안녕하세요, 좋은 강의 감사합니다.쉬운 예제코드와 그림설명 덕분에 Java 8 stream API, Spring Batch ItemStream 과 대조해가며 쑥쑥 이해하고 있습니다. ContextAPIExmaple02 에서 궁금한 점이 있습니다.contextWrite() 호출 순서에 의문이 생겨 순서를 변경해보니, 무조건 아래에서 위로 진행되는 걸로 확인되었습니다. 이 규칙이 적용되는 원리가 궁금합니다. 현재 추측하기로는 "subscription signal 에 따라 upstream 으로 이동하는 operator 들은 모두 아래에서 위 순서대로 이동(반전)된다." 인 것 같은데, 확신이 생기지 않습니다.참고 할 수 있는 자료나 내부 클래스가 있을까요?  

안녕하세요!실습문제 풀다가 질문이 있어서 올려봅니다제가 코드를 작성할때는 흐름대로 쭉 작성하고마지막에는 간결하게 줄일 수 있는 부분은 줄여서 표현하고 있는데, 이게 저는 흐름대로 쭉 작성을 하고나서 변수를 합치거나 하니깐 괜찮은데 동료들이 이 코드를 보게 되면 변수를 선언하지 않고 합쳐서 표현해놓는 경우 이해가 바로 안되는 경우가 있을 수 있을거 같은데, 이런 경우에는 합치지 않고 두는게 좋을까요? 영한님이 생각하시는 운영관점에서 인라인 활용에 대해 궁금합니다!

안녕하세요 강사님! 다름이아니라 시험이 얼마남지않아서 작업형 3유형의 가설검정 부분을 포함한 모든 심화부분까지도무조건 숙지해야할지 질문드립니다! 정말 딱 합격만을 목표로 하고있습니다! 

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요타겟변수 value_counts로 어떤정보를 보려고 하는것이며 정보에따라 전처리시 달라지는게 있을까요?

안녕하세요. 영상에 나오는 notion URL이 다릅니다.https://picturesque-staircase-f6e.notion.site/SpringCloud-MSA-e8692d14d37f4ff3be4874321e9b5077에는 Apigateway yml 환경설정 파일이 안보입니다.그렇다고 일일이 MSA- 다음에 나오는 걸 타이핑해서 들어가 볼 수도 없구요.제가 잘못 알고 있는 건가요?강의 하단에 노션 링크가 별도로 있거나 쉽게 들어갈 수 있게 되어 있으면 좋겠습니다.

'Call n8n Workflow Tool' 이 작동을 거의 안합니다. 10번이상 질문했는데, 1번만 서브 워크플로우 툴이 돌아가고, 나머지는 돌아가지가 않습니다만... ai 가 알아서 그렇게 선택을 하는것인지무조건 워크플로우가 돌아가게 할수 있는지 여부 등 알아야할점이 있는지 문의드립니다.  감사합니다.

각각의 프로세스들이 고유한 vms를 4gb씩 가진다는 말씀이신가요??아니면 프로세스를 전체가 가질 수 있는 vms의 총합이 4gb라는 말씀이신가요??

안녕하세요. 강의 너무 잘 듣고 있습니다.궁금한 점이 생겨 질문을 드리게 되었는데요.3-1강의 1:00에서 데이터가 하나의 모듈 안에 모여있으면 코드를 수정하기가 어렵다고 하셨는데, 이 부분이 잘 이해가 되지 않습니다.지금까지 데이터와 프로세스를 서로 다른 모듈로 분리시킨 절차적인 방식에서 프로세스 로직을 데이터를 구현한 모듈로 이동시켜 하나의 모듈 안에 넣는 작업을 했는데, 이와 모순되는 것 같아서 혼동이 왔습니다.말씀하신 내용이 모든 로직과 데이터를 설계없이 하나의 모듈에 모두 넣은 경우를 말씀하시는 걸까요?감사합니다 :)

안녕하세요 혹시 해당 강의에 GitHub 주소나 자료가 따로 없을까요..?

RedisTemplate<String, String> 빈으로 등록하지 않고 생성자 주입으로 사용하던데 빈으로 등록하지 않아도 스프링 내에서 자동으로 빈 등록해주나요?

톰캣 404 오류떄매 미치겠습니다. 해당 부분대로 따라하고 서버 빌드해도 자꾸 안되네요. 티스토리 싹다 뒤져도 안고쳐져서 원인파악을 계속못하고있습니다.path경로 다 바꾸고 했는데도안되네요.ㅠㅠ

안녕하세요,강사님 리엑트 코드와 똑같이 만들었지만페이지가 이상하게 나옵니다. 요런 식으로 나오는데 추가적으로 만져야 할 게 있을까요?제 패키지 파일 공유드립니다.{ "name": "login_react", "private": true, "version": "0.0.0", "type": "module", "scripts": { "dev": "vite", "build": "vite build", "lint": "eslint .", "preview": "vite preview" }, "dependencies": { "@emotion/react": "^11.14.0", "@emotion/styled": "^11.14.0", "@mui/icons-material": "^7.1.1", "@mui/material": "^7.1.1", "react": "^19.1.0", "react-dom": "^19.1.0", "react-router-dom": "^7.6.2" }, "devDependencies": { "@eslint/js": "^9.25.0", "@types/react": "^19.1.2", "@types/react-dom": "^19.1.2", "@vitejs/plugin-react": "^4.4.1", "eslint": "^9.25.0", "eslint-plugin-react-hooks": "^5.2.0", "eslint-plugin-react-refresh": "^0.4.19", "globals": "^16.0.0", "vite": "^6.3.5" } }

데이터 전처리 부분에서 원핫 인코딩을 진행하는데, 저는 object형 컬럼들을 따로 설정해서 원핫인코딩을 진행하였습니다. 하지만 강의에서는 따로 이런 것 없이 바로 원핫을 진행하였습니다.그런데 f1_score가 약 30%정도 점수가 차이나서 혹시 컬럼을 안지정하고 원핫을 하는게 맞는지 헷갈리네요! 항상 [작업형2]전처리 부분을 어떻게 해야할지 잘 모르겠습니다..

 from scipy.stats import shapiro cond_tree_A = df['종자'] == 'A' cond_tree_B = df['종자'] == 'B' cond_tree_C = df['종자'] == 'C' cond_tree_D = df['종자'] == 'D' cond_fert_1 = df['비료'] == 11 cond_fert_2 = df['비료'] == 12 cond_fert_3 = df['비료'] == 13 print(shapiro(df[cond_tree_A & cond_fert_1]['토마토수'])) print(shapiro(df[cond_tree_A & cond_fert_2]['토마토수'])) print(shapiro(df[cond_tree_A & cond_fert_3]['토마토수'])) print(shapiro(df[cond_tree_B & cond_fert_1]['토마토수'])) print(shapiro(df[cond_tree_B & cond_fert_2]['토마토수'])) print(shapiro(df[cond_tree_B & cond_fert_3]['토마토수'])) print(shapiro(df[cond_tree_C & cond_fert_1]['토마토수'])) print(shapiro(df[cond_tree_C & cond_fert_2]['토마토수'])) print(shapiro(df[cond_tree_C & cond_fert_3]['토마토수'])) print(shapiro(df[cond_tree_D & cond_fert_1]['토마토수'])) print(shapiro(df[cond_tree_D & cond_fert_2]['토마토수'])) print(shapiro(df[cond_tree_D & cond_fert_3]['토마토수'])) 단일표본검정, 대응표본검정, 독립표본검정, 일원분산분석에선 stats.shapiro() 괄호 안에 준비된 데이터에서 하나의 열만 들어갔는데,이원분산분석에서는 shapiro() 괄호 안에 df[cond_tree_A & cond_fert_1]['토마토수'] 이런식으로 들어가더라고요..제가 나름대로 이해해보려 했는데 이게 맞는지 궁금합니다. 종자, 비료 컬럼은 범주형 독립변수이기 때문에 정규성 검정을 할 수 없다.따라서 4개의 종자와 3개의 비료로부터 나올 수 있는 경우의 수(12가지) 모두에 해당하는 토마토수에 대해 정규성 검정을 한다. df[cond_tree_A & cond_fert_1]['토마토수'] 는 df에서 종자가 A이고 비료가 11에 해당하는 토마토수만 모아놓은 것이다.데이터 프레임에서 조건에 해당하는 특정 열의 데이터만 뽑아내려고 할때 df[조건]['열 이름'] 이런식으로 쓰면 된다.   

1.분류모델에서 검증데이터 분할시 stratify 옵션은 타겟변수명 넣으면 될까요?예)train_test_split(train,target,test_size =0.2 , random_state =2022, stratify =target) 2.분류모델에서 는 평가모델에 상관없이 무조건 사용해도되는지요?제약사항이 있는지 궁금합니다.

똑같이 따라했는데도 GA4 세션 캠페인이 전혀 안뜨는데 어떻게 해야 나올까요?gpt한테 물어보고 설정바꿔봐도 utm_campaign이 없는건지 안되네요

안녕하세요 강사님.해당 이미지와 같이 connect 에러가 발생하는데어떠한 조치를 취해야 할 지 답변 주시면 감사하겠습니다.

안녕하세요. 수업 잘 듣고있습니다.kubectl autoscale deployment php-apache --cpu-percent=50 --min=1 --max=10위 명령어를 통해서 eks 클러스터에 pod의 hpa를 설정한 것으로 이해했는데요.강사님께서 제공해주신 flexible.yaml 파일로 eks 클러스터를 구성했고 노드만 띄워져 있는 상황으로 인지했고, 그후에 부하분산기를 통해서 부하가 증가 됬을 때 pod의 숫자가 어떻게 증가되는건가요?!저희는 pod 관련된 정의를 하지 않았기 때문에,빈 깡통 node만 띄어져 있는 상황이 아닌가요??

안녕하세요, 강의 너무 잘 수강하고 있습니다.강의 수강 중 질문이 생겨서요refresh Token을 사용하지 않는 이유가 있을까요?access 토큰 하나를 하루의 유효기간을 부여해서 사용하는 이유가 궁금합니다.jwt 버전이 0.11.5로 진행해주셨는데0.12.x 버전도 있는 걸로 알고 있어요버전의 올라감과 동시에 로직의 변화도 있는 거로 알고 있습니다.요것도 0.11.x로 진행하신 이유가 궁금합니다. 

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요 이렇게 작성해도 감점 없을까요? 영상에 나온 rmse 값보다 훨씬 작습니다. (저는 rmse : 816.38 나옵니다) # 2. 탐색적 분석 / 결측치 채우기 # 환불금액# print(train.info())# print(train.head(3))# print(train.isnull().sum())# print(test.isnull().sum())a = int(train['환불금액'].mean())# print(a)train['환불금액'] = train['환불금액'].fillna(a)test['환불금액'] = test['환불금액'].fillna(a)train = train.drop('주구매상품',axis=1)test = test.drop('주구매상품',axis=1)# print(train.isnull().sum())# print(test.isnull().sum())# 3. 인코딩target = train.pop('총구매액')# print(target)train = pd.get_dummies(train)test = pd.get_dummies(test)# print(train.info())# print(test.info())# 4. 분할from sklearn.model_selection import train_test_splitx_t, x_v, y_t, y_v = train_test_split(train, target, test_size = 0.2, random_state = 0)# 5. 학습from sklearn.ensemble import RandomForestRegressormodel = RandomForestRegressor(random_state = 0)model.fit(x_t, y_t)pred = model.predict(x_v)# 6. 평가 - 816.38from sklearn.metrics import root_mean_squared_errorrmse = root_mean_squared_error(y_v, pred)print(rmse)# 7. 예측pred = model.predict(test)# 8. 제출submit = pd.DataFrame({'pred':pred})submit.to_csv("result.csv", index=False)result = pd.read_csv("result.csv")print(result)