완독 챌린지 도서 인정 방법에 대한 문의
미해결
<케라스 창시자에게 배우는 딥러닝 3판> 완독 챌린지
안녕하세요. 저는 이번의 완독 챌린지를 가입하였고 책도 구매했어요? 혹시 도서 구매 인정 방법을 설명할 수 있을까요?
- 딥러닝
- 인공신경망
- keras
- tensorflow
- pytorch
- transformer
- llm
176만명의 커뮤니티!! 함께 토론해봐요.
미해결
<케라스 창시자에게 배우는 딥러닝 3판> 완독 챌린지
안녕하세요. 저는 이번의 완독 챌린지를 가입하였고 책도 구매했어요? 혹시 도서 구매 인정 방법을 설명할 수 있을까요?
해결됨
컴퓨터 비전 이상 탐지, 개발부터 배포까지 올인원 마스터
강사님 강의 자료와 코드를 수령하고 싶습니다. 지난 질문들을 정독해가며 정말 감사한 마음으로 수강하고 있습니다. 깃허브 주소도 있다는데... 강의자료에선 찾을 수가 없네요. mildchocolate1@gmail.com 입니다.
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
미해결
베개 투자법: 자면서 돈 버는 AI 주식 자동 매매 머신
모든 예측 결과가 DB에 저장되었습니다. predicted_stocks 테이블의 총 레코드 수: 0 총 0개 데이터를 성공적으로 가져왔습니다! 데이터 가져오기 오류: '날짜' 데이터를 가져오는데 실패했습니다. --------------------------------------------------------------------------- AttributeError Traceback (most recent call last) /tmp/ipykernel_921/1990775403.py in <cell line: 0>() 520 521 # 3) Evaluate predictions --> 522 evaluation_results = evaluate_predictions(data, target_columns, forecast_horizon) 523 print("============ Evaluation Results ============") 524 print(evaluation_results) /tmp/ipykernel_921/1990775403.py in evaluate_predictions(data, target_columns, forecast_horizon) 382 383 # Check if the columns exist --> 384 if predicted_col not in data.columns or actual_col not in data.columns: 385 print(f"Skipping {col}: Columns not found in data ({predicted_col}, {actual_col})") 386 continue AttributeError: 'NoneType' object has no attribute 'columns' supabase api 키 입력해서 경제지표랑 주가를 supase에 자동으로 저장하는것까지 됐는데. ai 예측모델 하니까 저런식으로 나오네요..
해결됨
컴퓨터 비전 이상 탐지, 개발부터 배포까지 올인원 마스터
안녕하세요. 강의 정말 잘 듣고 있습니다. 모델 서빙 경험이 없는 저한테는 매우 유익한 강의라고 생각하고 있습니다. 하지만 강의를 따라가면서 개인적으로 코드를 뜯어보는 과정에서 하나하나 이해하는 데에는 많은 시간이 걸려 강의를 다 듣고 다시 코드를 뜯어보며 확실하게 알고 넘어가고자 하는데 수업자료와 코드 요청을 드려도 될까요? limtony1@naver.com 입니다.
해결됨
베개 투자법: 자면서 돈 버는 AI 주식 자동 매매 머신
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. 베개 투자법: 자면서 돈 버는 AI 주식 자동 매매 머신 python fastapi 부분을 듣고 있습니다. 화면 아래를 보면, 기본 강의 자료와 강의 자료 2개가 항상 올라와있는데, 이 두 개는 같은 것이 강의 내내 올라오는 것인지가 궁금하고, 이 두 개를 어떻게 나눠서 사용해야 할 지 궁금합니다. 그리고, 각 해당 항목에 들어가면 예제 코드가 있나요? 나중에는 하나로 묶인 코드도 제공되는거지요?
해결됨
알고리즘 트레이딩의 비밀, AI가 주가를 맞추는 법
경로 설절이 너무 빠릅니다. 아래 질문에서는 4-8장을 그냥 따라가다보면 된다고 하는데, 파이썬 폴더 만드는 것부터 알 수가 없으니. 어떻게 해야할 까요?
미해결
모두를 위한 대규모 언어 모델 LLM(Large Language Model) Part 1 - Llama 2 Fine-Tuning 해보기
처음 pip가 에러나서 디버깅해서 다음단계로 나아갔으나 그 이후 아래 부분에서 에러가 납니다. 업데이트를 부탁드립니다. # tags는 label id를 나타냅니다. bionlp = load_dataset("tner/bionlp2004") bionlp["train"][0] https://colab.research.google.com/drive/1ViGQuvsBhAbzcXvOyNawlWwux-VXMx1L?usp=sharing
미해결
Physical AI 개론: 모방학습과 VLA 원리 이해
안녕하세요 강의자료는 다운로드가 안되는건가용?
미해결
[개정판] 딥러닝 컴퓨터 비전 완벽 가이드
리눅스 가상환경에서 주피터랩 열어놓고 실습을 진행하다가 mmcv설치 링크가 없어 애먹다가 runpod로 넘어왔는데요. 다른 질문글을 보고 설치환경 영상을 보며 설정한 pod로 들아가서 진행해도 mmcv설치가 되어있지 않은거같아서 질문드립니다. 어떻게 진행해야할까요?
해결됨
컴퓨터 비전 이상 탐지, 개발부터 배포까지 올인원 마스터
강사님 강의 자료와 코드를 수령하고 싶습니다. mhcai1st@gmail.com 입니다. 그리고 죄송하지만 수강기간 몇달만 더 넣어 주실 수 있으신가요? ㅠ 내용을 전부 숙지하고 싶은데 조금 벅찹니다. ㅠ
미해결
처음 해보는 맞춤형 LLM 만들기 – LoRA & QLoRA 파인튜닝 입문
load_dataset("imdb", split="train[:50]") 이 부분에서 오류가 나옵니다.. 일단 "stanfordnlp/imdb" 이렇게 수정해 봅니다
미해결
현대적 자연어 처리 : Transformer 구조 이해에서 LLM 실전 파인튜닝 까지
130_Transformer.ipynb 코드에서 2가지 오류가 나오네요. import tensorflow_datasets as tfds 실행하면 protobuf버젼이 맞지 않다는 오류 'ted_hrlr_translate/pt_to_en' 데이터셋 로드에서 WARNING:absl:Variant folder /root/tensorflow_datasets/ted_hrlr_translate/pt_to_en/1.0.0 has no dataset_info.json Downloading and preparing dataset Unknown size (download: Unknown size, generated: Unknown size, total: Unknown size) to /root/tensorflow_datasets/ted_hrlr_translate/pt_to_en/1.0.0... Dl Completed...: 100% 1/1 [00:00<00:00, 4.65 url/s] Dl Size...: 0/0 [00:00<?, ? MiB/s] Extraction completed...: 0/0 [00:00<?, ? file/s] --------------------------------------------------------------------------- NonMatchingChecksumError Traceback (most recent call last) /tmp/ipykernel_11546/3377302477.py in <cell line: 0>() 1 # 'ted_hrlr_translate/pt_to_en' 데이터셋 로드 ----> 2 examples, metadata = tfds.load('ted_hrlr_translate/pt_to_en', 3 with_info=True, 4 as_supervised=True) 5 18 frames /usr/local/lib/python3.12/dist-packages/tensorflow_datasets/core/download/download_manager.py in _register_or_validate_checksums(self, url, url_info, path) 521 'https://www.tensorflow.org/datasets/overview#fixing_nonmatchingchecksumerror' 522 ) --> 523 raise NonMatchingChecksumError(msg) 524 525 def _is_checksum_registered(self, url: str) -> bool: NonMatchingChecksumError: Artifact http://www.phontron.com/data/qi18naacl-dataset.tar.gz, downloaded to /root/tensorflow_datasets/downloads/ted_hrlr_translate/phontron.com_qi18naacl-datasetLVhDyvf9PQ-GjP4jim31ESZuvRjHI5wpNhR5SJvsNOo.tar.gz.tmp.1280a2e15b064f8b8b6c6efb3bcc1f8a/index.html, has wrong checksum: * Expected: UrlInfo(size=124.94 MiB, checksum='216a86c3df4d4f522856fe9b920ff5be6b394d769cc88974ae8f9f5546953bbc', filename='qi18naacl-dataset.tar.gz') * Got: UrlInfo(size=705 bytes, checksum='dc6a6a54de630b2beee4b96c770b9f1b32615a8f0352ac31a1aab8285a351b8f', filename='index.html') To debug, see: https://www.tensorflow.org/datasets/overview#fixing_nonmatchingchecksumerror 확인부탁드립니다
해결됨
알고리즘 트레이딩의 비밀, AI가 주가를 맞추는 법
안녕하세요. 데이터 결합 후 아래 코드에서 result_df = result_df.dropna( subset=['10년 기대 인플레이션율', '장단기 금리차'], how='any' ) 전체 지표가 아니라 '10년 기대 인플레이션율' , '장단기 금리차' 두 컬럼만 기준으로 결측 행을 제거한 이유가 궁금합니다. 이후 ffill() 로 나머지 결측값을 채우는 구조인 것으로 이해했는데, 이 두 지표의 데이터 시작 시점에 맞춰 전체 학습 구간을 설정하기 위한 것인지, 아니면 모델링상 반드시 포함되어야 하는 핵심 변수라서 별도로 처리한 것인지 궁금합니다. 감사합니다.
해결됨
베개 투자법: 자면서 돈 버는 AI 주식 자동 매매 머신
안녕하세요. mcp server 등록 하는 부분 강의를 듣고 있는데, smithery 사이트가 강의와 다른거 같아요...filesystem mcp server도 검색이 불가하고요
해결됨
베개 투자법: 자면서 돈 버는 AI 주식 자동 매매 머신
외부 api 연동을 위한 설정을 진행하는 과정에서, 영상에서와는 달리 supabase에서 connect 버튼 클릭 시 app framework를 찾을 수가 없습니다....페이지가 업데이트 된거 같은데..어디서 확인할 수 있을까요
미해결
처음하는 딥러닝과 파이토치(Pytorch) 부트캠프 (쉽게! 기본부터 챗GPT 핵심 트랜스포머까지) [데이터분석/과학 Part3]
혹시 02_Tensor.md 자료는 어디서 다운받을 수 있을까요?
해결됨
알고리즘 트레이딩의 비밀, AI가 주가를 맞추는 법
안녕하세요, 강의를 처음 듣는 중입니다. 그런데 갑자기 섹션 3 부터 어떤 프로그램을 통해 강의를 진행하시는데 그 다음을 진행을 못하고 있습니다ㅠㅠ 강사님이랑 최대한 똑같은 환경으로 진행하고 싶은데 혹시 어떤 프로그램인지 알 수 있을까요?
미해결
구현하며 배우는 Transformer
kaggle에 import해보니.. 인코더 모델에 self.pos_dropout이 누락 된 것 같습니다. 소스코드 오탈자입니다.
미해결
구현하며 배우는 Transformer
kaggle에 import할 경우, 오탈자하고 소스 코드 누락이 발견되었습니다. 강의 영상에서만 # 다음 token 예측을 ... 부분이 존재합니다.