bots/bot/roog.go에서 AddHandler()를 눌렀을때 event.go가 주신코드에는 페이지가 없는데 혹시 어떻게 들어간걸까요?

2 ^ 64 = 16 엑사바이트 (EB)로 나오는데32비트 운영체제와 비교했을 때 크기가 너무 차이가 나서 어색합니다..찾아보니 전부다 사용하는 게 아니라 일정 부분만 사용한다고 하는데 64 비트 운영체제의 가상메모리 크기와, 유저모드, 커널모드 크기가 어떻게 되는지 알 수 있을까요

큰돌님 안녕하세요?이번엔 면접 질문을 가져왔습니다.아마 제 기억이 맞다면, 면접 질문 공유해 주시면 답변해주신다고 하셔서 가져오게 됐습니다. 면접 질문은 제목과 같이 Q. 개발자의 컴퓨터에 필요한 Ram은 어느정도 인가요?(오래된 질문이라.. Ram 아니면 메모리 관련 질문이었습니다.) 인데, 이 강의를 듣고 따로 CS 공부를 해봐도 명쾌한 답이 안 떠올라 질문 드리게 되었습니다. 면접을 본 곳은 게임업계입니다.아래는 그냥 제가 생각한 답변의 뉘앙스인데요,A? : 게임 충분히 개발환경에서 돌아가야하므로 극한의 환경에서도 게임 리소스가 감당 될 정도로 할당? 이 질문의 경우 면접관이 원하는 대답이 궁금합니다.

테스트 케이스 실행해보면 전부 정상적으로 작동하는데, 왜 백준에 돌리기만 하면런타임 에러(out_of_range)가 나는지 잘 모르겠네요 ㅜ 계속 봤는데 도저히 모르겠어서 질문합니다.... 분명 int가 아니라 string으로 수정했는데, stoi를 사용하는 과정에서 난건가 싶기도 하고.. 도움 부탁드립니다... http://boj.kr/279c631f1e74406ca3551d6f7c15ed41 

테스트 케이스 실행해보면 전부 정상적으로 작동하는데, 왜 백준에 돌리기만 하면런타임 에러(out_of_range)가 나는지 잘 모르겠네요 ㅜ 계속 봤는데 도저히 모르겠어서 질문합니다.... http://boj.kr/463283f35f114ed19c993fde1753ed6f 도움 부탁드립니다...

안녕하세요 튜터님강의를 너무 잘보고있습니다! 고민하던 많은 부분이 해소되고있어 감사한 마음이에요 ㅠㅠ강의를 듣던중 평소 가지고있던 몇가지 질문과, 강의에서 파생되는 질문들이 있어 아래 문의남깁니다! [Shadow 여러겹 효과를 주는 이유] shadow효과의경우 튜터님께서도 강의에서 2개 값을 주신것처럼 1개 값만 주기보다는 2개씩 추가해 값을 주는경우가 많은것같은데요. 보다 섬세하게 그림자를 표현하기 위함일까요? (그렇다고 3~4개를 넣는 경우는 못본것같은데, 이렇게 레이어를 쌓듯이 그림자를 많이 추가하는 경우가 있을까요?)  2개를 넣었을때 위에 들어가는 수치와 아래 들어가는수치가 각각 의미하는게 강의에서처럼 큰 그림자, 잔그림자로 생각하면 될런지요? 너무 사소한건데 볼때마다 왜 다들 2개씩 추가해서 쓰게되었을까 궁금했던 부분이라 궁금해서 문의드립니다^^; [1개의 뜻에 여러 용어가 쓰이는경우] 모달 뒷배경의경우에 스크림이라고 나와있는데, overaly, dimmed 이런 용어도 혼용해서 많이 쓰고있는것같아서.. 혹시 3개가 각 의미하는바가 다를까요?   팀에서도 디자이너마다 비슷한데 다르게 쓰고있는 용어들이 종종 있어서 통일을 해야겠다 싶은데, 각자 입에 붙은용어가 편하다보니.. 어떤 기준으로 통일을 제안할수 있을까 싶은데 튜터님은 비슷한 상황이면 어떤 기준으로 통일을 하시나요?  [레이어명 작업] 그리고 또하나 사소한것일수 있는데, 튜터님은 작업하실때 레이어이름을 디자인 할때마다 그때그때 수정하시나요? 빠르게 작업하다보면 신경을 못쓸때가 있는데 나중에 정리하려면 너무 레이어가 많아서 엄두가 안나더라구요. 이런경우는 디자인시스템이 확립되면 많이 수월해질것같은 부분이긴 하지만요.   레이어 이름을 매번 수정해야하는것, 그리고 어떤 레이어이름을 써야할지 이또한 컴포넌트화되어있지 않으면 매번 통일해서 쓰기가 (다른 디자이너와도 일관되게 사용하는게 어렵고, 스스로도 대소문자, 레이어 명칭을 모든 화면에 통일해서 쓰는게) 번거롭고 일관성 유지하기가 어렵다는 생각이 드는데 이런 어려움이 있으셨거나 해결하고 계신 방법이 있으신지 문득 궁금하여 긴 질문글 남깁니다..! [라이브러리를 고려해 디자인시스템을 만들때 주의할점] 저희 개발자분들이 tailwind, shadcn 라이브러리를 사용하는데.. 라이브러리를 고려해 디자인시스템을 만들때 주의해야하는점이 있을까요? 디자인시스템을 막 만들려고 하는 초기단계라, 어떤점을 고려해야좋을지싶어서요.   우선은 컴포넌트의 경우 라이브러리를 활용할수있는 컴포넌트(date pick과 같은)는 디자인을 해놓지 않고, 라이브러리에 없거나, 있다고하더라도 다른 형태의 디자인이 필요하다 생각하는경우는 디자인팀에서 컴포넌트로 만들고 개발팀에서 사용하게 하는 방식을 고민해보고 있어요.  라이브러리마다 토큰 형식이 정해져있다면 그 방식도 따라야하나 싶은데, 토큰은 라이브러리와 관계없이 정해도 되는걸까요? (추후 주로 쓰는 라이브러리가 변경될수도 있으니..?)  [멀티프로젝트 대응을 위한 디자인시스템] 디자인시스템 만드는 과정에서 너무많은 변수를 고민하고, 완벽한 시스템을 기준에 두고 생각하다보니, 보게되는 자료도 너무많고, 각 회사마다 스타일도 다르고 이것저것 고민하다보니 속도가 안나서 고민이었거든요.. 특히나 지금 만들려고하는 시스템은 멀티브랜드도 아니고 멀티 프로젝트에 대응할수있는것을 만들려다보니, 보통은 인하우스나 멀티브랜드용 시스템들이라 이런 목적의 디자인시스템 케이스가 없더라구요.   이런경우에도 강의에서 멀티브랜드용으로 생성했던 테마 베리어블을 적용하면 이점이 많이 있을까요? 이렇게 에이전시성격의 멀티프로젝트를 응대하는 디자인시스템중에 참고할만한 레퍼런스가 있는지 아시는지도 궁금해 함께 여쭤봅니다..!  사소한 질문들도 남긴것 같아서 다소 질문이 길어졌네요.. 천천히 답을 주셔도 너무 감사할것 같습니다! 그럼 좋은하루되세요 🙂

안녕하세요,섹션11 작업형2에서 문의드리고 싶은 것이 있습니다.아래 코드에서 train[cols]와 같이 cols를 선택하여 train 데이터셋을 분할하였음에도 불구하고,model.fit(X_tr[cols], y_tr)과 같이 모델학습 시에 파라미터에 값을 넣을 때도 반드시 따로 cols를 선택해서입력해야 하나요? 그리고, train 데이터셋에서 과적합을 방지하기 위해 id를 제거할 경우, 반드시 test 데이터셋도 동일하게 id 컬럼을 제거해줘야 하나요? 위 두 가지 문의드립니다. ############ from sklearn.model_selection import train_test_splitX_tr, X_val, y_tr, y_val = train_test_split(train[cols], target, test_size = 0.2, random_state = 0) from sklearn.ensemble import RandomForestClassifiermodel = RandomForestClassifier()model.fit(X_tr[cols], y_tr)pred = model.predict_proba(X_val[cols])

[질문 템플릿]1. 강의 내용과 관련된 질문인가요? (예)2. 인프런의 질문 게시판과 자주 하는 질문에 없는 내용인가요? (예)3. 질문 잘하기 메뉴얼을 읽어보셨나요? (예)[질문 내용]아래와 같은 코드를 한번 해봤습니다. 제 생각대로라면 RequestMappingHandlerMapping에 MyHttpRequestHalder가 등록되어 getHandler시 가져오고 이것을 getHandlerAdapter가 HttpRequestHandlerAdapter를 찾아 handleRequest를 수행해 줄것이라 생각했는데생각처럼 동작하지 않네요.handler와 adapter는 인터페이스로 되어 있어 어떤조합이든 되는게 아니었나요?좀 헷갈립니다.@Controller @RequestMapping("/springmvc/request-handler") public class MyHttpRequestHandler implements HttpRequestHandler { @Override public void handleRequest(HttpServletRequest request, HttpServletResponse response) throws ServletException, IOException { response.getWriter().write("ok"); } }

주소창에 네이버를 쳤을때 생기는 과정, DNS까지 설명해주세요 부분에 질문이 있습니다!알려주신 과정을 요약하면리다이렉트 → 캐싱 → DNS → IP라우팅 → TCP (3-way handshake) → 컨텐츠 다운로드 → 렌더링으로 확인을 했는데 이전에 알려주셨던 TCP/IP 4계층은 위에서 아래로 통과한다고 보면된다고 알려주셨습니다.그런데 실제 연결과정과 계층을 통과하는 순서가 왜 다른거지?? 라는 의구심이 생겼습니다.챗 GPT를 통해 물어보니TCP 연결을 설정할 때는 IP 주소만 필요하고, IP 라우팅은 이미 TCP 연결이 설정된 후에 진행됩니다. 다시 말해, IP 라우팅은 데이터를 전송할 때 필요한 경로를 찾는 과정이지, TCP 연결을 설정하는 과정에서는 필요하지 않습니다.라고 합니다.리다이렉트 → 캐싱 → DNS → TCP (3-way handshake) → IP라우팅 → 컨텐츠 다운로드 → 렌더링그렇다면 이렇게가 순서가 맞는걸까요 ??  

10.3) 해당 강의에서 TodoItem 컴퍼넌트 리렌더링 실행 조건을 memo 메서드를 이용하여 커스터마이징할 때,if (prevProps.isDone !== nextProps.isDone) return false;이 문구에서 prevProps.isDone 값은 기존값이니 이해가 되었는데 nextProps.isDone 값은 해당 TodoItem 함수 내에 onCangeCheckbox 함수가 선행으로 실행이 되어야 알 수 있는 값 아닌가요? 그 전에 실행이 안 되도록 memo 메서드로 TodoItem의 리렌더링을 막고 있는데 어떻게 isDone 값이 바꼈다고 판단해서 리렌더링이 되는건지 모르겠습니다.

안녕하세요 섹션11 예시 문제를 아래와 같이 작성해보았는데,모델을 통해 예측한 결과의 데이터프레임 shape이 평가용 데이터 개수와 동일하지 않고 학습용 데이터 개수와 동일하게 생성되었습니다.아래 코드의 어떤 부분에서 실수한 것인지 문의드립니다ㅠㅠ############################import pandas as pdtrain = pd.read_csv("data/customer_train.csv")test = pd.read_csv("data/customer_test.csv")# 사용자 코딩# 결측치 채우기train['환불금액'] = train['환불금액'].fillna(train['환불금액'].mean())test['환불금액'] = test['환불금액'].fillna(test['환불금액'].mean())# 회원 ID 제거, test 데이터셋의 id는 일단 남겨둠# train = train.drop(['회원ID'], axis = 1)# test_id = test.pop('회원ID')# 타겟 데이터 분리X_train = train.drop(['성별'], axis = 1)y_train = train['성별']# 수치형 데이터, 범주형 데이터 구분n_train = X_train.select_dtypes(exclude = 'object')c_train = X_train.select_dtypes(include = 'object')n_test = test.select_dtypes(exclude = 'object')c_test = test.select_dtypes(include = 'object')# 수치형 데이터 Standard Scalingfrom sklearn.preprocessing import StandardScalercols = list(n_train.columns)scaler = StandardScaler()n_train[cols] = pd.DataFrame(scaler.fit_transform(n_train[cols]))n_test[cols] = pd.DataFrame(scaler.transform(n_test[cols]))# 범주형 데이터 Label Encodingfrom sklearn.preprocessing import LabelEncodercols = list(c_train.columns)for col in cols:le = LabelEncoder()c_train[col] = le.fit_transform(c_train[col])c_test[col] = le.transform(c_test[col])# 데이터들 다시 합침X_train = pd.concat([n_train, c_train], axis = 1)test = pd.concat([n_train, c_train], axis = 1)# train 데이터, validation 데이터 분리from sklearn.model_selection import train_test_splitX_tr, X_val, y_tr, y_val = train_test_split(X_train, y_train, test_size = 0.15, random_state = 0)# RandomForest 수행from sklearn.ensemble import RandomForestClassifierrf = RandomForestClassifier(random_state = 0)rf.fit(X_tr, y_tr)pred_proba = rf.predict_proba(X_val)# 검증from sklearn.metrics import roc_auc_scoreprint(roc_auc_score(y_val, pred_proba[:,1]))##################### baseline : 0.6064200601928629# 회원 ID 제거 안 함 : 0.6098212640501197# 실제 예측pred = rf.predict(test)submit = pd.DataFrame({'pred' : pred})submit.to_csv("result.csv", index = False)result = pd.read_csv("result.csv")print(result.shape)# 답안 제출 참고# 아래 코드는 예시이며 변수명 등 개인별로 변경하여 활용# pd.DataFrame변수.to_csv("result.csv", index=False)

안녕하세요 섹션11 예시 문제를 아래와 같이 작성해보았는데,모델을 통해 예측한 결과의 데이터프레임 shape이 평가용 데이터 개수와 동일하지 않고 학습용 데이터 개수와 동일하게 생성되었습니다.아래 코드의 어떤 부분에서 실수한 것인지 문의드립니다ㅠㅠ############################import pandas as pdtrain = pd.read_csv("data/customer_train.csv")test = pd.read_csv("data/customer_test.csv")# 사용자 코딩# 결측치 채우기train['환불금액'] = train['환불금액'].fillna(train['환불금액'].mean())test['환불금액'] = test['환불금액'].fillna(test['환불금액'].mean())# 회원 ID 제거, test 데이터셋의 id는 일단 남겨둠# train = train.drop(['회원ID'], axis = 1)# test_id = test.pop('회원ID')# 타겟 데이터 분리X_train = train.drop(['성별'], axis = 1)y_train = train['성별']# 수치형 데이터, 범주형 데이터 구분n_train = X_train.select_dtypes(exclude = 'object')c_train = X_train.select_dtypes(include = 'object')n_test = test.select_dtypes(exclude = 'object')c_test = test.select_dtypes(include = 'object')# 수치형 데이터 Standard Scalingfrom sklearn.preprocessing import StandardScalercols = list(n_train.columns)scaler = StandardScaler()n_train[cols] = pd.DataFrame(scaler.fit_transform(n_train[cols]))n_test[cols] = pd.DataFrame(scaler.transform(n_test[cols]))# 범주형 데이터 Label Encodingfrom sklearn.preprocessing import LabelEncodercols = list(c_train.columns)for col in cols: le = LabelEncoder() c_train[col] = le.fit_transform(c_train[col]) c_test[col] = le.transform(c_test[col])# 데이터들 다시 합침X_train = pd.concat([n_train, c_train], axis = 1)test = pd.concat([n_train, c_train], axis = 1)# train 데이터, validation 데이터 분리from sklearn.model_selection import train_test_splitX_tr, X_val, y_tr, y_val = train_test_split(X_train, y_train, test_size = 0.15, random_state = 0)# RandomForest 수행from sklearn.ensemble import RandomForestClassifierrf = RandomForestClassifier(random_state = 0)rf.fit(X_tr, y_tr)pred_proba = rf.predict_proba(X_val)# 검증from sklearn.metrics import roc_auc_scoreprint(roc_auc_score(y_val, pred_proba[:,1]))##################### baseline : 0.6064200601928629# 회원 ID 제거 안 함 : 0.6098212640501197# 실제 예측pred = rf.predict(test)submit = pd.DataFrame({ 'pred' : pred})submit.to_csv("result.csv", index = False)result = pd.read_csv("result.csv")print(result.shape)# 답안 제출 참고# 아래 코드는 예시이며 변수명 등 개인별로 변경하여 활용# pd.DataFrame변수.to_csv("result.csv", index=False) 

 학습하는 분들께 도움이 되고, 더 좋은 답변을 드릴 수 있도록 질문전에 다음을 꼭 확인해주세요.1. 강의 내용과 관련된 질문을 남겨주세요.2. 인프런의 질문 게시판과 자주 하는 질문(링크)을 먼저 확인해주세요.(자주 하는 질문 링크: https://bit.ly/3fX6ygx)3. 질문 잘하기 메뉴얼(링크)을 먼저 읽어주세요.(질문 잘하기 메뉴얼 링크: https://bit.ly/2UfeqCG)질문 시에는 위 내용은 삭제하고 다음 내용을 남겨주세요.=========================================[질문 템플릿]1. 강의 내용과 관련된 질문인가요? (예/아니오)2. 인프런의 질문 게시판과 자주 하는 질문에 없는 내용인가요? (예/아니오)3. 질문 잘하기 메뉴얼을 읽어보셨나요? (예/아니오)[질문 내용]안녕하세요. 8번째 pdf파일 set의 주요 메서드 설명을(3page) 보고 있는 도중에, 글씨가 안 보이는 부분이 있어서 여쭤 봅니다.pdf파일로 열어서 보고 있는데 표 끝부분이 정확히 안나와서, 저만 그런건지 알고 싶어서 질문을 올립니다.혹 저만 그런 건가요? 아니면 다들 똑같은신지요?

안녕하세요 !수업을 듣던 중 궁금한 점이 생겨 질문해봅니다.작업형1 모의문제2 4번 문제에서 object형 컬럼을 뽑기 위해 select_dtypes를 사용하셨는데 혹시 describe를 사용하는 건 안 되는 걸까요?두 함수의 차이점이 궁금하고 결과에서 어떤 차이가 생기는지 궁금합니다..!

멘토님 수강기간 연장이 가능할까요....열심히 공부하려고 기초와 실전 모두다 구매했는데 수업을 거의 듣지를 못했습니다...ㅠ

멘토님 수강기간 연장이 가능할까요....열심히 공부하려고 기초와 실전 모두다 구매했는데 수업을 거의 듣지를 못했습니다...ㅠ

vpc 실습 중 ec2 인스턴스 연결과정에서 'No public IPv4 or IPv6 address assigned' 알림과 함께 연결이 불가합니다어느 강의내용에서 확인가능할까요?   

학습하는 분들께 도움이 되고, 더 좋은 답변을 드릴 수 있도록 질문전에 다음을 꼭 확인해주세요.1. 강의 내용과 관련된 질문을 남겨주세요.2. 인프런의 질문 게시판과 자주 하는 질문(링크)을 먼저 확인해주세요.(자주 하는 질문 링크: https://bit.ly/3fX6ygx)3. 질문 잘하기 메뉴얼(링크)을 먼저 읽어주세요.(질문 잘하기 메뉴얼 링크: https://bit.ly/2UfeqCG)질문 시에는 위 내용은 삭제하고 다음 내용을 남겨주세요.=========================================[질문 템플릿]1. 강의 내용과 관련된 질문인가요? (예/아니오)2. 인프런의 질문 게시판과 자주 하는 질문에 없는 내용인가요? (예/아니오)3. 질문 잘하기 메뉴얼을 읽어보셨나요? (예/아니오)[질문 내용]start.spring.io와 IntelliJ 자체에서 SpringBoot 프로젝트 생성하기 시 java version이 최소 17입니다. 해당 버전 대응 부탁드립니다.

안녕하세요.강의 잘 보고 있습니다. 마지막에 와서 의문이 드는게 있어 질문 남겨봅니다.첫 번째 예제 TestPublisherTestExample01에서는 source.next로 테스트를 진행했고,세 번째 예제 TestPublisherTestExample03에서는 source.emit으로 테스트를 진행했는데요.emit의 경우 내부적으로 complete()을 통해 signal을 발생 시키는 것으로 이해했습니다. 그런데, 말씀대로라면 첫 번째 테스트에서 expectComplete()이 통과하는게 이해가 가지 않아서요.둘의 차이는 결국 Flux를 create 해주는 방식에 있는 것 같은데, 첫 번째 예제의 경우 zipWith을 통해 complete이 발생하는 걸까요? 잘 감이 오지 않는데, 설명해주시면 감사하겠습니다!

안녕하세요 선생님수치형 데이터(n_train, n_test)와 범주형 데이터(c_train, c_test)를 분리하여 처리하는 이유가 있을까요? 분리했다가 합치는게 직관적으로 잘 이해가 안되어서요. X_train[cols] 또는 X_test[cols]로 처리하면 안되나요?아 그리고 train data만 fit_transform하고 test data는 transform만 하는 자세한 이유도 궁금합니다. 아직 학습 모델링 적용 전에 전처리 하는 과정에서도 학습을 하는건가요? (수치형만 학습, 범주형 중 원핫인코딩은 학습이 없는 것도 이유가 궁금합니다. )미리 감사합니다.