강의를 듣다보면 baseline이라는 단어를 여러번 언급하시는데정확히 무슨 뜻인지 모르겠습니다 ㅠㅠ 강의를 꼼꼼히 듣는다고 들었는데 어디서 놓친지 모르겠네요 ㅠㅠ검색해도 안나오니 답답해서 여기 문의드립니다..

double을 float로 변환할 때 float의 가수부가 저장할 수 있는 23비트를 초과하면 23비트까지 저장하고 초과한 부분은 모두 절삭된다고 하는데 맞는건가요?? 절삭이 되면 항상 값이 줄어야 하는데 아래 코드로 해보니 결과가 좀 다르게 나와서요..#include <stdio.h> int main() { double d1 = 3.1415928; float f1 = d1; printf("%.7f\n", d1); printf("%.7f\n", f1); double d2 = 3.1415929; float f2 = d2; printf("%.7f\n", d2); printf(".7f\n", f2); }; double형 3.1415928를 float로 변환하면 3.1415927로 값이 줄어서 나오는데double형 3.1415928를 float로 변환하면 3.1415930으로 값이 증가해서 나옵니다..왜 이렇게 나오는지 알 수 있을까요?? 3.1415928≈11.00100100001111110110101010000010이며 이 중 가수부로 저장되는 비트는 00100100001111110110101이고 나머지 010000010는 버려진다는 것과3.1415929≈11.00100100001111110110101010000011이며 이 중 가수부로 저장되는 비트는 00100100001111110110101이고 나머지 010000011는 버려진다는 것인데버려지는 비트를 제외하고 저장되는 값은 11.00100100001111110110101로 똑같은데 왜 변환된 값은 3.1415927과 3.1415930인지 잘 모르겠습니다.

여기서 보면 textField 라는 함수를 생성만 해놓았는데?왜 동작을 하게 되는 거죠?그러니까 함수를 호출해야 동작하는 거 아닌가요?함수를 호출하는 역할을 하게 되는게 textfield를 누르거나 글자나 숫자를 입력하거나 하는 행동이 호출하게 되는 건가요? 유사한 질문이 있었는데.. 이해를 못했어요  

저는 지금 AIOkafka를 사용하고 있는데 commit()을 해주면 종종commit cannot be completed since the group has already rebalanced이 에러가 나오더라구요찾아보니 aio는 자동으로 리밸런싱 해서 그렇다는데 그렇다면 commit을 어떻게 써야 중복도 안되고 자동 리밸런싱으로 오류도 안생길까요?

test와 train데이터가 아닌,X_test, X_train, y_test, y_train으로 할 때에 검증데이터와 훈련데이터를 어떻게 나누는지가 헷갈립니다ㅠㅠ훈련값에 id를 포함하지 않고, 타겟값에 y_train을 전체 넣는 건지, 혹은 타겟값에 y_train 중 'output'만 넣어야하는지 궁금합니다..!!!

강의 내용 TodoInput.vue 파일 중<input type="text" v-model="newTodoItem" v-on:keyup.enter="addTodo">부분에 v-model="newTodoItem" 을 사용하였습니다.이는 data 속성에 사용되었는데<input v-model="newTodoItem">computed:{ ...mapState(['newTodoItem'])}다음과 같은 느낌으로 v-model은 왜 state를 사용하지 않는 이유가 따로 있는지 궁금합니다!개인적으로 실험해봤을 때는 readonly로만 사용하라고 되어있는데 스택오버플로에선 사용한 사람도 있는 것 같기도 하고 무엇이 맞는지 궁금해용

drf + react 로 배포 고민이 있는데요 혹시 참고할만한 강의 있을까요?그리고 portone 결제 강의 들었는데 drf 버젼으로 강의 만들어서 배포까지 가르치는 강의 계획은 없으신가요? 아니면 fastapi나 django ninja + react 강의는 계획 없으신가요?

문제 링크가 서로 바뀐 것 같습니다. IDE 내의 파일 번호도 서로 바뀐 것 같아요.identity function을 활용해서 object key 타입 추론하기 - 문제 풀기identity function를 활용해서 object 내 다른 Key의 값 타입 추론하기 - 문제 풀기

안녕하세요 선생님 평가지표 강의 다중 분류 확률값에 대해 질문 있습니다.'ovo' 방식 roc_score_ovo = roc_auc_score(y_true_onehot, y_pred_proba, multi_class='ovo') print("ROC AUC (OvO):", roc_score_ovo) # 'ovr' 방식 roc_score_ovr = roc_auc_score(y_true_onehot, y_pred_proba, multi_class='ovr') print("ROC AUC (OvR):", roc_score_ovr)확률값을 구할때는 pred_proba에서 어떤 확률값을 구하는지 pred.proba[:,1] 이렇게 지정해줬던거 같은데 다중확률에서는 이렇게 안하는건가요??# 다중분류 데이터(확률값) y_true_str = pd.DataFrame(['A', 'B', 'C', 'A', 'B']) # 실제값 y_pred_proba = pd.DataFrame([[0.2, 0.5, 0.3], [0.7, 0.2, 0.1], [0.4, 0.3, 0.3], [0.4, 0.1, 0.5], [0.1, 0.8, 0.1]], columns=['A', 'B', 'C']) # 예측값(각 클래스 확률) # 인코딩된 순서와 확률 컬럼 순서가 같인지 확인 print("y_true의 원-핫 인코딩된 컬럼 순서:", y_true_onehot.columns) print("y_pred_proba의 컬럼 순서:", y_pred_proba.columns)2 . 실제 문제를 풀 때는 pred_proba값이 배열 형태로 되어 있어 컬럼값이 지정이 안되어 있을텐데 이 때는 컬럼 순서가 같은지 어떻게 확인을 해야 하는 건가요??

stackblitz에 공유해주신 링크대로 따라가는데, 28-constraints-with-const-annotations.solution.1, 2 파일에서 제네릭에 설정한 const의 에러가 발생합니다. export const narrowFruits = <const TFruits extends FruitsConstraint>( t: TFruits ) => t; A 'const' assertions can only be applied to references to enum members, or string, number, boolean, array, or object literals.(1355)

18:00 부분에서 왜 변수로 안하고 객체로 하는 게 더 효율성이 좋은 건가요? 유지보수 때문인가여...???

package.jsonnode_modules, yarn.lock 지우고 다시 깔아보고 라이브러리 버전 맞춘거 같은데 yarn run start가 안돼요 tsconfig.jsoneslintrc.jstsconfig.json, eslintrc.js 느낌상 이쪽 문제 같은데 어딘지 모르겠습니다여기 폴더 인터넷 찾아보고 조금 수정했는데 모르겠어요어느순간부터 오류 놓쳤는데 어딘지 모르겠어요

안녕하세요, 실무에서 next.js를 이번에 사용할려고 강의를 듣고있습니다.강의 초반부에 SSR의 경우 (getServerSideProps) API 응답 속도에 따라 렌더가 되지않아 가급적 자제하라고 본 것 같은데,실무에선 사실 컴포넌트 내에서 API요청량이 많을텐데 보통 어떤식으로 구현하시는지 궁금합니다보통 getServerSideProps 에서 API 통신을 하고 props로 넘겨줘서 쓰는지 ? 아니면 CSR방식으로 일반 컴포넌트 내에서 API통신을 하는지 ? 도 궁금합니다.2번 질문에서 CSR방식으로 컴포넌트 내에서 API통신을 한다면 next.js를 쓰는 장점은 비동기 데이터 dom들을 제외한 html을 서버에서 렌더링해준다는게 장점일까여?

문제에 '외부 공급자의 서비스에 연결해야 합니다.' 라고 되어있는데VPC피어링, VPC엔드포인트, AWS PrivateLink가 다른 클라우드 플랫폼 VPC나 온프레미스 네트워크와도 호환(?)되는 기능인가요? 

만약 다음과 같이, 서버에서 multicast RPC 호출을 진행하는 로직을 함수 내부에서 작성했고, 함수 내 로직을 RPC 호출 전, 후 2개로 나눈다면(로직 1 -> 로직 1 내부 RPC 호출 -> 서버 _Imple 실행, 클라에 Imple 실행 명령 -> 로직2 실행) 인 것인가요? 아니면(로직 1 -> 로직 1 내부 RPC 호출 -> 서버 Imple 실행 -> 로직2 실행 -> 나중에 패킷 보낼때 클라의 Imple 실행 명령 보냄) 인 것인가요? 궁금합니다. 만약 RPC가 아닌 Property Relication인 경우에는 두번째 방식과 비슷한 것 (나중에 패킷 보낼때 보냄)이라고 이해 했는데요,RPC일 경우에는 어떤 플로우가 맞나요?둘중에 하나가 맞다면, Server, Client RPC들도 같을까요? 

화면에서 보여주시는 내용정리된 노트?는 어디서 볼수있나요?

46_MVC03에 JSTL 적용하기를 듣고 만들어 보는 중에 forEach문 items="" 에서이런식으로 찾을 수 없는 변수라고 뜨네요.controller에서 포워드하고 JSTL 쓰기 전 까진<% %>이 안에서 request.getAttribute("members")로 잘 불러왔는데 어떤 점이 문제인지 모르겠습니다.ㅠㅠ

import pandas as pdtrain = pd.read_csv("train.csv")test = pd.read_csv("test.csv")train.isnull().sum()train =train.drop(["name", "host_name", "last_review"], axis=1)train["reviews_per_month"] = train["reviews_per_month"].fillna(train["reviews_per_month"].mean())test =test.drop(["name", "host_name", "last_review"], axis=1)test["reviews_per_month"] = test["reviews_per_month"].fillna(test["reviews_per_month"].mean())cols = train.select_dtypes(include = "object").columnsfrom sklearn.preprocessing import LabelEncoderfor col in cols: le = LabelEncoder() train[col] = le.fit_transform(train[col]) test[col] = le.transform(test[col])from sklearn.model_selection import train_test_splitX_tr, X_val, y_tr, y_val = train_test_split(train.drop("price", axis =1 ), train["price"], test_size=0.1, random_state=2022)from sklearn.ensemble import RandomForestRegressorrf = RandomForestRegressor()rf.fit(X_tr, y_tr)pred = rf.predict(X_val)pred = rf.predict(test)submit = pd.DataFrame({"id":test['id'], "price": pred})submit.to_csv("990906.csv", index=False) csv를 읽었더니 id price34323697 259.0129927138 115.78 이런식으로 price가 소수점으로 나오는데 어디 코드에서 틀린걸까요? 

동작을 갖는 변수라는 점에서 자바의 람다와 동일한 개념인것 같다고 생각되는데 맞나요??

많은 리스트와 딕셔너리들이 서로 nested되면 나중에 진짜 track하기 힘들지 않을까 하는 생각이 드는데요이런것들을 시각화하거나 관리하기 편하게 해주는 모듈이 있나요?현업에서는 어떤식으로 이런 구조를 사용하시는지 궁금해요~