(사진)

앞선 강의('함수 코드 해석 순서' 편 이전의 강의)에서 스코프는 함수가 선언됬을 때 외, 내부 스코프를 설정 한 후 콘텍스로 저장한다고 이해했습니다. 그런데 이번 강의을 들으면서 스코프가 함수가 호출이 됬을 때 엔진이 함수 안을 해석하면서 스코프를 설정한다고 생각하게 되었습니다.  저는 저번 강의에서 함수 정의 단계에서 설정된 콘텍스(전에 설정된 스코프 덩어리)가 함수가 호출 되었을 때 식별가 해결에 사용된다고 받아들였습니다. 어떤 스코프가 맞는 건가요?

CLI로 생성한 프로젝트 폴더 구조 확인 및 main.js 파일 설명강의 보다가 질문드립니다.아래 내용을 실행하면 화면에 아무것도 나타지 않습니다. main.js 파일입니다. import Vue from 'vue'// import App from './App.vue'Vue.config.productionTip = falsevar App = { template: '<div>app</div>'}new Vue({ render: h => h(App), components: { 'app': App }}).$mount('#app') vue devtool로 검사해보면, <Root>   <Anonymous Components>이렇게 뜹니다.main.js 수정 전 처럼 화면에 보이게 하려면,제가 어느부분을 잘 못 했을까요?

중복되고 있는 단어가 찾는 로직부분인데요. 중복되는 단어가 없을 수도 있을 때는 0인데, 카운트했을 때 왜  추가되는지 이해가 잘 안가네요 frequency = {} for word in match_pattern:     count = frequency.get(word, 0)     frequency[word] = count + 1

안녕하세요. Flutter로 작은 프로젝트를 개발중인데요. 가르쳐주신 대로 학습하고 하니 잘 만들어 집니다. 다름이 아니라 ListView에서 Card 위젯을 Provider로 받아서 빌드 하는데 처음 몇개는 깔끔하게 잘나오는데 스크롤을 하여 카드가 한 10~12개 정도 넘어가면 Card와 RaisedButton의 외곽선이 점차 번집니다. Release 모드로 실행하여도 마찬가지 문제가 발생하네요. (다른 디바이스에서 테스트해도 동일한 결과) 사진 첨부하여 질문드립니다. 감사합니다.

삭제된 글입니다

변수들을 표준화 시키는 건 변수간에 단위가 달라 스케일을 맞춰주는 것이라고 알고 있습니다. 학습, 검증, 테스트 데이터들 모두 표준화 시켜서 모델을 평가할텐데 나중에 신규데이터가 들어와서 예측을 해야한다면 신규 데이터들도 표준화를 시켜야 머신러닝 모델이 결과를 예측할 수 있지 않나요? 만약 그렇다면 신규데이터들은 어떻게 표준화를 해야 하나요?  1. 신규데이터와 기존 학습데이터를 모두 표준화해서 다시 학습을 시켜야하나요? 2. 그렇지 않다면 신규데이터가 두 건 밖에 들어오지 않고, 신규데이터들끼리 min,max 표준화?? 한다면 하나는 0이 되고 하나는 1이 될텐데,  좀 이상한 것 같습니다ㅜ... 그럼 데이터가 하나만 들어올 때는 어떻게 해야하죠?? 4. 그리고 피처와 타겟값에 로그변환을 취한다면, 신규데이터가 들어올 때, 그냥 로그변환 취해주면 될까요? 공부할수록 질문이 너무 많아지네요ㅜㅜ

안녕하세요. @QueryHint 의 readOnly 속성과 관련하여 질문있습니다. 이전의 강의(jpa 활용 1편) 에서 service 단에 @Transaction(readOnly=true) 설정을 주었을 때 영속성 context flush (X), dirty checking (X) 를 통해서 성능을 최적화하고 DB에 읽기 전용임을 알린다고 배운게 기억이 나서요. 정리하자면  1. @QueryHint 의 readOnly 속성은 (how) 스냅샷을 만들지 않음으로써  (what) Dirty Checking의 비교를 하기 위해 내부적으로 객체를 2개(스냅샷) 만들어 메모리 낭비하는 것을 방지 2. @Transaction(readOnly=true) 속성은 (how) DB에 반영할 것이 없다는 것을 암시하여 영속성 context flush 를 하지 않도록 하여  (what) dirty checking 안 함 -> 성능 최적화 으로 이해를 했는데요. 왠지 두가지 방법이 매우 유사한 것 같아 이와 관련하여 구글링 하던 중  https://vladmihalcea.com/spring-read-only-transaction-hibernate-optimization/ 위 글을 봤는데  제가 이해하기로는 위 글에서 얘기하는 Entity loaded state 가 말씀하신 스냅샷이고 강의와 동일하게 'queryHint-readOnly를 통해 생성을 막을 수 있다.' 라고 하면서 작성자 본인이 기존에 Transactional-readOnly를 사용했을 때 Entity loaded state(스냅샷) 생성이 막히지 않아 git pull 요청을 해서 spring 5.1에서 적용됐다는 것 같은데요. 제가 이해한게 맞는지 그렇다면 @Transaction(readOnly=true)를  @QueryHint-readOnly속성과 동일한 기능으로 보고 대체하여 사용할 수 있는지 궁금합니다. 감사합니다.

어느 폴더에 완성본 파일이 있는지 알려주세요

본 강의에는 딥러닝이나 머신러닝의 분석과정을 설명해주셨는데, 혹시 이론부분도 따로 강의가능할까요?

코드는 맞는데 찾을 수 없다고 오류가 생겨서 비디오 업로드를 하지 못하고 있어요

useState를 보고 궁금한게 있어서 질문드립니다. useState는 불변성때문에 직접적으로 변경을 해주는게 불가능하다 들어서 splice 같은 메소드는 못 쓴다고 들었습니다. 예를들어서 [1,2,3,4,5]라는 배열이있을때 3을 삭제하고 9라는 숫자를 넣고싶으면 어떻게 해야할지 감이안잡혀서 질문드립니다.

도메인.com/ads.txt 이런식으로 텍스트 파일이 바로 도메인 뒤에 위치하도록 업로드 하고 싶은데, 도메인.com/ads.txt 접속을 해보면 이렇게 에러 메시지가 발생합니다. mimetype='text/plain'을 사용해서 코드를 작성해봤는데, 주소 인식을 못하더라구요. 남박사님 이런 경우에는 어떻게 코드를 수정해야 하나요? 너무 궁금합니다.

파일필터 정상작동여부 판단을 위해서 mp4가 아닌 png를 올려보앗는데 업로드폴더에 들어갑니다 ㅠㅠ

안녕하세요. 강의 보는 중 질문이 생겨 글 남깁니다. 타겟값 Y가 연속형 데이터일 때 회귀를 쓰잖아요? 그런데 Ridge나 Lasso같은 선형 모델도 있고, DesionTreeRegressor같은 CART 모델도 사용할 수 있을텐데 이러한 모델을 선택하는 기준이 뭔가요? 그리고 두 모델간의 성능차이가 큰가요? 성능차이가 있다면 어떤게 좋은지, 현업에서는 회귀에 어떤 모델이 더 널리 사용되는지 궁금합니다. 요약하자면, 1. 선형모델과 CART 회귀모델 선택기준 2. 두 모델들의 성능차이가 있는지, 뭐가 더 좋은지 3. 연속형Y값을 예측할 때 현업에선 어떤 모델이 많이 사용되는지 감사합니다.

날짜순으로 정열되어있는 데이터를 가지고 예측하는 모델을 딥러닝으로 구현하고자 하는데 모델의 양이 적어 과적합이 발생합니다. 해결방법이나 팁 같은 부분을 알려주실 수 있을까요?

다른 기능들은 다 수행합니다 하지만 기본 list 페이지를 시작할 때  기본 검색 박스에 None이 입력되어 있고, 제목을 검색한 이후, 제목이 유지 되지않고 검색 대상으로 되돌아 갑니다. 어디 부분을 수정해야되나요?

강의대로 따라하다가 activate 명령어를 입력했을 때 C:\p_study\Scripts>activate 'activate'은(는) 내부 또는 외부 명령, 실행할 수 있는 프로그램, 또는 배치 파일이 아닙니다. C:\p_study\Scripts> 라고 뜹니다 ㅠㅠ 어떤게 문제인지 모르겠어서 여쭤봅니다.

현재 개발환경에 설치되어 있는 라이브러리 버전입니다. - scikit-learn: 0.22.2 - scipy: 1.4.1 아래의 코드를 실행했을 때 'FitFailedWarning'이 발생합니다. lr_clf = LogisticRegression() lr_clf.fit(X_train, y_train) lr_preds = lr_clf.predict(X_test) params={'penalty':['l2', 'l1'], 'C':[0.01, 0.1, 1, 1, 5, 10]} grid_clf = GridSearchCV(lr_clf, param_grid=params, scoring='accuracy', cv=3 ) grid_clf.fit(data_scaled, cancer.target) print('최적 하이퍼 파라미터:{0}, 최적 평균 정확도:{1:.3f}'.format(grid_clf.best_params_, grid_clf.best_score_)) 그래서 찾아보니 블로그에서 아래와 같은 정보를 얻었습니다. ...생략... 사이킷런 0.22 버전에서 LogisticRegression 클래스의 solver 매개변수 기본값이 liblinear에서 lbfgs로 변경될 예정입니다. 사이킷런 0.20 버전에서 solver 매개변수를 지정하지 않는 경우 이에 대한 경고 메세지를 출력합니다. 경고 메세지를 피하고 향후 변경될 내용을 적용하기 위하여 solver 매개변수를 lbfgs로 설정합니다. 이후 아래처럼 코드를 수정하고 실행하니 warning 없이 정상적으로 동작했습니다. lr_clf = LogisticRegression(solver='liblinear') lr_clf.fit(X_train, y_train) lr_preds = lr_clf.predict(X_test) params={'penalty':['l2', 'l1'], 'C':[0.01, 0.1, 1, 1, 5, 10]} grid_clf = GridSearchCV(lr_clf, param_grid=params, scoring='accuracy', cv=3 ) grid_clf.fit(data_scaled, cancer.target) print('최적 하이퍼 파라미터:{0}, 최적 평균 정확도:{1:.3f}'.format(grid_clf.best_params_, grid_clf.best_score_)) 이렇게 해도 문제가 없는지 궁금하여 문의하였습니다. 감사합니다.

삭제된 글입니다