아무래도 유료 서비스가 편리하겠지만 적당하게 무료로 사용할 수 있을만한 오픈소스가 있나요??

아래 코드 실행시 오류가 나서 진행을 할수 없습니다, from langchain.smith import RunEvalConfig eval_config = RunEvalConfig( custom_evaluators=[exact_match], )

- 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 재검토하겠습니다. - 괜찮으시면 질문전에 챗GPT 와 구글 검색을 꼭 활용해보세요~- 잠깐! 인프런 서비스 운영(다운로드 방법포함) 관련 문의는 1:1 문의하기를 이용해주세요. 안녕하세요 제공하신 강의자료는 다운받아서 코드로 있는데섹션9 FastAPI 리퀘스트(Request) 와 예외처리 FastAPI 예외처리와 HTTPException 클래스 4초에 보시면 왼쪽 화면에 08_exceptionhandling.md 와 같이 설명하는 파일은 강의자료에 없는데 어떻게 보는건가요?    

안녕하세요 선생님.질문이 있습니다!  @CreateDateColumn({ name: 'mb_regs_tm', type: 'timestamp', comment: '등록일시', }) regs_tm: Date; @UpdateDateColumn({ name: 'mb_mod_tm', type: 'timestamp', nullable: true, comment: '수정일시', }) mod_tm: Date;위 데코레이션으로 만든 컬럼은 따로 시간을 지정해주지 않다보니 자동으로 UTC로 값이 설정되는데요.문제는 @Column({ name: 'mb_exp_tm', type: 'timestamp', nullable: true, comment: '만료일시', }) exp_tm: Date;이 컬럼의 경우 export function getExpirationDate(days: number): Date { const now = new Date(); return new Date(now.setDate(now.getDate() + days)); }위의 함수를 사용하여 데이터가 생성된 날로부터 90일을 더한 값으로 만료일을 설정하거든요.근데 mb_exp_tm 컬럼만 KST로 설정되고 나머지 mb_regs_tm, mb_mod_tm는 UTC로 데이터가 저장됩니다. https://github.com/typeorm/typeorm/issues/5841위 이슈에서도 제가 현재 고민하고 있는 부분에 대해 얘기하고 있지만 명확한 답은 아직 찾질 못해서요.혹시 위 문제에 대한 해결책을 들을 수 있을까요?

having에 있는 쿼리문을 where문으로 바꿔서 최적화 시키는 것은 이해가 갔습니다. 강의에는 인덱스 사용이 없어서 제가 한번 적용시켜보려고 멀티 컬럼(year, semester) 이렇게 넣고 explain 해보니 ref와 eq_ref가 떴는데도 불구하고 속도는 차이가 별반 다를게 없네요(2초 후반)인덱스를 어떻게 넣어야할지 알려주시면 감사합니다

_testProvider 와 gState가 같은 코드고 아래 코드가 위를 대신한다는 뜻이니 위는 지워도 되겠죠?   코드팩토리 디스코드에 질문하면 더욱 빠르게 질문을 받아 볼 수 있습니다![코드팩토리 디스코드]https://bit.ly/3HzRzUM - 학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! - 먼저 유사한 질문이 있었는지 검색해보세요. - 서로 예의를 지키며 존중하는 문화를 만들어가요. - 잠깐! 인프런 서비스 운영 관련 문의는 1:1 문의하기를 이용해주세요.

docker-compose.ymlversion: "3.9" services: redis-server: image: 'redis' container_name: redis-container restart: unless-stopped ports: - "6379:6379" healthcheck: test: ["CMD", "redis-cli", "ping"] interval: 5s timeout: 5s retries: 5 node-app: depends_on: redis-server: condition: service_healthy build: context: . dockerfile: Dockerfile container_name: node-app restart: on-failure ports: - "5000:8080" environment: - REDIS_URL=redis://redis-server:6379  server.jsconst express = require('express'); const redis = require('redis'); // Redis 클라이언트 생성 const client = redis.createClient({ url: process.env.REDIS_URL }); // Redis 연결 (async () => { try { await client.connect(); // 클라이언트 연결 console.log('Connected to Redis'); } catch (err) { console.error('Redis connection error:', err); } })(); const app = express(); // 초기값 설정 (async () => { try { await client.set('number', 0); } catch (err) { console.error('Failed to initialize Redis key:', err); } })(); app.get('/', async (req, res) => { try { // Redis 값 읽기 및 증가 const number = await client.get('number'); await client.set('number', parseInt(number) + 1); res.send(`숫자가 1씩 올라갑니다. ${number}`); } catch (err) { console.error('Error handling Redis operations:', err); res.status(500).send('Server error'); } }); app.listen(8080, () => { console.log('Server is running on port 8080'); });  node는 18버전 레디스 클라이언트 모듈은 4.7.0 입니다

언리얼엔진에서 play 버튼을 누르면, 좌우방향키 동작은 되지만 캐릭터(마네퀸?) 은 나오지 않는 증상이 있습니다.이와 같은 상황일때는 어디부분을 위주로 보면 되는지 알려주실수 있나 질문 남깁니다. 아래 사진은 GladiatorCore 설정입니다. 

🚨 아래의 가이드라인을 꼭 읽고 질문을 올려주시기 바랍니다 🚨질문 하시기 전에 꼭 확인해주세요- 질문 전 구글에 먼저 검색해보세요 (답변을 기다리는 시간을 아낄 수 있습니다)- 코드에 오타가 없는지 면밀히 체크해보세요 (Date와 Data를 많이 헷갈리십니다)- 이전에 올린 질문에 달린 답변들에 꼭 반응해주세요 (질문에 대한 답변만 받으시고 쌩 가시면 속상해요 😢)질문 하실때 꼭 확인하세요- 제목만 보고도 무슨 문제가 있는지 대충 알 수 있도록 자세한 제목을 정해주세요 (단순 단어 X)- 질문의 배경정보를 제공해주세요 (이 문제가 언제 어떻게 발생했고 어디까지 시도해보셨는지)- 문제를 재현하도록 코드샌드박스나 깃허브 링크로 전달해주세요 (프로젝트 코드에서 문제가 발생할 경우)- 답변이 달렸다면 꼭 확인하고 반응을 남겨주세요- 강의의 몇 분 몇 초 관련 질문인지 알려주세요!- 서로 예의를 지키며 존중하는 문화를 만들어가요. - 인프런 서비스 운영 관련 문의는 1:1 문의하기를 이용해주세요. 7.6 createReviewAction 서버 액션 컴포넌트에 state 값을 넘기는 것에 관한 질문입니다.강의 8분 35초 쯤에, state를 넘긴다고 하셨는데, 함수 내에서 사용하지 않는데 굳이 왜 넘기는 것인가요? 감사합니다.

퍼블리셔로 일하며 프론트개발자로 성장하고싶어서 공부중인데 아는 언어라곤 html, css, javascript인데 이 교재와 강의를 듣는게 어렵진 않을까요?!

- 학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! - 먼저 유사한 질문이 있었는지 검색해보세요. - 서로 예의를 지키며 존중하는 문화를 만들어가요. - 잠깐! 인프런 서비스 운영 관련 문의는 1:1 문의하기를 이용해주세요. 안녕하세요 선생님! 이번에 ARM Cortex-M 강의를 수강하고자 합니다.수업에 들어가기에 앞서 한가지 궁금한 점이 있어 문의 드립니다.제가 현재 가지고 있는 STM32 보드는, STM32F769I - Discovery Board 인데,선생님께서 강의해서 사용하시는 보드는 STM32F429I-DISCOVERY Board와 종류가 다른데,혹시 수업 진도를 따라가는데 큰 제약이 있을까 해서 여쭤봅니다.제가 가지고 있는 769I Board로 그대로 진행해도 괜찮을까요?   

system call register 로 쓰인다는 x8 의 경우는 arm architecture 호출 규약에 나와 있는 것인가요 아니면리눅스 커널에서 임의로 그렇게 정한 것인가요?

div id="highlighter"가 강의화면에는 없는데 왜 샌드박스파일에는 있는지 궁금해요 

https://blog.codefactory.ai/해당 사이트는 어떻게 만들었는지 대략적으로 알려주실 수 있을까요?!! 또한 웹화면이던 앱화면이던 반응형도 잘 구현되어 있어서 궁금합니다!

안녕하세요. 좋은 강의 잘 듣고 있습니다.강의를 들으며 실습을 하다가 궁금한 점이 생겨 질문드립니다.크게 두 가지 질문이 있습니다 ㅜㅜ 첫 번째로, public subnet에 NAT 인스턴스를 만들었는데, 역할이 잘 이해가 가지 않아 질문드립니다.제가 이해한 바로는관리자가 서버에 직접 접근할 때 bastion host를 통해 인스턴스에 접근할 수 있다클라이언트로부터의 요청은 alb를 통해 인스턴스로 요청된다이렇게 이해를 했습니다. 생성한 NAT는 언제 사용되는건지 잘 이해가 가지 않습니다.. 두 번째로, IGW를 통해 요청이 들어오면 IGW가 NAT 역할을 해준다고 검색을 해서 찾았는데.. 그렇게 되면 강의에서 생성한 NAT의 역할이 잘 이해가 가지 않습니다 ㅜㅜ 강의 항상 잘 듣고 있습니다. 감사합니다 :)

# 사이킷런 래퍼 XGBoost 클래스인 XGBClassifier 임포트 from xgboost import XGBClassifier # Warning 메시지를 없애기 위해 eval_metric 값을 XGBClassifier 생성 인자로 입력. 미 입력해도 수행에 문제 없음. xgb_wrapper = XGBClassifier(n_estimators=400, learning_rate=0.05, max_depth=3, eval_metric='logloss') xgb_wrapper.fit(X_train, y_train, verbose=True) w_preds = xgb_wrapper.predict(X_test) w_pred_proba = xgb_wrapper.predict_proba(X_test)[:, 1]위 코드 수행시 다음과 같은 오류가 발생해서 아래의 코드로 수정하여 고쳤는데도 오류가 발생하는데, 찾아봐도 무엇이 문제인지 알 수 가 없어 질문을 남깁니다.어떤 이유인지 몰라 질문 자세히 못드리는 점 죄송합니다..수정된 코드# early_stopping_rounds를 10으로 설정하고 재 학습. xgb_wrapper.fit(X_tr.values, y_tr.values, early_stopping_rounds=10, eval_metric="logloss", eval_set=evals,verbose=True) ws10_preds = xgb_wrapper.predict(X_test.values) ws10_pred_proba = xgb_wrapper.predict_proba(X_test.values)[:, 1] get_clf_eval(y_test , ws10_preds, ws10_pred_proba)AttributeError Traceback (most recent call last) Cell In[40], line 16 14 # XGBoost 모델 학습 15 xgb_wrapper = XGBClassifier(n_estimators=400, learning_rate=0.05, max_depth=3) ---> 16 xgb_wrapper.fit(X_tr.values, y_tr.values, early_stopping_rounds=10, 17 eval_metric="logloss", eval_set=evals, verbose=True) 19 # 예측 및 확률 추출 20 ws10_preds = xgb_wrapper.predict(X_test.values) File ~\anaconda3\envs\sklearn_env\lib\site-packages\xgboost\core.py:506, in _deprecate_positional_args.<locals>.inner_f(*args, **kwargs) 504 for k, arg in zip(sig.parameters, args): 505 kwargs[k] = arg --> 506 return f(**kwargs) File ~\anaconda3\envs\sklearn_env\lib\site-packages\xgboost\sklearn.py:1231, in XGBClassifier.fit(self, X, y, sample_weight, base_margin, eval_set, eval_metric, early_stopping_rounds, verbose, xgb_model, sample_weight_eval_set, base_margin_eval_set, feature_weights, callbacks) 1228 label_transform = lambda x: x 1230 model, feval, params = self._configure_fit(xgb_model, eval_metric, params) -> 1231 train_dmatrix, evals = _wrap_evaluation_matrices( 1232 missing=self.missing, 1233 X=X, 1234 y=y, 1235 group=None, 1236 qid=None, 1237 sample_weight=sample_weight, 1238 base_margin=base_margin, 1239 feature_weights=feature_weights, 1240 eval_set=eval_set, 1241 sample_weight_eval_set=sample_weight_eval_set, 1242 base_margin_eval_set=base_margin_eval_set, 1243 eval_group=None, 1244 eval_qid=None, 1245 create_dmatrix=lambda **kwargs: DMatrix(nthread=self.n_jobs, **kwargs), 1246 enable_categorical=self.enable_categorical, 1247 label_transform=label_transform, 1248 ) 1250 self._Booster = train( 1251 params, 1252 train_dmatrix, (...) 1261 callbacks=callbacks, 1262 ) 1264 if not callable(self.objective): File ~\anaconda3\envs\sklearn_env\lib\site-packages\xgboost\sklearn.py:334, in _wrap_evaluation_matrices(missing, X, y, group, qid, sample_weight, base_margin, feature_weights, eval_set, sample_weight_eval_set, base_margin_eval_set, eval_group, eval_qid, create_dmatrix, enable_categorical, label_transform) 332 evals.append(train_dmatrix) 333 else: --> 334 m = create_dmatrix( 335 data=valid_X, 336 label=label_transform(valid_y), 337 weight=sample_weight_eval_set[i], 338 group=eval_group[i], 339 qid=eval_qid[i], 340 base_margin=base_margin_eval_set[i], 341 missing=missing, 342 enable_categorical=enable_categorical, 343 ) 344 evals.append(m) 345 nevals = len(evals) File ~\anaconda3\envs\sklearn_env\lib\site-packages\xgboost\sklearn.py:1245, in XGBClassifier.fit.<locals>.<lambda>(**kwargs) 1228 label_transform = lambda x: x 1230 model, feval, params = self._configure_fit(xgb_model, eval_metric, params) 1231 train_dmatrix, evals = _wrap_evaluation_matrices( 1232 missing=self.missing, 1233 X=X, 1234 y=y, 1235 group=None, 1236 qid=None, 1237 sample_weight=sample_weight, 1238 base_margin=base_margin, 1239 feature_weights=feature_weights, 1240 eval_set=eval_set, 1241 sample_weight_eval_set=sample_weight_eval_set, 1242 base_margin_eval_set=base_margin_eval_set, 1243 eval_group=None, 1244 eval_qid=None, -> 1245 create_dmatrix=lambda **kwargs: DMatrix(nthread=self.n_jobs, **kwargs), 1246 enable_categorical=self.enable_categorical, 1247 label_transform=label_transform, 1248 ) 1250 self._Booster = train( 1251 params, 1252 train_dmatrix, (...) 1261 callbacks=callbacks, 1262 ) 1264 if not callable(self.objective): File ~\anaconda3\envs\sklearn_env\lib\site-packages\xgboost\core.py:506, in _deprecate_positional_args.<locals>.inner_f(*args, **kwargs) 504 for k, arg in zip(sig.parameters, args): 505 kwargs[k] = arg --> 506 return f(**kwargs) File ~\anaconda3\envs\sklearn_env\lib\site-packages\xgboost\core.py:616, in DMatrix.__init__(self, data, label, weight, base_margin, missing, silent, feature_names, feature_types, nthread, group, qid, label_lower_bound, label_upper_bound, feature_weights, enable_categorical) 613 assert self.handle is not None 614 return --> 616 handle, feature_names, feature_types = dispatch_data_backend( 617 data, 618 missing=self.missing, 619 threads=self.nthread, 620 feature_names=feature_names, 621 feature_types=feature_types, 622 enable_categorical=enable_categorical, 623 ) 624 assert handle is not None 625 self.handle = handle File ~\anaconda3\envs\sklearn_env\lib\site-packages\xgboost\data.py:707, in dispatch_data_backend(data, missing, threads, feature_names, feature_types, enable_categorical) 705 return _from_tuple(data, missing, threads, feature_names, feature_types) 706 if _is_pandas_df(data): --> 707 return _from_pandas_df(data, enable_categorical, missing, threads, 708 feature_names, feature_types) 709 if _is_pandas_series(data): 710 return _from_pandas_series(data, missing, threads, feature_names, 711 feature_types) File ~\anaconda3\envs\sklearn_env\lib\site-packages\xgboost\data.py:297, in _from_pandas_df(data, enable_categorical, missing, nthread, feature_names, feature_types) 289 def _from_pandas_df( 290 data, 291 enable_categorical: bool, (...) 295 feature_types: Optional[List[str]], 296 ): --> 297 data, feature_names, feature_types = _transform_pandas_df( 298 data, enable_categorical, feature_names, feature_types) 299 return _from_numpy_array(data, missing, nthread, feature_names, 300 feature_types) File ~\anaconda3\envs\sklearn_env\lib\site-packages\xgboost\data.py:250, in _transform_pandas_df(data, enable_categorical, feature_names, feature_types, meta, meta_type) 246 if isinstance(data.columns, pd.MultiIndex): 247 feature_names = [ 248 ' '.join([str(x) for x in i]) for i in data.columns 249 ] --> 250 elif isinstance(data.columns, (pd.Int64Index, pd.RangeIndex)): 251 feature_names = list(map(str, data.columns)) 252 else: AttributeError: module 'pandas' has no attribute 'Int64Index'

캐릭터 색상 밝게 한 파일은 어디에 위치해있는지 알 수 있을까요?ㅠㅠ

안녕하세요! 우선 제 k8s cluster는 클라우드 서비스를 이용하여 master노드와 worker노드 2개를 각각 다른 vm에 설치해서 총3대로 구성한 상태이구요, section7의 service 실습 강의를 듣던 도중, master노드에서 DNS record를 조회해 보았는데 조회가 안되더라구요. 정상적인 결과인 것일까요? ps. 노드1에서 노드2로의 접근은 확인이 된 상태입니다. (pod-a가 node1, request-pod가 node2에 위치) 

제가 학교에서 수업으로 잠깐 Android Studio를 다루게 되고, 그 때부터 "The emulator process for AVD Pixel_3a_API_33 has terminated." 이라는 오류가 떠서 실습을 전혀 진행을 못해 손을 놓은 상태였는데, 최근에 다시 앱개발에 관심이 생겨 flutter도 구축하고 Android studio도 다시 설치해서 애뮬레이터를 작동시키려 하는데, 한달동안 구글에 있는 모든 방법들을 다 해봤다고 생각하는데도 계속 똑같은 오류가 발생해서 이제는 겁이 나네요. 포맷하고 원격 구축을 맡겨야 할까요?

제목 그대로 ./gradlew test 실행시 인식할수 없다고 뜹니다. 이 경우 gradlew이 설치되지 않아서 발생하는 문제인지 궁금합니다.