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( 

01_CDN 이라는 폴더가 소스코드 다운로드 받았을 때 아무리 찾아도 없습니다..

선생님 1-2의 데이터는 행이 100개라서  #앞에서부터 순서대로 80% 데이터만 활용 df = df.iloc[:80] before = df['f1'].std() #f1컬럼의 결측치를 채우기 전의 표준편차 #f1중앙값 df['f1'] = df['f1'].fillna(df['f1'].median()) after = df['f1'].std() print(abs(after - before))이런식으로 코드를 작성했는데왜 답이 0으로 나올까요?

웹소켓 커넥션은 유지되어 데이터까지 들어오지만 view update는 브라우저 focus되어야만 발생하는걸 보여주셨는데요 원인과 대중적인 해결방법이 있는지 궁금합니다(사파적 방식x, 대중적인 정파적 방식o)

디버거는 내 pc와 mcu를 연결하는 usb같은 하드웨어 부품이라고 하셨으면 디버깅은 ide안에 있는 브레이크포인트 찍거나 live,expression과 같이 값이 어떻게 변하는지 보는 ide내에 있는 기능인가요?

안녕하세요데이터 전처리 과정에서 궁금한 사항이 있어서 질문 드립니다.결측치 처리할 때 결측치가 있는 컬럼들을 그냥 다 삭제를 해도 되는건가요?결측치를 다른값으로 채우는 방법도 있는데 어떤 컬럼은 삭제하고 어떤 컬럼은 다른 값으로 채우는지 기준을 잘 모르겠습니다.(그래서 결측치가 있다면 그냥 다 삭제하는 방법으로 진행해도 되는지 궁금합니다.)

안녕하세요.강의 잘 듣고 있습니다!http,websocket의 비교 강의를 듣다가 갑자기 궁금한게 생겼는데요.http 통신의 경우 요청을 보내는 쪽은 클라이언트로 정해져 있는 것 같은데, 웹 소켓 통신을 위해 클라이언트와 서버가 연결을 맺을 땐 연결 요청 주체는 항상 클라이언트라고 보면 될까요? 반대로 서버가 클라이언트에게 연결 요청을 보낸 후 클라이언트와 웹 소켓 연결이 될 수도 있나요??

제가 뭘 잘못 설정했는지 아니면 버전 문제인지 파악하기 어려운 상태입니다.  잘 따라한거 같은데 혹시 5.6 버전에서도 networking insights 가 정상 작동하나요?

useEffect가 잘못짜면 디버깅이 골치아파서 관리에 신경을 쓰는데요. 제로초님의 useEffect 사용패턴이 궁금합니다 deps가 같은 것 끼리는 전부 묶어둔다deps가 같아도 로직 범주가 다르면 분리한다 저는 보통 2번을 선호하는데 useEffect 많아져서 드러워집니다. 그렇다고 1번은 더 머리가 아픈데,, 제로초님의 기준이나 이 문제에 대한 나름의 best practice가 있으신지 궁금합니다  

안녕하세요. chatGPT로 엑셀 작업하기에서 GPT가 세부지침에 따라 엑셀파일을 만들어줬는데요. 그 엑셀파일에서 데이터들은 GPT가 임의로 만든 데이터인가요? 아님 제가 자료를 첨부하는건가요?

혹시 깃헙 주소는 알 수 없을까욥..?

로지스틱 회귀분석 강의가 줄어든것 같은데 어디서 더 확인할 수 있을까요?작업형3 요약해 주신것에는 오류율, AIC, BIC, 잔차, 로그우도, 잔차이탈도 등이 있는데강의가 없어서 문의 드립니다.

수업자료에서 커맨드 복사하여 노드 설치를 해봤는데, 이렇게 에러가 나네요.. 루트 유저로 로그인 중입니다. 다른 인스턴스로 시도해 보니, 이렇게 문제가 나오네요. 처음에도 이런 에러가 나왔던 것 같습니다.  

import pandas as pd train = pd.read_csv("https://raw.githubusercontent.com/lovedlim/inf/main/p2/heart/2files/train.csv") test = pd.read_csv("https://raw.githubusercontent.com/lovedlim/inf/main/p2/heart/2files/test.csv") # train = pd.read_csv("train.csv") # test = pd.read_csv("test.csv") train.info() train.describe() test.info() train.isnull().sum() y_train = train.pop('output') #원-핫 인코딩 train_oh = pd.get_dummies(train) test_oh = pd.get_dummies(test) data = pd.concat([train,test],axis=0) data_oh = pd.get_dummies(data) train_oh=data_oh.iloc[:len(train)] test_oh=data_oh.iloc[len(train):] #데이터 분리 from sklearn.model_selection import train_test_split X_tr,X_val,y_tr,y_val=train_test_split(train_oh,y_train,test_size=0.15,random_state=0) print(X_tr.shape,X_val.shape,y_tr.shape,y_val.shape) from sklearn.ensemble import RandomForestClassifier from sklearn.metrics import roc_auc_score, f1_score, accuracy_score rf = RandomForestClassifier(random_state=2022, max_depth=5, n_estimators=400) rf.fit(X_tr, y_tr) pred = rf.predict(X_val) pred_proba = rf.predict_proba(X_val) print(roc_auc_score(y_val, pred_proba[:,1])) print(f1_score(y_val, pred)) print(accuracy_score(y_val, pred))이 코드를 여기까지 실행했을때 위의 사진처럼 과적합이 발생한거 같은데 무엇을 조정하면 좋을지잘 모르겠습니다. 그리고 id컬럼은 삭제를 안하고 진행을 해왔는데요! 이 영향때문에 과적합이 나오는 것인지 궁금합니다