선생님 안녕하세요?강의 수강 환경설정 관련 질문이 있습니다. 원래 해당 수업이 colab으로 진행되다가 버전, 환경 등 때문에 runpod로 변경된 것으로 알고있는데집에 gpu가 달린 데스크톱이 있는 경우, runpod를 할 필요 없이, gpu로 바로 conda나 uv 설정해서 할 수 있나요?(cloud를 사용하지 않고요) 선생님의 pytorch 강의는 실제로 그렇게 cloud를 사용하지 않고, 로컬에서 gpu를 사용해서 수강했는데, 이 강의도 그렇게 가능한지 여쭤봅니다

안녕하세요. Claude Pro 구독전에 강의를 수강하면서 배운후에 결재를 진행하고 싶습니다. 현재 Gemini Pro 구독 중인데 Gemini Pro로 진행해도 괜찮을까요? Claude Pro보다 성능이 많이 떨어질까요..?

안녕하세요.강의 구매했습니다.교안이 있으면 좀 더 효율적으로 공부할 수 있을 것 같아 요청드립니다.lovelymoonsj@gmail.com부탁드리겠습니다. 감사합니다!!

프롬프트 11까지 진행했는데sp500_list.csv와 sector_heatmap.csv 두개 파일만 생겼어요?4개 파일이 나머지는 어디에서 놓쳤을까요?

수업 자료 에는 아래와같은 설명이있는데, 실제 구현은 안되있는것처럼 보이는데 원래 그런건가요? 제가 놓친건가요개념 설명: 수급 분석 (Supply/Demand) 거래량 패턴으로 “큰손이 조용히 사 모으는지, 팔고 있는지” 추적해요. 3 가지 핵심 수급 지표 • MFI (Money Flow Index): “돈이 들어오는지 나가는지”를 0~100 으로 표시. 가격 x 거래량으로 계산 → RSI 의 거래량 버전. 80+ = 과열 / 20- = 침체 • OBV (On-Balance Volume): 상승일 거래량은 +, 하락일 거래량은 -로 누적. OBV 상승 = 매수세 강함 / OBV 하락 = 매도세 강함. 주가가 횡보인데 OBV 상승? → 조용히 매집 중! • Volume Ratio (5 일/20 일): 최근 5 일 평균 거래량 / 최근 20 일 평균 거래량. 1.5+ → 거래 급증! 뭔가 일어나고 있다. 0.5- → 거래 급감. 관심이 식어가는 중

claude cowork에서 작업하는거와 antigravity+claude cli와 차이가 있나요?

문제 3-2번 코드를 따로 리스트 작성하지 않고 아래와 같이 작성 시 감점 요인이나 코드 오류가 있을까요?df['f3'] = df['f3'].map({'silver' : 1, 'gold' :2, 'vip' :3}).fillna(0) sum(df['f3'])

안녕하세요2026년 6월 20일에 실기 시험을 재응시할 예정인데, 강의 수강기간이 6월 3일 마감이라 학습을 이어가기 위해 혹시 강의 수강기간 연장이 가능할지 문의 드립니다. 이메일 주소는 lche0503@naver.com 입니다. 감사합니다.

“실기 코딩할 때 변수로 받는 경우, 컬럼으로 바로 계산하는 경우, df를 다시 덮어쓰는 경우가 헷갈립니다. 각각 언제 쓰는지 쉽게 설명해주실 수 있을까요?” 

안녕하세요!작년 개인 일정으로 인해 응시하지 못했던 실기 시험을, 이번 6월에 공부하여 응시하고자 합니다. 현재 수강 중인 강의의 종료일이 2026년 5월 13일까지이나,혹시 2026년 제1회 실기 시험일(26-06-20)까지라도 기간 연장이 가능할지 여쭤보고 싶습니다.만약 가능하다면, 남은 기간 열심히 수강하여 꼭 합격의 결실을 맺도록 하겠습니다.감사합니다.이메일 : tomatobad@naver.com

강사님 안녕하세요... 강의 잘듣고 잇습니다.이번에 강의해주신 오토인코더+ 분류모델(Knn, SVC)에 관해서 질문드리겟습니다.위모델로 이상치예측성능은 좋게 나왓는데, 실무에서는 왜 예측이 됫는지, 원본데이터의 설명변수를 가지고 설명할수 잇게할려면은 어떻게 해야하는지요?

안녕하세요 Part 2 프롬프트 5번에서 MMFI 지표 바탕으로 Breadth 관련 지표를 두고 있는데, 404에러가 확인됩니다. (강사님 코드로도) 연관 강의: 200일선의 마법 & Breadth & 금리/신용 센서연관 프롬프트:_breadth_signal 메서드를 추가해줘. yfinance로 ^MMFI(NYSE 50일 MA 위 종목 비율)를 3개월치 가져와서: - 70% 이상: risk_on - 50~70%: neutral - 30~50%: risk_off - 30% 미만: crisis 데이터 수집 실패 시 {'breadth_pct': None, 'breadth_regime': 'neutral'} 반환. logger.debug로 에러 로깅하되 시스템은 멈추지 않도록 해줘. 다른 대체 지표를 두고 해야할 것 같은데, 어떤게 좋을까요?  

안녕하세요~ 강의 잘 듣고 있습니다! ㅎㅎ 저의 경우 Codex를 이용중에 있어서 vscode + codex 를 통해 실습해보고 있는데 미세하게 claude 모델이랑 다른 output이 나오긴 합니다.관련하여 비교분석 할 수 있게끔 강사님 깃헙 코드도 같이 있으면 좋을 것 같습니다~

안녕하세요. 작년 4월에 등록하고 올해 6월 실기 시험을 앞두고 있는 수강생입니다.6월 실기 시험을 준비하며 강의를 들으며 재학습을 하려고 보니 만료 기한이 다가와서 수강 연장이 가능할지 문의드립니다.이메일 주소는 아래와 같습니다.yddevmax@gmail.com

안녕하세요.작년 1회차 빅데이터 실기 시험 준비를 위해 강의를 결제, 공부를 시작 했었습니다.다만 업무가 바빠지면서 계획대로 학습을 이어가지 못해 아쉬움이 남았습니다.올해는 반드시 합격을 목표로 다시 준비하려고 합니다. 2026년 안에 꼭 좋은 결과를 만들고 싶습니다.다만 현재 수강 기간이 4월 30일까지로 되어 있어 학습을 이어가기 위해 기간 연장이 가능할지 문의드립니다. 이메일 주소는 아래와 같습니다.좋은 결과로 보답할 수 있도록 하겠습니다. 감사합니다.

노션 링크는 있는 데 권한이 없다고 떠요

노션 주소 알려주세요

안녕하세요 선생님.작년에 취업을 준비하면서 빅데이터 분석기사 필기시험을 합격하고 실기 시험을 준비하기 위해서 강의 결제와 선생님 책도 구매해서 공부를 시작했었습니다.공부를 하던 중에 취업이 되어 실기 공부를 하지 못하고 지금까지 시간이 지나왔습니다..이제는 강의 기간도 얼마 남지 않았고 2026년 전반기 시험으로 꼭 합격해보려고 합니다. 그런데 현재 강의가 4월 30일까지로 전반기 시험까지는 기간이 꽤 차이가 있어 지속적인 학습을 위해 양해해주신다면 전반기 시험일정까지 기간 연장을 요청드리려고 합니다.꼭 시험 합격해서 주변 추천과 리뷰로 보답하도록 하겠습니다. 메일주소는heeseung2120@naver.com입니다 선생님.연락부탁드리겠습니다! 감사합니다. 

섹터4에서 끝나는건가요?

안녕하세요, 강사님.수업에서 다루지 않은 내용이지만 질문할 곳이 없어 이렇게 글을 남깁니다. 저는 혼자서 코드 필사를 하며 머신러닝을 공부하고 있는데, 일부 코드가 이해가 잘 되지 않아 문의드립니다.제가 질문하고 싶은 코드의 흐름은 다음과 같습니다.트리 깊이에 따라 모델 성능 비교적절한 트리 깊이 선택선택한 트리를 시각화 코드 필사를 하면서 트리 깊이를 선택하는 과정은 이해했지만, 트리 깊이를 선택한 후에 트리를 시각화하기 전에 학습 데이터만 사용하여 모델을 fit하는 것이 의문이 들었습니다.model = DecisionTreeClassifier(max_depth=5, criterion='entropy')model.fit(X.iloc[train_idx], Y.iloc[train_idx]) 개인적으로는 타겟값 원인 분석을 위해 학습 데이터와 검증 데이터를 함께 사용하는 것이 더 나을 것 같은데, 이 부분이 맞는지 확신이 서지 않아 문의드립니다.혹시 이에 대해 설명해주실 수 있을까요? 아래는 질문 관련 코드입니다.# Parameter Searching ==> Depth 2 ~ 10for i in range(2,11,1):    print(">>>> Depth {}".format(i))     model = DecisionTreeClassifier(max_depth=i, criterion='entropy')    model.fit(X.iloc[train_idx], Y.iloc[train_idx])     # Train Acc    y_pre_train = model.predict(X.iloc[train_idx])    cm_train = confusion_matrix(Y.iloc[train_idx], y_pre_train)    print("Train Confusion Matrix")    print(cm_train)    print("Train Acc : {}".format((cm_train[0,0] + cm_train[1,1])/cm_train.sum()))     # Test Acc    y_pre_test = model.predict(X.iloc[valid_idx])    cm_test = confusion_matrix(Y.iloc[valid_idx], y_pre_test)    print("Valid Confusion Matrix")    print(cm_test)    print("TesT Acc : {}".format((cm_test[0,0] + cm_test[1,1])/cm_test.sum()))    print("-----------------------------------------------------------------------")    print("-----------------------------------------------------------------------")# Depth가 깊어질 수록 정확도는 높게 나오지만 해석력에 대한 가독성을 위해 Depth 5를 선택함 model = DecisionTreeClassifier(max_depth=5, criterion='entropy')model.fit(X.iloc[train_idx], Y.iloc[train_idx])  from sklearn import tree# Creating the tree plot# Creating the tree plot (left = True, Right = False)tree.plot_tree(model, filled=True, feature_names=X.columns, class_names = ['BAD', 'GOOD'])plt.rcParams['figure.figsize'] = [40,10]