섹션4의 10강 질문이 있습니다.

안녕하세요, @gnb1202님.문제를 정확하게 잘 짚어주셨습니다.현재 코드대로면 테스트 데이터까지 학습에 포함되어 있어서 lookahead bias가 발생합니다.for i in range(lookback, len(data_scaled) - forecast_horizon):위 for loop에 data_scaled가 전체 데이터(train + test)를 scaling한 것이기 때문.우선 아래 두 군데를 변경해서 테스트해보시길 바랍니다.저도 곧 업데이트 본 반영하도록 하겠습니다. 스케일러 부분print("Scaling data...") train_size = int(len(data) * 0.8) train_data = data.iloc[:train_size] test_data = data.iloc[train_size:] # 스케일러는 train에만 fit !!! stock_scaler = MinMaxScaler() econ_scaler = MinMaxScaler() # train 데이터로만 fit stock_scaler.fit(train_data[target_columns]) econ_scaler.fit(train_data[economic_features]) # 전체 데이터는 transform만 data_scaled = data.copy() data_scaled[target_columns] = stock_scaler.transform(data[target_columns]) # ← fit_transform → transform으로 변경 data_scaled[economic_features] = econ_scaler.transform(data[economic_features]) # ← fit_transform → transform으로 변경학습 데이터 생성 부분# 학습 데이터 생성 (데이터 누수 차단) lookback = 90 forecast_horizon = 14 # train 구간 끝에서 forecast_horizon 만큼 빼야 y가 test 구간으로 안 넘어감 last_train_index = train_size - forecast_horizon X_stock_train = [] X_econ_train = [] y_train = [] for i in range(lookback, last_train_index): X_stock_train.append(data_scaled[target_columns].iloc[i-lookback:i].values) X_econ_train.append(data_scaled[economic_features].iloc[i-lookback:i].values) y_train.append(data_scaled[target_columns].iloc[i + forecast_horizon - 1].values) # i+13은 아직 train 안에 있음 X_stock_train = np.array(X_stock_train = np.array(X_stock_train) X_econ_train = np.array(X_econ_train) y_train = np.array(y_train)작업 하시다가 잘 안되는 부분 있으시다면 다시 말씀 주세요~감사합니다.

세션 3까지 듣고 궁금한점이 있어 문의 드립니다,

안녕하세요, @jimin.song3님.종목 추가 또는 변경 방법에 대해서는 "30. 종목 변경 방법 설명" 강의를 참고하시면 상세한 가이드를 확인하실 수 있습니다.어떤 코드를 어떻게 수정해야 되는지 상세하게 설명하였습니다. 아래는 간단히 정리된 답변입니다. 종목 변경을 위해 다음 단계를 따라 주세요:소스코드 수정: 새로운 종목을 추가하려면 소스코드에서 종목을 담고있는 배열에 추가합니다.Supabase DB 컬럼 변경: 데이터베이스에 새로운 종목을 반영하기 위해 해당 컬럼을 수정합니다.Google Colab 소스코드 수정: Google Colab에서 사용하는 소스코드에도 새로운 종목을 추가합니다.Alpha Vantage 유료 계정: 무료 API는 하루 25회 호출 제한이 있으므로, 많은 종목을 처리하기 위해 유료 계정을 사용해야 됩니다. 질문 주신 아래 항목에 대해는 기존 소스코드에 Fred, Yahoo Finance API를 통해 경제지표, 나스닥100 주가 정보를 이미 수집하고 있습니다.Fred에서 제공하는 지표 코드Yahoo 에서 제공하는 지표와 티커나스닥 100의 티커 위 단계를 참고하여 진행해 보시고, 혹시 막히는 부분이나 추가 질문이 있다면 언제든지 편하게 말씀해 주세요!감사합니다.

MCP 적용 안되시는분 이거 보세요.

안녕하세요, @Kyoung Lyum님.좋은 정보 공유해주셔서 감사합니다 🙏말씀해주신 대로, 최근 Smithery 파일시스템 연결 방식이 업데이트되면서강의 영상에서 보신 Cursor 경로 등록 방식이 아니라,이제는 Connect > Configure > allowedDirectories 부분에리스트 형태로 경로를 직접 입력하는 구조로 변경되었습니다.저도 확인해보니 말씀하신 방식이 현재 버전에서 정상적으로 동작합니다.정확히 짚어주셔서 다른 수강생분들께도 큰 도움이 될 것 같습니다 👏저도 앞으로 더 디테일한 강의를 준비하도록 하겠습니다.감사합니다.

colab 실행시간이 너무 오래걸리는데 이게 맞을까요?ㅠ

안녕하세요, @신혜인님.Google Colab의 무료 버전을 사용하실 경우, 하루 동안 사용할 수 있는 리소스(연산 시간, RAM 등)에 일정한 제한이 있습니다.강의에서 안내드린 대로 T4 GPU로 설정하셨다면, 아래 이미지와 같은 환경일 것으로 예상됩니다.(사진)또한 아래 이미지의 우측 상단의 RAM / 디스크 표시 부분을 클릭하시면 현재 사용 중인 리소스 상태를 확인하실 수 있습니다.이 부분이 거의 가득 찼을 경우, 말씀하신 것처럼 코드 실행 속도가 현저히 느려지거나 중간에 세션이 종료되는 현상이 발생할 수 있습니다.저 역시 무료 버전으로 여러 실험을 진행하다 보면, 리소스 한도에 걸려 실행이 느려지는 경우를 종종 겪습니다.그럴 때는 두 가지 방법을 주로 사용합니다.Colab Pro(유료 버전)을 사용하여 안정적인 환경에서 작업하는 방법여러 개의 Google 계정을 번갈아가며 사용하는 방법저는 초반에 두 번째 방법을 활용해 약 5개의 계정으로 순환 사용하며 효율적으로 작업을 진행했습니다.우선 다른 계정으로 시도해보시길 권해드립니다.(사진)그래도 문제가 지속된다면, 구체적인 상황을 알려주시면 추가로 점검해드리겠습니다.감사합니다.

mcp서버 설치 문의

안녕하세요, @good님.우선 현재 cursor에서 mcp 상태가 빨간색으로 표시된 것으로 보면 비활성화 상태인 것으로 보이네요. 보통 회사 네트워크 환경에서는 filesystem mcp 서버가 활성화 되지 않습니다.개인 네트워크를 사용하셔야 됩니다.우선은 경로까지 지정한 2번째 json으로 해보시길 추천드립니다.(사진)그리고 만약 cursor 환경에서 설정 파일에 json 입력으로 안되신다면, 위와 같이 설치해보시는 것도 추천드립니다. (One click install 클릭)팁을 드리자면 최근에는 llm이 이전보다 훨씬 더 발전하여 한번에 처리할 수 있는 token 사이즈가 커져서 mcp filesystem 없이도 폴더 또는 파일에 대해 @로 지정하여 충분히 인지가 가능합니다.감사합니다.

13,14강 외부 API 설정 오류

음.. 우선 위 로그로 봐도 여전히 supabase_url에 값이 정상 셋팅되지 않은 것 같습니다..env 옆에 보이는 block 표시는 저도 그렇기 때문에 문제가 아닐 것 같습니다.SUPABASE_URL: str = "직접 입력한 URL"SUPABASE_KEY: str = "직접 입력한 KEY"위 url, key 값을 넣으신 부분에 쌍따옴표가 빠진 것으로 보이는데, 넣어서 다시 테스트 부탁드립니다.ex) "sdfsdfsdf" (O)sdfsdfsdf (X)그리고 서비스 start 시 env 환경 변수 값을 잘 가져오는지도 확인이 필요할 것 같습니다.print("ENV URL:", os.getenv("SUPABASE_URL")) print("ENV KEY:", os.getenv("SUPABASE_KEY"))config.py에서 class Settings(BaseSettings): 클래스 안에서 위와같이 테스트로 환경변수 값을 print로 찍었을 때, 잘 나오는지 확인 부탁드립니다.line으로 따지면 20번째 줄 정도일 것 같습니다.감사합니다.

13,14강 외부 API 설정 오류

안녕하세요, @바카스청년님.에러 로그를 검토한 결과, Application Start-up 과정에서 DB Connection 과정에서 에러가 발생한 것으로 보입니다.위 에러를 보고 정확한 원인을 단정하기는 어렵지만, 두 번째 이미지에서 확인된 바와 같이 framework 설정이 Next.js로 잘못 지정되어 발생한 에러일 가능성이 높아 보입니다. 본 강의는 Next.js가 아니라 Python FastAPI를 기반으로 진행되므로, 설정을 수정하신 후 다시 테스트 부탁드립니다.만약 수정 후에도 동일한 문제가 지속된다면, 편하게 말씀해 주세요.감사합니다.

파이썬 스크립트 작성 프로그램은 뭘로 쓰시는건가요?

안녕하세요, @memberab님.4강부터는 Python FastAPI를 활용한 자동매매 개발에 앞서 기본 개념을 다룹니다. 노션을 통해 개념을 설명하고, 샘플 코드를 작성하며 AI를 활용한 개발 방법을 익힙니다. Python 문법에 대한 깊은 지식 없이도 개발이 가능하다는 것을 전달하는게 큰 목적입니다.강의 내용이 처음에는 어려울 수 있으니, 전체 강의를 끝까지 들어보시길 권장드립니다. 4~8강에서는 Python 설치, 라이브러리 설치, Cursor 설치, 환경변수 설정 등 개발 준비 단계를 안내하며, 이를 따라 하시면 강의와 동일한 환경을 구축할 수 있습니다.궁금하거나 어려운 부분이 있다면 언제든 편하게 질문 주세요.감사합니다.

fastapi를 이용한 뼈대 프로그램 소스 제공 가능 여부 문의드립니다. (6강_Python FastApi 기본)

안녕하세요, @Ji-hun Bae님.마지막 강의(33. 실제 자동 매매 구축 및 테스트 완료)에서 제공되는 수업 노트를 확인하시면, 모의 투자 및 실전 투자용 완성된 소스코드를 받으실 수 있습니다. 제공하는 코드는 환경변수만 입력하면 바로 작동 가능합니다. 잘 안되는 경우 추가로 질문 부탁드립니다.감사합니다.

[베개투자법 :자면서 돈버는 AI주식 자동매매머신] 종목을 100개까지 추가 하고자 합니다.

안녕하세요, @호빛님.종목 추가 또는 변경 방법에 대해서는 "30. 종목 변경 방법 설명" 강의를 참고하시면 상세한 가이드를 확인하실 수 있습니다. 아래는 간단히 정리된 답변입니다. 종목 변경을 위해 다음 단계를 따라 주세요:소스코드 수정: 새로운 종목을 추가하려면 소스코드에서 종목을 담고있는 배열에 추가합니다.Supabase DB 컬럼 변경: 데이터베이스에 새로운 종목을 반영하기 위해 해당 컬럼을 수정합니다.Google Colab 소스코드 수정: Google Colab에서 사용하는 소스코드에도 새로운 종목을 추가합니다.Alpha Vantage 유료 계정: 무료 API는 하루 25회 호출 제한이 있으므로, 많은 종목을 처리하기 위해 유료 계정을 사용해야 됩니다.위 단계를 참고하여 진행해 보시고, 혹시 막히는 부분이나 추가 질문이 있다면 언제든지 편하게 말씀해 주세요!감사합니다.