안녕하세요? 선생님!작업형 2에서 검증데이터를 분리해서 문제에서 제시한 평가지표로 평가를 수행한 후 어느 정도 점수가 나온 경우에 테스트 데이터로 예측을 하여 답안을 제출하는 것으로 알고 있습니다.점수가 좋지 않은 경우 전처리, 피쳐엔지니어링, 하이퍼파라미터 튜닝 등의 과정을 거쳐서 일정 점수 이상이 나오는지 확인을 한후 테스트 데이터 예측을 하는 것으로 알고 있습니다.그런데, 궁금한 점이 각 평가지표 별로 어느정도 점수 이상이거나 이하로 나와야 답안 제출을 할 수 있는지요? 평가지표별로 어느정도 기준 점수가 있는지요?

안녕하세요!덕분에 공부 잘 하고 있습니다!다름이 아니라 작업형 2번 문제에 지도학습 중 분류와 회귀 위주로 기출이 나오고 강의를 해주시는데, 비지도 학습의 군집분석이나 연관분석 문제는 배제하고 공부를 해도 될런지요?만약 공부를 해야 한다면 어디를 참조하여 공부를 하면 될까요? (예시문제 등)

setting.jason이 그냥 비어있던데 강사님처럼 똑같이 타이핑 후 3줄을 적어야하나요? 아니면 3줄만 입력하면 되나요?강사님처럼 똑같이 입력해야한다면, 3줄 중 마지막 한줄이 중복되는데 어떻게 하나요?

# your code #데이터 변환은 replace!! import pandas as pd df = pd.read_csv('members.csv') df = df.dropna(subset=['views']) df['f3'] = df['f3'].fillna(0) df = df.replace('silver',1).replace('gold',2).replace('vip',3) df.head(10)위 처럼 numpy를 불러오지 않고, f3컬럼에 결측값을 0으로 먼저 채운 후 변환문을 사용했는데 결과와 데이터프레임이 같아서혹시 이 방법으로 해도 상관 없는건지 여쭤보려고 합니다~ 다시 확인좀 하려고 지웠다가 다시 문의합니다!그리고 map사용 시 #map import pandas as pd df = pd.read_csv("members.csv") df = df.dropna(subset=['views']) dict_list = {np.nan:0, 'silver':1, 'gold':2, 'vip':3} df['f3'] = df['f3'].map(dict_list) print(df['f3'].sum())numpy를 불러야하는것이 맞겠죠?.. 위에서 이미 한번 numpy 불러와서 에러가 발생하지 않은 것 같아서요.

강의를 따라가는중 질문이 있습니다.선형 분류모델과, 회귀모델 모두 동일한 내용입니다만.모델을 생성하고, model.fit을통해 학습시킬때,입력 X값과 Y값의 형태가 변하지 않았고, 대상 모델도 같으나모델 학습을 돌릴때 마다 score및 coef_ 및 intercept_ 값이 바뀝니다.train_test_split 할때 seed값을 random_state= 파라미터로 준 것 처럼,모델 학습시마다 랜덤 시드값을 고정할 수 있는지 궁금합니다.

랜덤포레스트 분류 모델링을 하는데 당므과 같은 에러가 나타납니다. 해결 방법이 무엇인가요? "사용 가능한 RAM을 모두 사용한 후 세션이 다운되었습니다."

공부하다가 마지막 문제3 "f3 컬럼의 결측치는 0, silver는 1, gold는 2, vip는 3으로 변환한 후 총합을 정수형으로 출력하시오"이 문제를 해결할 수 있는 세 개의 비단주머니(…ㅎ)를 알려주셔서 고맙습니다.저 문제에서는 '변환한 후' 총합을 정수형으로 출력하라고 해서요. 마지막 세 번째 방법은 1번과 2번을 모를 때 마지막 궁여지책으로 작성할 방법 같습니다.파이썬이 문법이 쉬운 것 같으면서도 막상 해보려고 하면 어려워서요. ;; 혹시 마지막 세 번째 방법을 저렇게 조건문 식으로 해서 아예 컬럼의 값 자체를 바꿀 수 있는 방법이 있을까요? 오전 내 고민하다가 도저히 안 되겠어서 여쭤봅니다. 이건 뭐 그냥 생각해본 거니까 곤란하시면 답해주지 않으셔도 됩니다. 좋은 강의 정말 감사합니다~ 

안녕하세요 선생님 RNN에 대한 알고리즘을 공부하다가 가중치의 shape를 보면서 이해가 가지 않아서 질문을 드립니다 a(t)안에 있는 원소들의 shape들이 달라도 weight를 통해서 n*1의 형태로 만드는 것은 이해를 했는데 input과 ,h(t-1)의 행이 다른 이유는 무엇인가요?행이 달라도 되는 이유가I work at Google라고 할때I, work (t시점이 work일때)i, work의 글자 수의 차이 때문에 이렇게 행이 다른건가요? 감사합니다

간단히라도 알려주시면 감사하겠습니다

.get("http://localhost:8080/products")로 바꾸고 새로고침하면 상품목록이 안 받아오는데이유가server.js에서 app.use(express.json()); app.use(cors());가 지워졌기 때문이네요.노션에 올라와 있는 코드에 조금 안 맞는 부분이 있어서 카피해서 쓸 경우 제대로 처리하지 못하는거같아요깃헙 소스보니까 아래와 같이 되어 있는걸 보고 알았네요app.use(express.json()); app.use(cors()); app.get("/products", (req, res) => { res.send({ products: [ ..... 결론 깃헙소스와 노션소스가 조금 달라서 전부카피하면 안된다는!깃헙소스가 맞고노션소스가 틀리므로 노션 수정하면 좋겠다는 생각!

<ipython-input-25-475204a37c2b>:2: FutureWarning: The default value of numeric_only in DataFrame.corr is deprecated. In a future version, it will default to False. Select only valid columns or specify the value of numeric_only to silence this warning. X_train.corr()워닝이 뜨는데 어떻게 해결해야 하는걸까요....

안녕하세요! 강사님 좋은 강의 덕분에 정말 몰두해서 공부하고 있는 수강생입니다.CIFAR10 데이터세트를 이용하여 CNN 모델 구현 실습 - 02 강의에서 모델을 구성하실 때,필터의 개수가 32 -> 64 -> 128 이렇게 점차 증가하였는데, 첫 번째로 이렇게 구성하는게 보편적인 방법인 것인지 궁금하며,두번째는 128 -> 64 -> 32이렇게할 경우에는 효율이 좋지 않은 것인지 또 64 -> 128 -> 32 이런식으로 섞어주면 안되는 것인지 궁금합니다.  

4장 신규추가된 feature selection 강의에서 1번째 코드에서 다음과 같은 오류가 뜨는데요... 제 사이킷런 버전은 1.2.2 입니다.  --------------------------------------------------------------------------- AttributeError Traceback (most recent call last) Cell In[6], line 25 23 plt.xlabel("Number of features selected") 24 plt.ylabel("Cross validation score (nb of correct classifications)") ---> 25 plt.plot(range(1, len(rfecv.grid_scores_) + 1), rfecv.grid_scores_) 26 plt.show() AttributeError: 'RFECV' object has no attribute 'grid_scores_'혹시 가능한 명령어가 뭐가 있는지 검색해 보았는데, 아래와 같이 뜹니다. 대체될 수 있는 명령어가 뭐가 있을까요?[x for x in dir(rfecv) if not x.startswith('_')][11]:['classes_', 'cv', 'cv_results_', 'decision_function', 'estimator', 'estimator_', 'fit', 'fit_transform', 'get_feature_names_out', 'get_params', 'get_support', 'importance_getter', 'inverse_transform', 'min_features_to_select', 'n_features_', 'n_features_in_', 'n_jobs', 'predict', 'predict_log_proba', 'predict_proba', 'ranking_', 'score', 'scoring', 'set_output', 'set_params', 'step', 'support_', 'transform', 'verbose'] 

안녕하세요 선생님!선생님 강의해주신 내용 바탕으로 개인 프로젝트를 진행하는 와중에 10일동안 구글링을 통해서도 해결을 못한 문제가 있어 여쭤봅니다..!AI허브(https://aihub.or.kr/aihubdata/data/view.do?currMenu=115&topMenu=100)에서 받은 컨테이너고유번호(BIC)를 FasterRCNN으로 detect하는 코드를 작성중인데, 6천개로 학습시키고 학습시켰던 데이터 일부로 evaluation을 하면 검출을 잘 하는데, 새로운 데이터(학습데이터와 유사한 이미지)로 evaluation을 하면 아무것도 검출을 못하는(빈 텐서만 출력) 현상이 일어납니다. 에폭을 1부터 10까지 해보고 loss가 0.01까지 줄어들며 수렴하는것을 확인했는데도 아무것도 검출을 못하네요.ㅇ모델 : pytorch fasterrcnn_resnet50_fpn(pretrained=True)ㅇ학습과정 * 구글코랩 활용1. AI 허브 json파일을 coco 형식으로 변경(시각화를 통해 정상변경 확인)2. customdataset 정의3. 학습환경 설정 및 학습4. 가중치 저장5. evaluation 환경 설정(pretrained=False) 및 evaluation(가중치 로드)6. pycocotools로 평가지표 출력 구글코랩에서 작성한 코드는 링크로 첨부했습니다.https://colab.research.google.com/drive/1dq4wx7M5GFwLSrz8lcCLIL431Othr94Otrain 모드 모델정의하고, eval모드 모델 정의하는 부분에 뭔가 오류가 있는것 같은데 못 찾겠습니다...ㅜㅜ

선생님 안녕하세요.강의 4분30초 부근 만들어진 모델을 test데이터로 성능을 측정했을 때, 정확도가 0.92정도로 꽤 높다고 생각합니다. 하지만 강의에선 flatten으로 인해 파라미터 개수가 급격히 증가하여 과적합이 일어났다고 설명하셨는데, 만약 과적합이 일어났다면 test데이터로 성능을 측정했을 때 더 낮은 정확도가 나와야하는것 아닌가요?train데이터셋으로 모델을 훈련시킬 때 정확도가 99%가 나왔기 때문에 과적합이라고 설명해주신건 이해를 했습니다. 하지만 test데이터셋으로 모델 성능평가를 했을 때 높은 정확도가 나왔음에도 과적합이라고 생각하는건 이해가 되지 않아서 문의 드립니다.

graphviz 설치하고 실습파일 4-2의 3번째줄까지 코드를 작성하면 '[Errno 13] Permission denied: PosixPath('dot')' 가 발생합니다. 해결방법을 알 수 있을까요?

위의 의사결정나무나 랜덤포레스트에서는 괜찮았는데,강사님처럼 위 코드를 불러와 수정했는데학습부분에서 에러가 발생합니다.영상과 비교해도..코드가 같은데 왜 오류가 날까요? 

안녕하세요 선생님!좋은강의 감사합니다 잘듣고 있습니다!!궁금한것이 생겨 질문을 드립니다실제 회사나 연구소에서 이미지 데이터가 많거나 영상데이터로 학습을 하는경우(이미지데이터가 충분히 많다고 가정한경우) 굳이 이미지 augmentation을 하지 않아도 되나요...?

yolov3 과 darknet 의 차이좀 명괘하게 알려주세요. 학습 시키려면 어떤걸로 사용해야 하는지?

안녕하세요? 설명하실 때에 가령, 프린트 라고 적힌 부분을 모두 선택 하셔서 한꺼번에 주석처리를 빠르게 하시던데 어떻게 하시는지 알려 주시면 감사하겠습니다.