안녕하세요. 팀 단위로 개발할 때, 일부는 Codex를 사용하고 일부는 Claude를 사용하는 경우 보통 AI Agent 설정 파일은 어떻게 관리하시나요? .codex/ , .claude/ 처럼 Agent별 디렉터리를 만들어 함께 GitHub에 커밋하는 편인가요? 아니면 각 Agent가 공통으로 참조하는 파일을 따로 두고, 각 에이전트 설정에서는 이를 참조하는 방식으로 관리하시나요? 실무에서는 어떤 방식이 일반적인지 궁금합니다.
이 부분부터 어려움이 있는거 같아요. 어찌어찌 제미나이에게 물어보면서 터미널에 나오는 글 복사하면서 드디어 클로드코드를 설치 했네요. 다른 분들도 어려움이 있을 수 있으니 저에게 닥친? ㅎ 걸 여기 정리하면.. 윈도우(PowerShell) 환경에서 Claude Code 설치 및 연동 시 발생할 수 있는 문제와 해결법 1. 경로 이동 시 역슬래시( \ ) 입력 문제 현상: 강의 영상(Mac 기준)처럼 폴더 이동 시 역슬래시( \ )를 넣으려고 하면 윈도우 환경에서는 잘 입력되지 않거나 에러가 납니다. 해결: 윈도우 파워쉘에서는 역슬래시 대신 일반 슬래시( / )를 사용 해도 인식이 잘 됩니다. 특히 폴더명에 띄어쓰기가 있다면 경로 전체를 큰따옴표( "" )로 감싸서 cd "Documents/Obsidian Vault" 형태로 입력하면 아주 쉽게 이동할 수 있습니다. 2. 설치 후 claude 명령어 인식 불가 (환경 변수 설정) 현상: 설치가 완료되었다는 메시지가 떴는데도 터미널에 claude 를 입력하면 명령어를 인식하지 못한다는 에러가 발생합니다. 해결: 기본적으로 터미널을 완전히 껐다 켜야 경로가 반영됩니다. 만약 터미널을 재시작해도 안 된다면, 파워쉘에 아래 명령어를 입력하여 환경 변수(PATH)에 설치 경로를 직접 등록해 주어야 합니다. PowerShell [Environment]::SetEnvironmentVariable("PATH", $env:PATH + ";C:\Users\유저명\.local\bin", "User") (※ 유저명 부분은 본인의 윈도우 사용자 이름으로 변경해야 합니다. 입력 후 터미널을 완전히 닫고 새로 열어야 적용됩니다.) 3. 로그인 인증 시 OAuth 오류 ( redirect_uri 매개변수 누락 ) 현상: 테마 선택 후 로그인 주소가 브라우저에서 자동으로 열리지 않아 화면에 나온 주소를 복사해 주소창에 붙여넣었을 때, 웹페이지에 잘못된 OAuth 요청 / redirect_uri 매개변수가 누락되었습니다 라는 에러가 뜹니다. 원인 1 (플랜 제한): 현재 Claude Code는 Claude Pro 이상 유저만 사용이 가능 합니다. 무료 플랜 계정으로는 연동 단계에서 승인이 되지 않습니다. 원인 2 (주소 깨짐): 터미널에 표시된 주소가 너무 길어서 마우스로 드래그할 때 끝부분이 잘리거나, 파워쉘 창 크기 때문에 줄바꿈이 일어나면서 주소 데이터가 깨져 발생하는 문제입니다. 해결: 1. 우선 Claude 계정이 Pro 멤버십 상태인지 확인합니다. 2. 터미널에 나온 긴 주소를 복사할 때 주소가 쪼개지지 않도록 터미널 창을 가로로 길게 늘려 한 줄로 만든 뒤 끝까지 정확히 드래그해서 복사 합니다. (또는 키보드 Ctrl 키를 누른 채 마우스로 링크를 클릭하면 브라우저로 바로 연결됩니다.) 3. Pro 계정이 로그인되어 있는 브라우저 탭에 주소를 넣고 [승인(Authorize)]을 누르면 화면에 진짜 8~10자리 내외의 인증 코드 가 나타납니다. 이 코드를 복사해서 터미널 맨 아랫줄에 붙여넣고 엔터를 치면 정상적으로 연동이 완료됩니다!
수고하십니다.^^ 12회 빅분기 시험을 보고 왔는데, 통과 되는 선까지는 풀었는데,... 문제는 정답을 푼 문제별로 제출버튼을 클릭은 했는데, 풀 수 있을거 같은 문제가 하나 있어서 그걸 가지고 끝까지 씨름을 하다가 시험 종료가 돼서 자동으로 아웃이 됐는데... 최종버튼이 있었던거 같기도 하고... 각 문제별로 제출버튼을 클릭하면 제출된건가요?
아래 5가지 목적으로 비개발자가 코딩 공부 할때 공부 난이도,분량,시간 많이 필요한지 추천하는지 궁금합니다 (왕초보 기준으로요) 1.ai가 만들어준 코드 ,github 오픈소스 코드를 내 상황에 맞춰서 템플릿 이용 하듯이 내 상황에 맞게 조금씩 변경해서 사용 또는 일부 기능을 추가하거나 삭제 3.ai가 코드 해설 시 제대로 해설 해준건지 파악 및 코드 오류 파악 4.코딩 공부해서 ai 에게 질문을 5번 질문할거 2번으로 줄이기 또는 토큰절약 5.바이브코딩 해서 개발자 없이 업무에 맞는 로컬 프로그램 만들기
안녕하세요~ 강의 덕분에 시험 잘 본 것 같습니다 작업 유형 2에서 train 타켓컬럼.describe 에서 이상치가 있는 것 같아서 iqr로 해서 이상치 대략 410개정도(전체 train 데이터 5000개) 제거하고 lgb랑 랜덤포레스트로 돌렸더니 rmse lgb 기준 71정도 나와서 제출했는데 생각해보니 과적합 위험이 클 것 같아서 점수 괜찮게 나올까요? 이상치 제거 안하고 그냥 onehot 인코딩으로 해서 했을때는 410 정도 나왔습니다ㅠㅠ
나머지 다 잘되었는데 start 에서 . fail이 뜨네요. Searching for connected devices... Found 1 device. Using: emulator-5554 Starting Iris service in the background... Failed to start Iris service.
안녕하세요, 코딩팡 장업형2 베이스 라인에서 원-핫 인코딩만 사용하셨는데 인코딩 부분에 아래와 같이 추가해서 레이블 인코딩과 원-핫 인코딩 결과를 비교하는 식으로 해도 상관없나요? 원핫 인코딩만 사용하신 이유가 있을까요?? 1번 문제 import pandas as pd # 1) 데이터 불러오기 train = pd.read_csv('data/car_train.csv') test = pd.read_csv('data/car_test.csv') # 2) 범주형 변수 원-핫 인코딩 target = train.pop('target') print(train.shape, test.shape) train = pd.get_dummies(train) test = pd.get_dummies(test) print(train.shape, test.shape) # 레이블 인코딩 from sklearn.preprocessing import LabelEncoder cols = train.select_dtypes(include = 'object').columns for col in cols: le = LabelEncoder() train[col] = le.fit_transform(train[col]) test[col] = le.transform(test[col]) # 3) 검증용 분리 (제출 전 성능 비교) from sklearn.model_selection import train_test_split X_tr, X_val, y_tr, y_val = train_test_split(train, target, test_size=0.2, random_state=0, stratify=target) # 4) 세 가지 모델 학습 from sklearn.ensemble import RandomForestClassifier rf = RandomForestClassifier(random_state=0) rf.fit(X_tr, y_tr) pred = rf.predict(X_val) from sklearn.metrics import f1_score print(f1_score(y_val, pred, average='macro')) from lightgbm import LGBMClassifier lgb = LGBMClassifier(random_state=0, verbose=-1) lgb.fit(X_tr, y_tr) pred = lgb.predict(X_val) print(f1_score(y_val, pred, average='macro')) from xgboost import XGBClassifier xgb = XGBClassifier(random_state=0, verbosity=0) xgb.fit(X_tr, y_tr) pred = xgb.predict(X_val) print(f1_score(y_val, pred, average='macro')) # 5) 선택한 모델을 전체 train으로 다시 학습 후 test 예측 (선택) # lgb.fit(train, target) # pred = lgb.predict(test) # 6) 제출 파일 저장 (pred 컬럼 1개만, index 제거) result = pd.DataFrame({'pred': pred}) result.to_csv('result.csv', index=False) # 제출파일 확인 print("\n ===== 제출파일 (샘플) =====") print(pd.read_csv("result.csv").head()) print("\n ===== 제출파일 (크기 확인) =====") print(pd.read_csv("result.csv").shape)
강사님 uv setting 대로 실습을 진행하는 도중에 아카이브 tool 호출 시 아래의 에러가 발생했습니다. AttributeError: 'Search' object has no attribute 'results' uv add "arxiv<2.4.1" 로 다운그레이드 해서 해결했습니다. 혹시나 동일한 에러가 나시는 분들을 위해 남겨둡니다.
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 기출 풀어보면 C를 안 붙이고, object도 자연스럽게 변환된다고 하셨는데, 연습할 때 gender에 C를 붙였던 경험이 있습니다. 혹시 언제 붙이고 언제 안 붙이는지 알 수 있을까욤..?
이 강의에서는 그러 github 코드를 클론에서 그거 토대로 그대로 실습해보는건가요? 저는 제로에서 혹은 next.kit프로젝트 폴더에 이어서 셋팅해서 연습하는 줄 알았는데.. 두서 설명없이 바로 넘어가니 조금 이상하네요. 전 처음부터 새로 해서 prd생성하고해서 이 프로젝트를 직접 완성해보는건줄알앗느데 그게 아니면 .이미 프롬프트로 만들어진 이걸 클론해서 따라해보는 용도인가요?
빅데이터분석기사 실기체험에서 작업형 제2유형을 회귀 실습해보고 있는데. 에러가 나는데 이유를 전혀모르겠어요. import pandas as pd train = pd.read _csv("data/customer_train.csv") test = pd.read _csv("data/customer_test.csv") target = train.pop('총구매액') train = pd.get_dummies(train) test = pd.get_dummies(test) from sklearn.ensemble import RandomForestRegressor model = RandomForestRegressor() model.fit (train, target) p = model.predict(test) submit = pd.DataFrame({'pred':p}) submit.to _csv("result.csv", index=False) print(submit.head()) 에러) Makefile:6: recipe for target 'py3_run' failed make: *** [py3_run] Error 1 Traceback (most recent call last): File "/goorm/Main.out", line 38, in <module> p = model.predict(test) ^^^^^^^^^^^^^^^^^^^ File "/usr/local/lib/python3.12/site-packages/sklearn/ensemble/_ forest.py ", line 1063, in predict X = self._validate_X_predict(X) ^^^^^^^^^^^^^^^^^^^^^^^^^^^ File "/usr/local/lib/python3.12/site-packages/sklearn/ensemble/_ forest.py ", line 641, in validate X_predict X = self._validate_data( ^^^^^^^^^^^^^^^^^^^^ File "/usr/local/lib/python3.12/site-packages/sklearn/ base.py ", line 608, in validate data self._check_feature_names(X, reset=reset) File "/usr/local/lib/python3.12/site-packages/sklearn/ base.py ", line 535, in check feature_names raise ValueError(message) ValueError: The feature names should match those that were passed during fit. Feature names seen at fit time, yet now missing: - 주구매상품_소형가전