<Stack> <Stack.Screen name="(tabs)" options={{ headerShown: false }} /> <Stack.Screen name="modal" options={{ presentation: "modal", headerShown: false }} /> </Stack> 위와 같이 작업하면 탭을 누를 때마가 스택이 쌓이는게 아닌가요? 그러면 물리 백버튼을 눌렀을 때 탭 이동이 될 것 같아서요. 카카오를 예시를 보면 탭은 스택을 쌓지 않고 있어서 탭 이동을 아무리 해도 뒤로 가기를 누르면 탭 이동을 하고 있지 않네요.
wipe data 이후에 npm run android 를 실행하면 아래와 같은 오류가 발생합니다. CommandError: No development build (com.devparkoon.rntutorial) for this project is installed. Install a development build on the target device and try again. 강의 영상과 다르게 npm run android 를 실행했을 때 expo 를 다시 설치하는 과정이 없는데 어떤 문제일까요? 위 이슈를 해결하기 위해 eas build 를 다시 하면 되긴 합니다 (10분 넘게 다시 소요됨)
Next.js 완벽 마스터 (v15): 노션 기반 개발자 블로그 만들기 (with 커서AI)
안뇽하세요. 몇일 전 구매하고 열강하고 있는 개발자입니다. ISR 매커니즘에 대한 궁금증이 있는데요. 저희가 작성한 코드에 보면 export const generateStaticParams = async () => { const { posts } = await getPublishedPosts(); return posts.map((post) => ({ slug: post.slug, })); }; 이렇게 게시글들을 미리 ISR 하는 코드가 있습니다. 특정 게시글의 slug 정보 기반으로 미리 SSG 만드는 것으로 이해했는데요. 그래서 빌드를 하면 SSG + 두 개의 슬러그 페이지가 존재합니다. (getPubishedPosts의 기본 사이즈가 2개이기 때문) 그런데 제가 궁금한게 위 ISR 적용하기 전에 빌드한 후 상세 페이지에 진입을하면 약 1초 정도? 딜레이가 발생하고 화면이 렌더링이 되는데요. ISR을 적용한 후 기대한 동작은 미리 생성된 두 개의 slug에 대해서는 바로 화면에 보이지만 무한스크롤로 발생한 동적 블로그에 대해서는 빌드 전과 동일하게 1초의 딜레이가 발생하고 이후 접근 시 정적페이지가 생성되어 빠르게 보이는게 맞지 않나요? 하지만 현재 동작을 보면 미리 생성된 slug를 제외한 모든 게시글에 대해 빠르게 화면이 보여 제가 이해한게 아닌가 싶네요. 공식문서를 봐도 이해가 잘되지 않아 확인차 문의드립니다.
안녕하세요, 좋은 강의 감사합니다. 실행 컨텍스트 부분에서 궁금한 점이 있어서 질문드립니다. 강의에서 Variable Object를 설명해주셨는데, 제가 개인적으로 찾아본 자료들에서는 ES2015부터 실행 컨텍스트가 Lexical Environment, Variable Environment, this binding으로 구성된다고 나와 있더라고요. Variable Object는 그 이전 스펙에서 사용되던 용어인 것 같은데, 혹시 강의에서 이 개념을 선택해서 설명하신 특별한 교육적 의도가 있으셨을까요? 제가 아직 깊이 이해하지 못해서 그런데, 두 방식 중 어떤 것이 JavaScript 동작 원리를 학습하는 데 더 도움이 되는지, 또는 어떤 차이점들이 있는지 알려주시면 감사하겠습니다.
1. 현재 학습 진도 몇 챕터/몇 강을 수강 중이신가요? 1-5 . 알고리즘과 친해지기 (2) 어떤 알고리즘을 학습하고 계신가요? 최빈값 찾기 여기까지 이해하신 내용은 무엇인가요? def find_max_occurred_alphabet(string): alphabet = {} result = [] maxvalue = 0 for char in string: if char.isalpha(): alphabet[char] = alphabet.get(char,0) + 1 for value in alphabet: maxvalue = max(maxvalue, alphabet[value]) for i in alphabet: if alphabet[i] == maxvalue: result.append(i) return result result = find_max_occurred_alphabet print("정답 = i 현재 풀이 값 =", result("hello my name is dingcodingco")) print("정답 = e 현재 풀이 값 =", result("we love algorithm")) print("정답 = b 현재 풀이 값 =", result("best of best youtube")) 영상 안보고 문제만 보고 한번 풀어봤는데 예시의 hello my name is dingcodingco, we love algorithm, best of best youtube 문자열 전부 최빈값이 여러개라서 원본 문제로 가보니 여러개라면 -1을 반환하도록 되어있어서 조금 바꿔서 저는 리스트로 반환하도록 풀어봤는데 이 방법은 어떨까요? 알파벳 아스키코드로 풀 방법은 생각이 안나서 자바에서는 map에 넣듯이 dictionary에 넣어서 풀어보려고 했습니다 max 메소드는 연습할땐 안쓰는게 좋은데 자바 삼항연산자가 파이썬에서 어떻게 쓰는지 몰라서 일단 max로 해봤습니다
강사님, 안녕하세요. 빅데이터분서기사 외에도 바이브 코딩 관련 영상도 잘보았습니다. 아... 벌써 만료 일이 다가옵니다. ( 2025. 09. 21. 23:59 만료) 2번째 불합격하고 이번이 3번째 도전입니다. (매번 하나씩 꼭 아쉽게 떨어졌어요.) 책도 가지고 있기는 한데, 영상에서만 볼 수 있는 꿀팁을 자주 업뎃 해주시는 것 같아서요. 3번째 시험 볼때까지만 이라도 혹시 연장이 가능한지 문의를 드려봅니다. 혹시 몰라 메일 주소 남겨놓습니다. fluk24@gmail.com 감사합니다.
안녕하세요. 강의 잘 듣고 있습니다. 제목이 곧 질문인데요. Chroma로 생성한 vectorstore객체의 as_retriever매서드와 similarity_search는 내부적으로 같은 알고리즘 혹은 로직을 사용하나요? 그렇다면 이 두가지 매서드의 차이점은 langchain을 사용할 때 편의성 차원에서 as_retriever가 더 좋다 이렇게 알고있으면 되는걸까요? 또한 내부에서 사용되는 검색 알고리즘은 어떤건지 알 수 있을까요? 감사합니다.
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 정렬 에 보면 tech_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.
FROM python:3.11.1 ENV PYTHONUNBUFFERED 1 ARG DEV=false COPY app /app/ WORKDIR /app RUN pip install -r requirements.txt RUN if [ "$DEV" = "true" ]; then pip install -r requirements-dev.txt; fi EXPOSE 8000 COPY app /app/ 하게되면 /app/app/.... 이런식으로 생성되는거 아닌가요? WORKDIR /app/app 이렇게 하거나 아니면 COPY app/ /app/ 이렇게 해야되지않나요?
해당 강화학습 모델이 어떤 의미를 가지는지 궁금합니다. 그냥 자산배뷴비율 백테스트로 gridsearch식으로 비율을 다르게 해서 지표가 가장 좋은걸 찾는 방법과 강화학습을 사용한것과 어떻게 다른것인지 궁금하네요. 강화학습을 사용했기때문에 리밸런싱 시기마다 자산 등락 경향을 참고해서 다음 최적의 리밸런싱 비율을 구하는건가요?