휴대폰에서 사진 upload하면 반응이 없습니다.  제 프로젝트에서는 204가 뜨던데 서버로 폼데이터가 빈 상태로 가는 것 같습니다. 그래서 nodebird.com에서도 확인해보니 사진 올려도 반응이 아예없더군요.. 확인부탁드립니다!

안녕하세요. 강의 교재 자료는 별도로 제공되는 것이 없는지 문의 드립니다. 감사합니다. 

아래와 같이 풀어서 채점프로그램은 통과했는데요, 강의에서 강사님이 lt=1로 두셨길래 저도 lt 값을 1로 바꿔봤더니 오답으로 나오네요.. 무슨 차이인지 모르겠습니다.  import sys #sys.stdin=open("input.txt", "rt")n, m = map(int, input().split())l=[]for i in range(n) : l.append(int(input()))lt=0rt=max(l)while lt <= rt : sum=0 res = (rt + lt) // 2 for x in l : sum += (x // res) if sum >= m : lt = res+1 else : rt = res-1print(res)

안녕하세요. ^^ 강의를 보고 AOP를 적용해보고 있는데요. 특정 인터페이스의 구현체 클래스의 private 메소드에는 AOP를 어떻게 적용해야 하나요? 저는 spring-boot-starter-aop 의존성 추가한 뒤 @Around("execution(private * 패키지명.클래스명.*(..))") 이렇게 작성했는데 잘 안되네요. ㅠㅠ private을 지우면 public 메소드들에는 잘 적용이 되는데요.. 클래스는 특정 인터페이스를 구현한 서비스 클래스입니다.

판다스 명령줄에서 중간에 글씨를 쓰면 뒤의 글자가 사라집니다. 설정을 어떻게 바꾸나요?

위 코드 중에 forEach문의 콜백함수인 function 인자의 v,i에 각각 arr배열의 인덱스값과 배열 값들이 들어가는 것은 알겠는데 이렇게 v, i에 배열 인덱스와 배열 값들이 들어가게 하는 원인이 forEach라는 매소드의 성질 때문에 일어나는 일인가요??

1. 리스트에서 원하는 값을 찾을려면 메모리에서 처음부터 검색하는 방법으로 딕셔너리 대비해서 성능의 비용은 적고, 느리게 찾는다-이고 딕셔너리는 해쉬테이블 형태로 성능의 비용은 들지만 빠른 시간 내에 찾을 수 있다- 라고 이해 했는데 이게 맞을까요? 2. 해쉬테이블과 딕셔너리의 차이가 제가 다른 지문에서 찾아본 결과 해쉬테이블에 각각의 방의 키값과 내용물은 자료형을 자유롭게 쓸수 있지만 딕셔너리에 비해 느리며 딕셔너리는 키값과 내용물은 일반화(제네릭)가 되어있으며 딕셔너리 사용시 키값과 내용물의 자료형을 미리 선언해서 각각의 방은 선언 된 자료형만 사용해야 된다는 것으로 알고 있습니다. 이것도 이렇게 이해하는 것이 맞는지 궁금합니다. 3. 혹시 그 외에 알아두면 좋은 점이 있는지 말씀해주시면 감사하겠습니다 :)

적어주신 명령어를 그대로 작성한 후 로컬로 들어갔습니다. 그런데 다음과 같은 메시지가 나옵니다. 어떻게 해결해야하나요

안녕하세요.  수업 잘 듣고 있습니다. 벌써 12월이네요ㅎㅎ GridSearchCV로 랜덤포레스트 하이퍼 파라미터 튜닝하는 과정에서 에러가 발생해서 문의드립니다. 책으로는 220페이지의 코드입니다. ------------------------------------------------------------------------------------------- from sklearn.model_selection import GridSearchCV params = {'n_estimators':[100],          'max_depth':[6,8,10,12],          'min_samples_leaf':[8,12,18],          'min_samples_split':[8,16,20]} rf_clf = RandomForestClassifier(random_state=0, n_jobs=-1) # n_jobs=-1 : 모든 CPU 코어를 이용해 학습 grid_cv = GridSearchCV(rf_clf, param_grid=params, cv=2, n_jobs=-1) grid_cv.fit(X_train, y_train) print('최적 하이퍼 파라미터:\n',grid_cv.best_params_) print('최고 예측 정확도:{0:.4f}'.format(grid_cv.best_score_)) ------------------------------------------------------------------------------------------ 이렇게 철민님과 동일한 코드를 입력했는데  UnicodeEncodeError: 'ascii' codec can't encode characters in position 18-20: ordinal not in range(128) 이와 같은 에러가 생깁니다. 보니까 모델에 fit하는 과정에서 발생한 에러인데요 전체 에러 코드는 다음과 같습니다. --------------------------------------------------------------------------- UnicodeEncodeError Traceback (most recent call last) <ipython-input-15-c470a9641bfc> in <module> 8 rf_clf = RandomForestClassifier(random_state=0, n_jobs=-1) # n_jobs=-1 : 모든 CPU 코어를 이용해 학습 9 grid_cv = GridSearchCV(rf_clf, param_grid=params, cv=2, n_jobs=-1) ---> 10 grid_cv.fit(X_train, y_train) 11 12 print('최적 하이퍼 파라미터:\n',grid_cv.best_params_) C:\ProgramData\Anaconda3\lib\site-packages\sklearn\utils\validation.py in inner_f(*args, **kwargs) 70 FutureWarning) 71 kwargs.update({k: arg for k, arg in zip(sig.parameters, args)}) ---> 72 return f(**kwargs) 73 return inner_f 74 C:\ProgramData\Anaconda3\lib\site-packages\sklearn\model_selection\_search.py in fit(self, X, y, groups, **fit_params) 693 verbose=self.verbose) 694 results = {} --> 695 with parallel: 696 all_candidate_params = [] 697 all_out = [] C:\ProgramData\Anaconda3\lib\site-packages\joblib\parallel.py in __enter__(self) 728 def __enter__(self): 729 self._managed_backend = True --> 730 self._initialize_backend() 731 return self 732 C:\ProgramData\Anaconda3\lib\site-packages\joblib\parallel.py in _initialize_backend(self) 739 try: 740 n_jobs = self._backend.configure(n_jobs=self.n_jobs, parallel=self, --> 741 **self._backend_args) 742 if self.timeout is not None and not self._backend.supports_timeout: 743 warnings.warn( C:\ProgramData\Anaconda3\lib\site-packages\joblib\_parallel_backends.py in configure(self, n_jobs, parallel, prefer, require, idle_worker_timeout, **memmappingexecutor_args) 495 n_jobs, timeout=idle_worker_timeout, 496 env=self._prepare_worker_env(n_jobs=n_jobs), --> 497 context_id=parallel._id, **memmappingexecutor_args) 498 self.parallel = parallel 499 return n_jobs C:\ProgramData\Anaconda3\lib\site-packages\joblib\executor.py in get_memmapping_executor(n_jobs, **kwargs) 18 19 def get_memmapping_executor(n_jobs, **kwargs): ---> 20 return MemmappingExecutor.get_memmapping_executor(n_jobs, **kwargs) 21 22 C:\ProgramData\Anaconda3\lib\site-packages\joblib\executor.py in get_memmapping_executor(cls, n_jobs, timeout, initializer, initargs, env, temp_folder, context_id, **backend_args) 40 _executor_args = executor_args 41 ---> 42 manager = TemporaryResourcesManager(temp_folder) 43 44 # reducers access the temporary folder in which to store temporary C:\ProgramData\Anaconda3\lib\site-packages\joblib\_memmapping_reducer.py in __init__(self, temp_folder_root, context_id) 529 # exposes exposes too many low-level details. 530 context_id = uuid4().hex --> 531 self.set_current_context(context_id) 532 533 def set_current_context(self, context_id): C:\ProgramData\Anaconda3\lib\site-packages\joblib\_memmapping_reducer.py in set_current_context(self, context_id) 533 def set_current_context(self, context_id): 534 self._current_context_id = context_id --> 535 self.register_new_context(context_id) 536 537 def register_new_context(self, context_id): C:\ProgramData\Anaconda3\lib\site-packages\joblib\_memmapping_reducer.py in register_new_context(self, context_id) 558 new_folder_name, self._temp_folder_root 559 ) --> 560 self.register_folder_finalizer(new_folder_path, context_id) 561 self._cached_temp_folders[context_id] = new_folder_path 562 C:\ProgramData\Anaconda3\lib\site-packages\joblib\_memmapping_reducer.py in register_folder_finalizer(self, pool_subfolder, context_id) 588 # semaphores and pipes 589 pool_module_name = whichmodule(delete_folder, 'delete_folder') --> 590 resource_tracker.register(pool_subfolder, "folder") 591 592 def _cleanup(): C:\ProgramData\Anaconda3\lib\site-packages\joblib\externals\loky\backend\resource_tracker.py in register(self, name, rtype) 189 '''Register a named resource, and increment its refcount.''' 190 self.ensure_running() --> 191 self._send('REGISTER', name, rtype) 192 193 def unregister(self, name, rtype): C:\ProgramData\Anaconda3\lib\site-packages\joblib\externals\loky\backend\resource_tracker.py in _send(self, cmd, name, rtype) 202 203 def _send(self, cmd, name, rtype): --> 204 msg = '{0}:{1}:{2}\n'.format(cmd, name, rtype).encode('ascii') 205 if len(name) > 512: 206 # posix guarantees that writes to a pipe of less than PIPE_BUF UnicodeEncodeError: 'ascii' codec can't encode characters in position 18-20: ordinal not in range(128)한글 인코딩이랑은 전혀 관련이 없는 상황인데 왜 이런 에러가 발생했는지 모르겠습니다.구글링을 해보니(https://stackoverflow.com/questions/64843631/question-about-sklearn-hyperparameter-optimization) 저와 비슷한 에러가 발생하는 사람이 있는데, 답변자는 없어서 혹시 철민님은 아실까 하여 여쭤봅니다.제 기억에는 아마 예전에 돌렸을 때는 정상 작동을 했었던 갓 같은데, 최근 다시 돌려보니 갑자기 왜 이런 문제가 발생했는지 모르겠습니다.

수업 잘 듣고 있습니다 :) import를 할 때, import { hello } from "hello"; import hello from "hello"; 위 두가지처럼 {} 사용하는 경우와 안하는 경우가 있는데 정확한 차이가 궁금합니다.

첫번째로 일반적인 프로퍼티는 아래와 같이 private int hp; public int Hp  { get { return hp; } set { hp = value; } } 로 만들 수 있고 두번째로 위 프로퍼티를 자동프로퍼티로 만들면 아래와 같이 public int Hp  { get; set; } 로 만들수 있다는 것을 강의를 통해 알 수 있었습니다.  궁금한 점은 첫번째에 private hp;가 자동프로퍼티에서는 생략 되있다고 하는데 그럼 자동 프로퍼티에서는 자동으로 private int hp;가 선언 되어있다고 생각하면 되는건가요? 따로 변수를 지정하지 않아 헷갈려서 질문드렸습니다.

안녕하세요 파일 업로드를 할때 파일명 저장이 제대로 되지 않아서 질문하게 되었습니다! 강사님처럼 '연습.txt'를 업로드 했더니 DB와 uploads 폴더 안에는 txt 이름만 저장되며, view에서 파일명도 "txt"(확장자도 없이) 라고 뜹니다.. 강사님과 똑같이 따라한 것 같은데 무엇이 문제인지 모르겠습니다ㅠㅠ 영어 파일명으로 파일 업로드를 하면 정상적으로 잘 작동됩니다!! 한글로 하면 안돼요..!

강사님 강의를 보면서 h2 db로 똑같이 진행중이었는데요, id값이 1,2,3,4 이런식으로 잘 들어가다가 갑자기 33이 되어버렸습니다.  마침 밑 질문에도 저와 같이 33이 되신분이 있길래 답변을 봤는데 "자동 생성이 33부터 들어가는 것은 아마 이전에 값을 넣었다가 지웠다가 해서 그럴꺼에요^^" 라고 답변을 주셨더라고요 근데 저는 이전에 값을 넣었다가 지운적이 없습니다. 그래서 33이 왜나왔지 하고 33을 지웠더니 갑자기 이번엔 65가 나와버리네요 데이터를 다 지워도 이 id값은 안내려가는데 id값을 다시 1로 바꾸는 방법이 있을까요?

트랜젝션을 위해 엔티티매니저를 열수 없다는 오류인거 같은데.. 뭘 잘못한건지 찾을 수가 없어요 ㅠㅠ

선생님 안녕하세요, 현재 강의에서 사용하고 있는 vscode 플러그인들이 궁금하여 이렇게 문의드립니다. 항상 강의 잘 듣고 있습니다. 좋은 강의 찍어주셔서 대단히 감사합니다 ^^

연습문제: 숫자를 입력 받는 함수를 만들고 그 함수 값을 계속 입력 받을 수 있게 만들어라. 이 문제를 여기까지 배운것들(조건문없음,반복문없음)로만 짤수있나요..? 계속 반복되는 건 반복 문에 넣고 쉽게 끝날텐데 만약에 선생님의 의도가 지금까지 배웠던 내용들로만 코딩하는 건지, 아니면 반복문을 써서 코딩하는건지가 궁금합니다!!  코드 첨부합니다(반복문없음)

안녕하세요 :) 이 error가 나는 경우는 어떻게 하면 되나요?  A worker process has failed to exit gracefully and has been force exited. This is likely caused by tests leaking due to improper teardown. Try running with --detectOpenHandles to find leaks.

먼저 좋은 강의 늘 감사드립니다. 실무를 해본적은 없고 선생님 강의를 차근차근 따라가고 있는 중인데요, 순차적 메타데이터 목록화시에 information_schema.tables의 역할이 좀 애매한거같아서 여쭤봅니다. 테이블 네임에 관한 정보는 information_schema.columns에도 있더라구요. 그럼 information_schema.schemata에서 db name을 목록화 시킨 후에 바로 select table_name, column_name from information_schema.columns where table_schema='board' 이런식으로 table과 column을 한번에 목록화 시키는것이 더 효율적이지 않나요? 실무에서는 저 과정을 스킵했을때 문제가 되는경우가 있나요? 감사합니다.

제가 실수로 어쩌다보니 x86 x64 두가지의 방식으로 빌드했는데요. x86으로 할때는 아무 에러 안뜨는데  x64로 했을때는  warning C4477: 'printf' : format string '%u' requires an argument of type 'unsigned int', but variadic argument 1 has type 'size_t' message : consider using '%zu' in the format string 그리고 C6328 Size mismatch:'unsigned_int64' passed as_Param_(2) when 'int' is required in call to 'printf'. 이런게 뜨는데요  Visual Studio IDE에서 x86이랑 x64이 기능의 역할이 뭔가 많이 다른가봐요? 그리고 혹시 Visual Studio IDE 도구들을 좀 더 자세하게 설명하는 그런 사이트 아시면 알려주실 수 있을까요?

안녕하십니까 선생님!  좋은 강의 감사하단 말씀 먼저 드리겠습니다~^^ 행렬분해 강의를 듣던중 궁금한 점이 생겨 질문드립니다.. 원본행렬로 부터 R = P * Q.T ,  확률적 경사 하강법을 통해서  P와 Q라는 행렬로 분해가 되는것 이해가 됩니다. 하지만  factor의 차원을 정하는것? factor의 수? 해당 슬라이드와 교재에서는 factor1, factor2,  2개의 잠재요인으로써 P(4x2) Q(2x4) 행렬로 분해를 하였는데 당연히 저차원으로 분해를 하는 것이기에 M, N보단 작을 것이겠지만  굳이 (K=2)2차원으로 행렬분해를 하는 이유가 있는지.. 실제로는 User의 수와 Item의 수가 굉장히 클텐데 이 경우에도 K의 값은  증가 하나요? 따라서  원본행렬을 구하는 것이 목표이기에  적합한 K가 있는지 궁금합니다.   딥러닝 모델 구성에서 hidden layer의 수나 Node의 수를 결정하는 것처럼 경험적인 것인지 궁금합니다.. 감사합니다!