sweet_it sweet_it

파이썬 개발을 하다 보면 프로젝트마다 필요한 라이브러리 버전이 다르거나,충돌을 방지하고 싶을 때가 많습니다.이럴 때 venv(가상환경)를 활용하면각 프로젝트별로 독립적인 환경을 손쉽게 만들 수 있습니다.venv란 무엇인가?venv는 파이썬 표준 라이브러리에서 제공하는 가상환경 도구입니다.프로젝트마다 별도의 패키지 공간을 제공해,라이브러리 버전 충돌 없이 안전하게 개발을 진행할 수 있습니다.venv 가상환경 생성 방법1. 가상환경 생성원하는 폴더에서 아래 명령어를 입력하세요.python -m venv 가상환경이름python -m venv myenv실행하면 myenv 폴더가 생성되고, 그 안에 독립적인 파이썬 환경이 만들어집니다.2. 가상환경 활성화운영체제별로 활성화 방법이 다릅니다.Windowsmyenv\..

🐍 파이썬 설치 시 주의사항!최신이 항상 정답일까요?Python 3.13.5 vs 3.11.12, 실무에서 무엇을 선택해야 할까?🔥 최신 버전: Python 3.13.5✅ 출시일: 2025년 6월✅ 최신 기능 다수 포함 (성능 개선 포함)✅ 실험적 기능 테스트에 적합⚠ 일부 라이브러리 호환성 문제 발생 가능⚠ 개발 환경에 따라 설치 후 실행조차 안 되는 경우도 있음예: pip install 후 AttributeError, ModuleNotFoundError 발생 빈도 높음특히 Windows 환경에서 TensorFlow, PyTorch 충돌 사례 다수 있음🛡 안정화 버전: Python 3.11.12🗓 출시일: 2025년 4월 8일✅ 대부분의 주요 라이브러리와 완벽한 호환✅ 실무, 강의, 입문자에게 ..

비트코인 1시간봉 시계열 예측 정확도(53%) 개선 방법비트코인 1시간봉 시계열 예측에서 53%의 정확도는 딥러닝 기반 모델로는 아쉬운 수준입니다. 아래에서는 실제 연구와 실전 경험에 기반해 CNN-LSTM 구조의 시계열 예측 정확도를 높이는 주요 방법들을 정리합니다.1. 데이터 전처리 및 증강데이터 증강: 시계열 데이터에 다양한 증강 기법(시간 이동, 진폭 스케일링, 가우시안 노이즈 주입 등)을 적용하면 모델이 다양한 시장 상황에 더 잘 적응하고, 평균적으로 15% 이상 정확도가 향상될 수 있습니다1.결측치 처리: null 값이 있는 행은 과감히 제거하거나, 적절한 보간법을 적용해 학습 데이터의 품질을 높이세요2.정상성 확보: 시계열 데이터가 정상성을 띠도록 변환(차분, 로그 변환 등)하는 것도 중요합..

대학생이라면 절대 놓치지 말아야 할 무료 IT 서비스 혜택을 한눈에 정리해드립니다.현대 사회에서 IT 활용 능력은 필수죠. 특히 프로그래밍, 디자인, 데이터 분석 등실무 기술을 익히고 싶은 대학생들에게 유료 툴을 공짜로 쓸 수 있는 기회는 정말 큰 메리트입니다.대부분의 서비스가 학교 이메일(.ac.kr)이나 학생증만 있으면 바로 무료로 사용할 수 있어요.오늘 소개하는 8가지 혜택으로 학업은 물론 취업 준비, 개인 프로젝트까지 훨씬 수월해집니다.1. GitHub Student Developer Pack – 개발자라면 필수GitHub에서 운영하는 학생용 개발자 팩입니다.AWS, DigitalOcean, Namecheap 등 유명 IT 서비스들의 프리 티어를 한꺼번에 제공합니다.✔️ 서버 호스팅, 도메인 등록..

import numpy as npimport pandas as pdfrom sklearn.preprocessing import MinMaxScalerdef preprocess_lstm_data(df, feature_col='close', sequence_length=60): """ LSTM 학습을 위한 시계열 데이터 전처리. Parameters: df (DataFrame): Bybit에서 받은 원본 데이터프레임 (timestamp index 포함) feature_col (str): 사용할 컬럼명 (예: 'close') sequence_length (int): LSTM 시퀀스 길이 (default: 60) Returns: X_train..

Streamlit Cloud 접속https://share.streamlit.io/deploy?repository=wooahada%2Fbitcoin-lstm-predictor&branch=master&mainModule=streamlit_app.py https://share.streamlit.io/deploy?branch=master&mainModule=streamlit_app.py&repository=wooahada%2Fbitcoin-lstm-predictor share.streamlit.ioContinue to sign-in 클릭Continue with GitHub 클릭 후 회원가입Authorize streamlit 클릭메일에서 받은 코드 입력Authorize streamlit 클릭password입력내..

--height, weight 컬럼추가 명령어 ALTER TABLE medica ADD COLUMN height FLOAT AFTER age, ADD COLUMN weight FLOAT AFTER height; --CSV 파일을 임시 테이블로 로드 CREATE TEMPORARY TABLE temp_medica (     id INT,     height FLOAT,     weight FLOAT ); - CSV 데이터를 임시 테이블에 로드 LOAD DATA LOCAL INFILE 'C:\\finfit\\medica_csv_v1.1.csv' INTO TABLE temp_medica FIELDS TERMINATED BY ','  LINES TERMINATED BY '\r\n'  IGNORE 1 LINES (..

age 컬럼 뒤에 height 및 weight 컬럼을 추가하기 age 컬럼 뒤에 height 및 weight 컬럼을 추가하려면ALTER TABLE 문을 사용하면 됩니다. ALTER TABLE medica(테이블명)ADD COLUMN height FLOAT AFTER age,ADD COLUMN weight FLOAT AFTER height;  명령어를 실행하면 height와 weight 컬럼이 age 컬럼 다음에 추가됩니다. ALTER TABLE medicaADD COLUMN height FLOAT AFTER age,ADD COLUMN weight FLOAT AFTER height;  결과 확인desc medica;