안녕하세요? 강의 잘 듣고 있습니다. 코루틴이 멀티스레드의 단점을 해결했다고 말씀해주셨는데요, 관련해서 약간 정리가 되는 듯 안되는듯 하여 질문드립니다.1. 우선 아래의 정리가 맞는지 여쭤보고 싶습니다.멀티 스레딩의 문제점은 결국 blocking이고 이 blocking을 해결하기 위해 코루틴을 도입했음코루틴은 스레드를 점유하는 형태로 동작하므로, 반대로 코루틴이 blocking될때 스레드를 점유하지 않음으로써 다른 코루틴이 해당 스레드를 점유하게 되고 결과적으로 스레드가 blocking되는 일이 없어진다. 2. 그런데 blocking이 되는 현상이 언제발생하나요?강의에서 말씀해주신 내용에 따르면, 다른 스레드 혹은 코루틴의 결과가 필요할 때 blocking되는 상황에 놓여지는 것 같은데 맞을까요?결국 그렇다고하면 이전 코드의 완료를 보장하는, 그러니까 sync한 방식으로 코딩을 해야할 때 스레드가 놀지 않으면서 & completableFuture처럼 콜백지옥이나 예외처리가 어렵지 않게 하는 것이 코루틴의 장점이 맞을까요? 3. 일반적인 IO상황도 위에서 얘기한 blocking이 맞을까요?다르게 말하면, Dispatcher IO에서 [요청을 보내고 기다려야만 하는 상황]에서도 코루틴은 스레드의 점유권을 내려놓음으로써 해당 스레드가 다른 작업을 처리할 수 있게 되는걸까요?예를 들면, A스레드가 코루틴의 DIspatcher IO에 의해 관리되는 IO전용 스레드고 IO스레드는 해당스레드하나만 존재할때(가용가능한 다른 스레드가 없는 상황) c코루틴은 서버에 호출을 보내서 4초가 걸리고, d코루틴은 서버에 호출을 보내서 5초가 걸리면 A스레드에서 c코루틴과 d코루틴을 병렬적으로 처리할 수 있는건가요? 단순히 다른 스레드를 하나 생성해서 두가지 작업을 다 맡겼더라면 해당 스레드에서 4초 + 5초해서 9초가 걸렸을텐데, 코루틴기반의 A스레드에서는 약 5초정도밖에(조금 더 길수는 있겠지만) 안걸리는 게 맞을까요?  4. 3번에 이어지는 질문인데요, 만약 3번이 맞다고 하면 IO작업의 응답이 왔을 때 콜백같은 게 적용이 되어서 Dispatcher에 새로운 작업으로 추가되는걸까요?그러면, IO요청을 보낸 스레드와 IO응답을 처리하게 되는 스레드가 왠지 다를 수도 있을 것 같은데 맞을까요? 3번이 맞다고 하면, 코루틴은 아주 아름다운 것일 것 같은데 굉장히 설레네요 ㅎㅎ좋은 강의 감사합니다. 

앱&광고 계정 여러개 분리하는 이유 강의에서신규 개발자 개설이 불가능하다고 설명해주셨는데 같은 이름과 카드 그리고 다른 이메일로 개발자 개설은 가능할까요? 

안녕하세요! 작업형 3번중 종속변수 말고 범주형 변수에는 C()를 다 붙여도 된다고 하셨는데  수강생 작성model = logit("Survived~ C(Gender) + C(SibSp) + C(Parch) + C(Fare)", data=df).fit() print(model.summary()) 로 작성하게 되면 에러가 발생합니다!혹시 이유를 알 수 있을까요?에러는 참고로 남기겠습니다! > Warning: Maximum number of iterations has been exceeded. Current function value: inf Iterations: 35Makefile:6: recipe for target 'py3_run' failedmake: *** [py3_run] Error 1/usr/local/lib/python3.12/site-packages/statsmodels/discrete/discrete_model.py:2385: RuntimeWarning: overflow encountered in exp return 1/(1+np.exp(-X))/usr/local/lib/python3.12/site-packages/statsmodels/discrete/discrete_model.py:2443: RuntimeWarning: divide by zero encountered in log return np.sum(np.log(self.cdf(q * linpred)))Traceback (most recent call last): File "/goorm/Main.out", line 23, in <module> model = logit("Survived ~ C(Gender) + C(SibSp) + C(Parch) + C(Fare)", data=df).fit() ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ File "/usr/local/lib/python3.12/site-packages/statsmodels/discrete/discrete_model.py", line 2601, in fit bnryfit = super().fit(start_params=start_params, ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ File "/usr/local/lib/python3.12/site-packages/statsmodels/discrete/discrete_model.py", line 243, in fit mlefit = super().fit(start_params=start_params, ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ File "/usr/local/lib/python3.12/site-packages/statsmodels/base/model.py", line 582, in fit Hinv = np.linalg.inv(-retvals['Hessian']) / nobs ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ File "/usr/local/lib/python3.12/site-packages/numpy/linalg/linalg.py", line 561, in inv ainv = umathlinalg.inv(a, signature=signature, extobj=extobj) ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ File "/usr/local/lib/python3.12/site-packages/numpy/linalg/linalg.py", line 112, in raiselinalgerror_singular raise LinAlgError("Singular matrix")numpy.linalg.LinAlgError: Singular matrix 강사님 작성model = logit("Survived ~ C(Gender) + SibSp + Parch + Fare", data=df).fit() print(model.summary())에러없음

y_train = train.pop("price")를 하는 이유가 궁금합니다.

 이 과정은 왜 거치는 것이고, 왜 transmission을 택했는지 궁금합니다.

강의를 듣다보면 for문으로 레이블인코딩을 쉽게 하는 걸로 배웠습니다 헌데 Scaling 할때는 for문이굳이 필요 없나요?cols = ['Age', 'AnnualIncome', 'FamilyMembers', 'ChronicDiseases'] display(n_train.head()) n_train[cols] = scaler.fit_transform(n_train[cols]) n_test[cols] = scaler.transform(n_test[cols]) n_train.head() 이런식으로 바로 cols를 집어넣으시던데,labelEncoding때에만 for로 하는 경우가 궁금합니다.

처음에는 감조차 못잡다가, 가로세로 힌트를 듣고 어떻게 구현을 하긴 했습니다.그런데 Test Case는 전부 맞는데 제출을 했을때 0퍼에서 틀려버립니다.이유를 모르겠습니다...http://boj.kr/edf18c4b49134e13b67c75f324ea9dc9감사합니다. 

안녕하세요?1번 : statsmodels.api.stats 에서의 anova_lm 2번 statsmodels.stats.anova에서의 anova_lm 이 두개는 다른건지요? 일원분산분석을 할때는 2번으로,, 이원분산분석은 1번으로 되어 있어서요.. 차이가 있는건지요?

작업형2를 풀때, 라벨인코더를 해서 풀고 마지막에 오류로, Train에서는 라벨인코더가 되었는데.. Test데이터에서는 라벨인코더가 되지 않음을 확인하였습니다.  gpt는 이 이유가, train간 test데이터 사이에 항목이 달랐기 떄문에 이런 오류가 났다고 설명하는데...(예를 들어 train에 라벨인코더한 항목이 A.B.C로 되어있다면 test데이터는 A,B,C,D로 되어있어 나는 오류)  그럼 라벨인코더를 쓸때는 꼭, train, test간 데이터 종류/갯수가 같은것을 확인하고 쓸 수 밖에 없는건가요..??  이런경우 그냥 더미변수처리를 해야하는걸까요?ㅠㅠ 

2-6. 필드속성 수정하기 에서 "자료다운" 버튼 클릭 시 오류가 뜹니다. "자료다운" 버튼 클릭 시 나타나는 오류화면은 아래와 같습니다.확인 및 "자료다운" 가능하도록 정정 부탁드립니다. 감사합니다. 

import pandas as pd train = pd.read_csv("https://raw.githubusercontent.com/lovedlim/inf/refs/heads/main/p4/3_2/train.csv") test = pd.read_csv("https://raw.githubusercontent.com/lovedlim/inf/refs/heads/main/p4/3_2/test.csv") # print(train.shape, test.shape) # print(train.head()) # print(test.head()) train=train.drop('Unnamed: 0', axis=1) test=test.drop('Unnamed: 0', axis=1) target=train.pop('TravelInsurance') # print(train.shape, test.shape) # print(train.isna().sum().sum()) cols=train.select_dtypes(include="O").columns from sklearn.preprocessing import LabelEncoder # le=LabelEncoder() for col in cols: le=LabelEncoder() train[col]=le.fit_transform(train[col]) test[col]=le.transform(test[col]) # print(train.head()) from sklearn.model_selection import train_test_split x_tr, x_val, y_tr,y_val=train_test_split(train, target, test_size=0.2, random_state=0) # x_tr.shape, x_val.shape, y_tr.shape, y_val.shape from sklearn.ensemble import RandomForestClassifier rf=RandomForestClassifier(n_estimators=100, max_depth=5, random_state=0) rf.fit(x_tr,y_tr) pred=rf.predict_proba(x_val)[:,1] from sklearn.metrics import roc_auc_score print(roc_auc_score(y_val, pred)) pred=rf.predict_proba(test)[:,1] print(pred.shape) 0.8155945419103314 (497,) 그런데 pd.DataFrame({'y_pred':pred}).reset_index().to_csv('222.csv', index=False) print(pd.read_csv("222.csv")) 하면 에러가 뜨네요. 왜 그럴까요? --------------------------------------------------------------------------- ValueError Traceback (most recent call last) <ipython-input-99-63ade06c177d> in <cell line: 37>() 35 pred 36 pd.DataFrame({'y_pred':pred}).reset_index().to_csv('222.csv', index=False) ---> 37 print(pd.read_csv("222.csv")) 15 frames /usr/local/lib/python3.10/dist-packages/pandas/io/formats/format.py in <listcomp>(.0) 1351 formatted = np.array( 1352 [ -> 1353 formatter(val) if not m else na_rep 1354 for val, m in zip(values.ravel(), mask.ravel()) 1355 ] ValueError: Format specifier missing precision

제목과 같이 23회 실기시험 도구 목록에 veracrypt, VMware가 없을 때,이미징한 파일 중 hc 파일이 나올 확률이 있을까요?  시험장 노트북 로컬 바탕화면은 물론, VM이 설치가 안되어 있으니 VM을 이용할 문제도 안나온다고 봐도 될까요?

안녕하세요실습파일 용량 제한으로 인해 6개로 나눠서 업로드해주셨는데,7z로 되어있는 6개의 압축 파일을 어떻게 해야 1개 파일로 합칠 수 있는지 문의드립니다 ㅠㅠ예를 들어 수사관의 usb를 모두 압축 해제해서 아래와 같은 파일이 6개 나올텐데 한 폴더 안에 모두 넣어서 해야 하는건지 잘 모르겠습니다..     

안녕하세요.아듀이노 같은 완전 처음이라최소 보드, 온습도센서, LED는따로 구매해야 하는 거 같은데요한꺼번에 저렴하게 구매하는 법 없을 까요?

안녕하세요. 먼저, '객체지향의 사실과 오해'와 '오브젝트' 책과 더불어 이 강의까지 수강하게 되었습니다. 정말 좋은 지식을 전달해주셔서 감사합니다! 창피하지만 제가 어려워하고 있는 부분은 요구사항에서 도메인을 추출하는 것입니다. 예를 들어, 영화 예매 시스템같은 경우 제가 혼자 생각했을 때는 단순히 '영화', '할인' 정도로밖에 도메인을 추출을 못했습니다. 책과 강의를 통해 '상영'이라는 도메인을 추출할 수 있다는 사실은 생각지도 못했습니다.혹시, 이렇게 여러 도메인들을 추출하기 위한 기준이라던가 방법이 따로 있을지 궁금하여 질문드립니다. 아니면 역시 많이 생각해보고 구현해보는 방법밖에 없는 걸까요? ㅜㅜ

여기서 concat을 사용하는 이유가 X_train과 y_train을 df로 합치기 위해서인데,labelencoding은 왜 X_train으로 진행하신건가요? X_train.select_dtypes(include = 'object')가 아닌df.select_dtypes(include = 'object')가 아닌짛 해서요.

영화목록 컴포넌트 만들기 영상에서  Movies 컴퍼넌트로 분리할때좋아요 버튼 작동이 안되니까 handleLike 함수를프롭스로 넘겨주는데요. 영상에서는 잘 되는데동일하게 소스도 쳐보고 올려주신 github 소스도 가지고 와서 붙여넣어봐도 console창에서는 data 안의 likeCount 값이 버튼을 클릭하면 변경되는게 보이는데 실제로 화면에서는 변경이 되지 않습니다. 왜 그럴까요. 그리고 작동이 되는 게 영상에서도 보이는데, 저한테는 왜 안되는지도 궁금합니다. ;;;; 아래 .toUpperCase() 도 저는 왜 실행이 안될까요.;;

강의 자료를 받아 보고 싶습니다.필요한 것을 찾을 때 강의를 재생하면서 내용 중에 찾기가 힘들어요

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. 한글 깨짐 현상이 일어나는데 이건 어떻게 해결해야하나요?

 iloc[0:,-2]0인 이유가 뭘까요?