4강부터 갑자기 스크립트 프로그램이 나오고 코딩을 시작하는데, 파이썬을 한번도 써본적이 없어서요. 사전에 뭘 설치해야 되나요? 동일한 프로그램 동일한 화면에서 따라하고 싶어서요. 파이썬에 대한 기초 강의나 설명 노트는 없는건가요?

강의 PPT 같은 자료 요청드립니다.skl509@naver.com여기로 보내주시면 감사하겠습니다

6강에서 Cursor의 AI를 이용해서 프로그램의 뼈대를 만드는 부분에서 강사님과 같은 프롬프트를 써도 미묘하게 폴더 구조가 강사님과 다르게 작성이 됩니다. 프롬프트가 같다면 무조건 결과가 같은건지 아니면 다를 수도 있는지.. 가능하다면 강의에서 구성한 뼈대 부분을 파일로 제공해 주실 수 있는지 문의드립니다. (전부 화면을 보고 다 따라치려고 해도 강의 화면만 보고는 그것도 무리인거 같습니다.) 기왕이면 이후의 남은 강의들에도 소스 코드를 제공해 주시면 좋을 것 같습니다.

또한 next에서 실습시 사용한 폴더구조는 어떤 구조이며 , 상용화된 구조인가요? 궁금합니다.추가로 닭강정님 강의 잘 듣고있습니다. 이번강의 완독후 electron 강의도 학습하려고하는데프론트 프레임워크가 해당강의는 next인데 , electron강좌는 react인것같더라구요next도 electron을 통해서 포팅가능한가요?

강사님 안녕하세요, end point를 생성하는 과정에서 문제가 생겨 문의드립니다. 다른 분 댓글에서 알려주신대로 "user model for inference"에서 create endpoint를 하려고 하면 버튼이 동작하지를 않아서요ㅜㅜ버튼을 누르면 이런 404 에러가 뜹니다. databricks region은 East US로 잘 설정되어있고 end point이름도 설정하였는데 왜 이런 오류가 나는지 조언 구할 수 있을까해서 댓글 남깁니다! 감사합니다 :)

안녕하세요 강사님, 유익한 강의 공유해주셔서 정말 감사합니다.다름이 아니라 이미지에 노이즈 추가하는 코드 공유 부탁드릴 수 있을까해서 큐앤에이 남기게되었습니다. 감사합니다.

안녕하세요 강사님. ‘행렬식의 풀이’ 강의에서 마지막에 ‘Ａ가 ｎｘｎ으로 정방행렬일 때 아래 명제는 서로 동치다’ 부분에서 행렬 A는 coefficient matrix인가요?

Policy Network(Q)와 일반적인 Q-learning 문제에서의 behaviour policy(b)가 각자 하는 역할이 비슷한거 같은데, 만약 틀리다면 추가적인 설명을 부탁드려도 될까요? 왜냐하면, '탐험'의 성격?을 각각의 net과 policy가 수행한다고 생각했습니다. 우선 network관점에서는 특정 행동 결정 규칙에 따라 weight를 형성하는데 이때 그리디 action에 대한 value를 추정(max함수)하는 target network에 비해선 '활용'보다는 '탐험'을 하고 있다고 생각합니다 -> 행동 규칙에 따라 transition을 입력으로 받아 weight를 업데이트 하기 때문. 이로 인해 일반적인 Q-learning에서의 b도 max를 출력하는 target policy, pi대신 e-그리디 정책으로 일정 확률 e로 모든 행동을 선택할 수 있는 기믹을 활용하여 '탐험'을 하기 때문에 위와 같은 생각을 하였습니다.

안녕하세요. 강의 잘 들었습니다. 프로그램도 잘 작동합니다. 단지 종목수가 적어 종목을 100개까지 추가하고자 합니다. 어느 부분을 수정해야하는지 문의 드립니다.

6:49쯤에, MSBE = (delta_{t+1})^2의 미분 결과가 2*(delta_{t+1})* (\partial(delta_{t+1}}); 합성함수의 미분, 의 형태가 아닌 화면에 나오는 것처럼 미분이 되는지 궁금합니다.  추가로 policy improvement step에서 각 action에 대해서 value가 높은 weight로 parameters을 업데이트 하면서 자동적으로 최적pi를 찾게 된다고 보는 게 맞는 이해일까요?

안녕하십니까 강사님. 최소제곱해 강의 중에서 정방행렬을 만들기 위해 rank가 n이라면 A의 transpose를 통해 역행렬을 만들어준다고 하셨는데 만약 rank가 m과 n 중에서 나오지 않는다면 사용할 수 없는 방법론인가요?

안녕하세요. 주식 종목을 변경하고 싶은데 변경해야할 코드 부분을 알려주세요.

mini-batch gradient descent 시 batch size 단위로 평균값을 가지고 파라미터 업데이트 한다고 설명하신 거 같습니다. 그런데 강의하시는 코드에는 forward() 다음 연속해서 .backward()가 나오고 있어 마치 매번 업데이트를 하는 것처럼 해석되는데요. 제가 어떤 부분에 오해하고 있는 것인지? 문의드립니다.

DB에 데이터를 관리하지 않고 csv 파일로 관리 하는 이유가 뭔지 궁금합니다. 데이터가 방대해서 처리 하기가 힘들어서 그런건가요?

Taxi가 랜덤하게 init된 손님와 목적지의 위치를 아는 이유는 observations 환경이라 그런 걸까요?랜덤하게 목적지와 손님의 위치가 설정되더라도 과업을 어느정도 완벽히 수행하게 되는 원리는 어떤 특정 지점에 대해서 손님의 위치까지의 경로 계획을 위한 행동 가치에 대한 훈련과 그 손님의 위치에서 목적지를 향한 경로 계획에 대해서의 가치 훈련을 수행 했기 때문으로 보는 것이 맞을까요?

안녕하세요 이상치 데이터 합성하는 방법 코드가 안올라가져잇는것 같고코드자로 별도로 요청해야지 이메일로 주신다고 하신것같은데자료 공유부탁드립니다.감사합니다. 

 import io from pyspark.sql.functions import pandas_udf, col from pyspark.sql.types import BinaryType IMAGE_SIZE = 256 @pandas_udf(BinaryType()) def resize_image_udf(df_series): def resize_image(path): """resize image and serialise back as jpeg""" image_path = path.replace("dbfs:", "") image = Image.open(image_path) width, height = image.size image = image.crop(((width-IMAGE_SIZE)/2, (height-IMAGE_SIZE)/2, (width+IMAGE_SIZE)/2, (height+IMAGE_SIZE)/2)) image = image.resize((IMAGE_SIZE,IMAGE_SIZE), Image.NEAREST) output = io.BytesIO() image.save(output, format='JPEG') return output.getvalue() return df_series.apply(resize_image) image_meta = { "spark.contentAnnotation": '{"mimeType":"image/jpeg"}' } df = ( file_info_df.withColumn("image", resize_image_udf("path")) .withColumn('image', col('image').alias('image', metadata=image_meta)) ) display(df) 안녕하세요 이미지 바이너리칼럼에 메타 정보를 추가했음에도 불구하고 display 한값이 아래처럼 바이너리 상태로 보이는데 왜그런지 알수 있을까요?databricks 무료버전 + jpg파일 databricks내에 카탈로그 볼륨에 저장해서 사용한게 다르긴 하지만 그거때문에 그러진 않을 것 같고 spark 4.0.0 사용하고 있습니다 ㅠ

너무 좋은 강의 잘 듣고 있는데, 제가 강의 따라 하다가 o3-mini 모델은 image 객체 자체를 넘기는것도 안되고 base64로 인코딩한것도 넘길수가 없네요~~ 제가 이해한게 맞나요? 코드가 자꾸 에러가 나서 이것저것 수정하다 알게 됬습니다.

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 정렬에 보면tech_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.

cursor pro버전을 꼭 사용애햐 하나요? free버전으론 수업이 불가할까요?