다음 강의 언제 올라 오나요?

안녕하세요, 강사 해여입니다. 업로드를 일전에 진행하였는데 업데이트 반영이 안되었군요.;금일 저녁에 바로 다시 업로드해놓겠습니다. 수강을 10강까지 완료하신 수강생분이 2분밖에 안계셔서 제가 인지를 못하고 있었네요 ㅜㅜ! 피드백 주셔서 감사드려요. 감사의 마음으로. 추후 MCP 관련 강의를 업로드 예정인데, 업로드 후 강의 수강 쿠폰을 전달드리겠습니다. haeyeo.open@gmail.com 메일로 쿠폰 전달할 메일 하나만 전달 부탁드립니다 🙂 감사합니다!수강하시는 데 불편을 끼쳐드려 다시한번 죄송합니다!

강의 음성과 영상 속도 불일치 문제

현재 28강까지 업로드했으며 예상보다 강의를 더 찍게 되어서 .. 🙂 2강 추가 업로드 예정입니다!

강의 음성과 영상 속도 불일치 문제

안녕하세요! 금일 저녁 모두 업로드 예정입니다! 말씀주신 19강은 음성 음질을 올리다가 싱크가 엇나간듯 합니다 ㅜㅜ 바로 수정해놓겠습니다. 백엔드 강의의 경우 편집자 이슈로 재 촬영 후 재 업로드 예정입니다 🙂 감사합니다!

강의 업로드 일정 문의

안녕하세요!강사해여입니다! 슬라이드 전환 시 음성이 바로 나오는 부분이 있어, 수정을 진행하니라 조금 지연되었습니다! 공지에 올라간것처럼 오늘 저녁 업로드 예정입니다!! 지연되어 죄송하다는 말씀드리며,수강신청 너무 감사드려요!

CRUD관련: async def get_db() 관련

안녕하세요! 강사 해여입니다.질문을 누락하여 답변이 늦어진 점 사과드립니다 ㅜㅜ! 1. 강의 코드는 사실.. 이미 커넥션 풀을 사용하고 있습니다.SQLAlchemy의 create_async_engine 함수는 poolclass 인자를 별도로 지정하지 않아도, 기본값으로 비동기 환경에 최적화된 AsyncAdaptedQueuePool을 사용합니다.따라서 강의 코드(create_async_engine(DATABASE_URL, echo=True, future=True))는 풀링을 사용하지 않는 것이 아니라, 가장 표준적이고 적절한 비동기 커넥션 풀을 기본 설정으로 사용하고 있는 것입니다.2. 그래서.. 별도로poolclass=QueuePool을 추가할 필요는 없습니다!AI의 답변 예시에 포함된 poolclass=QueuePool은 '풀링 기능을 새로 추가'하는 코드가 아닙니다.QueuePool은 본래 동기(sync) 방식용 풀입니다. create_async_engine에 이 인자를 전달해도 SQLAlchemy가 내부적으로 AsyncAdaptedQueuePool로 감싸서(wrapping) 처리해주기는 하지만, 이는 불필요한 코드이며 혼란을 줄 수 있습니다. 3. 또한 일반적으로 성능 튜닝은 다른 파라미터로 수행합니다.AI의 답변에서 실질적으로 유용한 정보는 pool_size, max_overflow, pool_recycle 같은 튜닝용 파라미터입니다.이 파라미터들은 AsyncAdaptedQueuePool을 포함한 모든 풀에서 공통적으로 작동합니다.실제 서비스를 운영할 때는 트래픽 상황에 맞춰 이 값들을 조절하여(예: pool_size=10, max_overflow=20) 데이터베이스 연결 성능을 최적화할 수 있습니다.감사합니다!

nox 실행 에러 메세지

안녕하세요 강사해여입니다. 소중한 피드백 감사드립니다. 현재 해당 강의의 구성이 E2E로 진행되면 좋을 것 같다는 피드백이 있어, 새롭게 강의를 작성하고 있습니다. 말씀주신 부분은 바로 처리해놓겠습니다 🙂 감사합니다.

.

안녕하세요. 강사해여입니다. 질문의 내용이 삭제된 듯 하네요! 확인 주시면 답변드릴게요 🙂

핫픽스코드 수정필요

안녕하세요 강사해여입니다! 아이고 코드를 작성하고 강의자료를 작성하던 중 복사 붙여넣기 시 에러가 있었던 것 같네요! 확인 후 처리해두겠습니다! 감사합니다.

13강 질문

안녕하세요! 강사 해여입니다.먼저 수강신청에 대한 감사의 말씀과 늦어진 답변에 대한 사과의 말씀올립니다. 안녕하세요! 두 가지 질문에 대해 답변드리겠습니다.1번 질문 .네, 좋은 관찰입니다! 혼란스러우실 수 있는데, 정확한 해석을 설명드릴게요.해당 부분은 Pycaret 버전에 따라 인코딩이 어떻게 되는 지에 따라 달라요!다음의 경우라면, *(일반적으로 알파벳 순 인코딩 때문에)클래스 0 = 'CH' (알파벳순으로 먼저 오는 것)클래스 1 = 'MM'SHAP 값의 의미양(+)의 SHAP 값: 클래스 1(MM) 예측 확률을 높임음(-)의 SHAP 값: 클래스 0(CH) 예측 확률을 높임따라서 올바른 해석은:LoyalCH가 높으면(빨간색) → SHAP 값이 음수 → CH(클래스 0) 구매 확률 증가가 되게 됩니다!만일 수강생 분의 환경에서 반대로 레이블이 되어있다면 말씀주신 해석이 맞아요 🙂2번 질문.observation=0은 홀드아웃(테스트) 세트 기준 0번째 행을 의미합니다. 만약 인덱스 범위를 벗어나면 오류가 납니다.(훈련셋에서 보고 싶다면 use_train_data=True를 줄 수 있어요:interpret_model(tuned_lgbm, plot='reason', observation=0, use_train_data=True) )감사합니다!

best model 이 튜닝이 불가한 게 선택된 경우

안녕하세요! 강사해여입니다. 인프런 인턴님이 너무 잘 답변주셨군요! Pycaret은 성능을 기준으로 모델을 선택하기 때문에 항상 튜닝기법이 사용 가능한 모델이 선택되지는 않아요! 그래서 중간중간 강의에서 몇 가지 모델을 제외 후 선택하고 있는데, 이러한 이유랍니다. 하지만 실제로 AutoML은 간단한 형태의 구현이 선호되기 때문에 이런 부분에 대해서는 후처리 혹은 예외처리를 사용해 패스해버리는 경우가 많답니다 🙂 감사합니다!