 가능했던거 같은데요...ㅜ

안녕하세요!강의를 들으면 fetchTodos 함수는 App 컴포넌트 밖에 선언하시고 나머지 handleClick, handleInput, handleRemove 함수들은 컴포넌트 내에 선언하시는데 그 차이가 뭔지 궁금합니다.

가령 item_similarity라는 변수를 칠 때 item까지만 치면 item으로 시작하는 변수들의 추천목록을 보여주는데 이 목록이 띄워지는 속도가 약 4초 정도 걸립니다. 강의영상에서 보면 타이핑을 하자마자 바로바로 뜨는 것을 확인할 수 있었는데 혹시 개선할만한 방안이 있을까요? 

디버깅을 해보고 싶은데요.어디에서 시작해야 할 지 모르겠습니다.진입 포인트에 대해 힌트를 주시면 감사하겠습니다. 

섹션3 recoil을 테스트하는 방법 3:50에cy.url().should('include','/');를 통해서 root page로 잘 이동하는지 확인한다고 하신부분에서,'/'는 어떤 페이지에서든 include가 되어 테스트가 통과될것 같은데 혹시 rootpage를 검증하기위한 다른 방법은 없을까요?

아래 부분에서 불균일한 데이터임을 나타내는 에러가 발생하는데 이유를 못찾겠습니다.전체 코드입니다.from inspect import Signature import os import pandas as pd import numpy as np from sklearn.model_selection import train_test_split ### 데이터 불러오기 및 필요한 함수 정의 ### # user 데이터 base_src = 'drive/MyDrive/RecoSys/Data' u_user_src = os.path.join(base_src, 'u.user') u_cols = ['user_id', 'age', 'sex', 'occupation', 'zip_code'] users = pd.read_csv(u_user_src, sep='|', names=u_cols, encoding='latin-1') users = users.set_index('user_id') u_item_src = os.path.join(base_src, 'u.item') i_cols = ['movie_id','title','release date','video release date', 'IMDB URL','unknown','Action','Adventure','Animation', 'Children\'s','Comedy','Crime','Documentary','Drama','Fantasy', 'Film-Noir','Horror','Musical','Mystery','Romance','Sci-Fi','Thriller','War','Western'] movies = pd.read_csv(u_item_src, sep='|', names=i_cols, encoding='latin-1') movies = movies.set_index('movie_id') u_data_src = os.path.join(base_src, 'u.data') r_cols = ['user_id', 'movie_id', 'rating', 'timestamp'] ratings = pd.read_csv(u_data_src, sep='\t', names=r_cols, encoding='latin-1') # 정확도(RMSE)를 계산하는 함수 def RMSE(y_true, y_pred): return np.sqrt(np.mean((np.array(y_true) - np.array(y_pred))**2)) # 유사집단의 크기를 미리 정하기 위해서 기존 score 함수에 neighbor_size 인자값 추가 def score(model, neighbor_size=0): id_pairs = zip(x_test['user_id'],x_test['movie_id']) # user_id와 movie_id 쌍을 만든다 y_pred = np.array([model(user, movie, neighbor_size) for (user, movie) in id_pairs]) y_true = np.array(x_test['rating']) return RMSE(y_true,y_pred) # 데이터셋 만들기 x = ratings.copy() y = ratings['user_id'] x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.25, stratify=y) rating_matrix = x_train.pivot(index='user_id', columns='movie_id', values='rating') # 코사인 유사도 계산 # train set의 모든 가능한 사용자 pair의 cosine similarity 계산 from sklearn.metrics.pairwise import cosine_similarity matrix_dummy = rating_matrix.copy().fillna(0) user_similarity = cosine_similarity(matrix_dummy, matrix_dummy) user_similarity = pd.DataFrame(user_similarity, index=rating_matrix.index, columns=rating_matrix.index) ### 사용자 평가 경향을 고려한 함수 ### rating_mean = rating_matrix.mean(axis=1) rating_bias = (rating_matrix.T - rating_mean).T # 평점 평균에 대한 편차 ##################################### rating_binary_1 = np.array(rating_matrix > 0).astype(float) # 0 초과의 값이 있는 셀은 true, 나머지는 false로 rating_binary_2 = rating_binary_1.T counts = np.dot(rating_binary_1, rating_binary_2) counts = pd.DataFrame(counts, index=rating_matrix.index, columns=rating_matrix.index).fillna(0) def CF_knn_bias_sig(user_id, movie_id, neighbor_size=0): if movie_id in rating_bias: sim_scores = user_similarity[user_id].copy() movie_ratings = rating_bias[movie_id].copy() no_rating = movie_ratings.isnull() # 평가가 없는 common_counts = counts[user_id] # 주어진 user_id를 기준으로 다른 user들과 공통으로 평가한 영화의 개수들을 담은 배열 low_significance = common_counts < SIG_LEVEL # 공통 평가한 영화 개수가 미리 정해진 level보다 낮은 사용자에 대해 false 처리 none_rating_idx = movie_ratings[no_rating | low_significance].index # 추천 알고리즘에서 제외할 인덱스 추출 movie_ratings = movie_ratings.drop(none_rating_idx) sim_scores = sim_scores.drop(none_rating_idx) if neighbor_size == 0: prediction = np.dot(sim_scores, movie_ratings) / sim_scores.sum() prediction = prediction + rating_mean[user_id] else: if len(sim_scores) > MIN_RATINGS: neighbor_size = min(neighbor_size, len(sim_scores)) sim_scores = np.array(sim_scores) # 행렬 연산을 위해 배열 형태로 변환 movie_ratings = np.array(movie_ratings) user_idx = np.argsort(sim_scores) sim_scores = sim_scores[user_idx][-neighbor_size:] movie_ratings = movie_ratings[user_idx][-neighbor_size:] prediction = np.dot(sim_scores, movie_ratings) / sim_scores.sum() prediction = prediction + rating_mean else: prediction = rating_mean[user_id] else: prediction = rating_mean[user_id] # RMSE 개선을 위한 조정 # if prediction <= 1: # prediction = 1 # elif prediction >= 5: # prediction = 5 return prediction SIG_LEVEL = 3 MIN_RATINGS = 3 score(CF_knn_bias_sig, 30)

반환할 때 return iterator(node) 이런식인데이러면 임시객체를 생성해서 리턴하니까return 하고 나서 사라지지 않을까요??? 예상은 해봤는데list가 iterator를 하나만 가지기 위함이라고 생각해봤습니다.new를 써서 동적할당으로 하면 함수를 호출할때마다 iterator가 늘어나니까 그럴 수 있다고 생각했는데만약 맞다면임시객체를 리턴할 때 어떤 현상이 일어나는지 알고 싶습니다

Verilog FPGA Program 3를 수강중인데 PDF와 소스는 어디에서 다운받나요?