inflearn logo
강의

강의

N
챌린지

챌린지

멘토링

멘토링

N
클립

클립

로드맵

로드맵

지식공유

묻고 답해요

176만명의 커뮤니티!! 함께 토론해봐요.

소리

미해결

초보자를 위한 카카오톡 챗봇 개발

안녕하세요 원래 소리가 안 나오는게 맞는거죠? 그럼 혹시 pdf는 없으신가요?

  • python
  • android
  • 업무-생산성
  • 인공지능(ai)
  • chatgpt
  • ai-agent
  • 바이브코딩
Divine K 댓글 1 좋아요 0 조회수 53

전 이렇게 풀었습니다

미해결

파이썬 무료 강의 (기본편) - 6시간 뒤면 나도 개발자

인코딩을 까먹었지만 잘 되네요 i = 0 while i < 50: with open(f'{i+1}주차.txt', 'w') as file: file.write(f'- {i+1}주차 주간보고 -\n') file.write('부서:\n') file.write('이름:\n') file.write('업무 요약:\n') i += 1

  • python
제리스 댓글 1 좋아요 0 조회수 61

작업형2 모의문제2 결과값 관련 문의드립니다.

미해결

[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)

https://colab.research.google.com/drive/1vJz33RoI79OaulL4tJlIkHp3X66tjjKE 제가 풀이한 코드입니다. 작업형2 모의문제2를 풀 때마다 어떤 모델을 써도 계속 price 예측값에 마이너스가 포함되어 결과값 검증이 불가해집니다. 강의와 함께 여러번 훑어봐도 어떤 부분에 오류가 있는지 찾기 어려워 질문드립니다. 감사합니다.

  • python
  • 머신러닝
  • 빅데이터
  • pandas
  • 빅데이터분석기사
가람삐 댓글 2 좋아요 0 조회수 82

배열 포인터 출력 표시

해결됨

(2027 대비!) 일주일만에 합격하는 정보처리기사 실기

포인터 조작과 출제 패턴(2. 포인터 증가/감소, 이중 포인터) 7:16 포인터 조작과 출제 패턴(2. 포인터 증가/감소, 이중 포인터) 7:03 char str[] = "Hello"; char *ptr_a = str *ptr_ a = &str[0] printf("%c\n", ptr_a[1]); 여기에서 왜 * ptr_a[1]이 아니라 *를 제거한 ptr_a[1]이 오는 걸까요?

  • python
  • java
  • c
  • 정보처리기사
  • 정보처리산업기사
dhkdxo12 댓글 2 좋아요 0 조회수 76

포인터 증감 또는 값 증감

해결됨

(2027 대비!) 일주일만에 합격하는 정보처리기사 실기

포인터 조작과 출제 패턴(2. 포인터 증가/감소, 이중 포인터) char a[]="Hello"; int b[]={1, 2, 3, 4, 5}; char *ptr_a = a; printf("%c\n", *ptr_a); 여기에서 배열이 가르키는 첫번째 요소 "H"를 출력한다는 것은 이해했습니다. 하지만 그다음 ptr_a++; 해당 문장은 증감식으로 값을 +1하는 것이 아니라 포인터 +1을 하여 다음 주소의 값을 지칭한다고 하는데 ptr_a++; 이것이 포인터 1 증가하는 것이면 값을 1 증가하는 것을 표현하려면 어떻게 해야하나요?

  • python
  • java
  • c
  • 정보처리기사
  • 정보처리산업기사
dhkdxo12 댓글 2 좋아요 0 조회수 73

배열 포인터 함수 관련

해결됨

(2027 대비!) 일주일만에 합격하는 정보처리기사 실기

포인터의 개념과 활용1. 메모리 주소에 접근하자) 21:52 int arr[] = {1, 2, 3, 4, 5} 일 때 printf("%d\n", *arr);은 기본적으로 배열 인덱스 첫번째 값을 지칭하여 값이 1이 나오는 것을 이했습니다. 다만, printf("%d\n", arr) 이라면 값이 어떻게 출력되나요?

  • python
  • java
  • c
  • 정보처리기사
  • 정보처리산업기사
dhkdxo12 댓글 2 좋아요 0 조회수 70

12회차 시험 실패 후 13회 도전 예정입니다.

해결됨

[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)

12회차 시험 실패 후 13회 도전 예정입니다. 12회차 시험환경에서 catrl / 복사 가 너무 힘들었던 경험이 있습니다. 이상하게 기능 작동이 안해서 엄청 나게 불편했었는데 오래 되어서 기억이 나지 않네요 이 문제 주의점 공유 부탁드려 합니다.

  • python
  • 머신러닝
  • 빅데이터
  • pandas
  • 빅데이터분석기사
jgw1717 댓글 1 좋아요 0 조회수 66

실기 이론 통합 요약본 버전

해결됨

(2027 대비!) 일주일만에 합격하는 정보처리기사 실기

안녕하세요 정보처리기사 실기 이론 공부를 위해서 파일을 다운받고 공부하려고하는데 v0.91과 v1.2가 확인되는데 v1.2만 봐도 되는걸까요?

  • python
  • java
  • c
  • 정보처리기사
  • 정보처리산업기사
dhkdxo12 댓글 2 좋아요 0 조회수 91

random_state 값

해결됨

[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)

학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요! 질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요 먼저 유사한 질문이 있었는지 검색해보세요 random_state 값을 0으로 하는데도 계속 RMSE값이 고정되지 않고 계속 바뀌는데 정상적인걸까요..

  • python
  • 머신러닝
  • 빅데이터
  • pandas
  • 빅데이터분석기사
강지훈 댓글 2 좋아요 0 조회수 89

19강 감정분석 강의처럼 api 돌렸는데

미해결

베개 투자법: 자면서 돈 버는 AI 주식 자동 매매 머신

{ "message": "8개의 티커(추천 주식: 8개, 보유 주식: 0개)를 분석했습니다", "results": [ { "ticker": "SBUX", "stock_name": "스타벅스", "message": "관련 기사 없음", "is_recommended": true, "is_holding": false, "recommendation_info": { "Stock": "스타벅스", "Accuracy (%)": 92.14043842819059, "Rise Probability (%)": 12.727200426674415, "Last Actual Price": 90.75, "Predicted Future Price": 102.29993438720703, "Recommendation": "STRONG BUY", "Analysis": "스타벅스 is expected to rise by about 12.73%. Consider buying or holding." }, "holding_info": {} }, { "ticker": "INTC", "stock_name": "인텔", "message": "관련 기사 없음", "is_recommended": true, "is_holding": false, "recommendation_info": { "Stock": "인텔", "Accuracy (%)": 93.7987479189803, "Rise Probability (%)": 12.57278347865132, "Last Actual Price": 104.69999694824219, "Predicted Future Price": 117.86370086669922, "Recommendation": "STRONG BUY", "Analysis": "인텔 is expected to rise by about 12.57%. Consider buying or holding." }, "holding_info": {} }, { "ticker": "ADBE", "stock_name": "어도비", "message": "관련 기사 없음", "is_recommended": true, "is_holding": false, "recommendation_info": { "Stock": "어도비", "Accuracy (%)": 90.450651791578, "Rise Probability (%)": 12.955434095756315, "Last Actual Price": 242.27000427246094, "Predicted Future Price": 273.6571350097656, "Recommendation": "STRONG BUY", "Analysis": "어도비 is expected to rise by about 12.96%. Consider buying or holding." }, "holding_info": {} }, { "ticker": "CMCSA", "stock_name": "컴캐스트", "message": "관련 기사 없음", "is_recommended": true, "is_holding": false, "recommendation_info": { "Stock": "컴캐스트", "Accuracy (%)": 95.23976238515455, "Rise Probability (%)": 6.15458756124334, "Last Actual Price": 20.65999984741211, "Predicted Future Price": 21.931537628173828, "Recommendation": "STRONG BUY", "Analysis": "컴캐스트 is expected to rise by about 6.15%. Consider buying or holding." }, "holding_info": {} }, { "ticker": "QQQ", "stock_name": "QQQ ETF", "message": "관련 기사 없음", "is_recommended": true, "is_holding": false, "recommendation_info": { "Stock": "QQQ ETF", "Accuracy (%)": 91.7769098764588, "Rise Probability (%)": 5.3851518359860675, "Last Actual Price": 751.27001953125, "Predicted Future Price": 791.72705078125, "Recommendation": "STRONG BUY", "Analysis": "QQQ ETF is expected to rise by about 5.39%. Consider buying or holding." }, "holding_info": {} }, { "ticker": "AMGN", "stock_name": "암젠", "message": "관련 기사 없음", "is_recommended": true, "is_holding": false, "recommendation_info": { "Stock": "암젠", "Accuracy (%)": 95.4656891769387, "Rise Probability (%)": 3.0218338941009795, "Last Actual Price": 414.8699951171875, "Predicted Future Price": 427.40667724609375, "Recommendation": "STRONG BUY", "Analysis": "암젠 is expected to rise by about 3.02%. Consider buying or holding." }, "holding_info": {} }, { "ticker": "AMAT", "stock_name": "어플라이드 머티리얼즈", "message": "관련 기사 없음", "is_recommended": true, "is_holding": false, "recommendation_info": { "Stock": "어플라이드 머티리얼즈", "Accuracy (%)": 87.49084067399022, "Rise Probability (%)": 5.585138734512719, "Last Actual Price": 507.0299987792969, "Predicted Future Price": 535.3483276367188, "Recommendation": "STRONG BUY", "Analysis": "어플라이드 머티리얼즈 is expected to rise by about 5.59%. Consider buying or holding." }, "holding_info": {} }, { "ticker": "PEP", "stock_name": "펩시코", "message": "관련 기사 없음", "is_recommended": true, "is_holding": false, "recommendation_info": { "Stock": "펩시코", "Accuracy (%)": 97.5355277707488, "Rise Probability (%)": 3.629828103934677, "Last Actual Price": 125.97000122070312, "Predicted Future Price": 130.54249572753906, "Recommendation": "STRONG BUY", "Analysis": "펩시코 is expected to rise by about 3.63%. Consider buying or holding." }, "holding_info": {} } ] } 이런식으로 관련시가사 없다고 나오기도 하나요? 유명한 기업들인데 관련시가사 없어서 아래 코드처럼 추천 주식 0 이 뜨던데. { "message": "통합 분석이 완료되었습니다", "technical_analysis": { "message": "24개의 추천 데이터가 생성되었습니다", "count": 24 }, "sentiment_analysis": { "message": "8개의 티커(추천 주식: 8개, 보유 주식: 0개)를 분석했습니다", "count": 8 }, "combined_results": { "message": "0개의 매수 추천 주식을 찾았습니다", "results": [] } }

  • python
  • 딥러닝
  • 빅데이터
  • FastAPI
  • 데이터-엔지니어링
jkl 댓글 1 좋아요 1 조회수 92

업캐스팅 3번 문제 예시

해결됨

(2027 대비!) 일주일만에 합격하는 정보처리기사 실기

업케스팅 문제 예시 3번이 이해가 안갑니다. 아까는 a가 먼저 나오더이 이번엔 왜 b가 먼저 나온 걸까요?

  • python
  • java
  • c
  • 정보처리기사
  • 정보처리산업기사
gjsrb7687 댓글 2 좋아요 0 조회수 76

강의 연장 문의 드립니다.

해결됨

[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)

안녕하세요. 빅데이터분석기사 13회차 시험을 준비하고 있는데, 현재 강의 수강 기간이 11월 8일까지라 혹시 강의 연장이 가능할지 조심스럽게 여쭙습니다. 번거로우시겠지만 연장해 주신다면 정말 감사하겠습니다. 검토 부탁드립니다. 감사합니다! 제 메일입니다 dlgnqud7@gmail.com

  • python
  • 머신러닝
  • 빅데이터
  • pandas
  • 빅데이터분석기사
후곰 댓글 2 좋아요 0 조회수 83

구글드라이브 접속 불가

해결됨

2027 벼락치기 합격! 기출문제 집중 정보처리기사 실기

첨부해주신 구글드라이브 링크가 접속이 안됩니다. 확인 부탁드리겠습니다. 감사합니다.

  • python
  • java
  • c
  • 정보처리기사
  • database
YSC 댓글 2 좋아요 0 조회수 69

2024년2회15~20

해결됨

2027 벼락치기 합격! 기출문제 집중 정보처리기사 실기

2024년2회15~20 8분 15초에 결합도는 높은게 좋다고 하셨는데 결합도는 낮은게 좋지않나요?

  • python
  • java
  • c
  • 정보처리기사
  • database
박종철 댓글 1 좋아요 0 조회수 62

Queue

미해결

코딩테스트 [ ALL IN ONE ]

Queue에서 array list의 경우 dequeue시 앞의 공간이 남아있는채로 점점 뒤로 가서 불필요한 공간이 많이 생기는 것으로 알고있는데 linked list의 경우 dequeue를 하게 된다면 공간도 같이 삭제가 되는건가요?

  • python
  • 코딩-테스트
  • 알고리즘
Jh K 댓글 1 좋아요 0 조회수 58

강의 연장 문의

해결됨

[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)

빅분기 실기 13회를 공부중인데, 10.12일까지 만료일자라서 13회까지 기간 연장 문의드립니다. 메일주소는 leewoongjae8@naver.com 입니다.

  • python
  • 머신러닝
  • 빅데이터
  • pandas
  • 빅데이터분석기사
댓글 2 좋아요 0 조회수 74

push pop 설명 되어있는 강의가 몇강인가요?

해결됨

(2027 대비!) 일주일만에 합격하는 정보처리기사 실기

c언어에서 push pop 을 까먹어서 다시 공부하려고 하는데 쉽게 설명되어있는 강의가 몇강인지 못찾겠어요

  • python
  • java
  • c
  • 정보처리기사
  • 정보처리산업기사
maritime23 댓글 1 좋아요 0 조회수 60

다운로드

미해결

처음 배우는 파이썬(python) 프로그래밍 입문

nvm 아니 uv 를 오프라인 다운로드 받을수없나요?

  • python
  • 인공지능(ai)
  • python3
서명진 댓글 1 좋아요 0 조회수 80

강사님 강의 자료와 코드를 부탁드리고 싶습니다.

해결됨

컴퓨터 비전 이상 탐지, 개발부터 배포까지 올인원 마스터

강사님 강의 자료와 코드를 수령하고 싶습니다. 지난 질문들을 정독해가며 정말 감사한 마음으로 수강하고 있습니다. 깃허브 주소도 있다는데... 강의자료에선 찾을 수가 없네요. mildchocolate1@gmail.com 입니다.

  • python
  • 머신러닝
  • 딥러닝
  • azure-databricks
  • 인공지능(ai)
limtony1 댓글 2 좋아요 0 조회수 89

16강에서 코드가 계속 안도길래. ai가 고쳐서 일단 supabase에 preditc 한 주가를

해결됨

베개 투자법: 자면서 돈 버는 AI 주식 자동 매매 머신

저장은 되게 되었습니다. 근데 이게 ai가 db에 그냥 아무 데이터나 넣게 학습 시키게끔 바꾼건지 잘 모르겠습니다. # 예전: 종목 목록을 만든 뒤 바로 스케일링했다. # 지금: 숫자가 하나도 없는 칸은 학습에서 뺀다. def columns_with_numbers(frame, columns): kept = [] dropped = [] for col in columns: numeric = pd.to _numeric(frame[col], errors='coerce') if col in frame.columns else pd.Series(dtype=float) if numeric.notna().any() and np.isfinite( numeric.to _numpy(dtype=float, na_value=np.nan)).any(): kept.append(col) else: dropped.append(col) return kept, dropped target_columns, dropped_targets = columns_with_numbers(data, target_columns) economic_features, dropped_econ = columns_with_numbers(data, economic_features) dropped_columns = dropped_targets + dropped_econ if dropped_columns: print(f"값이 없어 학습에서 뺀 칸: {dropped_columns}") if not target_columns or not economic_features: raise RuntimeError("학습에 쓸 숫자 칸이 없습니다.") # 예전: 빈 칸을 그대로 스케일러에 넣었다. # 지금: 남은 빈 칸은 앞뒤 날짜 값으로 채운 다음 스케일링한다. feature_columns = list(dict.fromkeys(target_columns + economic_features)) data[feature_columns] = data[feature_columns].apply( pd.to _numeric, errors='coerce').ffill().bfill() print("Scaling data...") train_size = int(len(data) * 0.8) train_data = data.iloc[:train_size] test_data = data.iloc[train_size:] data_scaled = data.copy() stock_scaler = MinMaxScaler() econ_scaler = MinMaxScaler() data_scaled[target_columns] = stock_ scaler.fit _transform(data[target_columns]) data_scaled[economic_features] = econ_ scaler.fit _transform(data[economic_features]) model = build_transformer_with_two_inputs(stock_shape, econ_shape, num_heads=8, ff_dim=256, target_size=len(target_columns)) # 예전: Adam(learning_rate=0.0001) # 지금: clipnorm=1.0 을 넣어 학습 중 숫자가 한없이 커지지 않게 했다. model.compile(optimizer=Adam(learning_rate=0.0001, clipnorm=1.0), loss='mse', metrics=['mae']) predicted_prices = model.predict([X_stock_full, X_econ_full], verbose=1) predicted_prices_actual = stock_scaler.inverse_transform(predicted_prices) # 예전: 예측하자마자 표로 만들고 저장했다. # 지금: 빈 칸 개수를 세고, 가격으로 되돌린 값이 전부 비어 있으면 저장하지 않고 멈춘다. raw_empty = int((~np.isfinite(predicted_prices)).sum()) inv_empty = int((~np.isfinite(predicted_prices_actual)).sum()) last_loss = history.history['loss'][-1] print(f"모델 출력 빈 값: {raw_empty} / {predicted_prices.size}") print(f"가격으로 되돌린 빈 값: {inv_empty} / {predicted_prices_actual.size}") print(f"마지막 학습 손실: {last_loss}") if inv_empty == predicted_prices_actual.size: raise RuntimeError( "모델 예측이 전부 비어 있습니다. " f"모델 출력 빈 값 {raw_empty}/{predicted_prices.size}, " f"가격 변환 빈 값 {inv_empty}/{predicted_prices_actual.size}, " f"마지막 학습 손실 {last_loss}. 데이터베이스는 수정하지 않았습니다." ) def save_predictions_to_db(result_df): try: # 예전: records = result_ df.to _dict('records') # 지금: 숫자는 그대로 두고, 비어 있는 칸만 null 로 바꾼다. records = json.loads(result_ df.to _json(orient='records')) if not records: raise ValueError("저장할 예측 결과가 없습니다.") # 예전: 넣을 내용을 확인하기 전에 기존 행을 지웠다. # 지금: 넣을 내용이 생긴 뒤에만 기존 행을 지운다. supabase.table("predicted_stocks").delete().neq("id", 0).execute() chunk_size = 100 for i in range(0, len(records), chunk_size): chunk = records[i:i+chunk_size] response = supabase.table("predicted_stocks").insert(chunk).execute() # 예전: 저장 응답이 비어 있어도 넘어갔다. # 지금: 응답이 비어 있으면 실패로 처리한다. if not response.data : raise RuntimeError(f"예측 결과 저장 응답이 비어 있습니다. offset={i}") print(f"{len(records)}개의 예측 결과가 데이터베이스에 저장되었습니다.") # 예전: 성공인지 실패인지 돌려주지 않았다. # 지금: 성공이면 True 와 빈 이유를 돌려준다. return True, None except Exception as e: print(f"데이터베이스 저장 오류: {e}") # 지금: 실패하면 False 와 실패 이유를 돌려준다. return False, str(e) # 예전: save_predictions_to_db(result_data) # print("모든 예측 결과가 DB에 저장되었습니다.") # 지금: 저장이 실패하면 성공이라고 말하지 않고, 이유를 보여 준 뒤 멈춘다. predictions_saved, save_error = save_predictions_to_db(result_data) if not predictions_saved: raise RuntimeError(f"예측 결과를 데이터베이스에 저장하지 못했습니다. 원인: {save_error}") print("모든 예측 결과가 DB에 저장되었습니다.") def get_predictions_from_db(chunk_size=1000): try: count_response = supabase.table("predicted_stocks").select("id", count="exact").execute() # 예전: total_count = count_response.count # 지금: 개수가 없으면 0으로 본다. total_count = count_response.count or 0 print(f"predicted_stocks 테이블의 총 레코드 수: {total_count}") # 예전: 행이 0개여도 날짜 칸을 읽다가 오류가 났다. # 지금: 행이 0개면 날짜를 읽지 않고 None 을 돌려준다. if total_count == 0: print("predicted_stocks 테이블에 데이터가 없습니다.") return None all_data = [] for offset in range(0, total_count, chunk_size): response = ( supabase.table("predicted_stocks") .select("*") .order("날짜", desc=False) .limit(chunk_size) .offset(offset) .execute() ) # 예전: chunk_data = response.data # 지금: 응답이 비어 있으면 빈 목록으로 본다. chunk_data = response.data or [] all_data.extend(chunk_data) df = pd.DataFrame(all_data) # 예전: 날짜 칸이 없어도 df['날짜'] 를 읽었다. # 지금: 표가 비었거나 날짜 칸이 없으면 None 을 돌려준다. if df.empty or '날짜' not in df.columns: print("가져온 데이터에 '날짜' 컬럼이 없습니다.") return None df['날짜'] = pd.to _datetime(df['날짜']) return df except Exception as e: print(f"데이터 가져오기 오류: {e}") return None # 예전: # data = get_predictions_from_db(chunk_size=1000) # if data is None or len(data) == 0: # print("데이터를 가져오는데 실패했습니다.") # exit(1) # target_columns = ['애플', '마이크로소프트', ...] # 지금: 데이터베이스를 다시 읽지 않고, 방금 만든 예측표를 그대로 평가한다. # 종목 목록도 다시 적지 않고, 위에서 걸러 둔 target_columns 를 쓴다. data = result_data.copy() data['날짜'] = pd.to _datetime(data['날짜']) forecast_horizon = 14 evaluation_results = evaluate_predictions(data, target_columns, forecast_horizon) rise_results = analyze_rise_predictions(data, target_columns) # 예전: 비교할 예측이 없어도 바로 두 표를 합쳤다. # 지금: 평가 결과가 비어 있으면 합치지 않고 멈춘다. if evaluation_results.empty or 'Stock' not in evaluation_results.columns: raise RuntimeError("평가할 예측값이 없습니다. 실제 가격과 예측값을 합치지 않습니다.") final_results = pd.merge(evaluation_results, rise_results, on='Stock', how='outer') 이런식으로 바꾸었어요 AI가

  • python
  • 딥러닝
  • 빅데이터
  • FastAPI
  • 데이터-엔지니어링
jkl 댓글 1 좋아요 2 조회수 83

인기 태그

인프런 TOP Writers

주간 인기글