- 강의 영상에 대한 질문이 있으시면, 상세히 문의를 작성해주시면, 주말/휴일 제외, 2~3일 내에 답변드립니다 (이외의 문의는 평생 강의이므로 양해를 부탁드립니다.)- 강의 답변이 도움이 안되셨다면, dream@fun-coding.org 로 메일 주시면 재검토하겠습니다. - 괜찮으시면 질문전에 챗GPT 와 구글 검색을 꼭 활용해보세요~- 잠깐! 인프런 서비스 운영(다운로드 방법포함) 관련 문의는 1:1 문의하기를 이용해주세요.

안녕하세요.MSA 에서는 n 개의 같고 다른 여러 서비스들이 존재하고 이를 구분 하기 위해 discovery 서비스를 사용 하고 있는 것으로 알고 있습니다.spring cloud 를 통해 서비스 디스커버리를 사용하면 서비스와 서비스가 사용하는 (web 구성인 경우) 서비스 포트가 자동으로 등록되고 찾아지는 자동화된 구성이 지원되어 사용하기가 편리한데요.외부 web 과 내부 grpc 통신을 하는 서비스는 각각 통신을 위한 포트 바인딩이 필요한데 이때 서비스가 n 개가 될때 discovery 서비스를 보통 어떻게 사용해서 구성하는지 궁금해서 질문 드리게 되었습니다.플랫폼 기반 디스커버리가 된다면 크게 신경을 쓰지 않아도 될듯하나 어플리케이션 레이어에서 디스커버리를 사용할때는 보통 어떻게 구성이 될까요?

4-1에서는 12353774 로 나왔는데4-2에서는 갑자기 8870004가 분자로 입력된 걸까요?

선생님의 답과 제 예측결과가 조금씩 다른데, 괜찮은건가요..??

열정적인 강의 감사드립니다. [N8N으로 구현하는 나만의 RAG 시스템: 벡터 검색부터 AI 응답까지] 강좌에서 pdf 같은 텍스트 자료를 구글드라이브에서 가져오지 않고 n8n으로 바로 업로드 해서 활용하는 방법은 없을까요? railway에서 n8n을 호스트하다보니 Extract from File 노드에서 DOMMatrix is not defined 에러가 나와서요. 에러에 대해 찾아보니... 다음과 같은 DOMMatrix는 웹 브라우저 환경에 기본적으로 내장된 그래픽 관련 API입니다. 웹페이지에서 2D 및 3D 그래픽 변환을 처리하는 데 사용됩니다.pdf-parse 라이브러리의 특정 버전은 PDF 내부의 그래픽 요소를 처리하기 위해 브라우저에만 존재하는 이 DOMMatrix를 사용하려고 합니다.하지만 n8n 워크플로우는 서버(Node.js) 환경에서 실행됩니다. 서버 환경에는 그래픽을 렌더링할 화면이 없으므로, 당연히 DOMMatrix와 같은 브라우저 전용 API가 존재하지 않습니다 (is not defined).)라고 나와서 Extract from File 노드가 서버환경에서는 제대로 작동을 하지 않는 것 같습니다. 개인컴에 설치한 것과 환경이 달라서 종종 애를 먹고 있습니다. 제 컴이 old 해서 n8n을 돌리기에는 GPU가 역부족이라서요...ㅜㅜ

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요강사님 현재 순차적으로 강의 듣고 있는데 각 작업형 섹션 끝나고 바로 모의 문제들이 있고, 기출문제는 밑에 있는데 이 순서로 듣는게 맞나요? 기출문제를 먼저 듣는게 맞다고 생각되는데 그냥 순서대로 쭉 들으면 되는건지, 아니면 기출부터 듣는 게 맞는건지 궁금합니다.수강순서에 관한 가이드를 찾아봐도 없길래 여쭤봅니다.

git : https://github.com/ture403/next_appRoute 입니다.현재버전 :에러:이건 search/page.tsx 입니다.import BookItem from "@/components/book-item"; import BookListSeletion from "@/components/skeleton/book-list-seletion"; import { BookData } from "@/types"; import { delay } from "@/util/delay"; import { Suspense } from "react"; async function SearchResult({ q }: { q: string }) { await delay(1500); const res = await fetch(`${process.env.NEXT_PUBLIC_API_SEVER_URL}/book/search?q=${q}`); if (!res.ok) { return <div>오류가 발생했습니다.</div>; } const searchDatas: BookData[] = await res.json(); console.log(searchDatas); return ( <div> {searchDatas.map((book) => ( <BookItem key={book.id} {...book} /> ))} </div> ); } export default async function Page({ searchParams }: { searchParams: Promise<{ q?: string }> }) { const params = await searchParams; // searchParams Promise를 await 합니다. const query = params.q || ""; // q 값을 추출하고, 없으면 빈 문자열을 사용합니다. return ( <Suspense key={query} fallback={<BookListSeletion count={3} />}> <SearchResult q={query} /> </Suspense> ); } 봐주시면 감사겠습니다.

카메라와 위치정보만 네이티브에서 권한 요청하고,화면이 전부 웹뷰로 구성되어있는 앱을 배포한다고 가정 했을때 ios 심사통과 가능성이 높은지 낮은지 궁금합니다.

 제2유형에서 시작전에train.info()test.info()하잖아요. 이후에 타입유형(int / float /object) 을 확인 한 후에 어떤 부분을 바꿔줘야하는건가요?  어차피 원핫인코딩 pd.get_dummies와 train, test = train.align(test, join ='left', axis=1, fill_value=0) 해주면 어느정도 형식이 정리되는거 아닌가요? 별도로 처리해줘야 할 게있는지 문의드립니다.

PMI CPMAI_v7 시험은 특히 AI 특화 프로젝트 관리에 익숙하지 않은 전문가에게는 중간 정도의 난이도로 느껴질 수 있습니다. 이 시험은 CPMAI(Cognitive Project Management for AI) 방법론, 데이터 중심 프로젝트 계획, 윤리적인 AI 구현 및 생애 주기 관리에 대한 이해도를 평가합니다. 많은 수험자들이 전통적인 프로젝트 관리에서 AI 중심 원칙으로의 개념 전환을 어렵게 느낍니다. 이 시험은 실제 AI 프로젝트에 구조화된 접근 방식을 얼마나 잘 적용할 수 있는지를 평가하므로, 이론적 지식과 실무 경험이 모두 필수적입니다.시험에 합격하기 위해서는 공식 CPMAI 방법론 프레임워크를 자세히 공부하는 것부터 시작해야 합니다. 여섯 가지 단계—비즈니스 이해, 데이터 이해, 데이터 준비, 모델링, 평가, 배포—에 집중하세요. 온라인 부트캠프, 사례 연구, 샘플 문제 등 신뢰할 수 있는 교육 자료를 활용하세요. CPMAI_v7 인증 시험을 위한 시나리오 기반 연습은 실제 AI 프로젝트에 이론을 적용하는 데 도움이 됩니다. 준비 과정과 시험 당일 모두 시간 관리가 핵심입니다. 스터디 그룹이나 커뮤니티에 참여하면 학습 속도를 높이고 다양한 사용 사례를 접할 수 있습니다. 집중적인 준비를 통해 시험에 합격하고 AI 프로젝트 리더십 분야에서 가치 있는 자격증을 얻을 수 있습니다.

import pandas as pd df = pd.read_csv("https://raw.githubusercontent.com/lovedlim/inf/refs/heads/main/p4/5_1/5-2bmi.csv") # your code print(df) df['bmi']= df['Weight']/(df['Height']*0.01*df['Height']*0.01) lbmi = df['bmi']<18.5 jbmi = (18.5<= df['bmi'])&(df['bmi']<23) hbmi = (23 <=df['bmi'])&(df['bmi']<25) print(len(df[jbmi]),len(df[hbmi])) print(abs(len(df[jbmi]) - len(df[hbmi]))) 결과값이 1다르게 나옵니다무엇이 잘못된건지 잘 모르겠습니다ㅜ

SwiftData를 사용해서 TodoList 앱을 만들어보는 중입니다. 강의를 듣기 전에 복습 차원에서 먼저 구현해봤는데, 예상과 다른 동작을 발견했습니다.처음에는 데이터를 저장하기 위해 modelContext.save()를 명시적으로 호출해야 할 것이라고 생각했습니다. 그런데 실제로 코드를 작성하고 테스트해보니, .save() 메서드를 호출하지 않아도 데이터가 자동으로 저장되고 있었습니다. SwiftData에서 데이터가 자동으로 저장되는 특정한 시점이나 이벤트가 있나요?import SwiftUI struct TodoDetail: View { @Binding var todo: TodoList @Environment(\.modelContext) private var modelContext var body: some View { VStack { // placeHolder 작성 TextField("할 일을 입력하세요", text: $todo.title) .font(.title2) .padding(10) .overlay( RoundedRectangle(cornerRadius: 10) .stroke(style: StrokeStyle(lineWidth: 1)) ) TextEditor(text: $todo.todoDesc) .padding(10) .overlay( RoundedRectangle(cornerRadius: 10) .stroke(style: StrokeStyle(lineWidth: 1)) ) } .padding() .navigationTitle("할 일을 작성하세요.") .toolbar{ ToolbarItem{ Button("저장") { do { // try modelContext.save() } catch { print("Error Context Save: \(error)") } } } } } } /// 코드 셍략 

실기 시험때 종이에 필기가 가능한가요??

import pandas as pd from statsmodels.formula.api import logit from sklearn.metrics import accuracy_score # 1. 로지스틱 회귀 모델 적합 (test로 직접 학습 — 실전에서는 train 사용 권장) model = logit('target ~ age + sex + cp + trestbps + chol + fbs + restecg + thalach + exang + oldpeak + slope + ca + thal', data=test).fit() # 2. 예측 수행 (test 그대로 사용) pred_probs = model.predict(test) pred = (pred_probs > 0.5).astype(int) # 3. 정확도 → 오류율 계산 error_rate = 1 - accuracy_score(test['target'], pred) print(f'오류율: {error_rate:.4f}') Optimization terminated successfully. Current function value: 0.310865 Iterations 8 오류율: 0.1034  # model = logit('target~age+sex+cp+trestbps+chol+fbs+restecg+thalach+exang+oldpeak+slope+ca+thal',test).fit() import statsmodels.api as sm X2 = test.drop(columns = ['target']) X2 = sm.add_constant(X2) pred = model.predict(X2) pred = (pred>0.5).astype(int) pred from sklearn.metrics import accuracy_score 1-accuracy_score(test['target'],pred) 0.1954022988505747 문제는 test데이터의 독립변수로 target 예측 후 오류율을 구하여라 입니다. 근데 로짓이랑 sm이랑 차이가 좀 심하게 나는데 원래 로지스틱 회귀분석할때 sm으로 해야하나요..?

test data는 이상치와 결측치가 있어도 행을 삭제하면 안 된다고 하셨는데 그럼 만약에 이상치 혹은 결측치가 하나 정도 있어도 그냥 무시하고 진행해도 되나요?

test_size값을 항상 0.2로 해왔었는데 어떤 기준에 따라 조정하는 건지 궁금합니다!그냥 시험에서도 0.2로 해도 될까요?

질문 답변을 제공하지만, 강의 비용에는 Q&A는 포함되어 있지 않습니다. 다만 실습이 안되거나, 잘못된 내용의 경우는 알려주시면 가능한 빠르게 조치하겠습니다![질문 전 답변]1. 강의에서 다룬 내용과 관련된 질문인가요? [예 | 아니요]2. 인프런의 질문 게시판과 자주 하는 질문에 없는 내용인가요? [예 | 아니요]3. 질문 잘하기 법을 읽어보셨나요? [예 | 아니요](https://inf.run/DvsRD)4. 잠깐! 인프런 서비스 운영 관련 문의는 1:1 문의하기를 이용해주세요.5. vagrant up 에서 발생하는 문제는 주로 호스트 시스템(Windows, MacOS)과 연관된 다양한 조건에 의해 발생합니다. 따라서 이를 모두 제가 파악할 수 없어서 해결이 어렵습니다. vagrant up으로 진행이 어렵다면 제공해 드리는 가상 머신(VM) 이미지를 import해서 진행하시기 바랍니다. (https://inf.run/Ljaer)[질문 하기]tabby를 실행해도 아무런 반응이없습니다. 다른 게시글을 확인해봤을때 저와 같은 사례가 몇개 있는거 같지만 명확한 답이 작성되있질않내요. tabby라는 오류 메세지라던지 특별한 메세지가 나와야 검색을 해볼텐데 그냥 무작정 응답이 없습니다. 어떻게 해결해야하나요

제2유형에서, 데이터 과적합에 영향을 줄 수 있는 열은 drop 진행해야 되나요? 일반적으로 실제 시험에는 drop을 대부분 안하고 시험문제 푸는 것 같은데 시험이 며칠 안남아서 랜포+원핫인코딩만 달달외우고 시험보는데 drop별도로 공부해야하나 문의드립니다 ㅜ_ㅠ  

아래와 같이 train과 test를 합해서 스케일링과 인코딩을 모두 진행할 경우, 각각 진행하는 것과 차이가 있나요?그리고 스케일링과 인코딩에 추천하는 함수가 있으신가요?df= pd.concat([x_train, x_test], axis=0) num = df.select_dtypes(exclude='object').columnsfrom sklearn.preprocessing import RobustScalerscaler = RobustScaler()df[num] = scaler.fit_transform(df[num]) objs = df.select_dtypes(include='object').columnsfrom sklearn.preprocessing import LabelEncoderfor obj in objs :encoder = LabelEncoder()df[obj] = encoder.fit_transform(df[obj]) x_train2 = df[:len(x_train)]x_test2 = df[len(x_train):]

VPC CIDR이 Minimum 이 /28인경우가 이해가안가서요,,,Class c 1바이트 마다 아래처럼 구성되어있다고치면,네트워크 | 네트워크 | 네트워크 | 호스트인데 지금 섭넷팅이 된거겠죠? /28이라하면?그러면 2의 사승 16만큼 사용 가능할테고,강의마지막을 보니 AWS는 아키테쳑에서 bit 5개가 예약이죠.질문은 왜이게 Minimum이 되나요?사실 2개의 호스트만 있어도 되지않나 해서 총 minimum이 /29이어도 되지 않나 생각해봤습니다. (사실 굳이 그럴필요도없지만요,,,)즉 2의 3승 8 -5 는 3개의 호스트로 네트워크가 가능하니까요?즉 섭넷은 2의 13승8192개로 호스트 3개씩 돌릴수있다고 생각하거든요,,같은 이유로 Maximum또한 궁금합니다.Class A는네트워크 호스트 호스트 호스트 인데그러면 8비트인데 이거는 AWS VPC의 범위밖이면 class A는 못쓰나요?