8강 무드보드 이미지 생성 실패 원인

안녕하세요, 마소캠퍼스입니다. 이전 남겨주신 질문에 드린 답변과 마찬가지로, --weird 명령어는 무드보드 기능이 활성화, 즉 두 개 이상의 profile이 적용된 상태에서는 작동하지 않습니다. --weird 명령어를 사용하실 때에는 한 개 이하의 profile만 적용하여 생성 시도 부탁드립니다. 혹은 프롬프트 자체에 “surreal”, “abstract”, “experimental”, “dream-like”, “odd composition” 등의 단어를 추가한다면 무드보드 기능 활성화 상태에서도 --weird 명령어를 사용한 것과 유사한 결과를 얻을 수 있으니 참고 부탁드립니다. 감사합니다. 마소캠퍼스 드림.

4강 스타일 코드로 이미지 생성 실패

안녕하세요, 마소캠퍼스입니다. 현재로서는 스타일 코드의 버전을 확인하는 방법은 아래와 같이 Personalize 메뉴에서 버전을 확인하는 방법 및, -- v 6에서 작동하지 않는다면 v 7 기반, -- v 7에서 작동하지 않는다면 v 6 기반임을 확인하는 것과 같이다소 원시적인 방법 정도가 있는 것 같습니다. 미드저니에서 호환 기능을 제공하지 않아 다소 만족스럽기 힘든 답변 드리는 점 양해 부탁드리며,버전 확인 및 호환 기능 업데이트가 확인된다면 본 질문글에 다시 한 번 안내드릴 수 있도록 하겠습니다.감사합니다. 마소캠퍼스 드림.(사진)

3강 스타일 코드 만들기

안녕하세요, 마소캠퍼스입니다. 아래와 같이 생성된 스타일 코드 프로필 옆의 점 3개 아이콘 클릭 후, Rename 버튼을 클릭하시면 이름 변경이 가능합니다. (사진)감사합니다. 마소캠퍼스 드림.

이원배치 분산분석에서 정규성 검정 방법

안녕하세요, 마소캠퍼스입니다. 이원배치 분산분석에서는 말씀해 주신 것과 같이 첨도와 왜도를 활용하는 것도 가능은 하나, 일반적으로는 각 변수의 '조합'에 대해 Shapiro-Wilk 검정을 활용합니다.영상의 예시는 5개의 연령대와 4개의 지역에 대해 분석을 수행하므로, 변수의 '조합'은 총 20개가 나옵니다.이 20개의 조합에 대해 Shapiro-Wilk 검정 혹은 첨도와 왜도를 활용한 검정을 수행하여 정규성 만족을 확인 후 전체 이원분산분석을 수행하시면 됩니다.감사합니다.마소캠퍼스 드림.

필기만 다루는 건가요 필기 + 실기 인가요?

안녕하세요, 마소캠퍼스입니다. 본 과정은 빅데이터분석기사 필기 올인원 강의로, 필기 시험 준비에 필요한 지식만을 다루고 있습니다.일부 섹션은 기출문제 풀이 섹션이지만, 대부분 이론이 포함된 섹션이므로다소 양이 많다 느껴지실 수 있으실 수도 있습니다.빅데이터분석기사는 국가공인 자격증으로 응시에도 자격 사항이 있고,준비하기가 결코 쉽지는 않은 자격증입니다.본 강의와 함께 열심히 준비하셔서 좋은 결과 있으시기를 바랍니다.감사합니다. 마소캠퍼스 드림.

PRD 문서를 ChatGPT에서 왜 하는건가요?

안녕하세요, 마소캠퍼스입니다. 먼저 저희 강의를 성실히 수강해 주셔서 감사드립니다.아래와 같이 각각 질문에 답변드리니 참고하시어 이후 수강 부탁드립니다. 먼저 기획명세서를 ChatGPT로 만드는 것은, 최대한 비용 면에서 효율적으로 사용하기 위함입니다. cursor의 pro 이상 유료 요금제를 결제하지 않은 상태에서는 답변받을 수 있는 토큰의 양이 제한되어 있으므로, 최대한 코딩 작업 위주로 cursor에 요청하고, 기획 등 코딩이 아닌 작업은 다른 언어 모델로 사용하는 것이 토큰을 절약하는 방법입니다.코드 작성 및 리팩토링 단계에서도 PRD는 여전히 중요합니다. 이 명확하게 남아 있는 요구 사항들이 AI의 잘못된 추론(hallucination)을 줄이고, 개선할 때의 기준이 될 수 있습니다.말씀해주신 투두나 태스크 매니징은 프로젝트가 커질수록 의미가 있는 작업이 됩니다. 추후 본격적인 규모가 있는 개발을 염두에 두신다면 습관화해두시는 것이 도움이 될 것 같습니다.gpt 모델의 경우 최신 모델일수록 일반적으로 성능이 우수하며, mini 등이 붙으면 비교적 가볍고 빠른 모델입니다. 클로드의 경우 haiku-sonnet-opus 순으로 대형 모델입니다. 다만 cursor ai는 자동으로 적합한 모델로 답변을 생성하도록 하고 있어, 특정 모델이 편하시거나 하는 경우가 아니라면 크게 신경쓰지 않으셔도 좋습니다.rules의 경우 강의에서 소개한 것과 같이 해당 기능, 기술 등의 공식 문서 페이지에서 확인하시는 것이 가장 좋습니다. Docs는 많이 만드는 것도 중요하지만, 관리 가능한 수준의 양으로 조절하는 것도 필요합니다. 최신화를 꾸준히 해 주어야 하기 때문입니다.감사합니다.마소캠퍼스 드림.

기출 풀이 강의

안녕하세요, 마소캠퍼스입니다. 본 과정의 커리큘럼 및 제공 문제 등은 교재 다운로드 섹션의 자료와 동영상의 내용에 모두 포함되어 있습니다. 별도의 추가 제공 문제 등은 없으나, 추가 교재 등의 구매를 추천하지는 않습니다.본 과정을 1회독 후 기출변형문제 섹션에서 자가점검을 통해 부족한 과목 및 개념을 파악하고, 다시 해당 파트의 내용 복습 및 파트마다 제공되는 문제를 통해 보완하는 방식으로 수강하시면 충분히 시험에 대비가 가능합니다.시험에서 좋은 결과 있으시기를 진심으로 응원합니다.감사합니다. 마소캠퍼스 드림.

파일 공유시 데이터 업데이트 문의

안녕하세요, 마소캠퍼스입니다. 우선 DB에서 데이터를 연동하신 경우, 원본의 업데이트가 Power BI 내에 자동으로 반영되지는 않습니다.다만 데이터를 새로 고침하는 버튼 한 번만 누르는 것으로 DB의 업데이트를 반영할 수 있으며,일정 시간대에 반복적으로 자동 새로고침을 수행하도록 예약 새로 고침 등을 설정하는 것도 가능합니다.참고하시어 업무에 활용 부탁드립니다. 마소캠퍼스 드림.

서포트벡터머신에서 회귀 예측 방식

안녕하세요, 마소캠퍼스입니다. 서포트벡터머신(SVM)의 원리를 활용하여 연속형 변수를 예측할 때에는 서포트벡터회귀(SVR, R:regression)이라는 기법을 사용합니다. SVR은 SVM과 동일하게 서포트 벡터, 커널 트릭 등을 사용하는 방식인데, 설정한 회귀 함수의 오차범위 내의 값에는 페널티를 주지 않고, 범위 밖의 값에는 주는 방식입니다. 이 벌점을 받은 점들이 서포트 벡터를 결정하게 됩니다. SVM과의 차이가 있다면 벌점 0 구간인 마진을 최대한 키우려는 목적이 있는 SVM과 달리 SVR에서는 벌점 0 구간을 키우지 않는다는 점이라고 할 수 있습니다. 감사합니다.마소캠퍼스 드림.

데이터분할 - K-Fold 교차 검증 질문

안녕하세요, 마소캠퍼스입니다. K폴드 교차검증에서는 교차 검증 과정 속에서 일반적으로 적용 가능한 가장 좋은 성능이 좋은 알고리즘/파라미터 조합이 결정됩니다.그 모델 및 학습률, 파라미터 등을 고정하여, 학습 데이터(fold)가 아닌 전체 데이터에 대해 최종 모델을 학습시킨 후 실제 배포 혹은 테스트를 진행한다 보시면 되겠습니다.최종 모델이라 함은 즉, 어떤 특정한 형태가 정해졌다기 보다는 여러 번의 검증 과정에서 가장 평균 성능이 좋았던 모델이 되는 것이고, 이 모델에 대해 전체 데이터를 학습시키게 됩니다. 감사합니다.마소캠퍼스 드림.