colab 프로그램 설정 관련 안내는 어디서 확인하면 되나요?

22번 STM32F103: PIN Names,Pakage info강의 8:00분에 임의로 강의자료가 수정되어지는 구간이 있습니다. 이 부분 수정해주시면 감사하겠습니다.

시험중 Encase process 기능을 한번도 못써먹었네요100프로에서 넘어 가질 않더군요..그래서 여러개 돌려서 라는 그런것인가라는 생각에 체크를 다 해제하고 하나씩 체크해서 프로세스 기능을 돌려도 똑같이 100프로에서 멈췃고 중간에 save를 누르면 encase가 뻗어버리는 현상이 있었습니다.원래 100프로에서 무언가를 눌러야하는것인가요? 아니면 시험장 장비가 이상한것인가요?

ollama가 제 컴퓨터에선 구현이 되어서 llm model 을 gpt대신 연결해보았씁니다. llama 3.2는 한글만 내뱉지 않아서, exaone3.5를 다운받아 적용해보았습니다. 혹시 ollama외에서 다른 더 나은 모델들을 무료로 사용해볼 수 있을까요??이렇게 ollama를 사용할 경우엔 serpAPI와 연동이 안되더라구요. GPT로하니까 연결이 되던데 이건 혹시 무슨이유인지 알 수 있을까요??

매번 패킷을 보낼 때마다 byte 배열을 할당해서 그 참조를 Session의 Send 함수로 전달하면 굳이 SendBuffer로 값을 한번 더 복사하는 과정 없이도 동작할 것 같습니다.그런데도 SendBuffer라는 클래스를 만들어서 관리하는 이유는 잦은 배열 할당으로 인한 Memory Fragmentation를 최소화하기 위함인가요?

기출7(회귀)에서 아래와 같이 풀이되어있는데# 4. 데이터 전처리 # 원핫인코딩 train = pd.get_dummies(train) test = pd.get_dummies(test) # 5. 검증 데이터 분할 from sklearn.model_selection import train_test_split target = train.pop('total') X_tr, X_val, y_tr, y_val = train_test_split(train, target, test_size=0.2, random_state=0)# 4. 데이터 전처리 # 원핫인코딩 target = train.pop('total') train = pd.get_dummies(train) test = pd.get_dummies(test) # 5. 검증 데이터 분할 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)이 방식이 더 추천되는 방식이라 이해하면 될까요?

안녕하세요, 강의에서 보여주신 그래프를 실제 앰플리튜드, GA에서는 어떤 명칭으로 불리나요?참고 : 아하 모먼트를 찾기 위해, 최상위 리텐션 그룹의 액션을 3개 쪼갠 data table 인 것 같은데, 데이터 분석 툴에서 직접 구성하신건가요?

강사님과 연락할수 있는 방법이 있을 까요? 오늘 시험 쳤는데 질문이 많습니다...

'문제에서 2번에서 구한 합동 분산 추정량을 이용하여'라고 되어 있는데, 정확하게 무슨 내용인지 이해가 안 됩니다.풀이하신 내용을 보면 독립표본검정 시 1번 그룹의 Resistin과 2번 그룹의 Resistin으로 검정을 수행하시던데.. 합동분산추정량이라면 말씀하신 공식대로 자유도와 분산을 통해 계산을 해야하는데, 1번 그룹의 Resistin과 2번 그룹의 Resistin은 자유도 반영이 안 된 것 아닌가요 ? 문제가 너무 헷갈리네요 ㅜㅜ어떻게 이해하는게 좋을까요 ?

Mac OS 기반 맥북으로 수강하고 있는 학생입니다.VS code가 강의하실 때의 윈도우 기반 vs code랑 사뭇 다르네요.. 처음에 VS code 설치 후 기본 설정과 단축키도 다르고 _getch()도 맥에서는 오류가 뜨고 여러모로 윈도우가 아니여서인지 제한 사항이 많네요.디버깅 예시 보여주시면서 메모리랑 같이 설명하실 때 저는 도저히 어디서 메모리와 주소를 찾아야 할지 모르겠더라구요..혹시 Mac OS 기반도 어떻게 설정하시는지 알 수 있을까요?

3번 문제를 아래와같이 풀었더니 답이 다릅니다어디가 틀린걸까요?

  $ kill-9 ... 재밌는, 지향하는 뜻이 맞는 강의다... 고맙다... 나는 자바 처형자이지만 코틀린도 처형하고 싶고 스프링 배치도 처형하고픈 의욕만 많고 알맹이는 없는 2년차 개발자... 강의를 보고 코틀린으로 연습한 코드를 학습기록 목적으로 깃헙에 올리고 싶다... 이렇게하면 공부가 더 잘될거 같...   그래서 아래 조건에 따른 깃헙 퍼블릿 리파지토리를 생성하는데 있어서 괜찮은지 허가를 받고 싶다... - 언어를 코틀린으로 작성한다. - 코드 외 강의 내용을 그대로 또는 이를 재해석한 내용을 주석이나 설명 등으로 올리지 않는다. - 게시한 리파지토리의 링크를 지식제공자 KILL-9에게 공유한다. - 지식제공자는 리파지토리의 특정 내용 제거 또는 판단하에 비공개처리 요청이 가능하다.   요즘 많이 바빠보인다... 날도 더운데 만수무강하길 바란다... $ (대충 치지직 하고 기계음으로 변조로 몇마디 하다가 rm -rf 으로 끝 맺는 내용)

오픈 카카오톡으로 문의주시면 더 빠르게 답변 받으실 수 있어요 :)

안녕하세요강의 잘 듣고 있습니다."5. websocket, stomp 비교" 강의 6:07초에 STOMP 흐름에서 궁금한 점이 있습니다!방법1"(클라이언트 1-> 서버)로 연결 요청 및 특정 room 구독"으로 되어 있어서 서버를 통해 브로커를 거쳐 구독하는 방법방법2"(클라이언트 2 -> 브로커)로 연결 요청 및 특정 room 구독"에서는 클라이언트 2는 웹 소켓 서버로 다이렉트로 전달하지 않고, 바로 브로커에게 요청을 보내는 방법질문두 가지 방법으로 요청을 할 수 있는건가요?두 방법의 차이는 무엇인가요??  

(언리얼 버전 5.5, 5.6 로 테스트해본 결과)C7595 스트링 관련 에러인것 같습니다.  무엇이 문제인지 궁금합니다.

현재 데스크톱과 노트북 두 곳에서 모두 작업을 번갈아가며 하기에 n8n을 함께 이어서 활용하고 싶은데 각 도커로 호스트를 하면 독립적인 공간이 되는건가요?? 노트북을 키지 않고는 데스크톱으로 노트북과 같은 환경에서 N8N 작업을 이어서 할 수 없는건지 궁금합니다.

어셈블리어를 작성할 때 저희가 만든 RAM이 16Byte이니까 16줄을 넘어가게 작성하면 안되나요?그리고 데이터를 저장하는 장소는 13~16줄 사이에 작성해야 하나요? 데이터를 저장할 수 있는 줄이 정해져 있는건지 궁금합니다.

파이썬에서는 a:b로 슬라이싱하면, 인덱스가 a인 데이터부터 b-1인 데이터까지 출력판다스의 .loc[a:b]에서는 a부터 b까지 출력이렇게 차이가 있는 것 맞나요...??

df.loc[:, '칼로리'] = df.loc[:, '칼로리'].astype('int')  이 코드로는 astype한 값이 입력이 안 되고, df['칼로리']로 했을 때만 입력되는 이유가 있을까요??

안녕하세요체험 환경에서 xgb 모델 사용 시, 다음과 같은 에러가 발생하는데 괜찮을까요?테스트 케이스 추가해서 돌려봤을 땐 에러가 안 뜨긴 해요..! /usr/local/lib/python3.12/site-packages/xgboost/core.py:265: FutureWarning: Your system has an old version of glibc (< 2.28). We will stop supporting Linux distros with glibc older than 2.28 after May 31, 2025. Please upgrade to a recent Linux distro (with glibc 2.28+) to use future versions of XGBoost.Note: You have installed the 'manylinux2014' variant of XGBoost. Certain features such as GPU algorithms or federated learning are not available. To use these features, please upgrade to a recent Linux distro with glibc 2.28+, and install the 'manylinux_2_28' variant. warnings.warn(