소개
잔재미코딩, Dave Lee
주요 경력: 쿠팡 수석 개발 매니저/Principle Product Manager, 삼성전자 개발 매니저 (경력 약 15년)
학력: 고려대 일어일문 / 연세대 컴퓨터공학 석사 (완전 짬뽕)
주요 개발 이력: 삼성페이, 이커머스 검색 서비스, RTOS 컴파일러, Linux Kernel Patch for NAS
저서: 리눅스 커널 프로그래밍, 리눅스 운영 체제의 이해와 개발, 누구나 쓱 읽고 싹 이해하는 IT 핵심 기술, 왕초보를 위한 파이썬 프로그래밍 입문서
풀스택/데이터과학 관련 무료 자료를 공유하는 사이트입니다.
IT 학습에 도움이 되는 팁/ 짧은 무료 강의를 공유하고자, 조금씩 시작하고 있습니다~
최신 현업과 IT 강의를 병행하며, 8년째 꾸준히 견고한 풀스택과 데이터과학 강의를 만들고 있습니다.
강의
전체11로드맵
전체2수강평
- 유익한 강의 였어여
shinmyeongho
2024.03.25
1
- 파이썬 기본강의 도움 많이 되었습니다
lee dong wook
2024.03.25
1
게시글
질문&답변
2024.03.27
IOPub data rate exceeded. 영구 설정 방법, 디렉토리 경로 변경 문의
안녕하세요. 답변 도우미입니다. Jupyter Notebook에서 IOPub data rate exceeded 오류는 너무 많은 데이터를 너무 빠르게 클라이언트에 전송하려고 할 때 발생합니다. 이를 해결하기 위해 iopub_data_rate_limit 값을 증가시키는 것이 일반적인 해결책입니다. 이 설정을 영구적으로 적용하고, Jupyter Notebook이 시작될 때 기본 디렉토리를 설정하는 방법에 대해 설명드리겠습니다. ### iopub_data_rate_limit 설정을 영구적으로 변경하는 방법 1. Jupyter Notebook 설정 파일 찾기/생성하기 - Jupyter Notebook 설정 파일의 위치를 찾으려면, 터미널에서 다음 명령어를 실행하세요: ``` jupyter notebook --config-dir ``` - 이 디렉토리에 jupyter_notebook_config.py 파일이 있는지 확인합니다. 파일이 없다면, 다음 명령어로 생성할 수 있습니다: ``` jupyter notebook --generate-config ``` 2. 설정 파일 수정하기 - 생성된 jupyter_notebook_config.py 파일을 텍스트 에디터로 열고, 다음 라인을 찾거나 파일 끝에 추가합니다: ```python c.NotebookApp.iopub_data_rate_limit = 1.0e10 ``` - 이렇게 하면 iopub_data_rate_limit 설정이 영구적으로 적용됩니다. ### Jupyter Notebook의 기본 디렉토리 변경하기 1. 기본 디렉토리 설정 수정하기 - 동일한 jupyter_notebook_config.py 파일에서, 다음 라인을 찾거나 추가하여 기본 디렉토리를 변경할 수 있습니다: ```python import os c.NotebookApp.notebook_dir = os.path.expanduser('~/your/path/here') ``` - '~/your/path/here' 부분을 원하는 경로로 변경하세요. 예를 들어, '/Users/yourusername/projects' 와 같이 설정할 수 있습니다. 2. 설정 파일 저장 및 Jupyter Notebook 재시작하기 - 수정한 설정 파일을 저장하고, Jupyter Notebook을 다시 시작하면 설정이 적용됩니다. 이 과정을 통해 IOPub data rate exceeded 오류를 방지하고, Jupyter Notebook이 시작될 때 원하는 기본 디렉토리를 설정할 수 있습니다. 설정 변경에 문제가 생기면, 설정 파일의 문법을 다시 확인하거나, 설정 파일의 경로가 정확한지 확인해보세요. 감사합니다. 잔재미코딩 드림
- 0
- 1
- 22
질문&답변
2024.03.27
혹시 해당 영상 저 수업자료 새로 올려 주신건가요?
안녕하세요. 답변 도우미입니다. 질문/답변의 댓글이 확인이 어려워서, 추가 답변을 못드렸습니다. 영상과 자료 모두 업데이트하였습니다. 감사합니다.
- 0
- 2
- 36
질문&답변
2024.03.25
3강 강의 자료 코드 관련 질문입니다
안녕하세요. 답변 도우미입니다. 우선 불편을 드려 죄송합니다. 최신 pandas 버전에서는 doc.corr() 이 자동으로 문자컬럼을 제외하고, 계산해주지 않고, 에러를 내는 이슈가 발견되었습니다. 이에 다음과 같이 해당 자료를 새로 업데이트하였습니다. 새로 자료를 다운받으시면 도움이 되실 것 같습니다. 감사합니다. # 2024.03.25: 최신 pandas 버전에서는 doc.corr() 이 자동으로 문자컬럼을 제외하고, 계산해주지 않고, 에러를 냄 # 2024.03.25: 다음과 같이 numeric_only=True 옵션을 기재해줘야 함 # train.corr().iplot(kind='heatmap', colorscale='Blues') train.corr(numeric_only=True).iplot(kind='heatmap', colorscale='Blues')
- 0
- 1
- 33
질문&답변
2024.03.24
섹션 7-4 당뇨병
안녕하세요. 답변 도우미입니다. 말씀하신대로, 실수가 있었습니다. 죄송합니다. 다음과 같이 업데이트된 코드와 상세 설명을 넣었습니다. 핵심은 기존 코드 diabetes_ data.data [:, [-1]] 은 타겟 변수값이 마지막 특성 열이라고 가정하였는데, load_diabetes() 함수에서 로드된 데이터는 diabetes_ data.data 에 특성(features)을 포함하고 있으며, diabetes_ data.target 에 타겟 변수를 포함하고 있습니다. diabetes_ data.data [:, [-1]] 은 타겟 변수값이 마지막 특성 열이라고 가정하고 코드를 작성한 부분에서 실수가 있어서, 자료와 상세 설명을 업데이트하였습니다. # diabetes_ data.target 에 타겟 변수를 포함하고 있습니다 import numpy as np import pandas as pd from sklearn.datasets import load_diabetes diabetes_data = load_diabetes() # 데이터 세트에 대한 전체 설명 print (diabetes_data.DESCR) x = torch.from_numpy(np.array(diabetes_ data.data [:, :-1], dtype=np.float32)) # y = torch.from_numpy(np.array(diabetes_ data.data [:, [-1]], dtype=np.float32)) # 2024 업데이트: # load_diabetes() 함수에서 로드된 데이터는 diabetes_ data.data 에 특성(features)을 포함하고 있으며, # diabetes_ data.target 에 타겟 변수를 포함하고 있습니다 # 기존 코드 diabetes_ data.data [:, [-1]] 은 타겟 변수값이 마지막 특성 열이라고 가정하였는데, 이 부분에 실수가 있었습니다. # diabetes_ data.target 타겟은 벡터이므로, 이를 열 벡터로 재형성하기 위해 reshape(-1, 1) 코드까지 추가하였습니다. y = torch.from_numpy(np.array(diabetes_ data.target , dtype=np.float32).reshape(-1, 1)) #shape print('shape of x is : ',x.shape) print('shape of y is : ',y.shape)
- 0
- 3
- 68
질문&답변
2024.03.22
혹시 나중에 Django 강의도 내실건가요??
안녕하세요. 답변 도우미입니다. 우선 관심 가져주셔서 감사합니다. 기본적으로는 최근에는 백엔드가 여러 케이스에서 빠르게 만들어야할 경우가 있더라고요. 이러한 상황에서 어느 정도 성능도 되고, 빠르게 백엔드를 만들 수 있고, 실사용에도 무리가 없으면서, 심지어 빠르게 익히고 구현도 가능한 프레임워크가 필요한 경우가 많다보니, Flask 와 FastAPI 를 공유드린 것인데요. Django 에 대해서는 조금 회의적이긴 합니다만, 관련 문의가 계속 있어오긴 했고요. 추후에 면밀히 상황을 검토해보겠습니다. 또다른 관점으로는 익히기 쉽냐 어렵냐, 구현이 쉽냐 어렵냐의 관점이 아니라, 가장 성능이 좋은 백엔드는 어떤 것일까에 대해 고민을 하고 있습니다. 감사합니다.
- 0
- 1
- 49