용감해지고 싶은 쫄보의 도전기

- Example where the wrapped Runnable takes a dictionary input:https://python.langchain.com/v0.2/api_reference/core/runnables/langchain_core.runnables.history.RunnableWithMessageHistory.html from typing import Optionalfrom langchain_community.chat_models import ChatAnthropicfrom langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholderfrom langchain_core.runnables.history import Runna..

- ConversationCahin이 최신 langchain 버전에서는 지원하지 않아 대체 코드를 찾기 위해 공식 문서를 찾아보았다.- 공식 문서의 예제 코드를 이해하려고 하니 class개념이 부족해 개념을 먼저 학습하였다 : https://bravesol.tistory.com/181 - langchain 라이브러리 공식 문서 :https://python.langchain.com/v0.2/api_reference/core/runnables/langchain_core.runnables.history.RunnableWithMessageHistory.htmlfrom operator import itemgetterfrom typing import Listfrom langchain_openai.chat_model..

1. 클래스란?- 객체 지향 프로그래밍(OOP)의 기본 단위로, 객체(obejct)를 생성하기 위한 템플릿(template)- 변수(속성)와 함수(메서드)를 모아둔 틀class 계산기: # 생성자 메서드 (초기화) def __init__(self, 속성1, 속성2): self.속성1 = 속성1 self.속성2 = 속성2 # 메서드 def 더하기(self): return self.속성1 + self.속성2 내_계산기 = 계산기(4,2) 친구_계산기 = 계산기(3,5) 2. Class와 Instance- Class(계산기)로 객체(내_계산기)를 만들면 그 "관계"를 말할 때, 내_계산기(객체)는 계산기(클래스)..

1. Agent란?- 사용자가 질문이나 요청을 이해하고 문제 해결을 위한 행동 계획을 수립한다.- 작업을 단계별로 나누고 필요한 도구를 동적으로 호출하여 문제를 해결한다. - 도구 호출 결과를 다시 분석하고, 목표 달성을 위해 추가 행동을 계획 2. Tool이란?- Agent가 계획을 실행하기 위해 호출하는 실제 기능- Tool list: https://python.langchain.com/docs/integrations/tools/- 제한 없는 무료 tool 정리categoryToolToolkit특징SearchBrave SearchURL, Snippet, Title을 returnDuckDuckgoSearchURL, Snippet, Title을 returnGoogle SerperURL, Snippet, ..

1. 통계적 추정- 데이터를 사용하여 데이터를 발생시킨 모수(평균, 비율 등)의 값을 예측하는 방법)- 점추정 / 구간추정 : 모수(평균, 비율)가 존재할 것으로 예상되는 점/구간을 추정하는 방법 2. 통계적 검정- 귀무가설을 기각할 수 있는 근거를 찾는 과정- 귀무가설(H0, Null Hyppothesis): 가장 기본적인 가정(현 상태, 참이라고 받아들여고 있는), '차이가 없다/효과가 없다'- 대립가설(H1, Alternative Hypothesis):우리가 증명하고자 하는 가설- 검정의 방향: 우리가 확인하고 싶은 대립가설의 방향이 검정 방향을 결정 3. 검정통계량- 가설 검정에 사용되는 확률 변수- 검정통계량의 실현치를 계산하고, 그 값에 따라 귀무가설을 기각할 지 말지에 대한 통계적 의사결정을..

1. 카이제곱 검정구분적합도 검정독립성 검정용도기대 비율에 따른 적합도 검정두 변수 간의 독립성을 검정함수from scipy.stats import chisquarefrom scipy.stats import chi2_contingency입력한 변수의 관측값과 기대빈도(각 1차원)두 변수간 관측값 (2차원)출력chi2, p_valuechi2, p_value, dof, expected(기대빈도)  2. 적합도 검정from scipy.stats import chisquare# Example: Goodness-of-fit test# Observed frequencies (actual data)observed = [40, 35, 25]# Expected frequencies (theoretical ratio: 3..

1. 최초로 발견된 최대값의 인덱스 (* 중복값이 있을 경우 sort_value한 값과 결과 다를 수 있음)df.isna().sum().idxmax() 2. groupby 결과를 그룹의 각 행에 매핑해줌df['Year_mean'] = df.groupby('Year',as_index=False)['Value'].transform('mean')

내가 말하는 문장을 고쳐야 한다고만 생각했는데, 나에게 답변해주는 GPT를 통해 어떻게 자연스럽게 말하는지 배워 보기로 했다. 캐나다에 있을 때도 말하기 연습도 중요하지만 듣기를 잘 하는게 중요하다는 걸 깨달았다. 특히 리액션 하는법!! 1. 질문- 유용한 영어 표현 3문장 상황과 함께 알려줘, 너가 한 문장씩 얘기하면 내가 따라 할게 2. 대화 복습- Great to hear! 좋은 소식이네요!- How's it going? 어떻게 지내?- I'm doing well, thanks for asking!- What's on your mind? 무슨 생각해? - No need to apologize!- we can chat about anything you  like.- Just having one of ..