윈도우 환경에서 실습을 따라왔습니다.마지막 자동실행에서 리눅스 환경에서만 가능하다고 하니 순간 당황스러웠습니다.윈도우 스케쥴러로 대체하면 될 것 같긴 한데윈도우 환경을 위한 추가 설명도 가능할까요? 

 아래는 변경후 적용해봄(그래도 같은 오류 발생) (아래는 현재 구성하고 있는 요소들) (SDK)  어제까지만 해도 2022 쓰다가 (이땐 문제가 없었습니다.) 포멧 이후에 VS 재설치 중에 2022이 없고 2026밖에 없어서 왠지 불안한 마음으로 설치를 했는데 결국 이런 에러가 뜨네요. 클로드가 하라는데로 왠만한 건 다 해본거같은데 그래도 뭘 또 놓치고 있는건지 알 수가 없습니다. (언리얼 5.4버전으로 시도함) 그래서 2026 으로 5.6 버전을 새프로젝트로 간단하게 만든 후 빌드 시도해보니까 에디터가 정상적으로 켜집니다. 일단은 우선 ai가 알려주는 MSVC 나 SDK 를 x64과 관련한 것들을 받아보라는 것들을 다 받아본거 같은데 도 이상하네요... 그럼에도 제가 놓치고 있는 부분이 있는걸까요?매번 binary 나 saved, immeditate 등 전부 지우고 다시 generate 를 하여도 똑같습니다. 다시 컴퓨터를 초기화해야 해봐야 할까 싶기도 할 정도네요. 참 어렵군요..   

안녕하세요통합강의안 요청 드립니다mrkwun@gmail.com 감사합니다

왜 저는 앞에 np.float64가 붙을까요?그 이후로 예측하는데 에러가 나요

왜 오류가 나는지어떤 오류인지 모르겠어요..

안녕하세요, 선생님.일반적으로 머신러닝 파이프라인이데이터 수집 및 버저닝 데이터 검증 데이터 전처리 모델 학습 이 순서로 진행된다고 이해하고 있습니다.여기서 제가 헷갈리는 부분이 있어서 질문드립니다. 데이터 검증 범위 최초에 업로드된 raw 데이터에 대해 1차 데이터 검증을 수행한 후, 전처리 과정을 거쳐 train / eval 데이터셋이 생성된다고 알고 있습니다.   이때 전처리까지 마친 train / eval 데이터셋에 대해서도 한 번 더 데이터 검증을 수행하는 것이 일반적인 패턴인지가 궁금합니다. 즉, 파이프라인 단계를 좀 더 세분화하면 아래와 같이 이해해도 되는지요? 1) 데이터 검증 (raw 데이터 기준) 2) 데이터 전처리 3) 전처리된 train / eval 데이터에 대한 2차 데이터 검증 4) 모델 학습  최초 학습 시점의 스키마와 서빙 데이터 검증 최초 학습 때 전처리된 파일로부터 train / eval 데이터셋을 만들고,  이 데이터들에 대해 검증을 수행했다면, 이후 실제 서빙 단계에서 들어오는 serving 데이터에 대해서는  최초 학습 시 사용한 train 데이터의 스키마/통계 정보를 기준으로 이상 유무를 판단하는 것이 맞는지 질문드립니다.   즉, - “최초 학습 시점: raw → 검증 → 전처리 →전처리 결과 검증 → 모델 학습” - “서빙 시점: 새로운 입력 데이터 → train 시점 스키마/통계 기준으로 검증 → 이상 없을 때만 모델에 입력” 이런 흐름이 일반적으로 사용하는 구조인지 궁금합니다. 정리하면, - 데이터 검증 → 전처리 → 전처리 결과에 대한 추가 검증 → 모델 학습 이라는 단계가 자연스러운지, - 그리고 서빙 데이터는 최초 학습 시점의 train 데이터 스키마/통계를 기준으로 검증하는 것이 맞는지에 대해 설명해 주시면 감사하겠습니다.

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요먼저 유사한 질문이 있었는지 검색해보세요유형3의 분산분석 예제 중, 이원분산분석에서 직접 코드를 쳐 분석을 진행했더니 아래와 같은 출력이 나오는데, 밑에 예시와는 값이 꽤나 다르게 나오는 부분이 있었습니다. 범주형 변수를 제대로 처리를 안 해서 그런 부분이다.라고 생각해서 C()를 통해 변수를 묶으니, 코랩에서 제대로 인식을 하지 못해 아래와 같은 에러가 발생해서 제대로 된 출력이 나오지 않는 상황입니다. 제 컴퓨터 문제일 수도 있겠지만... 이런 에러를 처리하는 해결방안이 있을까요?  

안녕하세요. 평소 메가유치님의 영상을 자주 보는 수강생입니다. 게임 업계는 아니지만 삶에 도움이 되고자 수강 중인데 혹시 소스코드도 스터디 용으로 볼 수 있을까요?

카메라 흰색 보더라인은 어디서 켜고 끌수있나요?

안녕하세요풀이 확인 후에, 제가 다르게 생각했던 부분들은 안되는지 한번 더 질문드립니다 Section 16. 이상치, IQR'views' 컬럼의 1사분위수, 3사분위수 그리고 IQR을 계산하시오.이상치 조건에 맞는 데이터를 찾으시오. (이상치는 1사분위수 – (IQR 1.5)보다 작은 값과 3사분위수 + (IQR 1.5)보다 큰 값)이상치 데이터의 'views' 컬럼 합을 정수로 구하시오. q3 = df['views'].quantile(.75)q1 = df['views'].quantile(.25)IQR = q3 - q1line1 = q1 - 1.5 * IQRline2 = q3 + 1.5 * IQRcond=(df['views']<line1) & (df['views']>line2)print(int(df[cond]['views'].sum()))이렇게 하면 안되나요?ㅠ 2.Section 18. 데이터(행) 기준 평균값, 인덱싱index '2001' 데이터(행)에서 평균보다 큰 값의 개수를 구하시오.index '2003' 데이터(행)에서 평균보다 작은 값의 개수를 구하시오.두 개수를 더하시오.이 문제에서 풀이랑 같이df=df.Tm1 = df[2001].mean() 이렇게 했는데,---------------------------------------------------------------------------ValueError Traceback (most recent call last)/usr/local/lib/python3.12/dist-packages/pandas/core/indexes/range.py in get_loc(self, key)412 try:--> 413 return self._range.index(new_key)414 except ValueError as err:ValueError: 2001 is not in rangeThe above exception was the direct cause of the following exception:KeyError Traceback (most recent call last)2 frames/usr/local/lib/python3.12/dist-packages/pandas/core/indexes/range.py in get_loc(self, key)413 return self._range.index(new_key)414 except ValueError as err:--> 415 raise KeyError(key) from err416 if isinstance(key, Hashable):417 raise KeyError(key)KeyError: 2001이런 오류가 뜹니다인덱스 2001 할때 그냥 df[2001]이렇게 하는거 맞나요? Section 19. 결측치(뒤에 값으로 대체), 그룹합결측치를 바로 뒤에 있는 값으로 대체하시오. (바로 뒤의 값도 결측치일 경우, 뒤에 있는 데이터 중 가장 가까운 값으로 대체)'city'와 'f2' 컬럼을 기준으로 그룹합을 계산하시오.'views' 값이 세 번째로 큰 city 이름을 구하시오.에서 df = df.bfill() 라고 적혀있던데 풀이에서bfill 은 이전 값, ffill이 이후 값 아닌가요?그리고,# city와 f2기준 그룹합 계산df = df.groupby(['city','f2']).sum(numeric_only=True).reset_index()여기서 reset 다음에 한 이유가 무엇인가요?감사합니다

React UI 구현하기에서 css복사했던 코드 어디서 복사하나요?

1. Section 8. 시계열 데이터, 필터링, 데이터 개수 문제df['subscribed']=pd.to_datetime(df['subscribed'])df['y_m']=df['subscribed'].dt.to_period("m")# print(df.head())print(df.info())cond1=df['y_m']=='2024-02'cond2=df['f3']='gold'df=df[cond1&cond2]저는 이렇게 페리어드로 코딩 했는데 오류가 납니다ㅠ/tmp/ipython-input-3254161643.py:7: FutureWarning: 'm' is deprecated and will be removed in a future version, please use 'M' instead. df['y_m']=df['subscribed'].dt.to_period("m")---------------------------------------------------------------------------TypeError Traceback (most recent call last)/usr/local/lib/python3.12/dist-packages/pandas/core/ops/array_ops.py in na_logical_op(x, y, op) 361 # (xint or xbool) and (yint or bool)--> 362 result = op(x, y) 363 except TypeError:TypeError: ufunc 'bitwise_and' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ''safe''During handling of the above exception, another exception occurred:ValueError Traceback (most recent call last)6 framesops.pyx in pandas._libs.ops.scalar_binop()ValueError: Buffer dtype mismatch, expected 'Python object' but got 'bool'The above exception was the direct cause of the following exception:TypeError Traceback (most recent call last)/usr/local/lib/python3.12/dist-packages/pandas/core/ops/array_ops.py in na_logical_op(x, y, op) 383 ) as err: 384 typ = type(y).__name__--> 385 raise TypeError( 386 f"Cannot perform '{op.__name__}' with a dtyped [{x.dtype}] array " 387 f"and scalar of type [{typ}]"TypeError: Cannot perform 'and_' with a dtyped [bool] array and scalar of type [bool]이렇게 오류가 납니다2. 결측치가 삭제된 데이터를 사용하여 지역별(city) 평균을 계산하시오.이문제에서df=df.groupby('city').mean()이렇게 하면 오류가 나던데ㅠdf = df.groupby(['city']).mean(numeric_only=True) 이렇게 뒤에 numeric 까지 반드시 해야하나요? 

안녕하세요, 강사님. 취소 - 코드느끼기 수업의 5:00~ 부분부터'결제', '취소'의 스키마를 분리하여 레코드를 immutable하게 다루는 상황의 예시로 결제 취소 상황을 설명하셨는데 어떤 부분에서 유리한건지 모르겠습니다. 7일 전 주문을 30일 후에 취소함'취소'를 '결제'의 상태로 반영할 때'결제'의 상태를 '취소'상태로 변경 - 레코드 수정 시각 갱신취소된 '결제' 조회 시 레코드 수정 시각을 이용해야 함'취소'를 스키마로 관리할 때새로운 '취소' 레코드 추가제가 이해한 상황은 '취소된 결제를 결제 id 없이 취소 시각으로 조회해야한다'는 것입니다.취소된 결제를 결제 id 대신 취소 시각으로 찾는 경우는 어떤 상황인지, 조회를 위해 어느정도 취소시각의 범위를 특정할 수 있는 데이터가 존재할텐데 데이터가 결제 id와 분리되어 존재하는 이유가 무엇인가요?'취소'스키마가 따로 존재해서 결제 취소가 레코드로 쌓일 때, 취소 시각으로 찾는다면 무엇이 다른건지 모르겠습니다.'규모적으로 선택하라. 테이블이 적고 테이블 로우가 적고 접근 범위 자체를 줄일 수 있고, 이런 장점으로 보면 페이먼트 테이블을 만들어도 되는데요' 라고 말씀하신 부분도 모르겠습니다!수업 진행하시면서 1) 각 개념의 레코드가 자신의 영역 안의 맥락으로만 수정된다, 2) '결제'의 레코드는 많고, '취소'의 레코드는 적으므로 취소 일자로 조회하는 속도 차이가 난다고 하시는 것은 이해했습니다만 앞서서 예시로 들어주신 부분은 잘 모르겠네요. 감사합니다.

안녕하세요. 강의를 너무 잘 듣고 있는 학생입니다. 현재 creatomate까지 다 완강하고 youtube 자동업로드만 들으면 강의를 다 듣게됩니다. 궁금한지점이, 현재 youtube 자동화 시트에 여러 id와 title 컨텐츠들이 있는데요. 강사님이 만들어주신 n8n은 계속해서 첫 번째, id의 컨텐츠만 영상을 생성했습니다. 이것을 다른 특정 id로 바꾸거나 youtube 자동화 시트에 적혀진 모든 id의 컨텐츠를 생성하려면 n8n의 어디 부분을 고쳐야 하나요?

첼린지를 처음하다보니 쿠폰기간을 놓쳤습니다. 메일로 다시 보내주실수 없는지 문의드립니다. 번거롭게해서 죄송합니다. 머신러닝과 대규모 언어모델 둘다 신청했습니다.

첼린지를 처음하다보니 쿠폰기간을 놓쳤습니다. 메일로 다시 보내주실수 없는지 문의드립니다. 번거롭게해서 죄송합니다.

해당 강의는 강의자료가 있나요?

안녕하세요 ! 혹시 자바가 아닌 다른 객체지향 언어를 알고있어도 강의를 들어도 괜찮을까요 ?! ps. 사실 결제는 이미했습니다..!

전에 다른 질문에서, 범주형 변수는 C()를 처리하라고 하셨었고, 범주형 변수중에서도 숫자로 되어있는 (문제의 물주기 처럼) 경우에만 C()를 필수로 해야한다고 하시고, 문제에서 범주형 변수다! 라고 주어지지 않으면 C()를 쓰지 말라고 하셨는데요... 어떻게 해야할까요..!!!!!!이번문제의 경우 아예 범주형변수라고 주어지지 않았으니 모든 변수에 C()를 빼고 할까요? 그럼 코랩의 답안과 달라지긴 하더라구요!

from sklearn.ensemble import RandomForestClassifier rf = RandomForestClassifier() model = rf.fit(X_tr, y_tr) pred_proba = model.precit_proba(X_val) from sklearn.metrics import roc_auc_score ra = roc_auc_score(y_val, pred) pred_test = model.predict_proba(test) result = pd.DateFrame({'pred':pred}) result.to_csv('result.csv', index=False) 안녕하세요 2유형 공부 중 질문드립니다.위 코드와 같이 test를 예측할때 fit 된 변수 'model'을 그대로 가져와서 model.predict_proba(test) 해도 되나요? 영상에서는 rf 변수를 사용해서 rf.predict_proba(test)로 한걸로 보여서요. 두개가 같은건가요..? 감사합니다