커스텀 커맨드랑 스킬이 내부적으로는 같은 방식으로 처리되고 차이는 참조할 수 있는 보조파일 유무라고 하셨는데 그럼 스킬이 커스텀 커맨드의 상위호완느낌으로 이해했는데 맞나요? 그렇다면 현재 커맨드로 사용중인 작업들(git-commit, update-roadmap 등)을 스킬로 옮기는게 장기적으로 좋을까요?
(AI 퀀트) 코드 한 줄 안 쓰고 주식 자동 분석 시스템 만들기 feat. Claude CLI
💡 수강생 안내 사항 (커뮤니티 가이드) 학습 관련 질문 : 구체적으로 적을수록 정확한 답변을 받을 수 있습니다. 작성 팁 : 마크다운과 단축키를 활용하면 글을 더 편리하게 작성할 수 있습니다. 사전 검색 : 질문을 남기기 전, 커뮤니티 질문 & 답변에 비슷한 내용이 있었는지 먼저 검색해 보세요. 커뮤니티 매너 : 서로 예의를 지키며 존중하는 분위기를 함께 만들어가요. 서비스 문의 : 인프런 서비스 관련 문의는 1:1 문의하기 를 이용해 주세요.
학습관련 질문을 남겨주세요! 상세히 작성주시면 더 좋아요 🙂 안녕하세요, 재밌는 강의 만들어주셔서 감사합니다! 저는 먼저 구현 후, 강사님의 강의를 보며 리팩토링을 진행하고 있습니다. 제가 궁금한 것은 강사님은 external 모듈에서 naver/kakao 를 하위 모듈로 분리하셨는데, 저는 external 하위에 kakao 패키지, naver 패키지로 분리했었습니다. 그래서, 모듈로 분리하신 이유가 무엇인질 고민하다가 naver 와 kakao 의 수정되는 주기가 달라서 빌드/배포에 이점이 있겠다는 생각이 들었는데 강사님은 어떤 기준으로 모듈과 패키지를 선택하시는지 질문 드립니다.
for문과 if문을 통해 가장 첫번째 달성하는 순간 return(i,j)까지는 이해 했는데요. 해당 코드를 봤을때, 첫번째 i for문과 두번째 j for문이 있는데 가장 밖에 return -1은 첫번째 i for문에 return이 아닌 함수 fp(arr)의 return으로 봐야하는건가요? i for문과 j for문에 해당하는 리턴값이 없을경우에 영향을 미치는 걸까요? return(i,j) 값을 받아 함수를 탈출할때, return -1은 영향이 없는지 궁금합니다.
여러개의 동적 값들을 전달하고자 할때, 한개의 값이 스페이스를 포함하는 텍스트일 경우에도 전달이 가능한가요? 예를들어 두개의 값을 전달하고자 할때 $1이 "변하지 않는 값" $2가 5 일 경우 review-pr 이라는 커스텀 커맨드를 생성하였다고 가정하고 /review-pr 변하지 않는 값 5 라고 작성하면 안될 것 같은데, 가능한가요? 가능하다면 방법이 어떻게 될까요?
안녕하세요, 강사님. 수업에서 다루지 않은 내용이지만 질문할 곳이 없어 이렇게 글을 남깁니다. 저는 혼자서 코드 필사를 하며 머신러닝을 공부하고 있는데, 일부 코드가 이해가 잘 되지 않아 문의드립니다. 제가 질문하고 싶은 코드의 흐름은 다음과 같습니다. 트리 깊이에 따라 모델 성능 비교 적절한 트리 깊이 선택 선택한 트리를 시각화 코드 필사를 하면서 트리 깊이를 선택하는 과정은 이해했지만, 트리 깊이를 선택한 후에 트리를 시각화하기 전에 학습 데이터만 사용하여 모델을 fit하는 것 이 의문이 들었습니다. model = DecisionTreeClassifier(max_depth=5, criterion='entropy') model.fit (X.iloc[train_idx], Y.iloc[train_idx]) 개인적으로는 타겟값 원인 분석을 위해 학습 데이터와 검증 데이터를 함께 사용하는 것이 더 나을 것 같은데, 이 부분이 맞는지 확신이 서지 않아 문의드립니다. 혹시 이에 대해 설명해주실 수 있을까요? 아래는 질문 관련 코드입니다. # Parameter Searching ==> Depth 2 ~ 10 for i in range(2,11,1): print(">>>> Depth {}".format(i)) model = DecisionTreeClassifier(max_depth=i, criterion='entropy') model.fit (X.iloc[train_idx], Y.iloc[train_idx]) # Train Acc y_pre_train = model.predict(X.iloc[train_idx]) cm_train = confusion_matrix(Y.iloc[train_idx], y_pre_train) print("Train Confusion Matrix") print(cm_train) print("Train Acc : {}".format((cm_train[0,0] + cm_train[1,1])/cm_train.sum())) # Test Acc y_pre_test = model.predict(X.iloc[valid_idx]) cm_test = confusion_matrix(Y.iloc[valid_idx], y_pre_test) print("Valid Confusion Matrix") print(cm_test) print("TesT Acc : {}".format((cm_test[0,0] + cm_test[1,1])/cm_test.sum())) print("-----------------------------------------------------------------------") print("-----------------------------------------------------------------------") # Depth가 깊어질 수록 정확도는 높게 나오지만 해석력에 대한 가독성을 위해 Depth 5를 선택함 model = DecisionTreeClassifier(max_depth=5, criterion='entropy') model.fit (X.iloc[train_idx], Y.iloc[train_idx]) from sklearn import tree # Creating the tree plot # Creating the tree plot (left = True, Right = False) tree.plot_tree(model, filled=True, feature_names=X.columns, class_names = ['BAD', 'GOOD']) plt.rcParams['figure.figsize'] = [40,10]
커서 사용 중에 한 가지 여쭤보고 싶습니다. Windows 환경에서 Cursor 사용 시 텍스트나 이미지 복사/붙여넣기(Ctrl+C / Ctrl+V)를 할 때 상당한 딜레이가 발생하고 있습니다. 반면 VSCode에서는 동일한 작업이 실시간으로 정상 작동하고 있어서, Cursor에서만 발생하는 이슈로 보입니다. 혹시 이와 유사한 문제를 경험하신 적이 있으신지, 또는 원인이나 해결 방법에 대해 아시는 부분이 있으실까요?
/output-style learning 을 진행했을 때, 클로드가 TODO(human) 마커를 남기며 직접 구현하도록 유도하는 것을 확인합니다. explanatory보다는 자세한 설명이 나오지만, TODO(human) 마커는 따로 생성되지 않았어요. 그리고 클로드가 코드 작성 중간에 "인사이트"를 제공하는 것을 확인합니다. 작성 중간에는 인사트를 제공하지 않고, 다 작성해놓고 인사이트를 제공했어요.
안녕하세요, 강사님. 현재 작은 웹 페이지 하나를 Claude Code의 팀 에이전트로 구현해보고 있습니다. 현재 에이전트 구성은 아래와 같습니다. - 기획자 - 개발자 - QA - 팀리더 강의를 보면서 같은 방식으로 진행해봤는데, PRO 플랜 기준에서는 계획 단계에서도 사용량이 꽤 빠르게 줄고, 실행 단계에 들어가면 금방 30~40% 정도를 사용해서 이 방식으로 계속 진행하기는 부담이 크다고 느꼈습니다. 그래서 강사님께서 올려주신 “비용 절반으로 줄이는 4가지 방법” 강의도 확인해서 적용해봤습니다. 그런데 제 경우에는 체감될 정도로 사용량이 줄지는 않았습니다. 그래서 제가 팀 구성이나 진행 방식을 비효율적으로 잡은 것이 아닌가 생각하고 있습니다. PRO 플랜 기준에서는 팀 에이전트를 어떤 식으로 구성하고, 어떤 방식으로 운영하는 것이 가장 효율적일까요? 현재 에이전트 모델은 Sonnet으로 사용중입니다. 예를 들어, - 지금처럼 기획자 / 개발자 / QA / 팀리더로 나누는 방식이 적절한지 - 아니면 팀 수를 더 줄여서 운영하는 것이 나은지 - 계획 단계와 실행 단계를 어떤 식으로 분리해야 사용량을 덜 쓰는지 이런 부분에 대해 추천하시는 기준이 있으시면 듣고 싶습니다.