ollama가 제 컴퓨터에선 구현이 되어서 llm model 을 gpt대신 연결해보았씁니다. llama 3.2는 한글만 내뱉지 않아서, exaone3.5를 다운받아 적용해보았습니다. 혹시 ollama외에서 다른 더 나은 모델들을 무료로 사용해볼 수 있을까요?? 이렇게 ollama를 사용할 경우엔 serpAPI와 연동이 안되더라구요. GPT로하니까 연결이 되던데 이건 혹시 무슨이유인지 알 수 있을까요??
매번 패킷을 보낼 때마다 byte 배열을 할당해서 그 참조를 Session의 Send 함수로 전달하면 굳이 SendBuffer로 값을 한번 더 복사하는 과정 없이도 동작할 것 같습니다. 그런데도 SendBuffer라는 클래스를 만들어서 관리하는 이유는 잦은 배열 할당으로 인한 Memory Fragmentation를 최소화하기 위함인가요?
'문제에서 2번에서 구한 합동 분산 추정량을 이용하여'라고 되어 있는데, 정확하게 무슨 내용인지 이해가 안 됩니다. 풀이하신 내용을 보면 독립표본검정 시 1번 그룹의 Resistin과 2번 그룹의 Resistin으로 검정을 수행하시던데.. 합동분산추정량이라면 말씀하신 공식대로 자유도와 분산을 통해 계산을 해야하는데, 1번 그룹의 Resistin과 2번 그룹의 Resistin은 자유도 반영이 안 된 것 아닌가요 ? 문제가 너무 헷갈리네요 ㅜㅜ 어떻게 이해하는게 좋을까요 ?
Mac OS 기반 맥북으로 수강하고 있는 학생입니다. VS code가 강의하실 때의 윈도우 기반 vs code랑 사뭇 다르네요.. 처음에 VS code 설치 후 기본 설정과 단축키도 다르고 _getch()도 맥에서는 오류가 뜨고 여러모로 윈도우가 아니여서인지 제한 사항이 많네요. 디버깅 예시 보여주시면서 메모리랑 같이 설명하실 때 저는 도저히 어디서 메모리와 주소를 찾아야 할지 모르겠더라구요.. 혹시 Mac OS 기반도 어떻게 설정하시는지 알 수 있을까요?
$ kill-9 ... 재밌는, 지향하는 뜻이 맞는 강의다... 고맙다... 나는 자바 처형자이지만 코틀린도 처형하고 싶고 스프링 배치도 처형하고픈 의욕만 많고 알맹이는 없는 2년차 개발자... 강의를 보고 코틀린으로 연습한 코드를 학습기록 목적으로 깃헙에 올리고 싶다... 이렇게하면 공부가 더 잘될거 같... 그래서 아래 조건에 따른 깃헙 퍼블릿 리파지토리를 생성하는데 있어서 괜찮은지 허가를 받고 싶다... - 언어를 코틀린으로 작성한다. - 코드 외 강의 내용을 그대로 또는 이를 재해석한 내용을 주석이나 설명 등으로 올리지 않는다. - 게시한 리파지토리의 링크를 지식제공자 KILL-9에게 공유한다. - 지식제공자는 리파지토리의 특정 내용 제거 또는 판단하에 비공개처리 요청이 가능하다. 요즘 많이 바빠보인다... 날도 더운데 만수무강하길 바란다... $ (대충 치지직 하고 기계음으로 변조로 몇마디 하다가 rm -rf 으로 끝 맺는 내용)
안녕하세요 강의 잘 듣고 있습니다. "5. websocket, stomp 비교" 강의 6:07초에 STOMP 흐름에서 궁금한 점이 있습니다! 방법1 "(클라이언트 1-> 서버)로 연결 요청 및 특정 room 구독"으로 되어 있어서 서버를 통해 브로커를 거쳐 구독하는 방법 방법2 "(클라이언트 2 -> 브로커)로 연결 요청 및 특정 room 구독"에서는 클라이언트 2는 웹 소켓 서버로 다이렉트로 전달하지 않고, 바로 브로커에게 요청을 보내는 방법 질문 두 가지 방법으로 요청을 할 수 있는건가요? 두 방법의 차이는 무엇인가요??
안녕하세요 체험 환경에서 xgb 모델 사용 시, 다음과 같은 에러가 발생하는데 괜찮을까요? 테스트 케이스 추가해서 돌려봤을 땐 에러가 안 뜨긴 해요..! /usr/local/lib/python3.12/site-packages/xgboost/core.py:265: FutureWarning: Your system has an old version of glibc (< 2.28). We will stop supporting Linux distros with glibc older than 2.28 after May 31, 2025 . Please upgrade to a recent Linux distro (with glibc 2.28+) to use future versions of XGBoost. Note: You have installed the 'manylinux2014' variant of XGBoost. Certain features such as GPU algorithms or federated learning are not available. To use these features, please upgrade to a recent Linux distro with glibc 2.28+, and install the 'manylinux_2_28' variant. warnings.warn(