172만명의 커뮤니티!! 함께 토론해봐요.
미해결
떠먹여주는 객체지향 디자인 패턴 - by 얄코
안녕하세요 얄코님 객체지향 프로그래밍 섹션 수강 후 디자인 패턴 섹션을 수강하려 하는데 notion의 샘플 코드를 보면 Creational Patterns Structural Patterns Behavioral Patterns 으로 분류하여 나열해놓으셨는데, 강의 순서는 위의 분류와 상관없이 나열되어 있더라구요. 강의 순서에 의도가 있을까요? 별다른 의도가 없는 경우 위에서 분류된 패턴별로 강의를 들어볼까 하여 질문드립니다.
미해결
[개정판] 파이썬 머신러닝 완벽 가이드
2darray에서 뒤에 오는 인덱스를 없애면 1darray로 반환된다고 책에 나와있던데 앞에 오는 인덱스도 정수 인덱스를 준다면 차원축소가 될 수 있지 않나요?
미해결
14 days with Claude Code
이게 무엇인데 돈을 받고 설명하는거죠? 설명은 맞는지 부터 ... 모르겠네요.
미해결
토비의 클린 스프링 - 도메인 모델 패턴과 헥사고날 아키텍처 Part 1
안녕하세요, 이번 강의를 통해 처음으로 헥사고날 아키텍처에 대해서 공부하고 있는 사람입니다. 헥사고날 아키텍쳐를 지키면서 배치, 시큐리티, 이벤트 처리 등등 다양한 기술을 어떻게 사용하나요? 제가 공부해본 바로는 1. 배치: 애플리케이션 계층에 배치를 통해 이루어질 api를 만들어두고, 어댑터 계층엔 배치(Job, Step, Writer, Reader등 )에 관한 설정들을 위치하게 한다. 2. 시큐리티: 전부 어댑터에 위치한다. 이벤트 처리: 이벤트는 도메인으로 간주하고 도메인 계층에 위치시키고, 이벤트 리스너는 어댑터 계층에 위치시킨다. 이벤트를 발행시키는 로직은 애플리케이션 계층에 위치하고, ApplicationEventPublisher 같은 경우는 추상화됐다고 판단하고 그냥 사용하거나, 혹은 인터페이스를 따로 만들어서 사용한다. 이정도인데 큰 흐름에서 제가 이해한 게 맞을까요? 특히 궁금한 건 "이벤트가 도메인으로 간주되어도 문제가 없는지" 입니다. (무조건 도메인이기 보다는 로직을 처리하기 위해 존재하는 dto로 볼 수도 있는 거 아닌가 싶어서요.) 다른 기술들을 헥사고날 아키텍쳐에 적용시킬 때 주의할만한 사항들도 따로 존재를 할까요?
미해결
2주만에 통과하는 알고리즘 코딩테스트 (2024년)
안녕하세요. 잘 이해가 가지 않는 부분이 있어 질문드립니다. If dp[idx]!=-1: Return 을 하는데, idx가 끝까지 가서 끝에서 부터 계산되는 것은 이해가 되는데, 처음 들어간 값이 항상 max값이라고 어떻게 확신할수 있는지를 모르겠습니다. dp[idx]가 들어있는 경우는 항상 최대값이라는 것에 대해 설명해주실수 있으실까요?
미해결
Django 베이스캠프
크롬 브라우저에서 아래 링크로 자료 화면 보는 중에 이미지와 같이 저렇게 보이게 시작했는데 어떻게 하면 정상적으로 보일까요? https://www.books.weniv.co.kr/basecamp-django/chapter02/02-2
미해결
처음하는 파이썬 백엔드 FastAPI 입문 (FastAPI부터 비동기 SQLAlchemy까지) [풀스택 Part1-2]
강의를 들으면서 코드를 따라 쳐보거나 개인적으로 간단한 기본 게시판을 만들어보면서 "보일러플레이트가 좀 많은데?"라는 생각이 들었습니다. 물론 FastAPI의 비동기 처리나 ML 붙이기도 쉬우며 api 개발과 문서화가 빠르고 간편하다는 장점이 있지만 이것만으로 실제 서비스 상황에서 FastAPI를 선택하는 이유가 되는 지에 대해 의문이 들었습니다. 실무에서는 어떤 기준으로 FastAPI를 고려하게 되는 지 질문드리고 싶습니다!
미해결
AI Agent 개발을 위한 모든 지식 [얼리버드]
학습 자료가 노션으로 제공된다고 본것 같은데, 어떻게 볼 수 있나요?
해결됨
(AI 퀀트) 코드 한 줄 안 쓰고 주식 자동 분석 시스템 만들기 feat. Claude CLI
스크립트를 복사 수정해서 수행시 화일이 저장될때 강의로 다름이름으로 저장이 되고 메이저 수급데이터시 수급 추체 열이 추가 확장되지 않는데. 너무 어렵네요. 답변부탁드립니다..
미해결
[신규 개정판] 이것이 진짜 크롤링이다 - 실전편 (인공지능 수익화)
안녕하세요 강의 잘 보고 있습니다. 동적페이지는 셀레니움을 쓰라고 했는데 인터넷에 찾아보니 playwright가 셀레니움보다 더 상위호환격으로 나오는데 그 부분에 있어서는 따로 강의가 없으신가요?
해결됨
원클릭으로 AI가 생성해주는 Youtube 쇼츠 만들기 자동화(with n8n)
우선 강의에서 들은 바대로 한 싸이클을 다 진행해봐서~이제 제 맞춤식으로 조정하고자 나레이션과 타이틀을 영문으로 입력 이미지와 비디오를 6개로 제작하고자 엑셀시트와 프롬프트의 숫자들을 수정했습니다 >>> 오류 상황 Model output doesn't fit required format To continue the execution when this happens, change the 'On Error' parameter in the root node's settings gpt로부터 아웃풋은 받았고 현재 output parser에서 오류가 나는 상황입니다. paser에게 전달된 영문 소스를 봤을 때 작은따옴표' 때문에 오류가 나는것인가 싶은데 영문일 때는 어떻게 해결할 수 있는지 궁금합니다~ (그리고 수업 정말 잘 들었습니다 수강생들이 실수할 만한 것들도 다 알려주셔서 좋았어요! 감사합니다) { "action": "parse", "text": "```json\n{\"output\":{\"items\":[{\"text\":\"A dynamic aerial shot sweeps over the dramatic cliffs and serene waters of Yeongwol, Gangwon-do, the sunlight casting long shadows as the camera glides through the mist, capturing the haunting beauty that sets the stage for the young King and village chief's story, cinematic with dramatic lighting.\"},{\"text\":\"A close-up of dense pine forest branches swaying in a restless breeze, the camera moving swiftly through the shadows as a solitary young figure representing King Danjong walks cautiously, his expression filled with quiet desperation, while the surrounding wilderness pulses with a sense of profound solitude and suspenseful tension.\"},{\"text\":\"An intense moment showing Eom Heung-do, the village chief, braving the elements—stepping firmly over rugged terrain with a determined gaze—risking his own safety as the camera follows his purposeful stride under filtered light piercing through the pine canopy, evoking loyalty and sacrifice in a cinematic historical style.\"},{\"text\":\"The scene transitions to a sweeping view of Cheongnyeongpo, with crashing waves below and sheer cliffs towering above; the camera circles around as the wind rustles the pines, embodying the emotional weight of exile and loneliness, rendered with epic and dramatic contrasts between shadow and light.\"},{\"text\":\"The camera slows at Jangneung, a solemn and elegant UNESCO World Heritage site, illuminated by the soft glow of a setting sun; moving slowly around the King’s final resting place, the scene emanates tranquility and reverence, the atmosphere suffused with respectful silence and cinematic grandeur.\"},{\"text\":\"Closing with a lively, inviting panorama of Yeongwol village bustling gently with visitors and locals bathed in warm, golden-hour light, the camera pulls back to reveal the harmonious blend of history and nature, encouraging viewers to embark on a soulful journey, captured in an uplifting yet dramatic cinematic style.\"}]}}" }
해결됨
초심자를 위한 친절한 Java 한바퀴
강의 잘 보았습니다! 다음단계를 위해 다음 강의가 언제쯤 오픈예정이실지 궁금합니다. 그리고 자바 -> 스프링 으로 가기위해서 준비해야하는 조언과 만약 다른강의를 추천해주실 수 있다면 어떤게 좋을지 알려주시면 감사하겠습니다~
해결됨
(2026 최신!) 일주일만에 합격하는 정보처리기사 실기
24:25에서 포인터를 쓰는 이유가 있나요?
미해결
LangGraph를 활용한 AI Agent 개발 (feat. MCP)
from langchain_core.messages import HumanMessage query = '집이 15억일때 종합부동산세를 계산해주세요' for chunk in graph.stream({"messages": [HumanMessage(query)]}, stream_mode='values'): chunk['messages'][-1].pretty_print() from langchain_core.tools import create_retriever_tool from pinecone import Pinecone from langchain_openai import OpenAIEmbeddings import dotenv from langchain_pinecone import PineconeVectorStore dotenv.load_dotenv() index_name = "real-estate-tax" embeddings = OpenAIEmbeddings(model='text-embedding-3-large') vectorstore = PineconeVectorStore(index_name=index_name, embedding=embeddings) retriever = vectorstore.as_retriever(search_kwargs={'k':5}) retriever_tool = create_retriever_tool(retriever= retriever, name="real_estate_tax_retriever", description="Contains information about real estate tax. if you have any questions about real estate tax, use this tool.") ================================ Human Message ================================= 집이 15억일때 종합부동산세를 계산해주세요 ================================== Ai Message ================================== Tool Calls: real_estate_tax_retriever (call_LiPlj4OGqlAzP2PsssaZTVsc) Call ID: call_LiPlj4OGqlAzP2PsssaZTVsc Args: query: 15억 종합부동산세 ================================= Tool Message ================================= Name: real_estate_tax_retriever 납세의무자가 3주택 이상을 소유한 경우 | 과세표준 | 세율 | | ------------------- | -------------------------------------------------------------------- | | 3억원 이하 | 1천분의 5 | | 3억원 초과 6억원 이하 | 150만원+(3억 원을 초과하는 금액의 1천분의 7) | | 6억원 초과 12억원 이하 | 360만원+(6억원을 초과하는 금액의 1천분의 10) | | 12억원 초과 25억원 이하 | 960만원+(12억원을 초과하는 금액의 20) | | 25억원 초과 50억원 이하 | 3천 560만원+(25억원을 초과하는 금액의 30) | | 50억원 초과 94억원 이하 | 1억 1천60만원+(50억원을 초과하는 금액의 40) | | 94억원 초과 | 2억 8천 660만원+(94억원을 초과하는 금액의 1천분의 50) | ``` --- [Section: Page 4-6] --- ... - 9,600,000 + 600,000 = 10,200,000 따라서, 15억 원의 집에 대한 종합부동산세는 1,020만 원 입니다. 안녕하세요, 선생님 강의 마지막 쯤 create_retriever_tool 부분에서 강의 대로 쭉 그대로 진행했는데 이 tool 이 pdf 에서 병렬로 자료를 검색해서 가져오지 못하고 ( 과세표준, 공정시장가액비율, 1세대 1주택 여부 등) 오직 종합부동산세 표 '한개만' 가져옵니다. 왜 여러 정보를 검색을 못할까요...?ㅠ -------------gemini 검색결과입니다------- 병렬 리트리빙 부재: create_retriever_tool 은 기본적으로 "질문 1개 -> 검색 1번" 구조입니다. AI가 스스로 "세율도 모르고, 공정시장가액비율도 모르네? 추가로 검색해야지!"라고 생각하게 만드는 추론(Reasoning) 루프 가 약한 상태입니다 AI의 오판: 리트리버가 준 결과물(제8항 세대 정의, 제9항 공시가격 정의 등)은 실제 계산에 필요한 세율표나 공정시장가액비율 이 아닌, 용어 정리 수준의 파편화된 정보였습니다. 그런데 AI는 이 정보를 보고 "아, 더 이상 찾을 게 없나 보다" 혹은 "내가 아는 지식으로 대충 계산해야지"라고 판단하고 1560만원이라는 (부정확할 확률이 높은) 결론을 내버린 것입니다.
해결됨
OpenAI를 활용한 나만의 AI 에이전트 만들기 (Agent Builder, GPT-5, Chatkit, Cloudflare, MCP, Fine Tuning, CoT 등)
안녕하세요. Cloudflare를 이용해 앱 배포를 진행하던 중, 강의 영상에서 안내된 과정과 현재 Cloudflare의 인터페이스 및 설정 방법이 달라진 것을 확인했습니다. 그 과정에서 생성 및 배포를 진행할 때 지속적으로 빌드 실패가 발생하고 있습니다. 특히 최근 업데이트로 인해 "Worker 생성" 관련 버튼과 설정 방식이 변경된 것으로 보이며 , 이전에는 확인할 수 있었던 빌드 명령(Build Command) 설정이 현재는 "선택 사항"으로 표시되어 정확한 설정 방법을 파악하기 어려운 상황입니다. 최신화된 Cloudflare 환경에서는 어떤 방식으로 생성 및 배포 과정을 진행해야 하는지 안내해 주시면 감사하겠습니다. 감사합니다.
해결됨
(2026 최신!) 일주일만에 합격하는 정보처리기사 실기
하이딩과 static, 상속 관련해서 질문이 있습니다. 일반적인 상속 상황을 가정할 때 부모, 자식에게 둘 다 있는 메서드(즉, 오버라이딩): 자식꺼 사용 부모, 자식에게 둘 다 있는 static 메서드: 부모꺼 사용 부모, 자식에게 둘 다 있는 변수: 객체의 자료형(Parent p = new Child();의 경우 Parent의 변수 사용, Child c = mew Child();의 경우 Child의 변수 사용)에 맞는 변수 사용 이 맞을까요?
미해결
파이썬 증권 데이터 수집과 분석으로 신호와 소음 찾기
현재 시점에서 fdr.DataReader("AMD", "2015", "2021")에서 "Change"라는 컬럼은 존재하지 않습니다. 강의를 수정요청드려요
미해결
파이썬 증권 데이터 수집과 분석으로 신호와 소음 찾기
url = "https://finance.naver.com/item/sise.nhn?code=352820" pd.read_html(url, encoding='cp949') AttributeError: 'SoupStrainer' object has no attribute 'name' 상기와 같이 코드 실행시 에러가 발생합니다.. 원인을 알려주십시요
미해결
김영한의 실전 자바 - 기본편
========================================= [질문 템플릿] 1. 강의 내용과 관련된 질문인가요? (예/아니오) 2. 인프런의 질문 게시판과 자주 하는 질문에 없는 내용인가요? (예/아니오) 3. 질문 잘하기 메뉴얼을 읽어보셨나요? (예/아니오) [질문 내용] 여기에 질문 내용을 남겨주세요. '클래스 도입'이라는 강의 16:25 쯤 강사님이 "마치 method을 호출하고 반환한 것처럼 끝나고 나면 참조값을 딱 반환합니다. " 라고 하셨는데 매서드를 호출하고 반환할 때 원래 위치로 돌아가는 것이 참조값을 반환해서 라고 이해하면 될까요? 무슨 말인지 잘 이해가 안 됩니다.
해결됨
RAG를 활용한 LLM Application 개발 (feat. LangChain)
안녕하세요. 강의 수강 중 중간중간에 일이 생겨 이제서야 빠르게 복습하고 다시 수강하고 있는 수강생입니다. 저는 강의에서 사용되었던 코드를 실행했을 때, 평가 실행 시 "KeyError" 오류가 발생되었습니다. 많은 분들께서 따라하는 과정에서 저와 같은 오류를 마주하고 Langsmith Docs를 열어보셨을 것 같습니다. 다만 강의에서 다루는 코드와 현재 시점에 Langsmith Docs에 작성된 튜토리얼 코드는 많은 부분이 변경되었기에 현재 시점의 Langsmith Docs에서 다루는 LLM Evaluator 구현 시 포인트와 함께 Upstage를 사용한 방법을 정리하여 공유드리려합니다. 참고로 현재 시점의 Langsmith Docs는 아래 링크의 문서이며, 이하 설명에서는 Langsmith Docs를 Docs로 부르겠습니다. https://docs.langchain.com/langsmith/evaluate-rag-tutorial 1. Evaluator 종류 - 현재 Doc에서는 다음과 같은 평가 지표에 대한 예시를 제공하고 있습니다. 1) 정확성(Correctness): LLM의 답변이 실제 답변과 얼마나 유사하고 정확한지 측정 2) 관련성(Relevance): LLM의 답변이 사용자의 질문과 얼마나 관련있는지 측정 3) 근거성(Groundedness): LLM의 답변이 검색된 데이터의 맥락과 얼마나 일치하는지 측정 4) 검색 관련성(Retrieval relevance): 입력된 질문과 검색된 데이터는 얼마나 관련있는지 측정 2. 데이터 셋 형식 변경 - 현재의 Docs에서는 다음과 같은 데이터 셋 형식을 사용하고 있습니다. # Define the examples for the dataset examples = [ { "inputs": {"question": "How does the ReAct agent use self-reflection? "}, "outputs": {"answer": "ReAct integrates reasoning and acting, performing actions - such tools like Wikipedia search API - and then observing / reasoning about the tool outputs."}, }, ... ] - 따라서 강의에서 제공된 데이터 셋을 다음과 같이 변경할 수 있습니다. Docs의 Evaluator에서는 'contexts' 를 사용하진 않는 것 같지만 기존 데이터 셋의 내용에 맞추어 수정한 점은 참고바랍니다. examples = [ { "inputs": {"question": "제1조에 따른 소득세법의 목적은 무엇인가요?"}, "outputs": {"answer": "소득세법의 목적은 소득의 성격과 납세자의 부담능력에 따라 적정하게 과세함으로써 조세부담의 형평을 도모하고 재정수입의 원활한 조달에 이바지하는 것입니다."}, "metadata": {"contexts": "제1조(목적) 이 법은 개인의 소득에 대하여 소득의 성격과 납세자의 부담능력 등에 따라 적정하게 과세함으로써 조세부담의 형평을 도모하고 재정수입의 원활한 조달에 이바지함을 목적으로 한다."}, }, ... ] 3. Upstage Model을 사용하는 방법 - 현재의 Docs에서는 각 단계에서 LLM을 선언하는 부분에서 다음과 같이 'ChatOpenAI()' 함수를 사용하고 있습니다. # Rag-Bot from langchain_openai import ChatOpenAI ... llm = ChatOpenAI(model="gpt-4.1", temperature=1) # Evaluators grader_llm = ChatOpenAI(model="gpt-4.1", temperature=0).with_structured_output( ... ) - 따라서 다음과 같이 'ChatUpstage' 라이브러리를 import한 후, 'ChatOpenAI()' 함수를 사용하는 부분을 'ChatUpstage()' 함수로 변경해주면 됩니다. 'Rag-Bot' 코드를 작성하는 셀에서 'ChatUpstage' 라이브러리를 import한다면 이하 코드에서는 일일이 import하지 않아도 되며, 'ChatOpenAI()' 함수에서 사용하던 'temperature=1' 인자는 제거해도 무방했습니다. # Rag-Bot from langchain_upstage import ChatUpstage ... llm = ChatUpstage(model="solar-pro3") # Evaluators grader_llm = ChatUpstage(model="solar-pro3").with_structured_output( ... ) 제가 수정한 전체 코드, 코드별 설명과 변경된 데이터 셋 파일은 아래 링크에 업로드해두었으며, 참고하시면 좋을 것 같습니다. https://github.com/C0deH4ter/llm-application/tree/main/5.1%20Upstage%20Challenge
