ABCDEFGHIJKLNOPQRSTUVWXYZAAAB
1
*분야별 예시 추가 예정
2
분야질의
3
건축공학학교 운동장 스탠드 도색이 오래되어 색이 벗겨졌어. 새롭게 스탠드 도색공사를 하기 위한 계획서를 내부결재하려고 해. 계획서를 써줘
4
건축공학인공지능 수학이라는 과목에서 벡터와 행렬을 배웠어 이걸로 건축학과와 연관된 내용을 알려줘
5
건축공학과도한 건축규제를 주민 거주환경 악화, 각종 안전사고 발생 등 문제 확산으로 집단민원 발생우려뿐만 아니라 공사비 증가에 따른 주택공급 위축 등 각종 부작용 발생 / 이 문장을 완성도있게 수정해줘
6
건설환경공학:말뚝 해석을 하여 하단면의 침하를 방지하고, 지반의 좌우측 움직임을 고정하여 높이 방향으로 움직임이 가능하도록 모델링을 실시하였다." 를 문맥에 맞게 고쳐줘.
7
건설환경공학아스팔트로 된 포트홀을 보수할때 시멘트로 보수하면 어떻게 돼?
8
건설환경공학이음길이를 고려하여 철근 수량을 산출하는 방법은?
9
코딩파이썬으로 정렬 프로그램 작성해줘
10
코딩from flask import Flask, request, render_template, url_for
import pandas as pd
import matplotlib.pyplot as plt
import os
import matplotlib
matplotlib.use('Agg')
from datetime import datetime
import boto3
import pickle
from io import BytesIO

app = Flask(name)

설정: 버킷 이름과 객체 키
bucket_name = 'nazonazo'
current_date = datetime.now().strftime("%Y-%m-%d")
object_key = f'models/trained-classifier_{current_date}.pkl'

S3에서 모델 로드
def load_model_from_s3(bucket_name, object_key):
# 함수 내에서 직접 자격 증명을 설정
s3_client = boto3.client(
's3',
aws_access_key_id='AKIA4GPNCRZWRZCFGMW5',
aws_secret_access_key='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'
)

pkl_buffer = BytesIO()
s3_client.download_fileobj(bucket_name, object_key, pkl_buffer)
pkl_buffer.seek(0)
return pickle.load(pkl_buffer)
model = load_model_from_s3(bucket_name, object_key)

@app.route('/')
def upload_file():
return render_template('upload.html')

@app.route('/uploader', methods=['POST'])
def upload_file_post():
if 'file' not in request.files:
return "No file part", 400
file = request.files['file']
if file.filename == '':
return "No selected file", 400

# CSV 파일 읽기
data = pd.read_csv(file)

# 필요한 디렉토리가 없으면 생성
if not os.path.exists('static/graph_images'):
os.makedirs('static/graph_images')

images = [] # 그래프 이미지 URL을 저장할 리스트

# 각 열에 대한 하위 30% 기준값 계산
thresholds = {}
for col in data.columns:
sorted_col = sorted(data[col])
threshold_index = int(len(sorted_col) * 0.3)
thresholds[col] = sorted_col[threshold_index]

for index, row in data.iterrows():
labels = []
sizes = []
colors = []

for col in data.columns:
value = row[col]
if value >= 0: # 음수 값을 제외하고 필터링
labels.append(col)
sizes.append(value)
# 해당 열의 하위 30% 기준을 만족하면 빨간색, 그렇지 않으면 파란색
if value < thresholds[col]:
colors.append('red')
else:
colors.append('blue')

# 파이 차트 그리기
plt.figure()
plt.pie(sizes, labels=labels, colors=colors, autopct='%1.1f%%', startangle=140)
plt.title(f'Row {index} Pie Chart')

graph_filename = f'row_{index}_pie.png'
graph_path = f'static/graph_images/{graph_filename}'
plt.savefig(graph_path)
plt.close()

# 생성된 그래프 이미지 URL 저장
images.append(url_for('static', filename=f'graph_images/{graph_filename}'))

return render_template('graphs.html', images=images)
if name == 'main':
app.run(debug=True
코드해석
11
코딩SAP S4HANA DB 의 대용량 Table 한개의 레코드 수가 2억건일 경우 백업을 위해 다른 테이블로 복사하려고 한다.
한번에 10000건 씩 Select 해서 cursor 를 사용해서 복사하는 방식 SAP S4HANA DB sql 예제로 테이블 구조는 동일하다
SAP S4HANA DB 프로시져로 코딩하고 SAP S4HANA DB 에서 해당 프로시져를 호출하는 예제 작성해줘 적절하게 COMMIT 포함해서
12
코딩oracle에서 VARCHAR2 타입의 컬럼에 "320105138/s/320105150/s/320105143", "320105131/s/320105142"와 같이 구분자로 구분된 행을 select하는 쿼리를 작성했어.
해당 쿼리의 row들을 구분자 /s/로 구분하여 다시 여러 행으로 select하는 쿼리를 알려 줘
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100