14강 - 72,73번 강의 영상이 동일한거 같습니다.

안녕하세요. 우선 불편을 드려 죄송합니다.영상을 개선해서 재업로드하면서, 실수가 있었습니다.재수정하여, 지금 업로드하였습니다. 인코딩에 약간의 시간이 걸릴 수 있어서 1~2시간만 기다려주시면 변경된 영상을 보실 수 있습니다.감사합니다.

빅분기대비

안녕하세요. 우선 잘 준비하셔서 좋은 결과 있으시길 바라겠습니다.본 강의와 머신러닝 강의는 데이터 분석과 과학 핵심 기본 실무 역량을 가장 짧은 기간 안에 탄탄히 다지는 것을 목표로 하고 있습니다. 따라서 빅분기등등의 자격증 준비 범위에도 대부분 겹칩니다. 하지만, 각 자격증은 각 자격증마다의 요구사항과 범위가 있으니까요. 두 강의로 데이터 과학과 분석의 핵심 기본 실무 역량을 빠르게 쌓은 후, 해당 자격증용 준비 서적등으로 자격증에서 요구하는 바를 정리하시면 더 좋지 않을까 생각합니다. 감사합니다.

Windows에서 수강하는 분들을 위한 노트

안녕하세요. 정말 좋은 경험과 상세한 설명 공유해주셔서 감사합니다.해당하는 케이스에서는 매우 좋은 참고가 될 것 같습니다.감사합니다.

도커와 최신 서버 기술 수료시 웹 배포

안녕하세요. 우선 좋게 봐주셔서 감사합니다.말씀하신대로 flask 수강후, docker 강의 (aws 포함되어 있습니다.) 를 수강하시면, 가벼운 배포 바로 가능합니다. 괜찮으시면, flask 는 가볍게 수강하시고, fastapi 강의도 있으니 fastapi 를 좀더 집중적으로 익히신 후, 도커 강의를 수강하셔서, fastapi 로 백엔드를 구축하시는 것도 좀더 좋긴 합니다.또한 aws 는 가벼운 웹서비스는 Free Tier 서비스를 사용하시면, 1년간은 무료로 사용이 가능합니다.감사합니다.

Symbol 관련 테스트 코드 실행 결과 문의

안녕하세요. 답변 도우미입니다.Symbol은 호출될 때마다 고유한 심볼 값을 생성하기 때문에, Symbol(1)을 두 번 호출하면 서로 다른 객체가 됩니다. 따라서 testSymbol1 == testSymbol2는 false가 나오며, 같은 참조인 testSymbol2 === testSymbol2는 true가 됩니다.이외에는 출력환경에 따라 조금씩 달라질 수도 있지만, 다음과 같이 type 은 symbol, 해당 값은 Symbol(1) 이 되는 것이 일반적입니다. 혹시 영상? 과 다른 부분이 있다면, dream@fun-coding.org 로 메일주시면 검토해서 답변드리겠습니다. 제가 출장중이라서, 금주말까지 답변드리겠습니다.감사합니다.(사진)

pdf 파일 내 코드 복붙시 공백

안녕하세요. 우선 불편을 드려 죄송합니다.PDF를 여는 뷰어(Adobe Acrobat Reader, 브라우저 PDF 뷰어, Foxit Reader, SumatraPDF 등)에 따라서 텍스트 복사 시 인코딩 문제가 발생하기도 합니다. 그래서, 괜찮으시다면, 위에서 열거한 다른 PDF 뷰어를 활용해보시거나, PDF 뷰어 환경 설정에서 텍스트 복사 방식을 바꿀 수 있는 옵션(‘텍스트 추출’, ‘복사 시 공백 유지’ 등)이 있는지등을 한번 확인해보시면 어떠실까요? 감사합니다.

LSTM 모델 학습 관련한 질문입니다.

안녕하세요. 답변 도우미입니다.주가 예측 모델에서 “어떤 입력을 넣었을 때, 어떤 시점의 가격을 예측하도록 모델을 학습시켰는가?”에 따라, 2일 뒤·3일 뒤 등의 예측 방식을 바꿔야 할 수도 있습니다. 여러 가지 방안이 있지만, 현재 LSTM 을 익히는 단계에서 고려해볼 수 있는 방안은 멀티스텝(Multi-step) 예측 모델 구성 입니다. 이는 2일 뒤, 3일 뒤 가격 등을 한 번에 예측하도록 모델을 설계하고 학습한다. 예를 들어, 출력 차원을 늘려서 [다음 날 종가, 2일 뒤 종가, 3일 뒤 종가] 형태로 한 번에 예측하도록 만드는 것입니다. 다만, 이 경우 데이터 전처리와 학습 방식을 다르게 구성해야 하므로, 사실상 새 모델을 만드는 셈이 됩니다. 감사합니다.

list함수로 리스트 선언하면 실패하는데 이유는 무엇입니까?

안녕하세요. 답변 도우미입니다.list() 함수는 “하나의 묶음(이터러블)”을 받아서 리스트로 바꿔주는 함수입니다. 예를 들어, 이미 리스트가 있는 경우에 list(['java', 'c', 'c++'])처럼 넣으면 새 리스트를 만들어줍니다.그런데 아래 코드는 문제를 일으킵니다.lang = list(jave, c, c++)list()는 한 번에 여러 값을 콤마로 넣는 방식을 지원하지 않습니다. 즉, list(‘java’, ‘c’, ‘c++’) 같은 문법은 쓸 수 없어요.c++는 파이썬에서 변수 이름이나 문자열로 쓸 수 없는 형태입니다. 문자열로 쓰려면 "c++"처럼 반드시 따옴표를 써야 합니다.결과적으로 리스트를 만들 때는 보통 대괄호 []를 쓰거나, 한 개의 리스트(또는 튜플)를 list()에 전달해야 합니다. 예를 들어,# 방법 1: 직접 대괄호로 리스트를 만든다 lang = ['java', 'c', 'c++'] ​ # 방법 2: 이미 리스트가 있다면 list()로 감싸도 된다 lang = list(['java', 'c', 'c++'])이렇게 작성하면 에러 없이 리스트를 만들 수 있습니다! 감사합니다.

MSE LOSS 관련

안녕하세요.MSE 손실 함수는 수학적으로 단순한 선형 회귀 문제에서는 예측값에 대해 볼록(convex)한 형태를 띱니다. 즉, 선형 회귀에서는 최적점을 쉽게 찾을 수 있습니다. 그러나 딥러닝 모델처럼 비선형 활성화 함수(예: sigmoid, ReLU 등)를 포함한 모델에서는, MSE 손실 함수와 모델의 비선형성이 결합되어 전체 최적화 문제(모델 파라미터에 대한 함수)가 비볼록(non-convex)해지는 경우가 많습니다.즉, PDF에서 언급하는 “Regression 문제에서 MSE Loss 함수를 사용하면 함수가 non-convex 한 이슈가 있음”이라는 표현은 순수한 선형 회귀가 아니라, 비선형 모델(예: 심층 신경망)에서 MSE Loss를 적용할 경우 발생할 수 있는 최적화상의 어려움을 지적하는 것입니다.한편, 분류 문제에서는 Sigmoid나 Softmax와 같이 확률 해석에 적합한 활성화 함수와 함께 BCE Loss 또는 Cross Entropy Loss를 사용함으로써, 그에 맞는 더 부드럽고 해석하기 쉬운 손실 함수를 제공하여 최적화 과정을 원활하게 만듭니다. 만약 분류 문제에서 MSE Loss를 사용하게 되면, 출력값의 해석 및 최적화 과정에서 불필요한 비볼록성 문제를 더 악화시킬 수 있으므로, 일반적으로 권장되지 않습니다.따라서, PDF에서는 딥러닝 모델의 특성과 최적화 문제를 고려해 MSE Loss를 사용할 경우 발생할 수 있는 비볼록성 이슈를 언급한 것이며, 이는 분류 문제에 한정된 것이 아니라 비선형 회귀 모델에서도 나타날 수 있는 문제임을 강조하는 것입니다.이 부분을 좀더 명확히 하기 위해, PDF 도 다음과 같이 업데이트하였습니다.- 딥러닝 모델에서의 Regression 문제에서는 MSE loss 함수를 사용하면, 함수가 non-convex 한 이슈가 있음감사합니다.

test시 minibatch 사용?

안녕하세요. 우선 불편을 드려 죄송합니다.말씀하신 게 맞습니다. 제가 실수가 있었습니다. 해당 커멘트는 영상과 자료를 업데이트하도록 하겠습니다. 학습 시에 미니배치를 사용하는 이유는 주로 계산 효율성 및 메모리 관리 때문이고, 모델 파라미터는 전체 데이터셋에 대해 여러 epoch 동안 업데이트되므로 테스트 시에는 꼭 학습 때 사용한 미니배치 크기와 동일한 입력 크기를 사용할 필요는 없습니다.테스트 시에는 한 개의 데이터든 여러 데이터를 묶어서 입력하든 모델이 올바른 예측 값을 출력하도록 설계되어 있습니다. 다만, 일부 딥러닝 프레임워크에서는 평가를 빠르게 진행하거나 메모리 사용을 최적화하기 위해 배치 단위로 데이터를 처리하는 경우가 있는데, 이것은 모델의 예측 성능과는 직접적인 관련이 없습니다.즉, 미니배치는 학습 과정에서의 최적화 전략일 뿐, 평가(테스트) 단계에서는 입력 데이터의 개수에 크게 제약을 주지 않습니다.감사합니다.