안녕하세요 강사님. 혹시 상품 관련 추천을 구현하기 위해 pgvector를 구현하고 싶은 취준생입니다. 상품 데이터 안에 브랜드, 카테고리, 가격, 이전에 조회한 상품들, 이후에 조회한 상품들 등 이러한 필드를 이용해서 이걸 Document로 만든 다음 코사인 유사도를 구해도 괜찮을까요 아니면 Document는 text만 가능한가요?

stdin과 stdout이 콘솔 장치 파일을 가리키는 포인터면 Windows에서는 CONIN CONOUT$을 가리키는 건가요?

학습하는 분들께 도움이 되고, 더 좋은 답변을 드릴 수 있도록 질문전에 다음을 꼭 확인해주세요.1. 강의 내용과 관련된 질문을 남겨주세요.2. 인프런의 질문 게시판과 자주 하는 질문(링크)을 먼저 확인해주세요.(자주 하는 질문 링크: https://bit.ly/3fX6ygx)3. 질문 잘하기 메뉴얼(링크)을 먼저 읽어주세요.(질문 잘하기 메뉴얼 링크: https://bit.ly/2UfeqCG)질문 시에는 위 내용은 삭제하고 다음 내용을 남겨주세요.=========================================[질문 템플릿]1. 강의 내용과 관련된 질문인가요? (예/아니오)예2. 인프런의 질문 게시판과 자주 하는 질문에 없는 내용인가요? (예/아니오)예3. 질문 잘하기 메뉴얼을 읽어보셨나요? (예/아니오)예[질문 내용]여기에 질문 내용을 남겨주세요.helloMessage테스트를 진행하였는데 사진과 같은 오류가 발생하였습니다.찾아보니 lombok버전이 안맞는 것 같다고하여 변경하여 다시 시도해보았지만 해결되지 않았습니다. 혹시 실습을 따라하는 과정에서 실수가 있었는지 몇번이고 확인하였지만 강의와 다른 점은 찾지못했습니다. 

시험에서 '사분위 범위를 이용해서 이상치를 구하라'는 문제가 나올경우 대체로 Q1 - 1.5*IQR보다 작거나 Q3 + 1.5*IQR보다 큰 값 이라는 것을 명시해주는지 궁금합니다.

node = node->NextSiblingElement(); if (node->GetText()) { wstring texture = Utils::ToWString(node->GetText()); if (texture.length() > 0) { wstring textureStr = Utils::ToWString(node->GetText()); if (textureStr.length() > 0) { auto texture = RESOURCES->GetOrAddTexture(textureStr, (parentPath / textureStr).wstring()); material->SetSpecularMap(texture); } } }이렇게 강의에서 코드가 되어있습니다. 중간에 texture랑 textureStr를 if문으로 체크하는 부분이 중복으로 들어가는거 같아서 질문드립니다.node = node->NextSiblingElement(); if (node->GetText()) { wstring textureStr = Utils::ToWString(node->GetText()); if (textureStr.length() > 0) { auto texture = RESOURCES->GetOrAddTexture(textureStr, (parentPath / textureStr).wstring()); material->SetSpecularMap(texture); } }위 코드처럼 Diffuse Texture와 Normal Texture과 동일하게 하나를 지우고 작성해도 상관없는 부분인가요??

안녕하세요, 컴활 2급 실기 강의에서 70문제 풀어보기 자료가 누락되었습니다.  확인 부탁드립니다.

유니크 확인하고 합쳐서 인코딩하고 인덱싱하는 방식은 어떨 때 사용하는 건가요?첫 번째 문제는 확인 과정도 없는 거 같아서 헷갈리네요

min_co = df['co'].min() max_co = df['co'].max() df['co'] = (df['co'] - min_co) / (max_co - min_co) min_nmhc = df['nmhc'].min() max_nmhc = df['nmhc'].max() df['nmhc'] = (df['nmhc'] - min_nmhc) / (max_nmhc - min_nmhc) std_co = df['co'].std() std_nmhc = df['nmhc'].std() round(std_co - std_nmhc, 3)제가 MinMaxScaler라는 것의 존재를 아예 까먹고 있었어서 이런 식으로 박치기(?)해서 문제를 풀었는데, 혹시 실제 시험문제에서도 코랩에서의 설명처럼 "Min-Max 스케일링 = (X - min_X) / (max_X - min_X)" 이 설명이 주어졌나요?시험에서도 이런 설명이 주어진다면 어떻게든 풀어낼 것 같은데, 주어지지 않는다면 이런 스케일링 기법같은 것들을 미리 외워놓는 게 좋을 것 같아서 여쭤봅니다!감사합니다.

전처리부분은 어떻게 나올지 모르겠지만 여태까지 난이도로나온다면 (결측치는 나오는대로 한다고 가정하겠습니다)강의를 다보고 연습문제도 다해보았습니다 작업형3도 다돌려보았고 작업형1이 잘 안되어서 남은시간동안 작업형1에 집중해보려고 여쭙니다 이정도 치면 40점을 맞을 수 있다고생각하는데 어떻게 생각하실까요?ㅠ (타겟값분리)target=train.pop('종속변수')(데이터합쳐서 원핫인코딩 후 분해)n1=len(train) df=pd.concat([train,test])df=pd.get_dummies(df)train=df.iloc[:n1]test=df.iloc[n1:]데이터분할from sklearn.model_selection import train_test_splitX_tr,X_val,y_tr,y_val=import train_test_split(train,target,test_size=0.2,random_state=0)X_tr.shape,X_val.shape,y_tr.shape,y_val.shape#평가지표 from sklearn.metrics import root_mean_squared_error # f1_score , roc_auc_score 등등나오는대로 #랜덤포레스트from sklearn.ensemble import RandomForestClassifier # 분류#from sklearn.ensemble import RandomForestRegressor #회귀rf=RandomForestClassifier()rf.fit(X_tr,y_tr)pred=rf.predict(X_val)print(root_mean_squared_error(y_val,pred) # macro일때는 average='macro'#lightgbmimport lightgbm import lgblgb=lgb.LGBMClassifier(random_state=0,verbose=-1) # 회귀면 Regressorlgb.fit(X_tr,y_tr)pred=lgb.predict(X_val)print(root_mean_squared_error(y_val,pred) test예측pred=rf.predict(test) #rf와lgbm중 선택submit=pd.DataFrame({'pred':pred)} # roc_auc인경우 pred[,:1]submit.to_csv('result.csv',index=False)print(pd.read_csv('result.csv'))

안녕하세요 챗지피티때문에 헷갈리는데 정리 한 번만 부탁드려요그냥 df['after'],df['before']로 쓰면ud = after-before(앞-뒤)이 되는거고 stat.ttest_rel(df['before'],df['after'],alternative='less')를 쓰면ud = before-after(앞-뒤)가 되는 것이죠??ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ  

궁금한 점이 몇가지 있는데 만약 작업형 2에서 EDA에서 info를 해봤을때 object 컬럼이 없다면 인코딩을 진행 안하는것이 맞을까요? 2. 평가 과정에서 precision과 recall은 해보지 않았던것 같은데 불러올때 from sklearn.metrics import precision_score from sklearn.metrics import recall_score 이렇게 불러온다음 나머지 과정은 accuracy와 동일하게 진행해주면 될까요? 감사합니다.

MinIO 서버도 잘 올라온거같고 UI도 잘 접속되는데당연히 master에 설치한게 아니라 mc 명령어가 없는게 맞는거 같은데 영상으로 쭉 따라오는데 저는 오류가 나요. 

안녕하세요. 강의를 수강하면서 한 가지 오류가 반복적으로 발생하여 질문드립니다.현재 아래 코드를 실행하는 과정에서 문제가 발생하고 있습니다.score = cross_val_score(knn, X_train, y_train.values.ravel(), cv=k_fold, n_jobs=-1, scoring='accuracy')print(score)셀을 실행하면 다음과 같은 오류 메시지가 지속적으로 출력됩니다.UnicodeEncodeError: 'ascii' codec can't encode characters in position 18-20: ordinal not in range(128)이 오류는 예전에도 Jupyter Notebook을 사용할 때 동일하게 발생하여 해결에 어려움을 겪었고, 이번 강의를 따라가는 과정에서도 같은 문제가 반복되고 있습니다.구글링과 GPT 등을 통해 여러 해결 방법을 시도해보았으나, 환경 변수 설정, 터미널 인코딩 변경, 관련 코드 수정 등 어떤 방법도 효과가 없었습니다. (제가 방법을 잘못 이해한 것일 수도 있습니다.) 혹시 이 문제가 발생하는 원인과 해결 방법에 대해 조언을 주실 수 있을까요?항상 좋은 강의 제공해주셔서 감사드립니다.  - 강의 영상에 대한 질문이 있으시면, 상세히 문의를 작성해주시면, 주말/휴일 제외, 2~3일 내에 답변드립니다 (이외의 문의는 평생 강의이므로 양해를 부탁드립니다.)- 강의 답변이 도움이 안되셨다면, dream@fun-coding.org 로 메일 주시면 24시간 내에 재검토하겠습니다.- 괜찮으시면 질문전에 챗GPT 와 구글 검색을 꼭 활용해보세요~- 잠깐! 인프런 서비스 운영(다운로드 방법포함) 관련 문의는 1:1 문의하기를 이용해주세요.

var configuration = new MapperConfiguration(cfg => { });이 부분 오류가 나던데  var configuration = new MapperConfiguration(cfg => { }, NullLoggerFactory.Instance);저는 이렇게 해서 오류 해결했습니다

 안녕하세요 강사님 Artillery 를 통해 혹시 부하테스트를 잡을 때 기능별로 잡을 때 앱에서 기능 테스트를 할 때 채팅이나 추천시스템 api 에 부하테스트를 줄 경우 STOMP 같은 거는 ui를 작성해주지 않으면 테스트 가 어려운 걸로 알고 있습니다. 공식문서를 봤을 때 웹소켓 말고는 안 나와 있는데 이런 것도 현업에서는 ngrinder로 테스트 하나요? 취준생 입장에서는 테스트를 어떻게 하면 좋을 지 궁금해서 질문 드립니다.  추천시스템 api도 궁금합니다.

# 컬럼 삭제 train = train.drop('flight', axis=1) test = test.drop('flight', axis=1) 안녕하세요 선생님! 고생많으십니다!한번씩 train.pop을 진행하고 난 후에 컬럼을 하나씩 drop하는 경우가 있던데 이런건 어떻게 판단해서 진행을 해야할까요?

포폴을 Part7 기반으로 만들고 있습니다.클라로 지원을 할예정인데 Part7만을 기반으로 포폴을 만들어도 괜찮나요?그리고 DB연동같은 부분들을 해보고싶은데 Part8을 듣지 않고도 Part9부터 들어도 괜찮을까요?

수업과 관련한 내용을 편하게 질문 바랍니다 😀선생님 안녕하세요여쭙고 싶은 것이 있어 글을 남깁니다.강의를 수강하고, 직접 실습을 해보면서 툴을 사용할 때 자꾸 레이어가 무결하지 않다고 경고가 뜨는데, 이것을 어떻게 해결해야하는지 모르겠습니다.혹시 방법을 알 수 있을까요?

안녕하세요 혹시 신입개발자의 경우 자신을 표현하는수단(프로젝트,어워드 등)같은 부분이 많이 없어서 자기소개와 같은 부분을 하나의 섹션으로 작성하여 좀 더 자신을 드러내는 건 어떻게 생각하시나요?

안녕하세요. 정말 좋은 강의 잘 듣고 있습니다:)문득, 강의를 듣다가 궁금한 점이 생겨 질문 남깁니다.현재 실습으로 진행하고 있는 타이타닉 데이터 같은 경우에는 컬럼 값이 많지 않은 데이터로 EDA 분석 후에 feature engineering, 모델링, 예측 순으로 진행하게 되는데 만약 컬럼 값이 수백개 또는 수천개 정도의 고차원 데이터 같은 경우에는 각각의 컬럼과 타겟변수와의 관계, 컬럼과 컬럼과의 연관성 등 EDA를 진행하기에는 어려움이 있지 않을까하는 의문점이 들었습니다.이런 고차원 데이터의 경우에는 PCA와 같은 차원축소 기법을 먼저 적용하여 컬럼의 수를 줄인 후에 EDA를 진행하는 것이 맞는건지 질문드립니다.