안녕하세요. 정말 강의 재밌게 잘 듣고 있습니다. 들으면서 궁금한 부분이 있어 질문드립니다. /orders API를 예시로 들었을 때, urls.py 파일에 모든 코드가 작성되는데, 쿼리나 비즈니스 로직을 따로 분리하는 방식은 파이썬 프레임워크에서는 잘 사용하지 않는 방법인가요? 일반적으로 스프링에서는 service와 respository 클래스로 해당 코드를 분리하는 편이어서 이 차이점이 궁금합니다.
from datasets import load_metric ImportError: cannot import name 'load_metric' from 'datasets' (/usr/local/lib/python3.10/dist-packages/datasets/__init__.py) datasets에서 load_metric을 불러오려고 하는데 위와 같은 에러가 발생합니다. 계속 삽질하고 있는데 방법을 찾기가 쉽지가 않네요ㅠ 도움 부탁드립니다.
case 5 만족해서 len-= 1; 로직을 통해 len 값이 4로 된거까지는 이해했는데 case 6 부터는 조건값이 만족하지않는데도 로직 내용대로 사칙연산이 적용되어서 최종값이 7이 되는게 맞나요? 아래 케이스로 내려가는건 맞는데 조건값이 일치해야 안에 내용이 실행 되지않나 싶어서요.
- 학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! - 먼저 유사한 질문이 있었는지 검색해보세요. - 서로 예의를 지키며 존중하는 문화를 만들어가요. - 잠깐! 인프런 서비스 운영 관련 문의는 1:1 문의하기를 이용해주세요. 안녕하세요 강사님 강의 잘 듣고있습니다 감사합니다. 다름이 아니라 DP 강좌 네트워크 선 자르기 12분 부분에서 설명하신 대로면 dy[4]는 3짜리를 자르는 방법에 1 짜리를 자르는 방법 추가하고, 마지막 토막이 2짜리면 앞 부분도 2짜리니까 dy[4] = dy[3] + dy[1] + dy[2] + dy[2] 이렇게 되어야 하는거 아닌가요? 왜 dy[4]= dy[3] + dy[2]인지 잘 이해가 가지 않습니다.
질문은 동영상 강의에 들어가서 오른쪽에 커뮤니티 버튼을 통해 해주세요. 그래야 어떤 강좌에서 질문하셨는지 알 수 있습니다. 영상에서 몇 분 몇 초 대를 알려주셔야 제가 한 번에 질문 내용 확인이 가능합니다. 이미 다른 누군가가 질문을 한 이력 이 있을 수 있습니다. 질문 게시판을 한 번 확인 부탁드립니다. 학교의 과제나 타 강사의 코드 등 외부 수업 자료에 대해서는 답변하지 않습니다. 제가 다루는 커리큘럼 외의 이론이나, 너무 디테일한 컴퓨터 이론에 대해서는 답변 드리지 않습니다. 시험에 안 나오는 경우가 많고, 나와 봤자 1문제 나오는데 외워야 할 부분이 많은 것 등 (예시: 서브넷 마스크 계산) 질문을 올릴 때 이 글은 모두 지우고 내용을 입력해주세요.
11:57 쯤 나와있는 예제 에서 char lower = ‘a' 는 a라는 문자를 문자형태로 lower에 입력한다 로 이해했습니다. char upper = (char)(lower -32) 는 lower-32의 문자값을 upper에 입력한다. 로 이해했습니다. lower-32에서 왜 lower은 숫자 97로 대입해서 괄호를 풀어야 하나요? 위에서 a로 입력된 게 아닌가요? (char) 과 같이 괄호를 써주는 이유가 뭔가요? char upper와 같이 띄어쓰기로 구분을 안해주는 건가요? 17:25 예제 관련하여 printf("%s\n“, p+1) 질문입니다. 문장을 출력할땐 널값을 만날때까지 출력이므로 KOREA 로 나오는건 이해가 갑니다. p+1의 경우 어떻게해석해야하나요. ? 문장의 시작점을 한칸뒤로가서 잡고 출력하라..로 이해해야하나요? 아직 선언, 변수 등 표현이 익숙치않아 질문에서 사용한 표현이 강사님께서 사용한 표현과 다를 수 있습니다...양해 부탁드립니다.
안녕하세요 강사님. 강사님의 강의를 토대로 kaggle, dacon에서 제공하는 데이터를 가지고 분석을 하면서 궁금한 점이 생겼습니다. 데이터를 예측할 때 가장 좋은 모델을 비교를 하지 않고 선택할 수 있는 방법이 있을까요? 예를 들어 분류에서는 boosting 알고리즘에서도 XGBoost, LightGBM, CatBoost 등 여러 모델이 있는데 이 중에서 가장 좋은 모델 즉, 해당 데이터 셋에서 가장 적절한 모델을 찾을 수 있는 방법이 있을까요?? 데이터의 크기가 현재는 모든 모델을 사용하면서 성능을 비교할 수 있는 크기지만, 나중에는 매우 많은 데이터를 다루게 된다면 비교하기에 어려울 것 같다는 생각이 들어서 이렇게 질문을 남깁니다.