Dr. Bean의 코딩교실
Dr. Bean의 코딩교실
  • Видео 467
  • Просмотров 285 551

Видео

낙동강 하구역 데이터 분석 (위치정보 활용. 오렌지3) Feat. 홍지혁
Просмотров 5314 дней назад
낙동강 하구역 데이터 분석 (위치정보 활용. 오렌지3) Feat. 홍지혁 #데이터분석 #노코드 #
타이타닉 데이터 분석 (지도학습의 기초. 오렌지3 활용) Feat. 배준혁
Просмотров 4814 дней назад
타이타닉 데이터 분석 (지도학습의 기초. 오렌지3 활용) #데이터분석 #노코드 #오렌지3
해빙두께 데이터 분석 (비지도 학습) Feat. 최현태
Просмотров 4814 дней назад
해빙두께 데이터 분석 (비지도 학습) #노코드 #데이터분석 #오렌지3
영어/수학 성적 데이터 분석 (비지도학습의 기초) Feat. 이재민
Просмотров 2614 дней назад
Grades for English and Math 데이터 분석 (비지도학습의 기초) Feat. 박정빈 #데이터분석 #노코드 #오렌지3
엘리뇨, 라니냐 지수 분석 (오렌지 3 데이터분석) feat. 박정빈
Просмотров 10014 дней назад
엘리뇨, 라니냐 지수 분석 (오렌지 3 데이터분석) feat. 박정빈 #노코드 #데이터분석
해상기온과 해면기압 데이터 분석 (오렌지3 시각화).Feat. 진예지
Просмотров 5714 дней назад
해상기온과 해면기압 데이터 분석 (오렌지3 시각화) feat. 진예지 #오렌지3 #노코딩
신간소개: (모두를 위한) 오렌지3 빅데이터분석
Просмотров 94Месяц назад
신간소개: (모두를 위한) 오렌지3 빅데이터분석 #데이터분석 #노코드
배열을 사용하는 그래프의 구현
Просмотров 167Месяц назад
배열을 사용하는 그래프의 구현 #파이썬기초 #자료구조
AVL 트리의 파이썬 구현
Просмотров 129Месяц назад
AVL 트리의 파이썬 구현 #자료구조 #파이썬기초
AVL 트리의 개념과 균형 트리
Просмотров 165Месяц назад
AVL 트리의 개념과 균형 트리 #자료구조 #파이썬기초
이진검색트리에서의 노드 삭제 (파이썬 구현)
Просмотров 160Месяц назад
이진탐색트리에서의 노드 삭제 (파이썬 구현) #자료구조 #파이썬기초
이진탐색트리의 파이썬 구현 (데이터의 삽입과 검색)
Просмотров 179Месяц назад
이진탐색트리의 파이썬 구현 (데이터의 삽입과 검색) #자료구조 #파이썬기초
이진트리의 높이, 단말노드 수 계산 (파이썬)
Просмотров 109Месяц назад
이진트리의 높이, 단말노드 수 계산 (파이썬) #자료구조 #파이썬기초
이진 트리의 파이썬 구현 (노드와 링크 사용)
Просмотров 120Месяц назад
이진 트리의 파이썬 구현 (노드와 링크 사용) #자료구조 #파이썬기초
(배열을 사용하는) 이진트리의 파이썬 구현
Просмотров 116Месяц назад
(배열을 사용하는) 이진트리의 파이썬 구현
해시 테이블 2/2 (Hash Table): 키(key)의 삭제, 체이닝(chaining)
Просмотров 157Месяц назад
해시 테이블 2/2 (Hash Table): 키(key)의 삭제, 체이닝(chaining)
해시 테이블 (Hash Table)의 삽입, 검색
Просмотров 231Месяц назад
해시 테이블 (Hash Table)의 삽입, 검색
Introduction to AI (by Prof. Nik Adilah Hanin, Universiti Malaysia Perlis)
Просмотров 65Месяц назад
Introduction to AI (by Prof. Nik Adilah Hanin, Universiti Malaysia Perlis)
기초 탐색 알고리즘의 파이썬 구현 (순차 탐색, 이진 탐색, 보간 탐색) 및 속도 비교
Просмотров 230Месяц назад
기초 탐색 알고리즘의 파이썬 구현 (순차 탐색, 이진 탐색, 보간 탐색) 및 속도 비교
정렬 알고리즘의 파이썬 구현 (선택정렬, 삽입정렬, 버블 정렬)
Просмотров 215Месяц назад
정렬 알고리즘의 파이썬 구현 (선택정렬, 삽입정렬, 버블 정렬)
파이썬으로 카드 셔플 구현 (이중연결리스트)
Просмотров 1862 месяца назад
파이썬으로 카드 셔플 구현 (이중연결리스트)
Development of AI-Based Digital Healthcare System for Psychiatric Disorders
Просмотров 672 месяца назад
Development of AI-Based Digital Healthcare System for Psychiatric Disorders
이중 연결 리스트에서의 노드 위치 교환 함수
Просмотров 1862 месяца назад
이중 연결 리스트에서의 노드 위치 교환 함수
Ethics of AI (by Dr. Jaehan Ryu)
Просмотров 592 месяца назад
Ethics of AI (by Dr. Jaehan Ryu)
이중 연결 리스트의 개념과 파이썬 구현
Просмотров 1842 месяца назад
이중 연결 리스트의 개념과 파이썬 구현
연결 리스트 (Linked List)의 개념과 파이썬 구현
Просмотров 2382 месяца назад
연결 리스트 (Linked List)의 개념과 파이썬 구현
스택과 큐를 활용하는 미로찾기
Просмотров 1312 месяца назад
스택과 큐를 활용하는 미로찾기
큐(queue)와 덱(deque)의 파이썬 구현
Просмотров 2132 месяца назад
큐(queue)와 덱(deque)의 파이썬 구현
Applications of Neural Networks: Motor Hotspot Identification based on EEG, (Dr. Ga-Young Choi)
Просмотров 862 месяца назад
Applications of Neural Networks: Motor Hotspot Identification based on EEG, (Dr. Ga-Young Choi)

Комментарии

  • @pki0273
    @pki0273 19 дней назад

    Logistic Regression를 사용하는데 오류가 발생합니다. Data has no target variable. Select one with the Select Columns widget. 라고 하는데 어떻게 해결해야 합니까?

  • @NoRaengs99
    @NoRaengs99 Месяц назад

    감사합니다!

  • @SanJohnGianGino1
    @SanJohnGianGino1 Месяц назад

    Thank you professor from Rome

  • @Simahoy
    @Simahoy Месяц назад

    이중 연결 리스트 개념이 어려웠는데 영상을 보고 이해가 잘 되었습니다. 감사합니다!

    • @FlyHeavensky
      @FlyHeavensky Месяц назад

      네~ 도움이 되어서 다행입니다. ^^

  • @FlyHeavensky
    @FlyHeavensky 2 месяца назад

    8:53 DNode 를 사용해야 했는데, 만들어 두고 예전 버전인 Node를 사용했네요...;;; Node() 대신 DNode()를 써야 합니다....

  • @juliakim9729
    @juliakim9729 2 месяца назад

    키워드는 추출했는데 네트워크가 안나타날때는 뭐가 잘못된 것일까요?

    • @FlyHeavensky
      @FlyHeavensky 2 месяца назад

      네~ 다음을 다시 한번 확인해 봐 주세요. 1. Corpus to Network 위젯의 설정 (숫자), 2) Network Explorer 위젯과의 연결 (연결선이 잘 그어졌는지), 3) Network Explorer 위젯 왼쪽편의 변수 설정 등.

    • @juliakim9729
      @juliakim9729 2 месяца назад

      @@FlyHeavensky 감사합니다~~~

  • @FlyHeavensky
    @FlyHeavensky 2 месяца назад

    이 영상에서 사용한 코드는 생능출판사의 "파이썬으로 쉽게 배우는 자료구조" 교재의 코드입니다. 출판사의 허락을 받아 사용하였음을 알립니다.

  • @박지성-d6i
    @박지성-d6i 2 месяца назад

    .....조건문 이후부터 강의가 너무 빨라져서 이해가 하나도 안 돼요...ㅠ0ㅠ

    • @FlyHeavensky
      @FlyHeavensky 2 месяца назад

      앗, 강의가 너무 빠르게 진행되었군요.. ㅜㅠ 파이썬이 익숙하지 않으시다면, 파이썬 기초 코딩 영상을 먼저 시청하시는 것을 추천드립니다. ^^ ruclips.net/video/xlkU-kyZWNA/видео.htmlfeature=shared ruclips.net/video/69BqEL8s5uk/видео.htmlfeature=shared ruclips.net/video/lf_UJygXIcw/видео.htmlfeature=shared ruclips.net/video/Q5uZimye82Y/видео.htmlfeature=shared

  • @youngkey-w8r
    @youngkey-w8r 2 месяца назад

    강의 정말 잘 하십니다 감사합니다

    • @FlyHeavensky
      @FlyHeavensky 2 месяца назад

      말씀 감사합니다. ^^

  • @jbs6434
    @jbs6434 3 месяца назад

    설명감사합니다~ 특히 SOM

  • @FlyHeavensky
    @FlyHeavensky 5 месяцев назад

    강의자료 다운로드 링크: github.com/PKNU-PR-ML-Lab/CoastalData/blob/main/연안빅데이터강의자료_02강_해면수온_오렌지.zip

  • @FlyHeavensky
    @FlyHeavensky 5 месяцев назад

    강의자료 다운로드 링크: github.com/PKNU-PR-ML-Lab/CoastalData/blob/main/연안빅데이터강의자료_04강_해빙두께_해상강수량.zip

  • @FlyHeavensky
    @FlyHeavensky 5 месяцев назад

    강의자료 다운로드 링크: github.com/PKNU-PR-ML-Lab/CoastalData/blob/main/연안빅데이터강의자료_03강_폭풍해일고_ChatGPT.zip

  • @chunyejune
    @chunyejune 6 месяцев назад

    영상 잘 보고 있습니다 여쭤보고싶은게 있는데 전 로지스틱옆에 에러가 있는데 이것은 무엇인가요? 잘못된건가요?

    • @FlyHeavensky
      @FlyHeavensky 6 месяцев назад

      어딘가에서 에러가 발생한 것 같습니다. 에러 표시에 마우스를 가져다 대면 자세한 원인을 확인할 수 있습니다. 9:50 에서 카테고리컬 변수를 모두 Don't Impute로 바꿔 봐 주세요 :)

  • @love80music
    @love80music 6 месяцев назад

    좋은 강의 감사합니다. 해당 책을 보면서 강의를 들으면 도움이 될까요?

    • @FlyHeavensky
      @FlyHeavensky 6 месяцев назад

      안녕하세요. 아무래도 책과 함께 보시면 이해가 좀 더 쉬우실 거에요 ^^

  • @FlyHeavensky
    @FlyHeavensky 7 месяцев назад

    데이터를 받으실 수 있는 git 링크는 다음과 같습니다~ 데이터 링크가 필요하신 분이 댓글을 다셨던데 삭제되어 댓글로 링크 드립니다. :) github.com/PKNU-PR-ML-Lab/orange/tree/main/data/6%EC%9E%A5/6.3%20%EA%B1%B4%EA%B0%95%EA%B2%80%EC%A7%84%20%EB%8D%B0%EC%9D%B4%ED%84%B0%EB%A1%9C%20%ED%9D%A1%EC%97%B0%20%EC%97%AC%EB%B6%80%EB%A5%BC%20%EC%95%8C%20%EC%88%98%20%EC%9E%88%EC%9D%84%EA%B9%8C%20(%EB%A1%9C%EC%A7%80%EC%8A%A4%ED%8B%B1%20%ED%9A%8C%EA%B7%80%EB%B6%84%EC%84%9D%EA%B3%BC%20%EB%82%98%EC%9D%B4%EB%B8%8C%20%EB%B2%A0%EC%9D%B4%EC%A6%88)

  • @ct0323
    @ct0323 7 месяцев назад

    책 보다 더 이해가 쉬워요!! 고맙습니다.

    • @FlyHeavensky
      @FlyHeavensky 7 месяцев назад

      도움이 되셨다니 다행입니다 ^^

  • @FlyHeavensky
    @FlyHeavensky 7 месяцев назад

    이 영상에서 사용하는 파이썬 코드는 다음과 같습니다. import Orange.data.pandas_compat as p dfs = in_data.to_pandas_dfs() xdf = dfs[0] xdf = xdf.sort_values(by='Military Expenditure', ascending=False) xdf = xdf.head(10) ydf = dfs[1].loc[xdf.index] mdf = dfs[2].loc[xdf.index] out_data = p.table_from_frames(xdf, ydf, mdf)

  • @소원-f9w
    @소원-f9w 9 месяцев назад

    장원두 교수님 반가워요 강의 잘 하십니다~^^♡

    • @FlyHeavensky
      @FlyHeavensky 9 месяцев назад

      격려 감사합니다. ^^

  • @drivekim
    @drivekim 10 месяцев назад

    좋은 강의 감사합니다.

    • @FlyHeavensky
      @FlyHeavensky 10 месяцев назад

      도움이 되어 다행입니다. 댓글 감사합니다~^^

  • @FlyHeavensky
    @FlyHeavensky 10 месяцев назад

    책에서 사용된 데이터, 예제 파일 등은 다음 페이지에서 내려받을 수 있습니다~ github.com/PKNU-PR-ML-Lab/orange

  • @Kkkaq-d4r
    @Kkkaq-d4r 11 месяцев назад

    너무 감사합니다..

    • @FlyHeavensky
      @FlyHeavensky 11 месяцев назад

      네~ 답글 감사합니다. ^^

  • @soy373
    @soy373 Год назад

    친절한 강의 너무 좋아요👍🏻

  • @amifc3329
    @amifc3329 Год назад

    안녕하세요 자연어처리에 대해서 자문을 구하고 싶어서 댓글 남깁니다. 감사합니다.

    • @FlyHeavensky
      @FlyHeavensky Год назад

      안녕하세요, 12cross@gmail.com 으로 자문받으시고 싶으신 내용에 대해 구체적으로 알려주시면 자문 기간 및 비용 등에 관련해서 연락드리도록 하겠습니다. 메일 주실 때 자문받기를 원하시는 기관명 등도 같이 알려주세요. ^^

  • @user-vh6rg2ot6q
    @user-vh6rg2ot6q Год назад

    이해가 너무잘가요내사랑

  • @FlyHeavensky
    @FlyHeavensky Год назад

    Jongsook님 안녕하세요, 이상하게 댓글이 제 알림창에서는 보여지는데, 댓글창에서는 숨겨져서 보이지가 않네요. ^^; TF-IDF 를 적용한 워드클라우드를 문의주셨는데요. 실제로 Bag-of-words 위젯에서 TF-IDF를 적용한 후 word cloud 위젯을 적용하면 TF-IDF의 가중치가 적용된 워드클라우드가 나타납니다. 이때, 워드클라우드에서 사용되는 가중치는 bag-of-words의 각 단어 가중치의 평균입니다. 이에 관해서는 다음 사이트에서 간략하게 설명해 주고 있습니다. ^^ orangedatamining.com/widget-catalog/text-mining/wordcloud/

  • @이정민영어
    @이정민영어 Год назад

    교수님 책도 구입했어요!!

  • @이정민영어
    @이정민영어 Год назад

    재미있어요

    • @FlyHeavensky
      @FlyHeavensky Год назад

      재밌게 봐 주셔서 감사합니다. ^^

  • @lmsn4184
    @lmsn4184 Год назад

    16:23 스트라이드의 크기가 1인 경우에는 6x6 에서 5x5로 줄어들지 않나요??

    • @FlyHeavensky
      @FlyHeavensky Год назад

      네~ padding 이 없는 경우에는 줄어드는 것이 맞습니다. 제가 설명을 잘못했네요. 댓글 감사합니다. ^^

  • @FlyHeavensky
    @FlyHeavensky 2 года назад

    19:46 에서 3번과 7번이 아니라, 3번과 8번의 값이 바뀌어야 합니다. 3번 (값은 8)의 자식 노드의 값이 5와 4 이므로, 둘 중 더 작은 오른쪽 자식 노드와 값을 swap 해 주어야 합니다.

  • @샤이랏
    @샤이랏 2 года назад

    잘 보고 있습니다. 감사합니다

    • @FlyHeavensky
      @FlyHeavensky 2 года назад

      네~ 댓글 감사합니다. ^^

  • @모효-m8o
    @모효-m8o 2 года назад

    좋은 강의 감사합니다! 1. 혹시 단어가 아니라 문장을 인식하게 만들때는 어떻게 해야할까요? 2. 목소리를 구분할 수 있도록 만들려면 어떻게 해야하나요?

    • @FlyHeavensky
      @FlyHeavensky 2 года назад

      관심과 댓글 감사합니다. ^^ 1. 문장을 인식하는 데에 티쳐블머신은 적합하지 않은 것으로 생각됩니다. 녹음시간이 너무 짧거든요~ 2. 누구 목소리인지를 구분하려면 여러 사람의 목소리를 녹음하면 됩니다. Class1에는 홍길동씨, Class2에는 김사랑씨의 목소리를 녹음하면 되겠죠. 같은 단어를 여러 번 반복해서 녹음하면 좋은 성능을 가진 모델을 학습할 수 있습니다. 대신, 다른 단어를 얘기하면 누구인지 알기 힘들겠죠. 단어와 상관없이 누구 목소리인지를 올바로 인식하게 하려면, 대량의 데이터가 필요하게 됩니다. ^^

    • @모효-m8o
      @모효-m8o 2 года назад

      @@FlyHeavensky 감사합니다!

  • @myeongjinkim6643
    @myeongjinkim6643 2 года назад

    컴퓨터비전 과목을 수강을 다른학과에서 수강을 하고 있는 학생입니다. 공부하다가 막히는 부분이 있어서 교수님 강의를 접하게 되었는데 훌륭한 강의를 공짜로 듣게 해주셔서 감사합니다. 교수님 강의는 설명이 잘 되어 있고 이해하기 쉽게 설명해주셔서 너무 감사합니다. 컴퓨터 공학과 친구들 유니티 하는 군요 부럽군요

    • @FlyHeavensky
      @FlyHeavensky 2 года назад

      댓글 고맙습니다.^^ 도움이 되었다니 다행입니다. 학기 마무리 잘 하기 바랍니다~

  • @yxxshin__
    @yxxshin__ 2 года назад

    안녕하세요, 교재(책)로 딥러닝을 처음 독학해 보고 있는 학생입니다! 본 교재의 5장 연습문제(256쪽 6번)를 해결하다 궁금증이 생겨 질문 남겨봅니다. 주어진 dataset에서 Province/State의 종류가 700개가 넘어가는 것으로 확인하였고, 이 700개가 모두 String 데이터이다 보니 교재에서 배운 to_categorical 을 바로 사용할 순 없는 것 같습니다. 또한 30만 개가 넘는 data를 모두 loop 하여 700개의 category와 비교하면서 숫자를 부여하는 것도 비효율적이라고 느껴졌습니다. (pandas에서 iteration, loop operation을 권장하지 않는 것으로 알고 있습니다) 구글링 결과 scikit-learn의 OneHotEncoder 등을 사용하면 OneHotEncoding이 가능하다는 것은 파악하였으나, 교재에서 주로 다루는 keras을 이용하여 본 문제에서 One Hot Encoding을 하는 방법이 있는지 궁금합니다!! (아니면 문제의 의도가 One Hot Encoding이 아닌가요?) 읽어주셔서 감사합니다!

    • @FlyHeavensky
      @FlyHeavensky 2 года назад

      안녕하세요. 저자입니다 :) 책에 관심 가져 주셔서 감사합니다. 문제의 의도는 One-Hot Encoding이 맞습니다. 조금 번거롭긴 하지만 for 루프를 사용하여 해결할 수 있는 부분이어서, 조금 현실적인 문제를 다루어 본다는 차원에서 문제를 추가하였습니다. 이번 주는 제가 수업 등으로 좀 정신이 없는데요. 주말이나 다음 주 정도에 좀 더 자세히 답글을 다시 달아 드리도록 하겠습니다~ ^^

    • @yxxshin__
      @yxxshin__ 2 года назад

      @@FlyHeavensky 아하, 그렇군요. 답변 달아주셔서 정말 감사드립니다!

    • @FlyHeavensky
      @FlyHeavensky 2 года назад

      일단. keras의 to_categorical 함수는 숫자(정수)로 된 배열에 대해서만 동작합니다. 이 때문에 다음과 같이 몇 가지 단계를 거쳐야 합니다. 1. string 값들을 key로, 바꿀 숫자(정수)를 value로 하는 딕셔너리 생성 2. 생성된 딕셔너리를 사용하여 문자형 배열의 값들 정수로 변경 3. 정수 배열을 원 핫 인코딩 딕셔너리 생성은 일반적인 for 문을 사용해서도 할 수 있지만, enumerate 함수와 한줄 for 문을 사용하면 다음과 같이 코드를 작성해 볼 수 있습니다~ (참고: stackoverflow.com/questions/56227671/how-can-i-one-hot-encode-a-list-of-strings-with-keras) df = pd.read_csv('covid_19_data.csv') #데이터 읽기 prov = list(df['Province/State']) #리스트 형태로 변형 integer_mapping = {x: i for i,x in enumerate(prov)} #딕셔너리 생성 vec = [integer_mapping[word] for word in prov] #딕셔너리를 사용하여 정수로 변경

  • @FlyHeavensky
    @FlyHeavensky 2 года назад

    6:15 에서 (w1, w2) (x1,x2) 의 두 행렬을 곱하는 과정에서 (w1, w2) 는 1행 2열, (x1,x2)이 2행 1열이 되어야 합니다. 거꾸로 적었네요. ^^;;;

  • @FlyHeavensky
    @FlyHeavensky 2 года назад

    The trophy image used in the video is from freepik website (www.freepik.com/free-vector/trophie_2900469.htm).

  • @mgpark9343
    @mgpark9343 2 года назад

    좋은 영상 제작해주셔서 감사합니다!

    • @FlyHeavensky
      @FlyHeavensky 2 года назад

      도움이 되셨다니 저도 기분이 좋네요~^^

  • @FlyHeavensky
    @FlyHeavensky 2 года назад

    15:47 잘못 설명된 부분이 있습니다. P2를 계산할 때 나오는 C1는 모두 C2로 바뀌어야 합니다. 아래쪽 설명은 다음과 같이 바뀌어야 합니다. P1 >P2 이면 C1그룹으로, 그렇지 않으면 C2 그룹으로 분류

  • @문규석-s2z
    @문규석-s2z 2 года назад

    교수님 수업 잘 들었습니다. 시각적으로 너무 좋은 자료인 것 같습니다.

    • @FlyHeavensky
      @FlyHeavensky 2 года назад

      네~즐거운 수업 되길 바랍니다~ ^^

  • @조영우-v8r
    @조영우-v8r 3 года назад

    인공지능 관련 대학원진학 꿈꾸는 학부생입니다 강의 감사합니다

    • @FlyHeavensky
      @FlyHeavensky 3 года назад

      도움이 되었다니 다행입니다. ^^

  • @manuthvann7560
    @manuthvann7560 3 года назад

    thanks for sharing sir , its totally helpful for me for my text ocr research. Looking forward to learning more ❤️✨

  • @정진우-v7s
    @정진우-v7s 3 года назад

    코랩은 파이선코드만 인식하나요?파이선 코드개발자들이 많이 사용하는 Visual studio code보다 장점이 뭐가 있을가요?

    • @FlyHeavensky
      @FlyHeavensky 3 года назад

      코랩은 기본적으로 파이썬 코드만 실행시킬 수 있습니다. c/c++ 등을 사용하는 방법이 있긴 하지만, 유닉스 명령어를 사용하여 우회하는 방법으로 사용해야 하여, 매우 불편합니다. VS code나 Visual studio 등은 IDE라고 하는 것으로, 개인용 컴퓨터(PC)에 설치하여 사용합니다. 이를 사용하여 파이썬 코딩을 하기 위해서는 PC에 파이썬 인터프리터, 각종 라이브러리 등을 설치하는 작업이 필요하며, 빠른 딥러닝 처리를 위해서는 GPU도 구매해야 하겠죠. 물론, 사용할 수 있는 서버가 있다면, 해당 서버에 연결해서 사용하는 것도 가능합니다만, 역시 비싼 서버와 GPU 등이 필요하겠지요. 코랩은 별도의 설정 없이 접속만 하면 곧바로 사용할 수 있다는 장점이 있습니다. 무료이구요. 12시간이라는 제한이 있고, GPU의 성능이 그렇게 좋지는 않지만, 간단히 실습해 보는 정도로는 충분합니다. ^^

  • @zodiacxexno8742
    @zodiacxexno8742 3 года назад

    Thank you for the useful video

  • @myeongjinkim6643
    @myeongjinkim6643 3 года назад

    교수님 강의가 좋으시고 좋은 자료 업로드 해주셔서 감사합니다. 그래픽스 opengl이 조금 오래된 것이다 보니 설치하고 사용하는데 많이 4시간 동안 해맸는데 교수님 덕분에 쉽게 쉽게 라이브러리 설치하고 쓰게 되었네요 감사합니다. 좋은 강의 감사합니다.

    • @FlyHeavensky
      @FlyHeavensky 3 года назад

      강의가 도움이 되셨다니 저도 기분이 좋습니다. ^^ 즐거운 한 학기 보내시기 바랍니다. :)

  • @냐홍-g4g
    @냐홍-g4g 3 года назад

    21:10초에서 128 512의 최대공약수가 왜 64나오죠? 128이 올바른 답아닌가요? 교수님도 입력할때 128다음 일부로 128의 배수를 입력해서 이미 답을 알면서 입력하시는데..컴파일에 틀린답이 나오는데도 왜 그냥 넘어가시는지..

    • @FlyHeavensky
      @FlyHeavensky 3 года назад

      앗. ㅎㅎ 에러를 찾아 주어 고맙습니다. 다음에 할 거 생각하다가 미처 생각 못하고 넘어 간 것 같네요. 17번 줄에서 i<mi가 아니라, i<=mi로 해야 합니다. 작은 수 그 자체로도 나누어질 수 있으니까요.

  • @changdaejung8411
    @changdaejung8411 4 года назад

    감사합니다.

  • @rltkwpdntm
    @rltkwpdntm 4 года назад

    교수님 머리 잘 어울리십니다 ㅎㅅㅎ

  • @shwj-wjw
    @shwj-wjw 4 года назад

    유익한 강의 감사합니다.

  • @FlyHeavensky
    @FlyHeavensky 4 года назад

    umask에 대한 설명이 잘못되었습니다. 8주차 4교시 영상을 참고하세요~