먼저 유사한 질문이 있었는지 검색해보세요. 꼭 강의와 관련된 질문이 아니더라도, 최대한 답변해드리겠습니다. 건의사항도 괜찮습니다. 편하게 질문해주세요! 9:38에 html 소스 바꾸고, 다시 blob service에 다시 9:38에 변경한 소스파일을 다시 업로드해야하는거 맞을까요..?? 해당 작업을 해야되는게 맞다면 제 컴퓨터에서 수정했을 때 blob service에 수동으로 안올리고 자동으로 올려지게 하는게 ci/cd???같은건가요...?
좋은 강의 감사합니다. [onc88]강의 내용 중 삼각형 아이콘을 눌러 실행 화면 만들 때 아래 같이 구성 안되고 아래 : C:\Inflearn\source_stage\01_start_python_ai> python test.py & C:/Python111/python.exe..... 아래2 같이 나와서 삼각형 아이콘을 눌러도 동작 안됩니다. (python test.py 실행해야 동작) 아래2: C:\Inflearn\source_stage\01_start_python_ai 다음 & C:/Python111/python.exe.....을 추가하려면 어떻게 해야하나요?
안녕하세요. 강의 정말 잘 듣고 있습니다. 모델 서빙 경험이 없는 저한테는 매우 유익한 강의라고 생각하고 있습니다. 하지만 강의를 따라가면서 개인적으로 코드를 뜯어보는 과정에서 하나하나 이해하는 데에는 많은 시간이 걸려 강의를 다 듣고 다시 코드를 뜯어보며 확실하게 알고 넘어가고자 하는데 수업자료와 코드 요청을 드려도 될까요?
방금 사전점수 확인했는데 합격이네요 ㅎㅎ 강사님 덕에 1트에 바로 합격한 것 같습니다. 강의가 정말 도움 많이 되었고, 질문을 많이 남겼는데 답변도 빠르게 해주셔서 보다 빠르고 효율적으로 공부할 수 있었던 것 같습니다. 감사합니다! 여담이지만 2유형은 그냥 무지성 randomforest에다가 train_test_split 검증도 안 하고 score 확인도 안 한 채로 코드 실행되는 것만 확인하고 제출했더니 5점 감점됐고, 3유형에선 민감도 구하는 문제에서 민감도가 뭐였는지가 헷갈렸는데 아마 이거 틀린 거 같네요 ㅋㅋㅋㅠㅠ
pro 요금제, sonnet4.5를 사용해서 강의를 따라가다 보니 금방 session의 토큰 사용량이 가득 차는 부분이 불편해서 모델 비교 설명을 확인해봤습니다. 일상적인 개발에서는 sonnet4.5가 토큰 사용량이나 성능 측면에서 뛰어난 것 같더라구요. 아마 실무 개발에서 claude를 활용하게 된다면 sonnet을 사용할 것 같은데, haiku4.5가 sonnet보다 3배 저렴하고 속도도 빠르다고 하는 내용을 보니 pro 요금제로 강의를 들을 때는 haiku 모델이 더 적합하겠다는 생각이 들었습니다. 이것 저것 모두 써보려고 하는데, 강사님의 의견이 궁금합니다! (실무에서 모델별 성능이 체감될 만큼 차이가 큰지도 궁금합니다.)
고수가 되는 파이썬 : 동시성과 병렬성 문법 배우기 Feat. 멀티스레딩 vs 멀티프로세싱 (Inflearn Original)
안녕하세요. 저는 daemon=True 해도 서브가 모두 돌고 끝납니다. 무슨 이유가 있을까요? # 스레드 실행 함수 def thread_func(name, d): logging.info('Sub-Thread %s: starting', name) for i in d: print(i) logging.info('Sub-Thread %s: finished', name) ... # 함수 인자 확인 # daemon : default False x = threading.Thread(target=thread_func, args=('First', range(20000)), daemon=True) y = threading.Thread(target=thread_func, args=('Second',range(10000)), daemon=True) 19:16:32: Main-Thread: all done 0 1 2 ... 19999 19:16:32: Sub-Thread Second: finished 19:16:32: Sub-Thread First: finished
최적 값을 보장하지 않음에도 최소 개수를 출력 가능한 이유가 궁금합니다. 예를 들어 10 20 80의 경우 80+10/ 20 이나 80+20/10이나 결국엔 2개의 보트가 필요한 건 같고 낭비 공간의 총량도 동일합니다. 하지만 자꾸 돌아보면 최적 값으로 맞추는 로직이 추가 되어야 하지 않을까? 라는 의문이 남습니다.
안녕하세요. get_dummies 관련 문의드립니다. Feature Engineering 강의 듣다가 문의 있어 글 납깁니다. [Pclass:3,sex:male,Age:25,Parch:0,Fare:8,Embarked:Q] 만약에 새로운 위에 있는 데이터를 predict 하고 싶으면, df에 concat 시키고, 다시 get_dummies 후에 해당 Row로 predict 해봐야 되는건가요? 그리고 만약에 embarked에 Z라는 새로운 카테고리가 생기면 다시 학습시켜줘야 되는건가요?