From b10f6176659761fa174316c7aef326f1695a9373 Mon Sep 17 00:00:00 2001
From: Ahnjj_DEV <ahnjj.dev@gmail.com>
Date: Sun, 29 Sep 2024 22:12:47 +0900
Subject: [PATCH 01/23] Update _toctree.yml

---
 notebooks/ko/_toctree.yml | 8 +++++++-
 1 file changed, 7 insertions(+), 1 deletion(-)

diff --git a/notebooks/ko/_toctree.yml b/notebooks/ko/_toctree.yml
index 2a890b6c..f7c07f0c 100644
--- a/notebooks/ko/_toctree.yml
+++ b/notebooks/ko/_toctree.yml
@@ -8,4 +8,10 @@
       isExpanded: false
       sections:
         - local: advanced_ko_rag
-          title: 한국어로 Advanced RAG 구현하기 - Hugging Face와 LangChain을 활용한 Cookbook
\ No newline at end of file
+          title: 한국어로 Advanced RAG 구현하기 - Hugging Face와 LangChain을 활용한 Cookbook
+          
+    - title: 데이터분석 에이전트
+      isExpanded: false
+      sections:
+        - local: agent_data_analyst
+          title: 데이터 분석 에이전트: 눈깜짝할 사이에 데이터에서 인사이트 얻기

From 860305c66fc07cf8c97aa559683a7ed6340c4224 Mon Sep 17 00:00:00 2001
From: Ahnjj_DEV <ahnjj.dev@gmail.com>
Date: Sun, 29 Sep 2024 22:23:23 +0900
Subject: [PATCH 02/23] feat: nmt draft

---
 notebooks/ko/ko_agent_data_analyst.ipynb | 1382 ++++++++++++++++++++++
 1 file changed, 1382 insertions(+)
 create mode 100644 notebooks/ko/ko_agent_data_analyst.ipynb

diff --git a/notebooks/ko/ko_agent_data_analyst.ipynb b/notebooks/ko/ko_agent_data_analyst.ipynb
new file mode 100644
index 00000000..00f108e2
--- /dev/null
+++ b/notebooks/ko/ko_agent_data_analyst.ipynb
@@ -0,0 +1,1382 @@
+{
+  "cells": [
+    {
+      "cell_type": "markdown",
+      "source": [
+        "# 데이터분석 에이전트: 눈깜짝할 사이에 데이터에서 인사이트 얻기 ✨\n",
+        "_저자: [Aymeric Roucher](https://huggingface.co/m-ric)_\n",
+        "\n",
+        "> 이 튜토리얼은 고급 과정입니다. 먼저 [이 쿡북](agents)에 대한 개념을 이해하고 있어야 합니다!\n",
+        "\n",
+        "\n",
+        "이번 쿡북에서 만들 **데이터 분석 에이전트** 는 :\n",
+        " **데이터 분석 라이브러리를 사용한 코드 에이전트로,데이터로부터 인사이트를 도출하기 위해 데이터프레임을 불러오고 변환하며, 결과를 시각화합니다!**\n",
+        "\n",
+        "\n",
+        "예를 들어 여러분이 '[Kaggle Titanic 챌린지](https://www.kaggle.com/competitions/titanic)'의 데이터를 직접 분석해 개별 승객의 생존 여부를 예측하고 싶다고 가정해 봅시다.\n",
+        "하지만 직접 분석에 들어가기 전에, 자율 에이전트가 추세를 추출해주고 수치 몇 가지를 그려 인사이트를 발견해 분석을 준비해주기를 원합니다.\n",
+        "\n",
+        "이 시스템을 설정해 보겠습니다.\n",
+        "\n",
+        "아래 명령어를 실행하여 필요한 의존성을 설치하세요:"
+      ],
+      "metadata": {
+        "id": "ihQ3c6IWDa6G"
+      }
+    },
+    {
+      "cell_type": "code",
+      "execution_count": 2,
+      "metadata": {
+        "id": "0WauABimpjta"
+      },
+      "outputs": [],
+      "source": [
+        "!pip install seaborn \"transformers[agents]\""
+      ]
+    },
+    {
+      "cell_type": "markdown",
+      "metadata": {
+        "id": "4LJXMiy3pjtb"
+      },
+      "source": [
+        "우선 에이전트를 생성합니다. 이 쿡북에서는 `ReactCodeAgent`를 사용했습니다. (더 많은 종류의 에이전트를 확인하려면 [이 문서](https://huggingface.co/docs/transformers/en/agents) 를 참조하세요.)\n",
+        "이 에이전트는 별도의 도구를 제공하지 않아도 스스로 코드를 실행할 수 있습니다.\n",
+        "\n",
+        "일반적으로 `additional_authorized_imports`에 라이브러리를 전달할 때, 파이썬 인터프리터는 환경에 설치된 라이브러리만 사용할 수 있기 때문에, 해당 라이브러리들이 로컬 환경에 설치되어 있는지 확인해야 합니다.\n",
+        "\n",
+        "\n",
+        "⚙ 해당 에이전트는 [meta-llama/Meta-Llama-3.1-70B-Instruct](https://huggingface.co/meta-llama/Meta-Llama-3.1-70B-Instruct) 모델을 사용하며, HF의 Inference API를 사용하는 `HfEngine` 클래스로 구동됩니다. Inference API를 통해 빠르고 쉽게 OS 모델을 실행할 수 있습니다."
+      ]
+    },
+    {
+      "cell_type": "code",
+      "execution_count": 10,
+      "metadata": {
+        "id": "XPrHXQgFpjtb",
+        "outputId": "297ca99a-2d08-4ee4-b4ea-e7bfe37929d0",
+        "colab": {
+          "base_uri": "https://localhost:8080/",
+          "height": 145,
+          "referenced_widgets": [
+            "38fa8b4fa3944d23b2d8eda25b16a5f9",
+            "475a8232ed7a4fb3a796d2d12b210fc9",
+            "46f71ce2028a4f9e80caab49747ecbee",
+            "670fcb115bc84bbdbe841f9a9e8f7e41",
+            "5282fffc65a848eaa86bbff88e6564aa",
+            "80be551e17cb47988debe26c9aec2384",
+            "ed0780c388844699bdbb2e435ef5190b",
+            "e1dfde4e36584f73a4ee42f213d87174",
+            "aba66871b1b0412d941172272ce51d23",
+            "d2e4bafa97cf4cadb0cccb9ce9101a50",
+            "79a67b49bbcf42e58ebb8b379df18a0b",
+            "8f675b0d986346d0b483338855396148",
+            "2e31434a8b2b4a65b613a91ead19d356",
+            "f125fa1fa88c40828a2ddb5114073bd2",
+            "74088ded4ba44402b5682b10e8e999a2",
+            "803311125a444cac84373336641b52de",
+            "33e1fda524b54aa4a8a3fb000d8539a8",
+            "2de7a9a97c4e4286b4781816510df846",
+            "eff567785fa44d5e96adff396be56281",
+            "b65f3953d6324668953f1593e0c14730",
+            "4c42effc89b5470fbf8e3c238ad07266",
+            "fbaf43825f694399b3779640c9a3b6af",
+            "d5994e087d074e0cb155f6b3607f100d",
+            "3ea6cf0074854f9bbcfa42e532784b76",
+            "85c817231fda424a84352914bde906b0",
+            "28c6dda801c14fa0a1c7d2ccfb8e25a5",
+            "f6497b8069c246339b67f7b14d1ae7c7",
+            "17ad064d85ab40ef9008e5600d0c5e3f",
+            "87fff40c9394414c9c93f31151137ab7",
+            "98f0b669c36c47069bcf35fd17bb28cc",
+            "e1d56e00ca5849ed9420930df8ac2aed",
+            "52891fca852246989e5ee757f502824e"
+          ]
+        }
+      },
+      "outputs": [
+        {
+          "output_type": "display_data",
+          "data": {
+            "text/plain": [
+              "VBox(children=(HTML(value='<center> <img\\nsrc=https://huggingface.co/front/assets/huggingface_logo-noborder.sv…"
+            ],
+            "application/vnd.jupyter.widget-view+json": {
+              "version_major": 2,
+              "version_minor": 0,
+              "model_id": "38fa8b4fa3944d23b2d8eda25b16a5f9"
+            }
+          },
+          "metadata": {}
+        }
+      ],
+      "source": [
+        "from transformers.agents import HfEngine, ReactCodeAgent\n",
+        "from huggingface_hub import login\n",
+        "import os\n",
+        "\n",
+        "# login(os.getenv(\"HUGGINGFACEHUB_API_TOKEN\"))\n",
+        "login(os.getenv(\"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\"))\n",
+        "llm_engine = HfEngine(\"meta-llama/Meta-Llama-3.1-70B-Instruct\")\n",
+        "\n",
+        "agent = ReactCodeAgent(\n",
+        "    tools=[],\n",
+        "    llm_engine=llm_engine,\n",
+        "    additional_authorized_imports=[\"numpy\", \"pandas\", \"matplotlib.pyplot\", \"seaborn\"],\n",
+        "    max_iterations=10,\n",
+        ")"
+      ]
+    },
+    {
+      "cell_type": "markdown",
+      "metadata": {
+        "id": "iGSuFGGwpjtb"
+      },
+      "source": [
+        "## 데이터 분석 📊🤔\n",
+        "\n",
+        "에이전트 실행시, 실제 캐글 대회에서 사용된 추가적인 노트를 `run`메소드의 kwarg로 넘겨주었습니다.\n"
+      ]
+    },
+    {
+      "cell_type": "code",
+      "source": [
+        "from google.colab import drive\n",
+        "drive.mount('/content/drive')  # 구글 드라이브 마운트"
+      ],
+      "metadata": {
+        "colab": {
+          "base_uri": "https://localhost:8080/"
+        },
+        "id": "qWYp-IertEN1",
+        "outputId": "761d47da-a340-44c9-8f0e-16e3f63192fd"
+      },
+      "execution_count": 2,
+      "outputs": [
+        {
+          "output_type": "stream",
+          "name": "stdout",
+          "text": [
+            "Mounted at /content/drive\n"
+          ]
+        }
+      ]
+    },
+    {
+      "cell_type": "code",
+      "source": [
+        "import os\n",
+        "\n",
+        "os.chdir('/content/drive/My Drive/Colab Notebooks')  # 원하는 경로로 변경\n",
+        "print(os.getcwd())  # 변경된 경로 확인"
+      ],
+      "metadata": {
+        "colab": {
+          "base_uri": "https://localhost:8080/"
+        },
+        "id": "UCK6t2u5sKpm",
+        "outputId": "2de35095-1093-46a8-896c-3e508672755d"
+      },
+      "execution_count": 3,
+      "outputs": [
+        {
+          "output_type": "stream",
+          "name": "stdout",
+          "text": [
+            "/content/drive/My Drive/Colab Notebooks\n"
+          ]
+        }
+      ]
+    },
+    {
+      "cell_type": "code",
+      "execution_count": null,
+      "metadata": {
+        "id": "pywHujGvpjtb"
+      },
+      "outputs": [],
+      "source": [
+        "# 디렉토리 생성\n",
+        "os.mkdir(\"./figures\")"
+      ]
+    },
+    {
+      "cell_type": "code",
+      "source": [
+        "os.chdir('/content/drive/My Drive/Colab Notebooks/figures')  # 원하는 경로로 변경\n",
+        "print(os.getcwd())  # 변경된 경로 확인"
+      ],
+      "metadata": {
+        "colab": {
+          "base_uri": "https://localhost:8080/"
+        },
+        "id": "X2wTtXDjNYyI",
+        "outputId": "cea6c8c0-513a-4a1b-c4ec-5d46eca7e8b2"
+      },
+      "execution_count": 15,
+      "outputs": [
+        {
+          "output_type": "stream",
+          "name": "stdout",
+          "text": [
+            "/content/drive/My Drive/Colab Notebooks/figures\n"
+          ]
+        }
+      ]
+    },
+    {
+      "cell_type": "code",
+      "execution_count": 1,
+      "metadata": {
+        "outputId": "e81b157c-aefe-4785-fc66-103d840f0b67",
+        "colab": {
+          "base_uri": "https://localhost:8080/",
+          "height": 216
+        },
+        "id": "WOLY_WBLPGQE"
+      },
+      "outputs": [
+        {
+          "output_type": "error",
+          "ename": "NameError",
+          "evalue": "name 'agent' is not defined",
+          "traceback": [
+            "\u001b[0;31m---------------------------------------------------------------------------\u001b[0m",
+            "\u001b[0;31mNameError\u001b[0m                                 Traceback (most recent call last)",
+            "\u001b[0;32m<ipython-input-1-65c67bb7ea91>\u001b[0m in \u001b[0;36m<cell line: 21>\u001b[0;34m()\u001b[0m\n\u001b[1;32m     19\u001b[0m \"\"\"\n\u001b[1;32m     20\u001b[0m \u001b[0;34m\u001b[0m\u001b[0m\n\u001b[0;32m---> 21\u001b[0;31m analysis = agent.run(\n\u001b[0m\u001b[1;32m     22\u001b[0m     \"\"\"당신은 데이터 분석 전문가입니다. 소스 파일을 로드하고 내용을 분석하세요. 아래 세가지 행동을 취해주세요. \n\u001b[1;32m     23\u001b[0m \u001b[0;34m\u001b[0m\u001b[0m\n",
+            "\u001b[0;31mNameError\u001b[0m: name 'agent' is not defined"
+          ]
+        }
+      ],
+      "source": [
+        "additional_notes = \"\"\"\n",
+        "### Variable Notes\n",
+        "PassengerId : 승객 아이디\n",
+        "Survived : 생존여부 (0: 사망, 1: 생존)\n",
+        "pclass: 사회경제적 지위(SES)의 대리 변수\n",
+        "1 = 상류층\n",
+        "2 = 중산층\n",
+        "3 = 하류층\n",
+        "Sex : 성별 (male: 남성, female: 여성)\n",
+        "age: 나이(Age)가 1 미만일 경우 소수로 표시됩니다. 나이가 추정된 경우, xx.5 형태로 표시됩니다.\n",
+        "sibsp: 이 데이터셋은 가족 관계를 다음과 같이 정의합니다...\n",
+        "형제 = 형제, 자매, 이복형제, 이복자매\n",
+        "배우자 = 남편, 아내 (애인과 약혼자는 간주하지 않았습니다.)\n",
+        "parch: 이 데이터셋은 가족 관계를 다음과 같이 정의합니다...\n",
+        "부모 = 어머니, 아버지\n",
+        "자녀 = 딸, 아들, 양녀, 양자\n",
+        "유모와 여행을 온 몇 어린이들의 경우, parch=0 로 표현합니다.\n",
+        "Fare: 티켓 요금\n",
+        "\"\"\"\n",
+        "\n",
+        "analysis = agent.run(\n",
+        "    \"\"\"당신은 데이터 분석 전문가입니다. 소스 파일을 로드하고 내용을 분석하세요. 아래 세가지 행동을 취해주세요.\n",
+        "\n",
+        "첫번째, 주어진 변수를 바탕으로 데이터에서 흥미로운 질문 3개를 선정하고, 각각 답해보세요. 예를 들어, survival rate(생존율)과의 특정 상관관계에 관한 질문을 만들 수 있습니다. (질문은 반드시 최소한 3개의 번호가 매겨진 상세한 항목)\n",
+        "두번째, 3가지 질문과 관련된 figures를 그리세요. matplotlib/seaborn을 사용해  './figures/' 폴더에 저장하세요. 각 그림을 그리기 전에 plt.clf()로 그림을 지워주세요.\n",
+        "세번째, 위의 답변에서 구한 상관관계와 경향을 요약하세요. 각 숫자에서 실생활 인사이트를 도출하세요. 예를 들어, \"is_december와 boredness의 상관관계는 1.3453이며, 이는 겨울철에 사람들이 더 지루해진다는 것을 시사합니다\"와 같은 식으로요.\n",
+        "\"\"\",\n",
+        "    additional_notes=additional_notes,\n",
+        "    source_file=\"titanic/train.csv\",\n",
+        ")"
+      ]
+    },
+    {
+      "cell_type": "code",
+      "execution_count": 17,
+      "metadata": {
+        "outputId": "4e259705-b542-4129-f7ea-08ac78566bb1",
+        "colab": {
+          "base_uri": "https://localhost:8080/"
+        },
+        "id": "8hA-jMsePGQF"
+      },
+      "outputs": [
+        {
+          "output_type": "stream",
+          "name": "stdout",
+          "text": [
+            "타이타닉 데이터 세트 분석 결과, 사회경제적 지위와 성별의 생존율에 미치는 영향을 분석 Mayer muchos이 있습니다.\n"
+          ]
+        }
+      ],
+      "source": [
+        "print(analysis)"
+      ]
+    },
+    {
+      "cell_type": "markdown",
+      "metadata": {
+        "id": "hcT-BISRpjtd"
+      },
+      "source": [
+        "놀랍지 않나요? 에이전트에게 시각화 도구를 제공해 자신이 만든 그래프를 분석하게 할 수도 있습니다!\n",
+        "\n",
+        "## 데이터과학자 에이전트 : 예측을 실행해보자 🛠️\n",
+        "\n",
+        "👉 이제 더 깊이 들어가 봅시다: **데이터를 기반으로 모델이 예측을 수행하도록 합니다.**\n",
+        "\n",
+        "예측 수행을 위해 `additional_authorized_imports`에 `sklearn`도 추가해줍니다."
+      ]
+    },
+    {
+      "cell_type": "code",
+      "execution_count": 1,
+      "metadata": {
+        "id": "1qSXRraDpjtd",
+        "outputId": "25afdf3e-8ec7-4de7-e2a1-9d7253b5f4af",
+        "colab": {
+          "base_uri": "https://localhost:8080/",
+          "height": 216
+        }
+      },
+      "outputs": [
+        {
+          "output_type": "error",
+          "ename": "NameError",
+          "evalue": "name 'ReactCodeAgent' is not defined",
+          "traceback": [
+            "\u001b[0;31m---------------------------------------------------------------------------\u001b[0m",
+            "\u001b[0;31mNameError\u001b[0m                                 Traceback (most recent call last)",
+            "\u001b[0;32m<ipython-input-1-993f6aeb5051>\u001b[0m in \u001b[0;36m<cell line: 1>\u001b[0;34m()\u001b[0m\n\u001b[0;32m----> 1\u001b[0;31m agent = ReactCodeAgent(\n\u001b[0m\u001b[1;32m      2\u001b[0m     \u001b[0mtools\u001b[0m\u001b[0;34m=\u001b[0m\u001b[0;34m[\u001b[0m\u001b[0;34m]\u001b[0m\u001b[0;34m,\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[1;32m      3\u001b[0m     \u001b[0mllm_engine\u001b[0m\u001b[0;34m=\u001b[0m\u001b[0mllm_engine\u001b[0m\u001b[0;34m,\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[1;32m      4\u001b[0m     additional_authorized_imports=[\n\u001b[1;32m      5\u001b[0m         \u001b[0;34m\"numpy\"\u001b[0m\u001b[0;34m,\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n",
+            "\u001b[0;31mNameError\u001b[0m: name 'ReactCodeAgent' is not defined"
+          ]
+        }
+      ],
+      "source": [
+        "agent = ReactCodeAgent(\n",
+        "    tools=[],\n",
+        "    llm_engine=llm_engine,\n",
+        "    additional_authorized_imports=[\n",
+        "        \"numpy\",\n",
+        "        \"pandas\",\n",
+        "        \"matplotlib.pyplot\",\n",
+        "        \"seaborn\",\n",
+        "        \"sklearn\",\n",
+        "    ],\n",
+        "    max_iterations=12,\n",
+        ")\n",
+        "\n",
+        "output = agent.run(\n",
+        "    \"\"\"당신은 전문가 수준의 머신러닝 엔지니어입니다.\n",
+        "'titanic/train.csv' 파일을 사용하여 생존 여부를 예측하는 머신러닝 모델을 학습시키세요.\n",
+        "'titanic/test.csv' 파일의 행에 대한 예측을 수행한 후, 결과를 './output.csv'에 출력하세요.\n",
+        "함수와 모듈을 사용하기 전에 반드시 임포트하세요!\n",
+        "\"\"\",\n",
+        "    additional_notes=additional_notes + \"\\n\" + analysis,\n",
+        ")"
+      ]
+    },
+    {
+      "cell_type": "markdown",
+      "metadata": {
+        "id": "Iimn7AWtpjtd"
+      },
+      "source": [
+        "위에서 에이전트가 출력한 테스트 예측을 Kaggle에 제출하면 **0.78229**으로, 이는 17,360명 중 2824등에 해당하며, 저자가 몇 년 전 이 데이터분석 챌린지를 처음 시도해 힘들게 얻었던 결과보다 더 나은 성과입니다.\n",
+        "\n",
+        "결과는 다를 수 있지만, 몇 초 만에 에이전트를 사용해 이 정도 성과를 낼 수 있다는 점이 매우 인상적입니다.\n",
+        "\n",
+        "🚀 위 시도는 에이전트를 활용한 단순한 데이터 분석 사례일 뿐입니다. 사용 사례에 맞게 충분히 개선할 수 있습니다!"
+      ]
+    },
+    {
+      "cell_type": "code",
+      "source": [],
+      "metadata": {
+        "id": "7Qnz16z1feCf"
+      },
+      "execution_count": null,
+      "outputs": []
+    }
+  ],
+  "metadata": {
+    "kernelspec": {
+      "display_name": "disposable",
+      "language": "python",
+      "name": "python3"
+    },
+    "language_info": {
+      "codemirror_mode": {
+        "name": "ipython",
+        "version": 3
+      },
+      "file_extension": ".py",
+      "mimetype": "text/x-python",
+      "name": "python",
+      "nbconvert_exporter": "python",
+      "pygments_lexer": "ipython3",
+      "version": "3.12.2"
+    },
+    "colab": {
+      "provenance": []
+    },
+    "widgets": {
+      "application/vnd.jupyter.widget-state+json": {
+        "38fa8b4fa3944d23b2d8eda25b16a5f9": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "VBoxModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_dom_classes": [],
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "VBoxModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/controls",
+            "_view_module_version": "1.5.0",
+            "_view_name": "VBoxView",
+            "box_style": "",
+            "children": [
+              "IPY_MODEL_4c42effc89b5470fbf8e3c238ad07266",
+              "IPY_MODEL_fbaf43825f694399b3779640c9a3b6af",
+              "IPY_MODEL_d5994e087d074e0cb155f6b3607f100d",
+              "IPY_MODEL_3ea6cf0074854f9bbcfa42e532784b76"
+            ],
+            "layout": "IPY_MODEL_ed0780c388844699bdbb2e435ef5190b"
+          }
+        },
+        "475a8232ed7a4fb3a796d2d12b210fc9": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "HTMLModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_dom_classes": [],
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "HTMLModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/controls",
+            "_view_module_version": "1.5.0",
+            "_view_name": "HTMLView",
+            "description": "",
+            "description_tooltip": null,
+            "layout": "IPY_MODEL_e1dfde4e36584f73a4ee42f213d87174",
+            "placeholder": "​",
+            "style": "IPY_MODEL_aba66871b1b0412d941172272ce51d23",
+            "value": "<center> <img\nsrc=https://huggingface.co/front/assets/huggingface_logo-noborder.svg\nalt='Hugging Face'> <br> Copy a token from <a\nhref=\"https://huggingface.co/settings/tokens\" target=\"_blank\">your Hugging Face\ntokens page</a> and paste it below. <br> Immediately click login after copying\nyour token or it might be stored in plain text in this notebook file. </center>"
+          }
+        },
+        "46f71ce2028a4f9e80caab49747ecbee": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "PasswordModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_dom_classes": [],
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "PasswordModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/controls",
+            "_view_module_version": "1.5.0",
+            "_view_name": "PasswordView",
+            "continuous_update": true,
+            "description": "Token:",
+            "description_tooltip": null,
+            "disabled": false,
+            "layout": "IPY_MODEL_d2e4bafa97cf4cadb0cccb9ce9101a50",
+            "placeholder": "​",
+            "style": "IPY_MODEL_79a67b49bbcf42e58ebb8b379df18a0b",
+            "value": ""
+          }
+        },
+        "670fcb115bc84bbdbe841f9a9e8f7e41": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "CheckboxModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_dom_classes": [],
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "CheckboxModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/controls",
+            "_view_module_version": "1.5.0",
+            "_view_name": "CheckboxView",
+            "description": "Add token as git credential?",
+            "description_tooltip": null,
+            "disabled": false,
+            "indent": true,
+            "layout": "IPY_MODEL_8f675b0d986346d0b483338855396148",
+            "style": "IPY_MODEL_2e31434a8b2b4a65b613a91ead19d356",
+            "value": true
+          }
+        },
+        "5282fffc65a848eaa86bbff88e6564aa": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "ButtonModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_dom_classes": [],
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "ButtonModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/controls",
+            "_view_module_version": "1.5.0",
+            "_view_name": "ButtonView",
+            "button_style": "",
+            "description": "Login",
+            "disabled": false,
+            "icon": "",
+            "layout": "IPY_MODEL_f125fa1fa88c40828a2ddb5114073bd2",
+            "style": "IPY_MODEL_74088ded4ba44402b5682b10e8e999a2",
+            "tooltip": ""
+          }
+        },
+        "80be551e17cb47988debe26c9aec2384": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "HTMLModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_dom_classes": [],
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "HTMLModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/controls",
+            "_view_module_version": "1.5.0",
+            "_view_name": "HTMLView",
+            "description": "",
+            "description_tooltip": null,
+            "layout": "IPY_MODEL_803311125a444cac84373336641b52de",
+            "placeholder": "​",
+            "style": "IPY_MODEL_33e1fda524b54aa4a8a3fb000d8539a8",
+            "value": "\n<b>Pro Tip:</b> If you don't already have one, you can create a dedicated\n'notebooks' token with 'write' access, that you can then easily reuse for all\nnotebooks. </center>"
+          }
+        },
+        "ed0780c388844699bdbb2e435ef5190b": {
+          "model_module": "@jupyter-widgets/base",
+          "model_name": "LayoutModel",
+          "model_module_version": "1.2.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/base",
+            "_model_module_version": "1.2.0",
+            "_model_name": "LayoutModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "LayoutView",
+            "align_content": null,
+            "align_items": "center",
+            "align_self": null,
+            "border": null,
+            "bottom": null,
+            "display": "flex",
+            "flex": null,
+            "flex_flow": "column",
+            "grid_area": null,
+            "grid_auto_columns": null,
+            "grid_auto_flow": null,
+            "grid_auto_rows": null,
+            "grid_column": null,
+            "grid_gap": null,
+            "grid_row": null,
+            "grid_template_areas": null,
+            "grid_template_columns": null,
+            "grid_template_rows": null,
+            "height": null,
+            "justify_content": null,
+            "justify_items": null,
+            "left": null,
+            "margin": null,
+            "max_height": null,
+            "max_width": null,
+            "min_height": null,
+            "min_width": null,
+            "object_fit": null,
+            "object_position": null,
+            "order": null,
+            "overflow": null,
+            "overflow_x": null,
+            "overflow_y": null,
+            "padding": null,
+            "right": null,
+            "top": null,
+            "visibility": null,
+            "width": "50%"
+          }
+        },
+        "e1dfde4e36584f73a4ee42f213d87174": {
+          "model_module": "@jupyter-widgets/base",
+          "model_name": "LayoutModel",
+          "model_module_version": "1.2.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/base",
+            "_model_module_version": "1.2.0",
+            "_model_name": "LayoutModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "LayoutView",
+            "align_content": null,
+            "align_items": null,
+            "align_self": null,
+            "border": null,
+            "bottom": null,
+            "display": null,
+            "flex": null,
+            "flex_flow": null,
+            "grid_area": null,
+            "grid_auto_columns": null,
+            "grid_auto_flow": null,
+            "grid_auto_rows": null,
+            "grid_column": null,
+            "grid_gap": null,
+            "grid_row": null,
+            "grid_template_areas": null,
+            "grid_template_columns": null,
+            "grid_template_rows": null,
+            "height": null,
+            "justify_content": null,
+            "justify_items": null,
+            "left": null,
+            "margin": null,
+            "max_height": null,
+            "max_width": null,
+            "min_height": null,
+            "min_width": null,
+            "object_fit": null,
+            "object_position": null,
+            "order": null,
+            "overflow": null,
+            "overflow_x": null,
+            "overflow_y": null,
+            "padding": null,
+            "right": null,
+            "top": null,
+            "visibility": null,
+            "width": null
+          }
+        },
+        "aba66871b1b0412d941172272ce51d23": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "DescriptionStyleModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "DescriptionStyleModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "StyleView",
+            "description_width": ""
+          }
+        },
+        "d2e4bafa97cf4cadb0cccb9ce9101a50": {
+          "model_module": "@jupyter-widgets/base",
+          "model_name": "LayoutModel",
+          "model_module_version": "1.2.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/base",
+            "_model_module_version": "1.2.0",
+            "_model_name": "LayoutModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "LayoutView",
+            "align_content": null,
+            "align_items": null,
+            "align_self": null,
+            "border": null,
+            "bottom": null,
+            "display": null,
+            "flex": null,
+            "flex_flow": null,
+            "grid_area": null,
+            "grid_auto_columns": null,
+            "grid_auto_flow": null,
+            "grid_auto_rows": null,
+            "grid_column": null,
+            "grid_gap": null,
+            "grid_row": null,
+            "grid_template_areas": null,
+            "grid_template_columns": null,
+            "grid_template_rows": null,
+            "height": null,
+            "justify_content": null,
+            "justify_items": null,
+            "left": null,
+            "margin": null,
+            "max_height": null,
+            "max_width": null,
+            "min_height": null,
+            "min_width": null,
+            "object_fit": null,
+            "object_position": null,
+            "order": null,
+            "overflow": null,
+            "overflow_x": null,
+            "overflow_y": null,
+            "padding": null,
+            "right": null,
+            "top": null,
+            "visibility": null,
+            "width": null
+          }
+        },
+        "79a67b49bbcf42e58ebb8b379df18a0b": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "DescriptionStyleModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "DescriptionStyleModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "StyleView",
+            "description_width": ""
+          }
+        },
+        "8f675b0d986346d0b483338855396148": {
+          "model_module": "@jupyter-widgets/base",
+          "model_name": "LayoutModel",
+          "model_module_version": "1.2.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/base",
+            "_model_module_version": "1.2.0",
+            "_model_name": "LayoutModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "LayoutView",
+            "align_content": null,
+            "align_items": null,
+            "align_self": null,
+            "border": null,
+            "bottom": null,
+            "display": null,
+            "flex": null,
+            "flex_flow": null,
+            "grid_area": null,
+            "grid_auto_columns": null,
+            "grid_auto_flow": null,
+            "grid_auto_rows": null,
+            "grid_column": null,
+            "grid_gap": null,
+            "grid_row": null,
+            "grid_template_areas": null,
+            "grid_template_columns": null,
+            "grid_template_rows": null,
+            "height": null,
+            "justify_content": null,
+            "justify_items": null,
+            "left": null,
+            "margin": null,
+            "max_height": null,
+            "max_width": null,
+            "min_height": null,
+            "min_width": null,
+            "object_fit": null,
+            "object_position": null,
+            "order": null,
+            "overflow": null,
+            "overflow_x": null,
+            "overflow_y": null,
+            "padding": null,
+            "right": null,
+            "top": null,
+            "visibility": null,
+            "width": null
+          }
+        },
+        "2e31434a8b2b4a65b613a91ead19d356": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "DescriptionStyleModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "DescriptionStyleModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "StyleView",
+            "description_width": ""
+          }
+        },
+        "f125fa1fa88c40828a2ddb5114073bd2": {
+          "model_module": "@jupyter-widgets/base",
+          "model_name": "LayoutModel",
+          "model_module_version": "1.2.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/base",
+            "_model_module_version": "1.2.0",
+            "_model_name": "LayoutModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "LayoutView",
+            "align_content": null,
+            "align_items": null,
+            "align_self": null,
+            "border": null,
+            "bottom": null,
+            "display": null,
+            "flex": null,
+            "flex_flow": null,
+            "grid_area": null,
+            "grid_auto_columns": null,
+            "grid_auto_flow": null,
+            "grid_auto_rows": null,
+            "grid_column": null,
+            "grid_gap": null,
+            "grid_row": null,
+            "grid_template_areas": null,
+            "grid_template_columns": null,
+            "grid_template_rows": null,
+            "height": null,
+            "justify_content": null,
+            "justify_items": null,
+            "left": null,
+            "margin": null,
+            "max_height": null,
+            "max_width": null,
+            "min_height": null,
+            "min_width": null,
+            "object_fit": null,
+            "object_position": null,
+            "order": null,
+            "overflow": null,
+            "overflow_x": null,
+            "overflow_y": null,
+            "padding": null,
+            "right": null,
+            "top": null,
+            "visibility": null,
+            "width": null
+          }
+        },
+        "74088ded4ba44402b5682b10e8e999a2": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "ButtonStyleModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "ButtonStyleModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "StyleView",
+            "button_color": null,
+            "font_weight": ""
+          }
+        },
+        "803311125a444cac84373336641b52de": {
+          "model_module": "@jupyter-widgets/base",
+          "model_name": "LayoutModel",
+          "model_module_version": "1.2.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/base",
+            "_model_module_version": "1.2.0",
+            "_model_name": "LayoutModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "LayoutView",
+            "align_content": null,
+            "align_items": null,
+            "align_self": null,
+            "border": null,
+            "bottom": null,
+            "display": null,
+            "flex": null,
+            "flex_flow": null,
+            "grid_area": null,
+            "grid_auto_columns": null,
+            "grid_auto_flow": null,
+            "grid_auto_rows": null,
+            "grid_column": null,
+            "grid_gap": null,
+            "grid_row": null,
+            "grid_template_areas": null,
+            "grid_template_columns": null,
+            "grid_template_rows": null,
+            "height": null,
+            "justify_content": null,
+            "justify_items": null,
+            "left": null,
+            "margin": null,
+            "max_height": null,
+            "max_width": null,
+            "min_height": null,
+            "min_width": null,
+            "object_fit": null,
+            "object_position": null,
+            "order": null,
+            "overflow": null,
+            "overflow_x": null,
+            "overflow_y": null,
+            "padding": null,
+            "right": null,
+            "top": null,
+            "visibility": null,
+            "width": null
+          }
+        },
+        "33e1fda524b54aa4a8a3fb000d8539a8": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "DescriptionStyleModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "DescriptionStyleModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "StyleView",
+            "description_width": ""
+          }
+        },
+        "2de7a9a97c4e4286b4781816510df846": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "LabelModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_dom_classes": [],
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "LabelModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/controls",
+            "_view_module_version": "1.5.0",
+            "_view_name": "LabelView",
+            "description": "",
+            "description_tooltip": null,
+            "layout": "IPY_MODEL_eff567785fa44d5e96adff396be56281",
+            "placeholder": "​",
+            "style": "IPY_MODEL_b65f3953d6324668953f1593e0c14730",
+            "value": "Connecting..."
+          }
+        },
+        "eff567785fa44d5e96adff396be56281": {
+          "model_module": "@jupyter-widgets/base",
+          "model_name": "LayoutModel",
+          "model_module_version": "1.2.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/base",
+            "_model_module_version": "1.2.0",
+            "_model_name": "LayoutModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "LayoutView",
+            "align_content": null,
+            "align_items": null,
+            "align_self": null,
+            "border": null,
+            "bottom": null,
+            "display": null,
+            "flex": null,
+            "flex_flow": null,
+            "grid_area": null,
+            "grid_auto_columns": null,
+            "grid_auto_flow": null,
+            "grid_auto_rows": null,
+            "grid_column": null,
+            "grid_gap": null,
+            "grid_row": null,
+            "grid_template_areas": null,
+            "grid_template_columns": null,
+            "grid_template_rows": null,
+            "height": null,
+            "justify_content": null,
+            "justify_items": null,
+            "left": null,
+            "margin": null,
+            "max_height": null,
+            "max_width": null,
+            "min_height": null,
+            "min_width": null,
+            "object_fit": null,
+            "object_position": null,
+            "order": null,
+            "overflow": null,
+            "overflow_x": null,
+            "overflow_y": null,
+            "padding": null,
+            "right": null,
+            "top": null,
+            "visibility": null,
+            "width": null
+          }
+        },
+        "b65f3953d6324668953f1593e0c14730": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "DescriptionStyleModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "DescriptionStyleModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "StyleView",
+            "description_width": ""
+          }
+        },
+        "4c42effc89b5470fbf8e3c238ad07266": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "LabelModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_dom_classes": [],
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "LabelModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/controls",
+            "_view_module_version": "1.5.0",
+            "_view_name": "LabelView",
+            "description": "",
+            "description_tooltip": null,
+            "layout": "IPY_MODEL_85c817231fda424a84352914bde906b0",
+            "placeholder": "​",
+            "style": "IPY_MODEL_28c6dda801c14fa0a1c7d2ccfb8e25a5",
+            "value": "Token is valid (permission: write)."
+          }
+        },
+        "fbaf43825f694399b3779640c9a3b6af": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "LabelModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_dom_classes": [],
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "LabelModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/controls",
+            "_view_module_version": "1.5.0",
+            "_view_name": "LabelView",
+            "description": "",
+            "description_tooltip": null,
+            "layout": "IPY_MODEL_f6497b8069c246339b67f7b14d1ae7c7",
+            "placeholder": "​",
+            "style": "IPY_MODEL_17ad064d85ab40ef9008e5600d0c5e3f",
+            "value": "Your token has been saved in your configured git credential helpers (store)."
+          }
+        },
+        "d5994e087d074e0cb155f6b3607f100d": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "LabelModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_dom_classes": [],
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "LabelModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/controls",
+            "_view_module_version": "1.5.0",
+            "_view_name": "LabelView",
+            "description": "",
+            "description_tooltip": null,
+            "layout": "IPY_MODEL_87fff40c9394414c9c93f31151137ab7",
+            "placeholder": "​",
+            "style": "IPY_MODEL_98f0b669c36c47069bcf35fd17bb28cc",
+            "value": "Your token has been saved to /root/.cache/huggingface/token"
+          }
+        },
+        "3ea6cf0074854f9bbcfa42e532784b76": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "LabelModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_dom_classes": [],
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "LabelModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/controls",
+            "_view_module_version": "1.5.0",
+            "_view_name": "LabelView",
+            "description": "",
+            "description_tooltip": null,
+            "layout": "IPY_MODEL_e1d56e00ca5849ed9420930df8ac2aed",
+            "placeholder": "​",
+            "style": "IPY_MODEL_52891fca852246989e5ee757f502824e",
+            "value": "Login successful"
+          }
+        },
+        "85c817231fda424a84352914bde906b0": {
+          "model_module": "@jupyter-widgets/base",
+          "model_name": "LayoutModel",
+          "model_module_version": "1.2.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/base",
+            "_model_module_version": "1.2.0",
+            "_model_name": "LayoutModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "LayoutView",
+            "align_content": null,
+            "align_items": null,
+            "align_self": null,
+            "border": null,
+            "bottom": null,
+            "display": null,
+            "flex": null,
+            "flex_flow": null,
+            "grid_area": null,
+            "grid_auto_columns": null,
+            "grid_auto_flow": null,
+            "grid_auto_rows": null,
+            "grid_column": null,
+            "grid_gap": null,
+            "grid_row": null,
+            "grid_template_areas": null,
+            "grid_template_columns": null,
+            "grid_template_rows": null,
+            "height": null,
+            "justify_content": null,
+            "justify_items": null,
+            "left": null,
+            "margin": null,
+            "max_height": null,
+            "max_width": null,
+            "min_height": null,
+            "min_width": null,
+            "object_fit": null,
+            "object_position": null,
+            "order": null,
+            "overflow": null,
+            "overflow_x": null,
+            "overflow_y": null,
+            "padding": null,
+            "right": null,
+            "top": null,
+            "visibility": null,
+            "width": null
+          }
+        },
+        "28c6dda801c14fa0a1c7d2ccfb8e25a5": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "DescriptionStyleModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "DescriptionStyleModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "StyleView",
+            "description_width": ""
+          }
+        },
+        "f6497b8069c246339b67f7b14d1ae7c7": {
+          "model_module": "@jupyter-widgets/base",
+          "model_name": "LayoutModel",
+          "model_module_version": "1.2.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/base",
+            "_model_module_version": "1.2.0",
+            "_model_name": "LayoutModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "LayoutView",
+            "align_content": null,
+            "align_items": null,
+            "align_self": null,
+            "border": null,
+            "bottom": null,
+            "display": null,
+            "flex": null,
+            "flex_flow": null,
+            "grid_area": null,
+            "grid_auto_columns": null,
+            "grid_auto_flow": null,
+            "grid_auto_rows": null,
+            "grid_column": null,
+            "grid_gap": null,
+            "grid_row": null,
+            "grid_template_areas": null,
+            "grid_template_columns": null,
+            "grid_template_rows": null,
+            "height": null,
+            "justify_content": null,
+            "justify_items": null,
+            "left": null,
+            "margin": null,
+            "max_height": null,
+            "max_width": null,
+            "min_height": null,
+            "min_width": null,
+            "object_fit": null,
+            "object_position": null,
+            "order": null,
+            "overflow": null,
+            "overflow_x": null,
+            "overflow_y": null,
+            "padding": null,
+            "right": null,
+            "top": null,
+            "visibility": null,
+            "width": null
+          }
+        },
+        "17ad064d85ab40ef9008e5600d0c5e3f": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "DescriptionStyleModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "DescriptionStyleModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "StyleView",
+            "description_width": ""
+          }
+        },
+        "87fff40c9394414c9c93f31151137ab7": {
+          "model_module": "@jupyter-widgets/base",
+          "model_name": "LayoutModel",
+          "model_module_version": "1.2.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/base",
+            "_model_module_version": "1.2.0",
+            "_model_name": "LayoutModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "LayoutView",
+            "align_content": null,
+            "align_items": null,
+            "align_self": null,
+            "border": null,
+            "bottom": null,
+            "display": null,
+            "flex": null,
+            "flex_flow": null,
+            "grid_area": null,
+            "grid_auto_columns": null,
+            "grid_auto_flow": null,
+            "grid_auto_rows": null,
+            "grid_column": null,
+            "grid_gap": null,
+            "grid_row": null,
+            "grid_template_areas": null,
+            "grid_template_columns": null,
+            "grid_template_rows": null,
+            "height": null,
+            "justify_content": null,
+            "justify_items": null,
+            "left": null,
+            "margin": null,
+            "max_height": null,
+            "max_width": null,
+            "min_height": null,
+            "min_width": null,
+            "object_fit": null,
+            "object_position": null,
+            "order": null,
+            "overflow": null,
+            "overflow_x": null,
+            "overflow_y": null,
+            "padding": null,
+            "right": null,
+            "top": null,
+            "visibility": null,
+            "width": null
+          }
+        },
+        "98f0b669c36c47069bcf35fd17bb28cc": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "DescriptionStyleModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "DescriptionStyleModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "StyleView",
+            "description_width": ""
+          }
+        },
+        "e1d56e00ca5849ed9420930df8ac2aed": {
+          "model_module": "@jupyter-widgets/base",
+          "model_name": "LayoutModel",
+          "model_module_version": "1.2.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/base",
+            "_model_module_version": "1.2.0",
+            "_model_name": "LayoutModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "LayoutView",
+            "align_content": null,
+            "align_items": null,
+            "align_self": null,
+            "border": null,
+            "bottom": null,
+            "display": null,
+            "flex": null,
+            "flex_flow": null,
+            "grid_area": null,
+            "grid_auto_columns": null,
+            "grid_auto_flow": null,
+            "grid_auto_rows": null,
+            "grid_column": null,
+            "grid_gap": null,
+            "grid_row": null,
+            "grid_template_areas": null,
+            "grid_template_columns": null,
+            "grid_template_rows": null,
+            "height": null,
+            "justify_content": null,
+            "justify_items": null,
+            "left": null,
+            "margin": null,
+            "max_height": null,
+            "max_width": null,
+            "min_height": null,
+            "min_width": null,
+            "object_fit": null,
+            "object_position": null,
+            "order": null,
+            "overflow": null,
+            "overflow_x": null,
+            "overflow_y": null,
+            "padding": null,
+            "right": null,
+            "top": null,
+            "visibility": null,
+            "width": null
+          }
+        },
+        "52891fca852246989e5ee757f502824e": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "DescriptionStyleModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "DescriptionStyleModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "StyleView",
+            "description_width": ""
+          }
+        }
+      }
+    }
+  },
+  "nbformat": 4,
+  "nbformat_minor": 0
+}
\ No newline at end of file

From 6b70027570397e38a8fa59ac9a5f6dbce7306d05 Mon Sep 17 00:00:00 2001
From: Ahnjj_DEV <ahnjj.dev@gmail.com>
Date: Sun, 29 Sep 2024 22:27:44 +0900
Subject: [PATCH 03/23] feat: nmt draft

---
 notebooks/ko/ko_agent_data_analyst.ipynb | 15 ++++++++++-----
 1 file changed, 10 insertions(+), 5 deletions(-)

diff --git a/notebooks/ko/ko_agent_data_analyst.ipynb b/notebooks/ko/ko_agent_data_analyst.ipynb
index 00f108e2..bd6a63e7 100644
--- a/notebooks/ko/ko_agent_data_analyst.ipynb
+++ b/notebooks/ko/ko_agent_data_analyst.ipynb
@@ -150,7 +150,8 @@
           "base_uri": "https://localhost:8080/"
         },
         "id": "qWYp-IertEN1",
-        "outputId": "761d47da-a340-44c9-8f0e-16e3f63192fd"
+        "outputId": "761d47da-a340-44c9-8f0e-16e3f63192fd",
+        "collapsed": true
       },
       "execution_count": 2,
       "outputs": [
@@ -176,7 +177,8 @@
           "base_uri": "https://localhost:8080/"
         },
         "id": "UCK6t2u5sKpm",
-        "outputId": "2de35095-1093-46a8-896c-3e508672755d"
+        "outputId": "2de35095-1093-46a8-896c-3e508672755d",
+        "collapsed": true
       },
       "execution_count": 3,
       "outputs": [
@@ -212,7 +214,8 @@
           "base_uri": "https://localhost:8080/"
         },
         "id": "X2wTtXDjNYyI",
-        "outputId": "cea6c8c0-513a-4a1b-c4ec-5d46eca7e8b2"
+        "outputId": "cea6c8c0-513a-4a1b-c4ec-5d46eca7e8b2",
+        "collapsed": true
       },
       "execution_count": 15,
       "outputs": [
@@ -234,7 +237,8 @@
           "base_uri": "https://localhost:8080/",
           "height": 216
         },
-        "id": "WOLY_WBLPGQE"
+        "id": "WOLY_WBLPGQE",
+        "collapsed": true
       },
       "outputs": [
         {
@@ -329,7 +333,8 @@
         "colab": {
           "base_uri": "https://localhost:8080/",
           "height": 216
-        }
+        },
+        "collapsed": true
       },
       "outputs": [
         {

From 014b287c58cee7b884fdc7214af5bbe7f2ca72a6 Mon Sep 17 00:00:00 2001
From: Ahnjj_DEV <ahnjj.dev@gmail.com>
Date: Sun, 29 Sep 2024 22:35:20 +0900
Subject: [PATCH 04/23] feat: nmt draft

---
 notebooks/ko/ko_agent_data_analyst.ipynb | 115 +----------------------
 1 file changed, 2 insertions(+), 113 deletions(-)

diff --git a/notebooks/ko/ko_agent_data_analyst.ipynb b/notebooks/ko/ko_agent_data_analyst.ipynb
index bd6a63e7..f6e61878 100644
--- a/notebooks/ko/ko_agent_data_analyst.ipynb
+++ b/notebooks/ko/ko_agent_data_analyst.ipynb
@@ -116,8 +116,7 @@
         "from huggingface_hub import login\n",
         "import os\n",
         "\n",
-        "# login(os.getenv(\"HUGGINGFACEHUB_API_TOKEN\"))\n",
-        "login(os.getenv(\"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\"))\n",
+        "login(os.getenv(\"HUGGINGFACEHUB_API_TOKEN\"))\n",
         "llm_engine = HfEngine(\"meta-llama/Meta-Llama-3.1-70B-Instruct\")\n",
         "\n",
         "agent = ReactCodeAgent(\n",
@@ -240,19 +239,6 @@
         "id": "WOLY_WBLPGQE",
         "collapsed": true
       },
-      "outputs": [
-        {
-          "output_type": "error",
-          "ename": "NameError",
-          "evalue": "name 'agent' is not defined",
-          "traceback": [
-            "\u001b[0;31m---------------------------------------------------------------------------\u001b[0m",
-            "\u001b[0;31mNameError\u001b[0m                                 Traceback (most recent call last)",
-            "\u001b[0;32m<ipython-input-1-65c67bb7ea91>\u001b[0m in \u001b[0;36m<cell line: 21>\u001b[0;34m()\u001b[0m\n\u001b[1;32m     19\u001b[0m \"\"\"\n\u001b[1;32m     20\u001b[0m \u001b[0;34m\u001b[0m\u001b[0m\n\u001b[0;32m---> 21\u001b[0;31m analysis = agent.run(\n\u001b[0m\u001b[1;32m     22\u001b[0m     \"\"\"당신은 데이터 분석 전문가입니다. 소스 파일을 로드하고 내용을 분석하세요. 아래 세가지 행동을 취해주세요. \n\u001b[1;32m     23\u001b[0m \u001b[0;34m\u001b[0m\u001b[0m\n",
-            "\u001b[0;31mNameError\u001b[0m: name 'agent' is not defined"
-          ]
-        }
-      ],
       "source": [
         "additional_notes = \"\"\"\n",
         "### Variable Notes\n",
@@ -336,19 +322,6 @@
         },
         "collapsed": true
       },
-      "outputs": [
-        {
-          "output_type": "error",
-          "ename": "NameError",
-          "evalue": "name 'ReactCodeAgent' is not defined",
-          "traceback": [
-            "\u001b[0;31m---------------------------------------------------------------------------\u001b[0m",
-            "\u001b[0;31mNameError\u001b[0m                                 Traceback (most recent call last)",
-            "\u001b[0;32m<ipython-input-1-993f6aeb5051>\u001b[0m in \u001b[0;36m<cell line: 1>\u001b[0;34m()\u001b[0m\n\u001b[0;32m----> 1\u001b[0;31m agent = ReactCodeAgent(\n\u001b[0m\u001b[1;32m      2\u001b[0m     \u001b[0mtools\u001b[0m\u001b[0;34m=\u001b[0m\u001b[0;34m[\u001b[0m\u001b[0;34m]\u001b[0m\u001b[0;34m,\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[1;32m      3\u001b[0m     \u001b[0mllm_engine\u001b[0m\u001b[0;34m=\u001b[0m\u001b[0mllm_engine\u001b[0m\u001b[0;34m,\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[1;32m      4\u001b[0m     additional_authorized_imports=[\n\u001b[1;32m      5\u001b[0m         \u001b[0;34m\"numpy\"\u001b[0m\u001b[0;34m,\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n",
-            "\u001b[0;31mNameError\u001b[0m: name 'ReactCodeAgent' is not defined"
-          ]
-        }
-      ],
       "source": [
         "agent = ReactCodeAgent(\n",
         "    tools=[],\n",
@@ -1027,90 +1000,6 @@
             "description_width": ""
           }
         },
-        "4c42effc89b5470fbf8e3c238ad07266": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "LabelModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_dom_classes": [],
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "LabelModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/controls",
-            "_view_module_version": "1.5.0",
-            "_view_name": "LabelView",
-            "description": "",
-            "description_tooltip": null,
-            "layout": "IPY_MODEL_85c817231fda424a84352914bde906b0",
-            "placeholder": "​",
-            "style": "IPY_MODEL_28c6dda801c14fa0a1c7d2ccfb8e25a5",
-            "value": "Token is valid (permission: write)."
-          }
-        },
-        "fbaf43825f694399b3779640c9a3b6af": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "LabelModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_dom_classes": [],
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "LabelModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/controls",
-            "_view_module_version": "1.5.0",
-            "_view_name": "LabelView",
-            "description": "",
-            "description_tooltip": null,
-            "layout": "IPY_MODEL_f6497b8069c246339b67f7b14d1ae7c7",
-            "placeholder": "​",
-            "style": "IPY_MODEL_17ad064d85ab40ef9008e5600d0c5e3f",
-            "value": "Your token has been saved in your configured git credential helpers (store)."
-          }
-        },
-        "d5994e087d074e0cb155f6b3607f100d": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "LabelModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_dom_classes": [],
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "LabelModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/controls",
-            "_view_module_version": "1.5.0",
-            "_view_name": "LabelView",
-            "description": "",
-            "description_tooltip": null,
-            "layout": "IPY_MODEL_87fff40c9394414c9c93f31151137ab7",
-            "placeholder": "​",
-            "style": "IPY_MODEL_98f0b669c36c47069bcf35fd17bb28cc",
-            "value": "Your token has been saved to /root/.cache/huggingface/token"
-          }
-        },
-        "3ea6cf0074854f9bbcfa42e532784b76": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "LabelModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_dom_classes": [],
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "LabelModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/controls",
-            "_view_module_version": "1.5.0",
-            "_view_name": "LabelView",
-            "description": "",
-            "description_tooltip": null,
-            "layout": "IPY_MODEL_e1d56e00ca5849ed9420930df8ac2aed",
-            "placeholder": "​",
-            "style": "IPY_MODEL_52891fca852246989e5ee757f502824e",
-            "value": "Login successful"
-          }
-        },
         "85c817231fda424a84352914bde906b0": {
           "model_module": "@jupyter-widgets/base",
           "model_name": "LayoutModel",
@@ -1384,4 +1273,4 @@
   },
   "nbformat": 4,
   "nbformat_minor": 0
-}
\ No newline at end of file
+}

From bd32c71ebec9e28b51769b6bf5813cc3fd8e0858 Mon Sep 17 00:00:00 2001
From: Ahnjj_DEV <ahnjj.dev@gmail.com>
Date: Sun, 29 Sep 2024 22:36:17 +0900
Subject: [PATCH 05/23] Delete notebooks/ko/ko_agent_data_analyst.ipynb

---
 notebooks/ko/ko_agent_data_analyst.ipynb | 1276 ----------------------
 1 file changed, 1276 deletions(-)
 delete mode 100644 notebooks/ko/ko_agent_data_analyst.ipynb

diff --git a/notebooks/ko/ko_agent_data_analyst.ipynb b/notebooks/ko/ko_agent_data_analyst.ipynb
deleted file mode 100644
index f6e61878..00000000
--- a/notebooks/ko/ko_agent_data_analyst.ipynb
+++ /dev/null
@@ -1,1276 +0,0 @@
-{
-  "cells": [
-    {
-      "cell_type": "markdown",
-      "source": [
-        "# 데이터분석 에이전트: 눈깜짝할 사이에 데이터에서 인사이트 얻기 ✨\n",
-        "_저자: [Aymeric Roucher](https://huggingface.co/m-ric)_\n",
-        "\n",
-        "> 이 튜토리얼은 고급 과정입니다. 먼저 [이 쿡북](agents)에 대한 개념을 이해하고 있어야 합니다!\n",
-        "\n",
-        "\n",
-        "이번 쿡북에서 만들 **데이터 분석 에이전트** 는 :\n",
-        " **데이터 분석 라이브러리를 사용한 코드 에이전트로,데이터로부터 인사이트를 도출하기 위해 데이터프레임을 불러오고 변환하며, 결과를 시각화합니다!**\n",
-        "\n",
-        "\n",
-        "예를 들어 여러분이 '[Kaggle Titanic 챌린지](https://www.kaggle.com/competitions/titanic)'의 데이터를 직접 분석해 개별 승객의 생존 여부를 예측하고 싶다고 가정해 봅시다.\n",
-        "하지만 직접 분석에 들어가기 전에, 자율 에이전트가 추세를 추출해주고 수치 몇 가지를 그려 인사이트를 발견해 분석을 준비해주기를 원합니다.\n",
-        "\n",
-        "이 시스템을 설정해 보겠습니다.\n",
-        "\n",
-        "아래 명령어를 실행하여 필요한 의존성을 설치하세요:"
-      ],
-      "metadata": {
-        "id": "ihQ3c6IWDa6G"
-      }
-    },
-    {
-      "cell_type": "code",
-      "execution_count": 2,
-      "metadata": {
-        "id": "0WauABimpjta"
-      },
-      "outputs": [],
-      "source": [
-        "!pip install seaborn \"transformers[agents]\""
-      ]
-    },
-    {
-      "cell_type": "markdown",
-      "metadata": {
-        "id": "4LJXMiy3pjtb"
-      },
-      "source": [
-        "우선 에이전트를 생성합니다. 이 쿡북에서는 `ReactCodeAgent`를 사용했습니다. (더 많은 종류의 에이전트를 확인하려면 [이 문서](https://huggingface.co/docs/transformers/en/agents) 를 참조하세요.)\n",
-        "이 에이전트는 별도의 도구를 제공하지 않아도 스스로 코드를 실행할 수 있습니다.\n",
-        "\n",
-        "일반적으로 `additional_authorized_imports`에 라이브러리를 전달할 때, 파이썬 인터프리터는 환경에 설치된 라이브러리만 사용할 수 있기 때문에, 해당 라이브러리들이 로컬 환경에 설치되어 있는지 확인해야 합니다.\n",
-        "\n",
-        "\n",
-        "⚙ 해당 에이전트는 [meta-llama/Meta-Llama-3.1-70B-Instruct](https://huggingface.co/meta-llama/Meta-Llama-3.1-70B-Instruct) 모델을 사용하며, HF의 Inference API를 사용하는 `HfEngine` 클래스로 구동됩니다. Inference API를 통해 빠르고 쉽게 OS 모델을 실행할 수 있습니다."
-      ]
-    },
-    {
-      "cell_type": "code",
-      "execution_count": 10,
-      "metadata": {
-        "id": "XPrHXQgFpjtb",
-        "outputId": "297ca99a-2d08-4ee4-b4ea-e7bfe37929d0",
-        "colab": {
-          "base_uri": "https://localhost:8080/",
-          "height": 145,
-          "referenced_widgets": [
-            "38fa8b4fa3944d23b2d8eda25b16a5f9",
-            "475a8232ed7a4fb3a796d2d12b210fc9",
-            "46f71ce2028a4f9e80caab49747ecbee",
-            "670fcb115bc84bbdbe841f9a9e8f7e41",
-            "5282fffc65a848eaa86bbff88e6564aa",
-            "80be551e17cb47988debe26c9aec2384",
-            "ed0780c388844699bdbb2e435ef5190b",
-            "e1dfde4e36584f73a4ee42f213d87174",
-            "aba66871b1b0412d941172272ce51d23",
-            "d2e4bafa97cf4cadb0cccb9ce9101a50",
-            "79a67b49bbcf42e58ebb8b379df18a0b",
-            "8f675b0d986346d0b483338855396148",
-            "2e31434a8b2b4a65b613a91ead19d356",
-            "f125fa1fa88c40828a2ddb5114073bd2",
-            "74088ded4ba44402b5682b10e8e999a2",
-            "803311125a444cac84373336641b52de",
-            "33e1fda524b54aa4a8a3fb000d8539a8",
-            "2de7a9a97c4e4286b4781816510df846",
-            "eff567785fa44d5e96adff396be56281",
-            "b65f3953d6324668953f1593e0c14730",
-            "4c42effc89b5470fbf8e3c238ad07266",
-            "fbaf43825f694399b3779640c9a3b6af",
-            "d5994e087d074e0cb155f6b3607f100d",
-            "3ea6cf0074854f9bbcfa42e532784b76",
-            "85c817231fda424a84352914bde906b0",
-            "28c6dda801c14fa0a1c7d2ccfb8e25a5",
-            "f6497b8069c246339b67f7b14d1ae7c7",
-            "17ad064d85ab40ef9008e5600d0c5e3f",
-            "87fff40c9394414c9c93f31151137ab7",
-            "98f0b669c36c47069bcf35fd17bb28cc",
-            "e1d56e00ca5849ed9420930df8ac2aed",
-            "52891fca852246989e5ee757f502824e"
-          ]
-        }
-      },
-      "outputs": [
-        {
-          "output_type": "display_data",
-          "data": {
-            "text/plain": [
-              "VBox(children=(HTML(value='<center> <img\\nsrc=https://huggingface.co/front/assets/huggingface_logo-noborder.sv…"
-            ],
-            "application/vnd.jupyter.widget-view+json": {
-              "version_major": 2,
-              "version_minor": 0,
-              "model_id": "38fa8b4fa3944d23b2d8eda25b16a5f9"
-            }
-          },
-          "metadata": {}
-        }
-      ],
-      "source": [
-        "from transformers.agents import HfEngine, ReactCodeAgent\n",
-        "from huggingface_hub import login\n",
-        "import os\n",
-        "\n",
-        "login(os.getenv(\"HUGGINGFACEHUB_API_TOKEN\"))\n",
-        "llm_engine = HfEngine(\"meta-llama/Meta-Llama-3.1-70B-Instruct\")\n",
-        "\n",
-        "agent = ReactCodeAgent(\n",
-        "    tools=[],\n",
-        "    llm_engine=llm_engine,\n",
-        "    additional_authorized_imports=[\"numpy\", \"pandas\", \"matplotlib.pyplot\", \"seaborn\"],\n",
-        "    max_iterations=10,\n",
-        ")"
-      ]
-    },
-    {
-      "cell_type": "markdown",
-      "metadata": {
-        "id": "iGSuFGGwpjtb"
-      },
-      "source": [
-        "## 데이터 분석 📊🤔\n",
-        "\n",
-        "에이전트 실행시, 실제 캐글 대회에서 사용된 추가적인 노트를 `run`메소드의 kwarg로 넘겨주었습니다.\n"
-      ]
-    },
-    {
-      "cell_type": "code",
-      "source": [
-        "from google.colab import drive\n",
-        "drive.mount('/content/drive')  # 구글 드라이브 마운트"
-      ],
-      "metadata": {
-        "colab": {
-          "base_uri": "https://localhost:8080/"
-        },
-        "id": "qWYp-IertEN1",
-        "outputId": "761d47da-a340-44c9-8f0e-16e3f63192fd",
-        "collapsed": true
-      },
-      "execution_count": 2,
-      "outputs": [
-        {
-          "output_type": "stream",
-          "name": "stdout",
-          "text": [
-            "Mounted at /content/drive\n"
-          ]
-        }
-      ]
-    },
-    {
-      "cell_type": "code",
-      "source": [
-        "import os\n",
-        "\n",
-        "os.chdir('/content/drive/My Drive/Colab Notebooks')  # 원하는 경로로 변경\n",
-        "print(os.getcwd())  # 변경된 경로 확인"
-      ],
-      "metadata": {
-        "colab": {
-          "base_uri": "https://localhost:8080/"
-        },
-        "id": "UCK6t2u5sKpm",
-        "outputId": "2de35095-1093-46a8-896c-3e508672755d",
-        "collapsed": true
-      },
-      "execution_count": 3,
-      "outputs": [
-        {
-          "output_type": "stream",
-          "name": "stdout",
-          "text": [
-            "/content/drive/My Drive/Colab Notebooks\n"
-          ]
-        }
-      ]
-    },
-    {
-      "cell_type": "code",
-      "execution_count": null,
-      "metadata": {
-        "id": "pywHujGvpjtb"
-      },
-      "outputs": [],
-      "source": [
-        "# 디렉토리 생성\n",
-        "os.mkdir(\"./figures\")"
-      ]
-    },
-    {
-      "cell_type": "code",
-      "source": [
-        "os.chdir('/content/drive/My Drive/Colab Notebooks/figures')  # 원하는 경로로 변경\n",
-        "print(os.getcwd())  # 변경된 경로 확인"
-      ],
-      "metadata": {
-        "colab": {
-          "base_uri": "https://localhost:8080/"
-        },
-        "id": "X2wTtXDjNYyI",
-        "outputId": "cea6c8c0-513a-4a1b-c4ec-5d46eca7e8b2",
-        "collapsed": true
-      },
-      "execution_count": 15,
-      "outputs": [
-        {
-          "output_type": "stream",
-          "name": "stdout",
-          "text": [
-            "/content/drive/My Drive/Colab Notebooks/figures\n"
-          ]
-        }
-      ]
-    },
-    {
-      "cell_type": "code",
-      "execution_count": 1,
-      "metadata": {
-        "outputId": "e81b157c-aefe-4785-fc66-103d840f0b67",
-        "colab": {
-          "base_uri": "https://localhost:8080/",
-          "height": 216
-        },
-        "id": "WOLY_WBLPGQE",
-        "collapsed": true
-      },
-      "source": [
-        "additional_notes = \"\"\"\n",
-        "### Variable Notes\n",
-        "PassengerId : 승객 아이디\n",
-        "Survived : 생존여부 (0: 사망, 1: 생존)\n",
-        "pclass: 사회경제적 지위(SES)의 대리 변수\n",
-        "1 = 상류층\n",
-        "2 = 중산층\n",
-        "3 = 하류층\n",
-        "Sex : 성별 (male: 남성, female: 여성)\n",
-        "age: 나이(Age)가 1 미만일 경우 소수로 표시됩니다. 나이가 추정된 경우, xx.5 형태로 표시됩니다.\n",
-        "sibsp: 이 데이터셋은 가족 관계를 다음과 같이 정의합니다...\n",
-        "형제 = 형제, 자매, 이복형제, 이복자매\n",
-        "배우자 = 남편, 아내 (애인과 약혼자는 간주하지 않았습니다.)\n",
-        "parch: 이 데이터셋은 가족 관계를 다음과 같이 정의합니다...\n",
-        "부모 = 어머니, 아버지\n",
-        "자녀 = 딸, 아들, 양녀, 양자\n",
-        "유모와 여행을 온 몇 어린이들의 경우, parch=0 로 표현합니다.\n",
-        "Fare: 티켓 요금\n",
-        "\"\"\"\n",
-        "\n",
-        "analysis = agent.run(\n",
-        "    \"\"\"당신은 데이터 분석 전문가입니다. 소스 파일을 로드하고 내용을 분석하세요. 아래 세가지 행동을 취해주세요.\n",
-        "\n",
-        "첫번째, 주어진 변수를 바탕으로 데이터에서 흥미로운 질문 3개를 선정하고, 각각 답해보세요. 예를 들어, survival rate(생존율)과의 특정 상관관계에 관한 질문을 만들 수 있습니다. (질문은 반드시 최소한 3개의 번호가 매겨진 상세한 항목)\n",
-        "두번째, 3가지 질문과 관련된 figures를 그리세요. matplotlib/seaborn을 사용해  './figures/' 폴더에 저장하세요. 각 그림을 그리기 전에 plt.clf()로 그림을 지워주세요.\n",
-        "세번째, 위의 답변에서 구한 상관관계와 경향을 요약하세요. 각 숫자에서 실생활 인사이트를 도출하세요. 예를 들어, \"is_december와 boredness의 상관관계는 1.3453이며, 이는 겨울철에 사람들이 더 지루해진다는 것을 시사합니다\"와 같은 식으로요.\n",
-        "\"\"\",\n",
-        "    additional_notes=additional_notes,\n",
-        "    source_file=\"titanic/train.csv\",\n",
-        ")"
-      ]
-    },
-    {
-      "cell_type": "code",
-      "execution_count": 17,
-      "metadata": {
-        "outputId": "4e259705-b542-4129-f7ea-08ac78566bb1",
-        "colab": {
-          "base_uri": "https://localhost:8080/"
-        },
-        "id": "8hA-jMsePGQF"
-      },
-      "outputs": [
-        {
-          "output_type": "stream",
-          "name": "stdout",
-          "text": [
-            "타이타닉 데이터 세트 분석 결과, 사회경제적 지위와 성별의 생존율에 미치는 영향을 분석 Mayer muchos이 있습니다.\n"
-          ]
-        }
-      ],
-      "source": [
-        "print(analysis)"
-      ]
-    },
-    {
-      "cell_type": "markdown",
-      "metadata": {
-        "id": "hcT-BISRpjtd"
-      },
-      "source": [
-        "놀랍지 않나요? 에이전트에게 시각화 도구를 제공해 자신이 만든 그래프를 분석하게 할 수도 있습니다!\n",
-        "\n",
-        "## 데이터과학자 에이전트 : 예측을 실행해보자 🛠️\n",
-        "\n",
-        "👉 이제 더 깊이 들어가 봅시다: **데이터를 기반으로 모델이 예측을 수행하도록 합니다.**\n",
-        "\n",
-        "예측 수행을 위해 `additional_authorized_imports`에 `sklearn`도 추가해줍니다."
-      ]
-    },
-    {
-      "cell_type": "code",
-      "execution_count": 1,
-      "metadata": {
-        "id": "1qSXRraDpjtd",
-        "outputId": "25afdf3e-8ec7-4de7-e2a1-9d7253b5f4af",
-        "colab": {
-          "base_uri": "https://localhost:8080/",
-          "height": 216
-        },
-        "collapsed": true
-      },
-      "source": [
-        "agent = ReactCodeAgent(\n",
-        "    tools=[],\n",
-        "    llm_engine=llm_engine,\n",
-        "    additional_authorized_imports=[\n",
-        "        \"numpy\",\n",
-        "        \"pandas\",\n",
-        "        \"matplotlib.pyplot\",\n",
-        "        \"seaborn\",\n",
-        "        \"sklearn\",\n",
-        "    ],\n",
-        "    max_iterations=12,\n",
-        ")\n",
-        "\n",
-        "output = agent.run(\n",
-        "    \"\"\"당신은 전문가 수준의 머신러닝 엔지니어입니다.\n",
-        "'titanic/train.csv' 파일을 사용하여 생존 여부를 예측하는 머신러닝 모델을 학습시키세요.\n",
-        "'titanic/test.csv' 파일의 행에 대한 예측을 수행한 후, 결과를 './output.csv'에 출력하세요.\n",
-        "함수와 모듈을 사용하기 전에 반드시 임포트하세요!\n",
-        "\"\"\",\n",
-        "    additional_notes=additional_notes + \"\\n\" + analysis,\n",
-        ")"
-      ]
-    },
-    {
-      "cell_type": "markdown",
-      "metadata": {
-        "id": "Iimn7AWtpjtd"
-      },
-      "source": [
-        "위에서 에이전트가 출력한 테스트 예측을 Kaggle에 제출하면 **0.78229**으로, 이는 17,360명 중 2824등에 해당하며, 저자가 몇 년 전 이 데이터분석 챌린지를 처음 시도해 힘들게 얻었던 결과보다 더 나은 성과입니다.\n",
-        "\n",
-        "결과는 다를 수 있지만, 몇 초 만에 에이전트를 사용해 이 정도 성과를 낼 수 있다는 점이 매우 인상적입니다.\n",
-        "\n",
-        "🚀 위 시도는 에이전트를 활용한 단순한 데이터 분석 사례일 뿐입니다. 사용 사례에 맞게 충분히 개선할 수 있습니다!"
-      ]
-    },
-    {
-      "cell_type": "code",
-      "source": [],
-      "metadata": {
-        "id": "7Qnz16z1feCf"
-      },
-      "execution_count": null,
-      "outputs": []
-    }
-  ],
-  "metadata": {
-    "kernelspec": {
-      "display_name": "disposable",
-      "language": "python",
-      "name": "python3"
-    },
-    "language_info": {
-      "codemirror_mode": {
-        "name": "ipython",
-        "version": 3
-      },
-      "file_extension": ".py",
-      "mimetype": "text/x-python",
-      "name": "python",
-      "nbconvert_exporter": "python",
-      "pygments_lexer": "ipython3",
-      "version": "3.12.2"
-    },
-    "colab": {
-      "provenance": []
-    },
-    "widgets": {
-      "application/vnd.jupyter.widget-state+json": {
-        "38fa8b4fa3944d23b2d8eda25b16a5f9": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "VBoxModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_dom_classes": [],
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "VBoxModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/controls",
-            "_view_module_version": "1.5.0",
-            "_view_name": "VBoxView",
-            "box_style": "",
-            "children": [
-              "IPY_MODEL_4c42effc89b5470fbf8e3c238ad07266",
-              "IPY_MODEL_fbaf43825f694399b3779640c9a3b6af",
-              "IPY_MODEL_d5994e087d074e0cb155f6b3607f100d",
-              "IPY_MODEL_3ea6cf0074854f9bbcfa42e532784b76"
-            ],
-            "layout": "IPY_MODEL_ed0780c388844699bdbb2e435ef5190b"
-          }
-        },
-        "475a8232ed7a4fb3a796d2d12b210fc9": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "HTMLModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_dom_classes": [],
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "HTMLModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/controls",
-            "_view_module_version": "1.5.0",
-            "_view_name": "HTMLView",
-            "description": "",
-            "description_tooltip": null,
-            "layout": "IPY_MODEL_e1dfde4e36584f73a4ee42f213d87174",
-            "placeholder": "​",
-            "style": "IPY_MODEL_aba66871b1b0412d941172272ce51d23",
-            "value": "<center> <img\nsrc=https://huggingface.co/front/assets/huggingface_logo-noborder.svg\nalt='Hugging Face'> <br> Copy a token from <a\nhref=\"https://huggingface.co/settings/tokens\" target=\"_blank\">your Hugging Face\ntokens page</a> and paste it below. <br> Immediately click login after copying\nyour token or it might be stored in plain text in this notebook file. </center>"
-          }
-        },
-        "46f71ce2028a4f9e80caab49747ecbee": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "PasswordModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_dom_classes": [],
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "PasswordModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/controls",
-            "_view_module_version": "1.5.0",
-            "_view_name": "PasswordView",
-            "continuous_update": true,
-            "description": "Token:",
-            "description_tooltip": null,
-            "disabled": false,
-            "layout": "IPY_MODEL_d2e4bafa97cf4cadb0cccb9ce9101a50",
-            "placeholder": "​",
-            "style": "IPY_MODEL_79a67b49bbcf42e58ebb8b379df18a0b",
-            "value": ""
-          }
-        },
-        "670fcb115bc84bbdbe841f9a9e8f7e41": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "CheckboxModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_dom_classes": [],
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "CheckboxModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/controls",
-            "_view_module_version": "1.5.0",
-            "_view_name": "CheckboxView",
-            "description": "Add token as git credential?",
-            "description_tooltip": null,
-            "disabled": false,
-            "indent": true,
-            "layout": "IPY_MODEL_8f675b0d986346d0b483338855396148",
-            "style": "IPY_MODEL_2e31434a8b2b4a65b613a91ead19d356",
-            "value": true
-          }
-        },
-        "5282fffc65a848eaa86bbff88e6564aa": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "ButtonModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_dom_classes": [],
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "ButtonModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/controls",
-            "_view_module_version": "1.5.0",
-            "_view_name": "ButtonView",
-            "button_style": "",
-            "description": "Login",
-            "disabled": false,
-            "icon": "",
-            "layout": "IPY_MODEL_f125fa1fa88c40828a2ddb5114073bd2",
-            "style": "IPY_MODEL_74088ded4ba44402b5682b10e8e999a2",
-            "tooltip": ""
-          }
-        },
-        "80be551e17cb47988debe26c9aec2384": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "HTMLModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_dom_classes": [],
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "HTMLModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/controls",
-            "_view_module_version": "1.5.0",
-            "_view_name": "HTMLView",
-            "description": "",
-            "description_tooltip": null,
-            "layout": "IPY_MODEL_803311125a444cac84373336641b52de",
-            "placeholder": "​",
-            "style": "IPY_MODEL_33e1fda524b54aa4a8a3fb000d8539a8",
-            "value": "\n<b>Pro Tip:</b> If you don't already have one, you can create a dedicated\n'notebooks' token with 'write' access, that you can then easily reuse for all\nnotebooks. </center>"
-          }
-        },
-        "ed0780c388844699bdbb2e435ef5190b": {
-          "model_module": "@jupyter-widgets/base",
-          "model_name": "LayoutModel",
-          "model_module_version": "1.2.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/base",
-            "_model_module_version": "1.2.0",
-            "_model_name": "LayoutModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "LayoutView",
-            "align_content": null,
-            "align_items": "center",
-            "align_self": null,
-            "border": null,
-            "bottom": null,
-            "display": "flex",
-            "flex": null,
-            "flex_flow": "column",
-            "grid_area": null,
-            "grid_auto_columns": null,
-            "grid_auto_flow": null,
-            "grid_auto_rows": null,
-            "grid_column": null,
-            "grid_gap": null,
-            "grid_row": null,
-            "grid_template_areas": null,
-            "grid_template_columns": null,
-            "grid_template_rows": null,
-            "height": null,
-            "justify_content": null,
-            "justify_items": null,
-            "left": null,
-            "margin": null,
-            "max_height": null,
-            "max_width": null,
-            "min_height": null,
-            "min_width": null,
-            "object_fit": null,
-            "object_position": null,
-            "order": null,
-            "overflow": null,
-            "overflow_x": null,
-            "overflow_y": null,
-            "padding": null,
-            "right": null,
-            "top": null,
-            "visibility": null,
-            "width": "50%"
-          }
-        },
-        "e1dfde4e36584f73a4ee42f213d87174": {
-          "model_module": "@jupyter-widgets/base",
-          "model_name": "LayoutModel",
-          "model_module_version": "1.2.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/base",
-            "_model_module_version": "1.2.0",
-            "_model_name": "LayoutModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "LayoutView",
-            "align_content": null,
-            "align_items": null,
-            "align_self": null,
-            "border": null,
-            "bottom": null,
-            "display": null,
-            "flex": null,
-            "flex_flow": null,
-            "grid_area": null,
-            "grid_auto_columns": null,
-            "grid_auto_flow": null,
-            "grid_auto_rows": null,
-            "grid_column": null,
-            "grid_gap": null,
-            "grid_row": null,
-            "grid_template_areas": null,
-            "grid_template_columns": null,
-            "grid_template_rows": null,
-            "height": null,
-            "justify_content": null,
-            "justify_items": null,
-            "left": null,
-            "margin": null,
-            "max_height": null,
-            "max_width": null,
-            "min_height": null,
-            "min_width": null,
-            "object_fit": null,
-            "object_position": null,
-            "order": null,
-            "overflow": null,
-            "overflow_x": null,
-            "overflow_y": null,
-            "padding": null,
-            "right": null,
-            "top": null,
-            "visibility": null,
-            "width": null
-          }
-        },
-        "aba66871b1b0412d941172272ce51d23": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "DescriptionStyleModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "DescriptionStyleModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "StyleView",
-            "description_width": ""
-          }
-        },
-        "d2e4bafa97cf4cadb0cccb9ce9101a50": {
-          "model_module": "@jupyter-widgets/base",
-          "model_name": "LayoutModel",
-          "model_module_version": "1.2.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/base",
-            "_model_module_version": "1.2.0",
-            "_model_name": "LayoutModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "LayoutView",
-            "align_content": null,
-            "align_items": null,
-            "align_self": null,
-            "border": null,
-            "bottom": null,
-            "display": null,
-            "flex": null,
-            "flex_flow": null,
-            "grid_area": null,
-            "grid_auto_columns": null,
-            "grid_auto_flow": null,
-            "grid_auto_rows": null,
-            "grid_column": null,
-            "grid_gap": null,
-            "grid_row": null,
-            "grid_template_areas": null,
-            "grid_template_columns": null,
-            "grid_template_rows": null,
-            "height": null,
-            "justify_content": null,
-            "justify_items": null,
-            "left": null,
-            "margin": null,
-            "max_height": null,
-            "max_width": null,
-            "min_height": null,
-            "min_width": null,
-            "object_fit": null,
-            "object_position": null,
-            "order": null,
-            "overflow": null,
-            "overflow_x": null,
-            "overflow_y": null,
-            "padding": null,
-            "right": null,
-            "top": null,
-            "visibility": null,
-            "width": null
-          }
-        },
-        "79a67b49bbcf42e58ebb8b379df18a0b": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "DescriptionStyleModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "DescriptionStyleModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "StyleView",
-            "description_width": ""
-          }
-        },
-        "8f675b0d986346d0b483338855396148": {
-          "model_module": "@jupyter-widgets/base",
-          "model_name": "LayoutModel",
-          "model_module_version": "1.2.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/base",
-            "_model_module_version": "1.2.0",
-            "_model_name": "LayoutModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "LayoutView",
-            "align_content": null,
-            "align_items": null,
-            "align_self": null,
-            "border": null,
-            "bottom": null,
-            "display": null,
-            "flex": null,
-            "flex_flow": null,
-            "grid_area": null,
-            "grid_auto_columns": null,
-            "grid_auto_flow": null,
-            "grid_auto_rows": null,
-            "grid_column": null,
-            "grid_gap": null,
-            "grid_row": null,
-            "grid_template_areas": null,
-            "grid_template_columns": null,
-            "grid_template_rows": null,
-            "height": null,
-            "justify_content": null,
-            "justify_items": null,
-            "left": null,
-            "margin": null,
-            "max_height": null,
-            "max_width": null,
-            "min_height": null,
-            "min_width": null,
-            "object_fit": null,
-            "object_position": null,
-            "order": null,
-            "overflow": null,
-            "overflow_x": null,
-            "overflow_y": null,
-            "padding": null,
-            "right": null,
-            "top": null,
-            "visibility": null,
-            "width": null
-          }
-        },
-        "2e31434a8b2b4a65b613a91ead19d356": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "DescriptionStyleModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "DescriptionStyleModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "StyleView",
-            "description_width": ""
-          }
-        },
-        "f125fa1fa88c40828a2ddb5114073bd2": {
-          "model_module": "@jupyter-widgets/base",
-          "model_name": "LayoutModel",
-          "model_module_version": "1.2.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/base",
-            "_model_module_version": "1.2.0",
-            "_model_name": "LayoutModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "LayoutView",
-            "align_content": null,
-            "align_items": null,
-            "align_self": null,
-            "border": null,
-            "bottom": null,
-            "display": null,
-            "flex": null,
-            "flex_flow": null,
-            "grid_area": null,
-            "grid_auto_columns": null,
-            "grid_auto_flow": null,
-            "grid_auto_rows": null,
-            "grid_column": null,
-            "grid_gap": null,
-            "grid_row": null,
-            "grid_template_areas": null,
-            "grid_template_columns": null,
-            "grid_template_rows": null,
-            "height": null,
-            "justify_content": null,
-            "justify_items": null,
-            "left": null,
-            "margin": null,
-            "max_height": null,
-            "max_width": null,
-            "min_height": null,
-            "min_width": null,
-            "object_fit": null,
-            "object_position": null,
-            "order": null,
-            "overflow": null,
-            "overflow_x": null,
-            "overflow_y": null,
-            "padding": null,
-            "right": null,
-            "top": null,
-            "visibility": null,
-            "width": null
-          }
-        },
-        "74088ded4ba44402b5682b10e8e999a2": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "ButtonStyleModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "ButtonStyleModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "StyleView",
-            "button_color": null,
-            "font_weight": ""
-          }
-        },
-        "803311125a444cac84373336641b52de": {
-          "model_module": "@jupyter-widgets/base",
-          "model_name": "LayoutModel",
-          "model_module_version": "1.2.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/base",
-            "_model_module_version": "1.2.0",
-            "_model_name": "LayoutModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "LayoutView",
-            "align_content": null,
-            "align_items": null,
-            "align_self": null,
-            "border": null,
-            "bottom": null,
-            "display": null,
-            "flex": null,
-            "flex_flow": null,
-            "grid_area": null,
-            "grid_auto_columns": null,
-            "grid_auto_flow": null,
-            "grid_auto_rows": null,
-            "grid_column": null,
-            "grid_gap": null,
-            "grid_row": null,
-            "grid_template_areas": null,
-            "grid_template_columns": null,
-            "grid_template_rows": null,
-            "height": null,
-            "justify_content": null,
-            "justify_items": null,
-            "left": null,
-            "margin": null,
-            "max_height": null,
-            "max_width": null,
-            "min_height": null,
-            "min_width": null,
-            "object_fit": null,
-            "object_position": null,
-            "order": null,
-            "overflow": null,
-            "overflow_x": null,
-            "overflow_y": null,
-            "padding": null,
-            "right": null,
-            "top": null,
-            "visibility": null,
-            "width": null
-          }
-        },
-        "33e1fda524b54aa4a8a3fb000d8539a8": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "DescriptionStyleModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "DescriptionStyleModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "StyleView",
-            "description_width": ""
-          }
-        },
-        "2de7a9a97c4e4286b4781816510df846": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "LabelModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_dom_classes": [],
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "LabelModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/controls",
-            "_view_module_version": "1.5.0",
-            "_view_name": "LabelView",
-            "description": "",
-            "description_tooltip": null,
-            "layout": "IPY_MODEL_eff567785fa44d5e96adff396be56281",
-            "placeholder": "​",
-            "style": "IPY_MODEL_b65f3953d6324668953f1593e0c14730",
-            "value": "Connecting..."
-          }
-        },
-        "eff567785fa44d5e96adff396be56281": {
-          "model_module": "@jupyter-widgets/base",
-          "model_name": "LayoutModel",
-          "model_module_version": "1.2.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/base",
-            "_model_module_version": "1.2.0",
-            "_model_name": "LayoutModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "LayoutView",
-            "align_content": null,
-            "align_items": null,
-            "align_self": null,
-            "border": null,
-            "bottom": null,
-            "display": null,
-            "flex": null,
-            "flex_flow": null,
-            "grid_area": null,
-            "grid_auto_columns": null,
-            "grid_auto_flow": null,
-            "grid_auto_rows": null,
-            "grid_column": null,
-            "grid_gap": null,
-            "grid_row": null,
-            "grid_template_areas": null,
-            "grid_template_columns": null,
-            "grid_template_rows": null,
-            "height": null,
-            "justify_content": null,
-            "justify_items": null,
-            "left": null,
-            "margin": null,
-            "max_height": null,
-            "max_width": null,
-            "min_height": null,
-            "min_width": null,
-            "object_fit": null,
-            "object_position": null,
-            "order": null,
-            "overflow": null,
-            "overflow_x": null,
-            "overflow_y": null,
-            "padding": null,
-            "right": null,
-            "top": null,
-            "visibility": null,
-            "width": null
-          }
-        },
-        "b65f3953d6324668953f1593e0c14730": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "DescriptionStyleModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "DescriptionStyleModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "StyleView",
-            "description_width": ""
-          }
-        },
-        "85c817231fda424a84352914bde906b0": {
-          "model_module": "@jupyter-widgets/base",
-          "model_name": "LayoutModel",
-          "model_module_version": "1.2.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/base",
-            "_model_module_version": "1.2.0",
-            "_model_name": "LayoutModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "LayoutView",
-            "align_content": null,
-            "align_items": null,
-            "align_self": null,
-            "border": null,
-            "bottom": null,
-            "display": null,
-            "flex": null,
-            "flex_flow": null,
-            "grid_area": null,
-            "grid_auto_columns": null,
-            "grid_auto_flow": null,
-            "grid_auto_rows": null,
-            "grid_column": null,
-            "grid_gap": null,
-            "grid_row": null,
-            "grid_template_areas": null,
-            "grid_template_columns": null,
-            "grid_template_rows": null,
-            "height": null,
-            "justify_content": null,
-            "justify_items": null,
-            "left": null,
-            "margin": null,
-            "max_height": null,
-            "max_width": null,
-            "min_height": null,
-            "min_width": null,
-            "object_fit": null,
-            "object_position": null,
-            "order": null,
-            "overflow": null,
-            "overflow_x": null,
-            "overflow_y": null,
-            "padding": null,
-            "right": null,
-            "top": null,
-            "visibility": null,
-            "width": null
-          }
-        },
-        "28c6dda801c14fa0a1c7d2ccfb8e25a5": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "DescriptionStyleModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "DescriptionStyleModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "StyleView",
-            "description_width": ""
-          }
-        },
-        "f6497b8069c246339b67f7b14d1ae7c7": {
-          "model_module": "@jupyter-widgets/base",
-          "model_name": "LayoutModel",
-          "model_module_version": "1.2.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/base",
-            "_model_module_version": "1.2.0",
-            "_model_name": "LayoutModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "LayoutView",
-            "align_content": null,
-            "align_items": null,
-            "align_self": null,
-            "border": null,
-            "bottom": null,
-            "display": null,
-            "flex": null,
-            "flex_flow": null,
-            "grid_area": null,
-            "grid_auto_columns": null,
-            "grid_auto_flow": null,
-            "grid_auto_rows": null,
-            "grid_column": null,
-            "grid_gap": null,
-            "grid_row": null,
-            "grid_template_areas": null,
-            "grid_template_columns": null,
-            "grid_template_rows": null,
-            "height": null,
-            "justify_content": null,
-            "justify_items": null,
-            "left": null,
-            "margin": null,
-            "max_height": null,
-            "max_width": null,
-            "min_height": null,
-            "min_width": null,
-            "object_fit": null,
-            "object_position": null,
-            "order": null,
-            "overflow": null,
-            "overflow_x": null,
-            "overflow_y": null,
-            "padding": null,
-            "right": null,
-            "top": null,
-            "visibility": null,
-            "width": null
-          }
-        },
-        "17ad064d85ab40ef9008e5600d0c5e3f": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "DescriptionStyleModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "DescriptionStyleModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "StyleView",
-            "description_width": ""
-          }
-        },
-        "87fff40c9394414c9c93f31151137ab7": {
-          "model_module": "@jupyter-widgets/base",
-          "model_name": "LayoutModel",
-          "model_module_version": "1.2.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/base",
-            "_model_module_version": "1.2.0",
-            "_model_name": "LayoutModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "LayoutView",
-            "align_content": null,
-            "align_items": null,
-            "align_self": null,
-            "border": null,
-            "bottom": null,
-            "display": null,
-            "flex": null,
-            "flex_flow": null,
-            "grid_area": null,
-            "grid_auto_columns": null,
-            "grid_auto_flow": null,
-            "grid_auto_rows": null,
-            "grid_column": null,
-            "grid_gap": null,
-            "grid_row": null,
-            "grid_template_areas": null,
-            "grid_template_columns": null,
-            "grid_template_rows": null,
-            "height": null,
-            "justify_content": null,
-            "justify_items": null,
-            "left": null,
-            "margin": null,
-            "max_height": null,
-            "max_width": null,
-            "min_height": null,
-            "min_width": null,
-            "object_fit": null,
-            "object_position": null,
-            "order": null,
-            "overflow": null,
-            "overflow_x": null,
-            "overflow_y": null,
-            "padding": null,
-            "right": null,
-            "top": null,
-            "visibility": null,
-            "width": null
-          }
-        },
-        "98f0b669c36c47069bcf35fd17bb28cc": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "DescriptionStyleModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "DescriptionStyleModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "StyleView",
-            "description_width": ""
-          }
-        },
-        "e1d56e00ca5849ed9420930df8ac2aed": {
-          "model_module": "@jupyter-widgets/base",
-          "model_name": "LayoutModel",
-          "model_module_version": "1.2.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/base",
-            "_model_module_version": "1.2.0",
-            "_model_name": "LayoutModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "LayoutView",
-            "align_content": null,
-            "align_items": null,
-            "align_self": null,
-            "border": null,
-            "bottom": null,
-            "display": null,
-            "flex": null,
-            "flex_flow": null,
-            "grid_area": null,
-            "grid_auto_columns": null,
-            "grid_auto_flow": null,
-            "grid_auto_rows": null,
-            "grid_column": null,
-            "grid_gap": null,
-            "grid_row": null,
-            "grid_template_areas": null,
-            "grid_template_columns": null,
-            "grid_template_rows": null,
-            "height": null,
-            "justify_content": null,
-            "justify_items": null,
-            "left": null,
-            "margin": null,
-            "max_height": null,
-            "max_width": null,
-            "min_height": null,
-            "min_width": null,
-            "object_fit": null,
-            "object_position": null,
-            "order": null,
-            "overflow": null,
-            "overflow_x": null,
-            "overflow_y": null,
-            "padding": null,
-            "right": null,
-            "top": null,
-            "visibility": null,
-            "width": null
-          }
-        },
-        "52891fca852246989e5ee757f502824e": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "DescriptionStyleModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "DescriptionStyleModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "StyleView",
-            "description_width": ""
-          }
-        }
-      }
-    }
-  },
-  "nbformat": 4,
-  "nbformat_minor": 0
-}

From d030dcd86137bbbd2aa8d54dbdada06d33eb86e8 Mon Sep 17 00:00:00 2001
From: Ahnjj_DEV <ahnjj.dev@gmail.com>
Date: Sun, 29 Sep 2024 22:36:33 +0900
Subject: [PATCH 06/23] feat: nmt draft

---
 notebooks/ko/ko_agent_data_analyst.ipynb | 1387 ++++++++++++++++++++++
 1 file changed, 1387 insertions(+)
 create mode 100644 notebooks/ko/ko_agent_data_analyst.ipynb

diff --git a/notebooks/ko/ko_agent_data_analyst.ipynb b/notebooks/ko/ko_agent_data_analyst.ipynb
new file mode 100644
index 00000000..bd6a63e7
--- /dev/null
+++ b/notebooks/ko/ko_agent_data_analyst.ipynb
@@ -0,0 +1,1387 @@
+{
+  "cells": [
+    {
+      "cell_type": "markdown",
+      "source": [
+        "# 데이터분석 에이전트: 눈깜짝할 사이에 데이터에서 인사이트 얻기 ✨\n",
+        "_저자: [Aymeric Roucher](https://huggingface.co/m-ric)_\n",
+        "\n",
+        "> 이 튜토리얼은 고급 과정입니다. 먼저 [이 쿡북](agents)에 대한 개념을 이해하고 있어야 합니다!\n",
+        "\n",
+        "\n",
+        "이번 쿡북에서 만들 **데이터 분석 에이전트** 는 :\n",
+        " **데이터 분석 라이브러리를 사용한 코드 에이전트로,데이터로부터 인사이트를 도출하기 위해 데이터프레임을 불러오고 변환하며, 결과를 시각화합니다!**\n",
+        "\n",
+        "\n",
+        "예를 들어 여러분이 '[Kaggle Titanic 챌린지](https://www.kaggle.com/competitions/titanic)'의 데이터를 직접 분석해 개별 승객의 생존 여부를 예측하고 싶다고 가정해 봅시다.\n",
+        "하지만 직접 분석에 들어가기 전에, 자율 에이전트가 추세를 추출해주고 수치 몇 가지를 그려 인사이트를 발견해 분석을 준비해주기를 원합니다.\n",
+        "\n",
+        "이 시스템을 설정해 보겠습니다.\n",
+        "\n",
+        "아래 명령어를 실행하여 필요한 의존성을 설치하세요:"
+      ],
+      "metadata": {
+        "id": "ihQ3c6IWDa6G"
+      }
+    },
+    {
+      "cell_type": "code",
+      "execution_count": 2,
+      "metadata": {
+        "id": "0WauABimpjta"
+      },
+      "outputs": [],
+      "source": [
+        "!pip install seaborn \"transformers[agents]\""
+      ]
+    },
+    {
+      "cell_type": "markdown",
+      "metadata": {
+        "id": "4LJXMiy3pjtb"
+      },
+      "source": [
+        "우선 에이전트를 생성합니다. 이 쿡북에서는 `ReactCodeAgent`를 사용했습니다. (더 많은 종류의 에이전트를 확인하려면 [이 문서](https://huggingface.co/docs/transformers/en/agents) 를 참조하세요.)\n",
+        "이 에이전트는 별도의 도구를 제공하지 않아도 스스로 코드를 실행할 수 있습니다.\n",
+        "\n",
+        "일반적으로 `additional_authorized_imports`에 라이브러리를 전달할 때, 파이썬 인터프리터는 환경에 설치된 라이브러리만 사용할 수 있기 때문에, 해당 라이브러리들이 로컬 환경에 설치되어 있는지 확인해야 합니다.\n",
+        "\n",
+        "\n",
+        "⚙ 해당 에이전트는 [meta-llama/Meta-Llama-3.1-70B-Instruct](https://huggingface.co/meta-llama/Meta-Llama-3.1-70B-Instruct) 모델을 사용하며, HF의 Inference API를 사용하는 `HfEngine` 클래스로 구동됩니다. Inference API를 통해 빠르고 쉽게 OS 모델을 실행할 수 있습니다."
+      ]
+    },
+    {
+      "cell_type": "code",
+      "execution_count": 10,
+      "metadata": {
+        "id": "XPrHXQgFpjtb",
+        "outputId": "297ca99a-2d08-4ee4-b4ea-e7bfe37929d0",
+        "colab": {
+          "base_uri": "https://localhost:8080/",
+          "height": 145,
+          "referenced_widgets": [
+            "38fa8b4fa3944d23b2d8eda25b16a5f9",
+            "475a8232ed7a4fb3a796d2d12b210fc9",
+            "46f71ce2028a4f9e80caab49747ecbee",
+            "670fcb115bc84bbdbe841f9a9e8f7e41",
+            "5282fffc65a848eaa86bbff88e6564aa",
+            "80be551e17cb47988debe26c9aec2384",
+            "ed0780c388844699bdbb2e435ef5190b",
+            "e1dfde4e36584f73a4ee42f213d87174",
+            "aba66871b1b0412d941172272ce51d23",
+            "d2e4bafa97cf4cadb0cccb9ce9101a50",
+            "79a67b49bbcf42e58ebb8b379df18a0b",
+            "8f675b0d986346d0b483338855396148",
+            "2e31434a8b2b4a65b613a91ead19d356",
+            "f125fa1fa88c40828a2ddb5114073bd2",
+            "74088ded4ba44402b5682b10e8e999a2",
+            "803311125a444cac84373336641b52de",
+            "33e1fda524b54aa4a8a3fb000d8539a8",
+            "2de7a9a97c4e4286b4781816510df846",
+            "eff567785fa44d5e96adff396be56281",
+            "b65f3953d6324668953f1593e0c14730",
+            "4c42effc89b5470fbf8e3c238ad07266",
+            "fbaf43825f694399b3779640c9a3b6af",
+            "d5994e087d074e0cb155f6b3607f100d",
+            "3ea6cf0074854f9bbcfa42e532784b76",
+            "85c817231fda424a84352914bde906b0",
+            "28c6dda801c14fa0a1c7d2ccfb8e25a5",
+            "f6497b8069c246339b67f7b14d1ae7c7",
+            "17ad064d85ab40ef9008e5600d0c5e3f",
+            "87fff40c9394414c9c93f31151137ab7",
+            "98f0b669c36c47069bcf35fd17bb28cc",
+            "e1d56e00ca5849ed9420930df8ac2aed",
+            "52891fca852246989e5ee757f502824e"
+          ]
+        }
+      },
+      "outputs": [
+        {
+          "output_type": "display_data",
+          "data": {
+            "text/plain": [
+              "VBox(children=(HTML(value='<center> <img\\nsrc=https://huggingface.co/front/assets/huggingface_logo-noborder.sv…"
+            ],
+            "application/vnd.jupyter.widget-view+json": {
+              "version_major": 2,
+              "version_minor": 0,
+              "model_id": "38fa8b4fa3944d23b2d8eda25b16a5f9"
+            }
+          },
+          "metadata": {}
+        }
+      ],
+      "source": [
+        "from transformers.agents import HfEngine, ReactCodeAgent\n",
+        "from huggingface_hub import login\n",
+        "import os\n",
+        "\n",
+        "# login(os.getenv(\"HUGGINGFACEHUB_API_TOKEN\"))\n",
+        "login(os.getenv(\"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\"))\n",
+        "llm_engine = HfEngine(\"meta-llama/Meta-Llama-3.1-70B-Instruct\")\n",
+        "\n",
+        "agent = ReactCodeAgent(\n",
+        "    tools=[],\n",
+        "    llm_engine=llm_engine,\n",
+        "    additional_authorized_imports=[\"numpy\", \"pandas\", \"matplotlib.pyplot\", \"seaborn\"],\n",
+        "    max_iterations=10,\n",
+        ")"
+      ]
+    },
+    {
+      "cell_type": "markdown",
+      "metadata": {
+        "id": "iGSuFGGwpjtb"
+      },
+      "source": [
+        "## 데이터 분석 📊🤔\n",
+        "\n",
+        "에이전트 실행시, 실제 캐글 대회에서 사용된 추가적인 노트를 `run`메소드의 kwarg로 넘겨주었습니다.\n"
+      ]
+    },
+    {
+      "cell_type": "code",
+      "source": [
+        "from google.colab import drive\n",
+        "drive.mount('/content/drive')  # 구글 드라이브 마운트"
+      ],
+      "metadata": {
+        "colab": {
+          "base_uri": "https://localhost:8080/"
+        },
+        "id": "qWYp-IertEN1",
+        "outputId": "761d47da-a340-44c9-8f0e-16e3f63192fd",
+        "collapsed": true
+      },
+      "execution_count": 2,
+      "outputs": [
+        {
+          "output_type": "stream",
+          "name": "stdout",
+          "text": [
+            "Mounted at /content/drive\n"
+          ]
+        }
+      ]
+    },
+    {
+      "cell_type": "code",
+      "source": [
+        "import os\n",
+        "\n",
+        "os.chdir('/content/drive/My Drive/Colab Notebooks')  # 원하는 경로로 변경\n",
+        "print(os.getcwd())  # 변경된 경로 확인"
+      ],
+      "metadata": {
+        "colab": {
+          "base_uri": "https://localhost:8080/"
+        },
+        "id": "UCK6t2u5sKpm",
+        "outputId": "2de35095-1093-46a8-896c-3e508672755d",
+        "collapsed": true
+      },
+      "execution_count": 3,
+      "outputs": [
+        {
+          "output_type": "stream",
+          "name": "stdout",
+          "text": [
+            "/content/drive/My Drive/Colab Notebooks\n"
+          ]
+        }
+      ]
+    },
+    {
+      "cell_type": "code",
+      "execution_count": null,
+      "metadata": {
+        "id": "pywHujGvpjtb"
+      },
+      "outputs": [],
+      "source": [
+        "# 디렉토리 생성\n",
+        "os.mkdir(\"./figures\")"
+      ]
+    },
+    {
+      "cell_type": "code",
+      "source": [
+        "os.chdir('/content/drive/My Drive/Colab Notebooks/figures')  # 원하는 경로로 변경\n",
+        "print(os.getcwd())  # 변경된 경로 확인"
+      ],
+      "metadata": {
+        "colab": {
+          "base_uri": "https://localhost:8080/"
+        },
+        "id": "X2wTtXDjNYyI",
+        "outputId": "cea6c8c0-513a-4a1b-c4ec-5d46eca7e8b2",
+        "collapsed": true
+      },
+      "execution_count": 15,
+      "outputs": [
+        {
+          "output_type": "stream",
+          "name": "stdout",
+          "text": [
+            "/content/drive/My Drive/Colab Notebooks/figures\n"
+          ]
+        }
+      ]
+    },
+    {
+      "cell_type": "code",
+      "execution_count": 1,
+      "metadata": {
+        "outputId": "e81b157c-aefe-4785-fc66-103d840f0b67",
+        "colab": {
+          "base_uri": "https://localhost:8080/",
+          "height": 216
+        },
+        "id": "WOLY_WBLPGQE",
+        "collapsed": true
+      },
+      "outputs": [
+        {
+          "output_type": "error",
+          "ename": "NameError",
+          "evalue": "name 'agent' is not defined",
+          "traceback": [
+            "\u001b[0;31m---------------------------------------------------------------------------\u001b[0m",
+            "\u001b[0;31mNameError\u001b[0m                                 Traceback (most recent call last)",
+            "\u001b[0;32m<ipython-input-1-65c67bb7ea91>\u001b[0m in \u001b[0;36m<cell line: 21>\u001b[0;34m()\u001b[0m\n\u001b[1;32m     19\u001b[0m \"\"\"\n\u001b[1;32m     20\u001b[0m \u001b[0;34m\u001b[0m\u001b[0m\n\u001b[0;32m---> 21\u001b[0;31m analysis = agent.run(\n\u001b[0m\u001b[1;32m     22\u001b[0m     \"\"\"당신은 데이터 분석 전문가입니다. 소스 파일을 로드하고 내용을 분석하세요. 아래 세가지 행동을 취해주세요. \n\u001b[1;32m     23\u001b[0m \u001b[0;34m\u001b[0m\u001b[0m\n",
+            "\u001b[0;31mNameError\u001b[0m: name 'agent' is not defined"
+          ]
+        }
+      ],
+      "source": [
+        "additional_notes = \"\"\"\n",
+        "### Variable Notes\n",
+        "PassengerId : 승객 아이디\n",
+        "Survived : 생존여부 (0: 사망, 1: 생존)\n",
+        "pclass: 사회경제적 지위(SES)의 대리 변수\n",
+        "1 = 상류층\n",
+        "2 = 중산층\n",
+        "3 = 하류층\n",
+        "Sex : 성별 (male: 남성, female: 여성)\n",
+        "age: 나이(Age)가 1 미만일 경우 소수로 표시됩니다. 나이가 추정된 경우, xx.5 형태로 표시됩니다.\n",
+        "sibsp: 이 데이터셋은 가족 관계를 다음과 같이 정의합니다...\n",
+        "형제 = 형제, 자매, 이복형제, 이복자매\n",
+        "배우자 = 남편, 아내 (애인과 약혼자는 간주하지 않았습니다.)\n",
+        "parch: 이 데이터셋은 가족 관계를 다음과 같이 정의합니다...\n",
+        "부모 = 어머니, 아버지\n",
+        "자녀 = 딸, 아들, 양녀, 양자\n",
+        "유모와 여행을 온 몇 어린이들의 경우, parch=0 로 표현합니다.\n",
+        "Fare: 티켓 요금\n",
+        "\"\"\"\n",
+        "\n",
+        "analysis = agent.run(\n",
+        "    \"\"\"당신은 데이터 분석 전문가입니다. 소스 파일을 로드하고 내용을 분석하세요. 아래 세가지 행동을 취해주세요.\n",
+        "\n",
+        "첫번째, 주어진 변수를 바탕으로 데이터에서 흥미로운 질문 3개를 선정하고, 각각 답해보세요. 예를 들어, survival rate(생존율)과의 특정 상관관계에 관한 질문을 만들 수 있습니다. (질문은 반드시 최소한 3개의 번호가 매겨진 상세한 항목)\n",
+        "두번째, 3가지 질문과 관련된 figures를 그리세요. matplotlib/seaborn을 사용해  './figures/' 폴더에 저장하세요. 각 그림을 그리기 전에 plt.clf()로 그림을 지워주세요.\n",
+        "세번째, 위의 답변에서 구한 상관관계와 경향을 요약하세요. 각 숫자에서 실생활 인사이트를 도출하세요. 예를 들어, \"is_december와 boredness의 상관관계는 1.3453이며, 이는 겨울철에 사람들이 더 지루해진다는 것을 시사합니다\"와 같은 식으로요.\n",
+        "\"\"\",\n",
+        "    additional_notes=additional_notes,\n",
+        "    source_file=\"titanic/train.csv\",\n",
+        ")"
+      ]
+    },
+    {
+      "cell_type": "code",
+      "execution_count": 17,
+      "metadata": {
+        "outputId": "4e259705-b542-4129-f7ea-08ac78566bb1",
+        "colab": {
+          "base_uri": "https://localhost:8080/"
+        },
+        "id": "8hA-jMsePGQF"
+      },
+      "outputs": [
+        {
+          "output_type": "stream",
+          "name": "stdout",
+          "text": [
+            "타이타닉 데이터 세트 분석 결과, 사회경제적 지위와 성별의 생존율에 미치는 영향을 분석 Mayer muchos이 있습니다.\n"
+          ]
+        }
+      ],
+      "source": [
+        "print(analysis)"
+      ]
+    },
+    {
+      "cell_type": "markdown",
+      "metadata": {
+        "id": "hcT-BISRpjtd"
+      },
+      "source": [
+        "놀랍지 않나요? 에이전트에게 시각화 도구를 제공해 자신이 만든 그래프를 분석하게 할 수도 있습니다!\n",
+        "\n",
+        "## 데이터과학자 에이전트 : 예측을 실행해보자 🛠️\n",
+        "\n",
+        "👉 이제 더 깊이 들어가 봅시다: **데이터를 기반으로 모델이 예측을 수행하도록 합니다.**\n",
+        "\n",
+        "예측 수행을 위해 `additional_authorized_imports`에 `sklearn`도 추가해줍니다."
+      ]
+    },
+    {
+      "cell_type": "code",
+      "execution_count": 1,
+      "metadata": {
+        "id": "1qSXRraDpjtd",
+        "outputId": "25afdf3e-8ec7-4de7-e2a1-9d7253b5f4af",
+        "colab": {
+          "base_uri": "https://localhost:8080/",
+          "height": 216
+        },
+        "collapsed": true
+      },
+      "outputs": [
+        {
+          "output_type": "error",
+          "ename": "NameError",
+          "evalue": "name 'ReactCodeAgent' is not defined",
+          "traceback": [
+            "\u001b[0;31m---------------------------------------------------------------------------\u001b[0m",
+            "\u001b[0;31mNameError\u001b[0m                                 Traceback (most recent call last)",
+            "\u001b[0;32m<ipython-input-1-993f6aeb5051>\u001b[0m in \u001b[0;36m<cell line: 1>\u001b[0;34m()\u001b[0m\n\u001b[0;32m----> 1\u001b[0;31m agent = ReactCodeAgent(\n\u001b[0m\u001b[1;32m      2\u001b[0m     \u001b[0mtools\u001b[0m\u001b[0;34m=\u001b[0m\u001b[0;34m[\u001b[0m\u001b[0;34m]\u001b[0m\u001b[0;34m,\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[1;32m      3\u001b[0m     \u001b[0mllm_engine\u001b[0m\u001b[0;34m=\u001b[0m\u001b[0mllm_engine\u001b[0m\u001b[0;34m,\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[1;32m      4\u001b[0m     additional_authorized_imports=[\n\u001b[1;32m      5\u001b[0m         \u001b[0;34m\"numpy\"\u001b[0m\u001b[0;34m,\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n",
+            "\u001b[0;31mNameError\u001b[0m: name 'ReactCodeAgent' is not defined"
+          ]
+        }
+      ],
+      "source": [
+        "agent = ReactCodeAgent(\n",
+        "    tools=[],\n",
+        "    llm_engine=llm_engine,\n",
+        "    additional_authorized_imports=[\n",
+        "        \"numpy\",\n",
+        "        \"pandas\",\n",
+        "        \"matplotlib.pyplot\",\n",
+        "        \"seaborn\",\n",
+        "        \"sklearn\",\n",
+        "    ],\n",
+        "    max_iterations=12,\n",
+        ")\n",
+        "\n",
+        "output = agent.run(\n",
+        "    \"\"\"당신은 전문가 수준의 머신러닝 엔지니어입니다.\n",
+        "'titanic/train.csv' 파일을 사용하여 생존 여부를 예측하는 머신러닝 모델을 학습시키세요.\n",
+        "'titanic/test.csv' 파일의 행에 대한 예측을 수행한 후, 결과를 './output.csv'에 출력하세요.\n",
+        "함수와 모듈을 사용하기 전에 반드시 임포트하세요!\n",
+        "\"\"\",\n",
+        "    additional_notes=additional_notes + \"\\n\" + analysis,\n",
+        ")"
+      ]
+    },
+    {
+      "cell_type": "markdown",
+      "metadata": {
+        "id": "Iimn7AWtpjtd"
+      },
+      "source": [
+        "위에서 에이전트가 출력한 테스트 예측을 Kaggle에 제출하면 **0.78229**으로, 이는 17,360명 중 2824등에 해당하며, 저자가 몇 년 전 이 데이터분석 챌린지를 처음 시도해 힘들게 얻었던 결과보다 더 나은 성과입니다.\n",
+        "\n",
+        "결과는 다를 수 있지만, 몇 초 만에 에이전트를 사용해 이 정도 성과를 낼 수 있다는 점이 매우 인상적입니다.\n",
+        "\n",
+        "🚀 위 시도는 에이전트를 활용한 단순한 데이터 분석 사례일 뿐입니다. 사용 사례에 맞게 충분히 개선할 수 있습니다!"
+      ]
+    },
+    {
+      "cell_type": "code",
+      "source": [],
+      "metadata": {
+        "id": "7Qnz16z1feCf"
+      },
+      "execution_count": null,
+      "outputs": []
+    }
+  ],
+  "metadata": {
+    "kernelspec": {
+      "display_name": "disposable",
+      "language": "python",
+      "name": "python3"
+    },
+    "language_info": {
+      "codemirror_mode": {
+        "name": "ipython",
+        "version": 3
+      },
+      "file_extension": ".py",
+      "mimetype": "text/x-python",
+      "name": "python",
+      "nbconvert_exporter": "python",
+      "pygments_lexer": "ipython3",
+      "version": "3.12.2"
+    },
+    "colab": {
+      "provenance": []
+    },
+    "widgets": {
+      "application/vnd.jupyter.widget-state+json": {
+        "38fa8b4fa3944d23b2d8eda25b16a5f9": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "VBoxModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_dom_classes": [],
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "VBoxModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/controls",
+            "_view_module_version": "1.5.0",
+            "_view_name": "VBoxView",
+            "box_style": "",
+            "children": [
+              "IPY_MODEL_4c42effc89b5470fbf8e3c238ad07266",
+              "IPY_MODEL_fbaf43825f694399b3779640c9a3b6af",
+              "IPY_MODEL_d5994e087d074e0cb155f6b3607f100d",
+              "IPY_MODEL_3ea6cf0074854f9bbcfa42e532784b76"
+            ],
+            "layout": "IPY_MODEL_ed0780c388844699bdbb2e435ef5190b"
+          }
+        },
+        "475a8232ed7a4fb3a796d2d12b210fc9": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "HTMLModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_dom_classes": [],
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "HTMLModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/controls",
+            "_view_module_version": "1.5.0",
+            "_view_name": "HTMLView",
+            "description": "",
+            "description_tooltip": null,
+            "layout": "IPY_MODEL_e1dfde4e36584f73a4ee42f213d87174",
+            "placeholder": "​",
+            "style": "IPY_MODEL_aba66871b1b0412d941172272ce51d23",
+            "value": "<center> <img\nsrc=https://huggingface.co/front/assets/huggingface_logo-noborder.svg\nalt='Hugging Face'> <br> Copy a token from <a\nhref=\"https://huggingface.co/settings/tokens\" target=\"_blank\">your Hugging Face\ntokens page</a> and paste it below. <br> Immediately click login after copying\nyour token or it might be stored in plain text in this notebook file. </center>"
+          }
+        },
+        "46f71ce2028a4f9e80caab49747ecbee": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "PasswordModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_dom_classes": [],
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "PasswordModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/controls",
+            "_view_module_version": "1.5.0",
+            "_view_name": "PasswordView",
+            "continuous_update": true,
+            "description": "Token:",
+            "description_tooltip": null,
+            "disabled": false,
+            "layout": "IPY_MODEL_d2e4bafa97cf4cadb0cccb9ce9101a50",
+            "placeholder": "​",
+            "style": "IPY_MODEL_79a67b49bbcf42e58ebb8b379df18a0b",
+            "value": ""
+          }
+        },
+        "670fcb115bc84bbdbe841f9a9e8f7e41": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "CheckboxModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_dom_classes": [],
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "CheckboxModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/controls",
+            "_view_module_version": "1.5.0",
+            "_view_name": "CheckboxView",
+            "description": "Add token as git credential?",
+            "description_tooltip": null,
+            "disabled": false,
+            "indent": true,
+            "layout": "IPY_MODEL_8f675b0d986346d0b483338855396148",
+            "style": "IPY_MODEL_2e31434a8b2b4a65b613a91ead19d356",
+            "value": true
+          }
+        },
+        "5282fffc65a848eaa86bbff88e6564aa": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "ButtonModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_dom_classes": [],
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "ButtonModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/controls",
+            "_view_module_version": "1.5.0",
+            "_view_name": "ButtonView",
+            "button_style": "",
+            "description": "Login",
+            "disabled": false,
+            "icon": "",
+            "layout": "IPY_MODEL_f125fa1fa88c40828a2ddb5114073bd2",
+            "style": "IPY_MODEL_74088ded4ba44402b5682b10e8e999a2",
+            "tooltip": ""
+          }
+        },
+        "80be551e17cb47988debe26c9aec2384": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "HTMLModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_dom_classes": [],
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "HTMLModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/controls",
+            "_view_module_version": "1.5.0",
+            "_view_name": "HTMLView",
+            "description": "",
+            "description_tooltip": null,
+            "layout": "IPY_MODEL_803311125a444cac84373336641b52de",
+            "placeholder": "​",
+            "style": "IPY_MODEL_33e1fda524b54aa4a8a3fb000d8539a8",
+            "value": "\n<b>Pro Tip:</b> If you don't already have one, you can create a dedicated\n'notebooks' token with 'write' access, that you can then easily reuse for all\nnotebooks. </center>"
+          }
+        },
+        "ed0780c388844699bdbb2e435ef5190b": {
+          "model_module": "@jupyter-widgets/base",
+          "model_name": "LayoutModel",
+          "model_module_version": "1.2.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/base",
+            "_model_module_version": "1.2.0",
+            "_model_name": "LayoutModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "LayoutView",
+            "align_content": null,
+            "align_items": "center",
+            "align_self": null,
+            "border": null,
+            "bottom": null,
+            "display": "flex",
+            "flex": null,
+            "flex_flow": "column",
+            "grid_area": null,
+            "grid_auto_columns": null,
+            "grid_auto_flow": null,
+            "grid_auto_rows": null,
+            "grid_column": null,
+            "grid_gap": null,
+            "grid_row": null,
+            "grid_template_areas": null,
+            "grid_template_columns": null,
+            "grid_template_rows": null,
+            "height": null,
+            "justify_content": null,
+            "justify_items": null,
+            "left": null,
+            "margin": null,
+            "max_height": null,
+            "max_width": null,
+            "min_height": null,
+            "min_width": null,
+            "object_fit": null,
+            "object_position": null,
+            "order": null,
+            "overflow": null,
+            "overflow_x": null,
+            "overflow_y": null,
+            "padding": null,
+            "right": null,
+            "top": null,
+            "visibility": null,
+            "width": "50%"
+          }
+        },
+        "e1dfde4e36584f73a4ee42f213d87174": {
+          "model_module": "@jupyter-widgets/base",
+          "model_name": "LayoutModel",
+          "model_module_version": "1.2.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/base",
+            "_model_module_version": "1.2.0",
+            "_model_name": "LayoutModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "LayoutView",
+            "align_content": null,
+            "align_items": null,
+            "align_self": null,
+            "border": null,
+            "bottom": null,
+            "display": null,
+            "flex": null,
+            "flex_flow": null,
+            "grid_area": null,
+            "grid_auto_columns": null,
+            "grid_auto_flow": null,
+            "grid_auto_rows": null,
+            "grid_column": null,
+            "grid_gap": null,
+            "grid_row": null,
+            "grid_template_areas": null,
+            "grid_template_columns": null,
+            "grid_template_rows": null,
+            "height": null,
+            "justify_content": null,
+            "justify_items": null,
+            "left": null,
+            "margin": null,
+            "max_height": null,
+            "max_width": null,
+            "min_height": null,
+            "min_width": null,
+            "object_fit": null,
+            "object_position": null,
+            "order": null,
+            "overflow": null,
+            "overflow_x": null,
+            "overflow_y": null,
+            "padding": null,
+            "right": null,
+            "top": null,
+            "visibility": null,
+            "width": null
+          }
+        },
+        "aba66871b1b0412d941172272ce51d23": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "DescriptionStyleModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "DescriptionStyleModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "StyleView",
+            "description_width": ""
+          }
+        },
+        "d2e4bafa97cf4cadb0cccb9ce9101a50": {
+          "model_module": "@jupyter-widgets/base",
+          "model_name": "LayoutModel",
+          "model_module_version": "1.2.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/base",
+            "_model_module_version": "1.2.0",
+            "_model_name": "LayoutModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "LayoutView",
+            "align_content": null,
+            "align_items": null,
+            "align_self": null,
+            "border": null,
+            "bottom": null,
+            "display": null,
+            "flex": null,
+            "flex_flow": null,
+            "grid_area": null,
+            "grid_auto_columns": null,
+            "grid_auto_flow": null,
+            "grid_auto_rows": null,
+            "grid_column": null,
+            "grid_gap": null,
+            "grid_row": null,
+            "grid_template_areas": null,
+            "grid_template_columns": null,
+            "grid_template_rows": null,
+            "height": null,
+            "justify_content": null,
+            "justify_items": null,
+            "left": null,
+            "margin": null,
+            "max_height": null,
+            "max_width": null,
+            "min_height": null,
+            "min_width": null,
+            "object_fit": null,
+            "object_position": null,
+            "order": null,
+            "overflow": null,
+            "overflow_x": null,
+            "overflow_y": null,
+            "padding": null,
+            "right": null,
+            "top": null,
+            "visibility": null,
+            "width": null
+          }
+        },
+        "79a67b49bbcf42e58ebb8b379df18a0b": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "DescriptionStyleModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "DescriptionStyleModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "StyleView",
+            "description_width": ""
+          }
+        },
+        "8f675b0d986346d0b483338855396148": {
+          "model_module": "@jupyter-widgets/base",
+          "model_name": "LayoutModel",
+          "model_module_version": "1.2.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/base",
+            "_model_module_version": "1.2.0",
+            "_model_name": "LayoutModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "LayoutView",
+            "align_content": null,
+            "align_items": null,
+            "align_self": null,
+            "border": null,
+            "bottom": null,
+            "display": null,
+            "flex": null,
+            "flex_flow": null,
+            "grid_area": null,
+            "grid_auto_columns": null,
+            "grid_auto_flow": null,
+            "grid_auto_rows": null,
+            "grid_column": null,
+            "grid_gap": null,
+            "grid_row": null,
+            "grid_template_areas": null,
+            "grid_template_columns": null,
+            "grid_template_rows": null,
+            "height": null,
+            "justify_content": null,
+            "justify_items": null,
+            "left": null,
+            "margin": null,
+            "max_height": null,
+            "max_width": null,
+            "min_height": null,
+            "min_width": null,
+            "object_fit": null,
+            "object_position": null,
+            "order": null,
+            "overflow": null,
+            "overflow_x": null,
+            "overflow_y": null,
+            "padding": null,
+            "right": null,
+            "top": null,
+            "visibility": null,
+            "width": null
+          }
+        },
+        "2e31434a8b2b4a65b613a91ead19d356": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "DescriptionStyleModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "DescriptionStyleModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "StyleView",
+            "description_width": ""
+          }
+        },
+        "f125fa1fa88c40828a2ddb5114073bd2": {
+          "model_module": "@jupyter-widgets/base",
+          "model_name": "LayoutModel",
+          "model_module_version": "1.2.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/base",
+            "_model_module_version": "1.2.0",
+            "_model_name": "LayoutModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "LayoutView",
+            "align_content": null,
+            "align_items": null,
+            "align_self": null,
+            "border": null,
+            "bottom": null,
+            "display": null,
+            "flex": null,
+            "flex_flow": null,
+            "grid_area": null,
+            "grid_auto_columns": null,
+            "grid_auto_flow": null,
+            "grid_auto_rows": null,
+            "grid_column": null,
+            "grid_gap": null,
+            "grid_row": null,
+            "grid_template_areas": null,
+            "grid_template_columns": null,
+            "grid_template_rows": null,
+            "height": null,
+            "justify_content": null,
+            "justify_items": null,
+            "left": null,
+            "margin": null,
+            "max_height": null,
+            "max_width": null,
+            "min_height": null,
+            "min_width": null,
+            "object_fit": null,
+            "object_position": null,
+            "order": null,
+            "overflow": null,
+            "overflow_x": null,
+            "overflow_y": null,
+            "padding": null,
+            "right": null,
+            "top": null,
+            "visibility": null,
+            "width": null
+          }
+        },
+        "74088ded4ba44402b5682b10e8e999a2": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "ButtonStyleModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "ButtonStyleModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "StyleView",
+            "button_color": null,
+            "font_weight": ""
+          }
+        },
+        "803311125a444cac84373336641b52de": {
+          "model_module": "@jupyter-widgets/base",
+          "model_name": "LayoutModel",
+          "model_module_version": "1.2.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/base",
+            "_model_module_version": "1.2.0",
+            "_model_name": "LayoutModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "LayoutView",
+            "align_content": null,
+            "align_items": null,
+            "align_self": null,
+            "border": null,
+            "bottom": null,
+            "display": null,
+            "flex": null,
+            "flex_flow": null,
+            "grid_area": null,
+            "grid_auto_columns": null,
+            "grid_auto_flow": null,
+            "grid_auto_rows": null,
+            "grid_column": null,
+            "grid_gap": null,
+            "grid_row": null,
+            "grid_template_areas": null,
+            "grid_template_columns": null,
+            "grid_template_rows": null,
+            "height": null,
+            "justify_content": null,
+            "justify_items": null,
+            "left": null,
+            "margin": null,
+            "max_height": null,
+            "max_width": null,
+            "min_height": null,
+            "min_width": null,
+            "object_fit": null,
+            "object_position": null,
+            "order": null,
+            "overflow": null,
+            "overflow_x": null,
+            "overflow_y": null,
+            "padding": null,
+            "right": null,
+            "top": null,
+            "visibility": null,
+            "width": null
+          }
+        },
+        "33e1fda524b54aa4a8a3fb000d8539a8": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "DescriptionStyleModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "DescriptionStyleModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "StyleView",
+            "description_width": ""
+          }
+        },
+        "2de7a9a97c4e4286b4781816510df846": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "LabelModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_dom_classes": [],
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "LabelModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/controls",
+            "_view_module_version": "1.5.0",
+            "_view_name": "LabelView",
+            "description": "",
+            "description_tooltip": null,
+            "layout": "IPY_MODEL_eff567785fa44d5e96adff396be56281",
+            "placeholder": "​",
+            "style": "IPY_MODEL_b65f3953d6324668953f1593e0c14730",
+            "value": "Connecting..."
+          }
+        },
+        "eff567785fa44d5e96adff396be56281": {
+          "model_module": "@jupyter-widgets/base",
+          "model_name": "LayoutModel",
+          "model_module_version": "1.2.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/base",
+            "_model_module_version": "1.2.0",
+            "_model_name": "LayoutModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "LayoutView",
+            "align_content": null,
+            "align_items": null,
+            "align_self": null,
+            "border": null,
+            "bottom": null,
+            "display": null,
+            "flex": null,
+            "flex_flow": null,
+            "grid_area": null,
+            "grid_auto_columns": null,
+            "grid_auto_flow": null,
+            "grid_auto_rows": null,
+            "grid_column": null,
+            "grid_gap": null,
+            "grid_row": null,
+            "grid_template_areas": null,
+            "grid_template_columns": null,
+            "grid_template_rows": null,
+            "height": null,
+            "justify_content": null,
+            "justify_items": null,
+            "left": null,
+            "margin": null,
+            "max_height": null,
+            "max_width": null,
+            "min_height": null,
+            "min_width": null,
+            "object_fit": null,
+            "object_position": null,
+            "order": null,
+            "overflow": null,
+            "overflow_x": null,
+            "overflow_y": null,
+            "padding": null,
+            "right": null,
+            "top": null,
+            "visibility": null,
+            "width": null
+          }
+        },
+        "b65f3953d6324668953f1593e0c14730": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "DescriptionStyleModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "DescriptionStyleModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "StyleView",
+            "description_width": ""
+          }
+        },
+        "4c42effc89b5470fbf8e3c238ad07266": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "LabelModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_dom_classes": [],
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "LabelModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/controls",
+            "_view_module_version": "1.5.0",
+            "_view_name": "LabelView",
+            "description": "",
+            "description_tooltip": null,
+            "layout": "IPY_MODEL_85c817231fda424a84352914bde906b0",
+            "placeholder": "​",
+            "style": "IPY_MODEL_28c6dda801c14fa0a1c7d2ccfb8e25a5",
+            "value": "Token is valid (permission: write)."
+          }
+        },
+        "fbaf43825f694399b3779640c9a3b6af": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "LabelModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_dom_classes": [],
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "LabelModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/controls",
+            "_view_module_version": "1.5.0",
+            "_view_name": "LabelView",
+            "description": "",
+            "description_tooltip": null,
+            "layout": "IPY_MODEL_f6497b8069c246339b67f7b14d1ae7c7",
+            "placeholder": "​",
+            "style": "IPY_MODEL_17ad064d85ab40ef9008e5600d0c5e3f",
+            "value": "Your token has been saved in your configured git credential helpers (store)."
+          }
+        },
+        "d5994e087d074e0cb155f6b3607f100d": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "LabelModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_dom_classes": [],
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "LabelModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/controls",
+            "_view_module_version": "1.5.0",
+            "_view_name": "LabelView",
+            "description": "",
+            "description_tooltip": null,
+            "layout": "IPY_MODEL_87fff40c9394414c9c93f31151137ab7",
+            "placeholder": "​",
+            "style": "IPY_MODEL_98f0b669c36c47069bcf35fd17bb28cc",
+            "value": "Your token has been saved to /root/.cache/huggingface/token"
+          }
+        },
+        "3ea6cf0074854f9bbcfa42e532784b76": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "LabelModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_dom_classes": [],
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "LabelModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/controls",
+            "_view_module_version": "1.5.0",
+            "_view_name": "LabelView",
+            "description": "",
+            "description_tooltip": null,
+            "layout": "IPY_MODEL_e1d56e00ca5849ed9420930df8ac2aed",
+            "placeholder": "​",
+            "style": "IPY_MODEL_52891fca852246989e5ee757f502824e",
+            "value": "Login successful"
+          }
+        },
+        "85c817231fda424a84352914bde906b0": {
+          "model_module": "@jupyter-widgets/base",
+          "model_name": "LayoutModel",
+          "model_module_version": "1.2.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/base",
+            "_model_module_version": "1.2.0",
+            "_model_name": "LayoutModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "LayoutView",
+            "align_content": null,
+            "align_items": null,
+            "align_self": null,
+            "border": null,
+            "bottom": null,
+            "display": null,
+            "flex": null,
+            "flex_flow": null,
+            "grid_area": null,
+            "grid_auto_columns": null,
+            "grid_auto_flow": null,
+            "grid_auto_rows": null,
+            "grid_column": null,
+            "grid_gap": null,
+            "grid_row": null,
+            "grid_template_areas": null,
+            "grid_template_columns": null,
+            "grid_template_rows": null,
+            "height": null,
+            "justify_content": null,
+            "justify_items": null,
+            "left": null,
+            "margin": null,
+            "max_height": null,
+            "max_width": null,
+            "min_height": null,
+            "min_width": null,
+            "object_fit": null,
+            "object_position": null,
+            "order": null,
+            "overflow": null,
+            "overflow_x": null,
+            "overflow_y": null,
+            "padding": null,
+            "right": null,
+            "top": null,
+            "visibility": null,
+            "width": null
+          }
+        },
+        "28c6dda801c14fa0a1c7d2ccfb8e25a5": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "DescriptionStyleModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "DescriptionStyleModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "StyleView",
+            "description_width": ""
+          }
+        },
+        "f6497b8069c246339b67f7b14d1ae7c7": {
+          "model_module": "@jupyter-widgets/base",
+          "model_name": "LayoutModel",
+          "model_module_version": "1.2.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/base",
+            "_model_module_version": "1.2.0",
+            "_model_name": "LayoutModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "LayoutView",
+            "align_content": null,
+            "align_items": null,
+            "align_self": null,
+            "border": null,
+            "bottom": null,
+            "display": null,
+            "flex": null,
+            "flex_flow": null,
+            "grid_area": null,
+            "grid_auto_columns": null,
+            "grid_auto_flow": null,
+            "grid_auto_rows": null,
+            "grid_column": null,
+            "grid_gap": null,
+            "grid_row": null,
+            "grid_template_areas": null,
+            "grid_template_columns": null,
+            "grid_template_rows": null,
+            "height": null,
+            "justify_content": null,
+            "justify_items": null,
+            "left": null,
+            "margin": null,
+            "max_height": null,
+            "max_width": null,
+            "min_height": null,
+            "min_width": null,
+            "object_fit": null,
+            "object_position": null,
+            "order": null,
+            "overflow": null,
+            "overflow_x": null,
+            "overflow_y": null,
+            "padding": null,
+            "right": null,
+            "top": null,
+            "visibility": null,
+            "width": null
+          }
+        },
+        "17ad064d85ab40ef9008e5600d0c5e3f": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "DescriptionStyleModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "DescriptionStyleModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "StyleView",
+            "description_width": ""
+          }
+        },
+        "87fff40c9394414c9c93f31151137ab7": {
+          "model_module": "@jupyter-widgets/base",
+          "model_name": "LayoutModel",
+          "model_module_version": "1.2.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/base",
+            "_model_module_version": "1.2.0",
+            "_model_name": "LayoutModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "LayoutView",
+            "align_content": null,
+            "align_items": null,
+            "align_self": null,
+            "border": null,
+            "bottom": null,
+            "display": null,
+            "flex": null,
+            "flex_flow": null,
+            "grid_area": null,
+            "grid_auto_columns": null,
+            "grid_auto_flow": null,
+            "grid_auto_rows": null,
+            "grid_column": null,
+            "grid_gap": null,
+            "grid_row": null,
+            "grid_template_areas": null,
+            "grid_template_columns": null,
+            "grid_template_rows": null,
+            "height": null,
+            "justify_content": null,
+            "justify_items": null,
+            "left": null,
+            "margin": null,
+            "max_height": null,
+            "max_width": null,
+            "min_height": null,
+            "min_width": null,
+            "object_fit": null,
+            "object_position": null,
+            "order": null,
+            "overflow": null,
+            "overflow_x": null,
+            "overflow_y": null,
+            "padding": null,
+            "right": null,
+            "top": null,
+            "visibility": null,
+            "width": null
+          }
+        },
+        "98f0b669c36c47069bcf35fd17bb28cc": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "DescriptionStyleModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "DescriptionStyleModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "StyleView",
+            "description_width": ""
+          }
+        },
+        "e1d56e00ca5849ed9420930df8ac2aed": {
+          "model_module": "@jupyter-widgets/base",
+          "model_name": "LayoutModel",
+          "model_module_version": "1.2.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/base",
+            "_model_module_version": "1.2.0",
+            "_model_name": "LayoutModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "LayoutView",
+            "align_content": null,
+            "align_items": null,
+            "align_self": null,
+            "border": null,
+            "bottom": null,
+            "display": null,
+            "flex": null,
+            "flex_flow": null,
+            "grid_area": null,
+            "grid_auto_columns": null,
+            "grid_auto_flow": null,
+            "grid_auto_rows": null,
+            "grid_column": null,
+            "grid_gap": null,
+            "grid_row": null,
+            "grid_template_areas": null,
+            "grid_template_columns": null,
+            "grid_template_rows": null,
+            "height": null,
+            "justify_content": null,
+            "justify_items": null,
+            "left": null,
+            "margin": null,
+            "max_height": null,
+            "max_width": null,
+            "min_height": null,
+            "min_width": null,
+            "object_fit": null,
+            "object_position": null,
+            "order": null,
+            "overflow": null,
+            "overflow_x": null,
+            "overflow_y": null,
+            "padding": null,
+            "right": null,
+            "top": null,
+            "visibility": null,
+            "width": null
+          }
+        },
+        "52891fca852246989e5ee757f502824e": {
+          "model_module": "@jupyter-widgets/controls",
+          "model_name": "DescriptionStyleModel",
+          "model_module_version": "1.5.0",
+          "state": {
+            "_model_module": "@jupyter-widgets/controls",
+            "_model_module_version": "1.5.0",
+            "_model_name": "DescriptionStyleModel",
+            "_view_count": null,
+            "_view_module": "@jupyter-widgets/base",
+            "_view_module_version": "1.2.0",
+            "_view_name": "StyleView",
+            "description_width": ""
+          }
+        }
+      }
+    }
+  },
+  "nbformat": 4,
+  "nbformat_minor": 0
+}
\ No newline at end of file

From f9088dfb7ae67c46b6f8d5f36ea8ea5a0b1931ee Mon Sep 17 00:00:00 2001
From: Ahnjj_DEV <ahnjj.dev@gmail.com>
Date: Sun, 29 Sep 2024 22:38:07 +0900
Subject: [PATCH 07/23] fix: manual edits: delete error

---
 notebooks/ko/ko_agent_data_analyst.ipynb | 15 +--------------
 1 file changed, 1 insertion(+), 14 deletions(-)

diff --git a/notebooks/ko/ko_agent_data_analyst.ipynb b/notebooks/ko/ko_agent_data_analyst.ipynb
index bd6a63e7..1397774c 100644
--- a/notebooks/ko/ko_agent_data_analyst.ipynb
+++ b/notebooks/ko/ko_agent_data_analyst.ipynb
@@ -240,19 +240,6 @@
         "id": "WOLY_WBLPGQE",
         "collapsed": true
       },
-      "outputs": [
-        {
-          "output_type": "error",
-          "ename": "NameError",
-          "evalue": "name 'agent' is not defined",
-          "traceback": [
-            "\u001b[0;31m---------------------------------------------------------------------------\u001b[0m",
-            "\u001b[0;31mNameError\u001b[0m                                 Traceback (most recent call last)",
-            "\u001b[0;32m<ipython-input-1-65c67bb7ea91>\u001b[0m in \u001b[0;36m<cell line: 21>\u001b[0;34m()\u001b[0m\n\u001b[1;32m     19\u001b[0m \"\"\"\n\u001b[1;32m     20\u001b[0m \u001b[0;34m\u001b[0m\u001b[0m\n\u001b[0;32m---> 21\u001b[0;31m analysis = agent.run(\n\u001b[0m\u001b[1;32m     22\u001b[0m     \"\"\"당신은 데이터 분석 전문가입니다. 소스 파일을 로드하고 내용을 분석하세요. 아래 세가지 행동을 취해주세요. \n\u001b[1;32m     23\u001b[0m \u001b[0;34m\u001b[0m\u001b[0m\n",
-            "\u001b[0;31mNameError\u001b[0m: name 'agent' is not defined"
-          ]
-        }
-      ],
       "source": [
         "additional_notes = \"\"\"\n",
         "### Variable Notes\n",
@@ -1384,4 +1371,4 @@
   },
   "nbformat": 4,
   "nbformat_minor": 0
-}
\ No newline at end of file
+}

From cce753556eba5407b964be50f512cd9c87dbfc7b Mon Sep 17 00:00:00 2001
From: Ahnjj_DEV <ahnjj.dev@gmail.com>
Date: Sun, 29 Sep 2024 22:38:21 +0900
Subject: [PATCH 08/23] Delete notebooks/ko/ko_agent_data_analyst.ipynb

---
 notebooks/ko/ko_agent_data_analyst.ipynb | 1374 ----------------------
 1 file changed, 1374 deletions(-)
 delete mode 100644 notebooks/ko/ko_agent_data_analyst.ipynb

diff --git a/notebooks/ko/ko_agent_data_analyst.ipynb b/notebooks/ko/ko_agent_data_analyst.ipynb
deleted file mode 100644
index 1397774c..00000000
--- a/notebooks/ko/ko_agent_data_analyst.ipynb
+++ /dev/null
@@ -1,1374 +0,0 @@
-{
-  "cells": [
-    {
-      "cell_type": "markdown",
-      "source": [
-        "# 데이터분석 에이전트: 눈깜짝할 사이에 데이터에서 인사이트 얻기 ✨\n",
-        "_저자: [Aymeric Roucher](https://huggingface.co/m-ric)_\n",
-        "\n",
-        "> 이 튜토리얼은 고급 과정입니다. 먼저 [이 쿡북](agents)에 대한 개념을 이해하고 있어야 합니다!\n",
-        "\n",
-        "\n",
-        "이번 쿡북에서 만들 **데이터 분석 에이전트** 는 :\n",
-        " **데이터 분석 라이브러리를 사용한 코드 에이전트로,데이터로부터 인사이트를 도출하기 위해 데이터프레임을 불러오고 변환하며, 결과를 시각화합니다!**\n",
-        "\n",
-        "\n",
-        "예를 들어 여러분이 '[Kaggle Titanic 챌린지](https://www.kaggle.com/competitions/titanic)'의 데이터를 직접 분석해 개별 승객의 생존 여부를 예측하고 싶다고 가정해 봅시다.\n",
-        "하지만 직접 분석에 들어가기 전에, 자율 에이전트가 추세를 추출해주고 수치 몇 가지를 그려 인사이트를 발견해 분석을 준비해주기를 원합니다.\n",
-        "\n",
-        "이 시스템을 설정해 보겠습니다.\n",
-        "\n",
-        "아래 명령어를 실행하여 필요한 의존성을 설치하세요:"
-      ],
-      "metadata": {
-        "id": "ihQ3c6IWDa6G"
-      }
-    },
-    {
-      "cell_type": "code",
-      "execution_count": 2,
-      "metadata": {
-        "id": "0WauABimpjta"
-      },
-      "outputs": [],
-      "source": [
-        "!pip install seaborn \"transformers[agents]\""
-      ]
-    },
-    {
-      "cell_type": "markdown",
-      "metadata": {
-        "id": "4LJXMiy3pjtb"
-      },
-      "source": [
-        "우선 에이전트를 생성합니다. 이 쿡북에서는 `ReactCodeAgent`를 사용했습니다. (더 많은 종류의 에이전트를 확인하려면 [이 문서](https://huggingface.co/docs/transformers/en/agents) 를 참조하세요.)\n",
-        "이 에이전트는 별도의 도구를 제공하지 않아도 스스로 코드를 실행할 수 있습니다.\n",
-        "\n",
-        "일반적으로 `additional_authorized_imports`에 라이브러리를 전달할 때, 파이썬 인터프리터는 환경에 설치된 라이브러리만 사용할 수 있기 때문에, 해당 라이브러리들이 로컬 환경에 설치되어 있는지 확인해야 합니다.\n",
-        "\n",
-        "\n",
-        "⚙ 해당 에이전트는 [meta-llama/Meta-Llama-3.1-70B-Instruct](https://huggingface.co/meta-llama/Meta-Llama-3.1-70B-Instruct) 모델을 사용하며, HF의 Inference API를 사용하는 `HfEngine` 클래스로 구동됩니다. Inference API를 통해 빠르고 쉽게 OS 모델을 실행할 수 있습니다."
-      ]
-    },
-    {
-      "cell_type": "code",
-      "execution_count": 10,
-      "metadata": {
-        "id": "XPrHXQgFpjtb",
-        "outputId": "297ca99a-2d08-4ee4-b4ea-e7bfe37929d0",
-        "colab": {
-          "base_uri": "https://localhost:8080/",
-          "height": 145,
-          "referenced_widgets": [
-            "38fa8b4fa3944d23b2d8eda25b16a5f9",
-            "475a8232ed7a4fb3a796d2d12b210fc9",
-            "46f71ce2028a4f9e80caab49747ecbee",
-            "670fcb115bc84bbdbe841f9a9e8f7e41",
-            "5282fffc65a848eaa86bbff88e6564aa",
-            "80be551e17cb47988debe26c9aec2384",
-            "ed0780c388844699bdbb2e435ef5190b",
-            "e1dfde4e36584f73a4ee42f213d87174",
-            "aba66871b1b0412d941172272ce51d23",
-            "d2e4bafa97cf4cadb0cccb9ce9101a50",
-            "79a67b49bbcf42e58ebb8b379df18a0b",
-            "8f675b0d986346d0b483338855396148",
-            "2e31434a8b2b4a65b613a91ead19d356",
-            "f125fa1fa88c40828a2ddb5114073bd2",
-            "74088ded4ba44402b5682b10e8e999a2",
-            "803311125a444cac84373336641b52de",
-            "33e1fda524b54aa4a8a3fb000d8539a8",
-            "2de7a9a97c4e4286b4781816510df846",
-            "eff567785fa44d5e96adff396be56281",
-            "b65f3953d6324668953f1593e0c14730",
-            "4c42effc89b5470fbf8e3c238ad07266",
-            "fbaf43825f694399b3779640c9a3b6af",
-            "d5994e087d074e0cb155f6b3607f100d",
-            "3ea6cf0074854f9bbcfa42e532784b76",
-            "85c817231fda424a84352914bde906b0",
-            "28c6dda801c14fa0a1c7d2ccfb8e25a5",
-            "f6497b8069c246339b67f7b14d1ae7c7",
-            "17ad064d85ab40ef9008e5600d0c5e3f",
-            "87fff40c9394414c9c93f31151137ab7",
-            "98f0b669c36c47069bcf35fd17bb28cc",
-            "e1d56e00ca5849ed9420930df8ac2aed",
-            "52891fca852246989e5ee757f502824e"
-          ]
-        }
-      },
-      "outputs": [
-        {
-          "output_type": "display_data",
-          "data": {
-            "text/plain": [
-              "VBox(children=(HTML(value='<center> <img\\nsrc=https://huggingface.co/front/assets/huggingface_logo-noborder.sv…"
-            ],
-            "application/vnd.jupyter.widget-view+json": {
-              "version_major": 2,
-              "version_minor": 0,
-              "model_id": "38fa8b4fa3944d23b2d8eda25b16a5f9"
-            }
-          },
-          "metadata": {}
-        }
-      ],
-      "source": [
-        "from transformers.agents import HfEngine, ReactCodeAgent\n",
-        "from huggingface_hub import login\n",
-        "import os\n",
-        "\n",
-        "# login(os.getenv(\"HUGGINGFACEHUB_API_TOKEN\"))\n",
-        "login(os.getenv(\"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\"))\n",
-        "llm_engine = HfEngine(\"meta-llama/Meta-Llama-3.1-70B-Instruct\")\n",
-        "\n",
-        "agent = ReactCodeAgent(\n",
-        "    tools=[],\n",
-        "    llm_engine=llm_engine,\n",
-        "    additional_authorized_imports=[\"numpy\", \"pandas\", \"matplotlib.pyplot\", \"seaborn\"],\n",
-        "    max_iterations=10,\n",
-        ")"
-      ]
-    },
-    {
-      "cell_type": "markdown",
-      "metadata": {
-        "id": "iGSuFGGwpjtb"
-      },
-      "source": [
-        "## 데이터 분석 📊🤔\n",
-        "\n",
-        "에이전트 실행시, 실제 캐글 대회에서 사용된 추가적인 노트를 `run`메소드의 kwarg로 넘겨주었습니다.\n"
-      ]
-    },
-    {
-      "cell_type": "code",
-      "source": [
-        "from google.colab import drive\n",
-        "drive.mount('/content/drive')  # 구글 드라이브 마운트"
-      ],
-      "metadata": {
-        "colab": {
-          "base_uri": "https://localhost:8080/"
-        },
-        "id": "qWYp-IertEN1",
-        "outputId": "761d47da-a340-44c9-8f0e-16e3f63192fd",
-        "collapsed": true
-      },
-      "execution_count": 2,
-      "outputs": [
-        {
-          "output_type": "stream",
-          "name": "stdout",
-          "text": [
-            "Mounted at /content/drive\n"
-          ]
-        }
-      ]
-    },
-    {
-      "cell_type": "code",
-      "source": [
-        "import os\n",
-        "\n",
-        "os.chdir('/content/drive/My Drive/Colab Notebooks')  # 원하는 경로로 변경\n",
-        "print(os.getcwd())  # 변경된 경로 확인"
-      ],
-      "metadata": {
-        "colab": {
-          "base_uri": "https://localhost:8080/"
-        },
-        "id": "UCK6t2u5sKpm",
-        "outputId": "2de35095-1093-46a8-896c-3e508672755d",
-        "collapsed": true
-      },
-      "execution_count": 3,
-      "outputs": [
-        {
-          "output_type": "stream",
-          "name": "stdout",
-          "text": [
-            "/content/drive/My Drive/Colab Notebooks\n"
-          ]
-        }
-      ]
-    },
-    {
-      "cell_type": "code",
-      "execution_count": null,
-      "metadata": {
-        "id": "pywHujGvpjtb"
-      },
-      "outputs": [],
-      "source": [
-        "# 디렉토리 생성\n",
-        "os.mkdir(\"./figures\")"
-      ]
-    },
-    {
-      "cell_type": "code",
-      "source": [
-        "os.chdir('/content/drive/My Drive/Colab Notebooks/figures')  # 원하는 경로로 변경\n",
-        "print(os.getcwd())  # 변경된 경로 확인"
-      ],
-      "metadata": {
-        "colab": {
-          "base_uri": "https://localhost:8080/"
-        },
-        "id": "X2wTtXDjNYyI",
-        "outputId": "cea6c8c0-513a-4a1b-c4ec-5d46eca7e8b2",
-        "collapsed": true
-      },
-      "execution_count": 15,
-      "outputs": [
-        {
-          "output_type": "stream",
-          "name": "stdout",
-          "text": [
-            "/content/drive/My Drive/Colab Notebooks/figures\n"
-          ]
-        }
-      ]
-    },
-    {
-      "cell_type": "code",
-      "execution_count": 1,
-      "metadata": {
-        "outputId": "e81b157c-aefe-4785-fc66-103d840f0b67",
-        "colab": {
-          "base_uri": "https://localhost:8080/",
-          "height": 216
-        },
-        "id": "WOLY_WBLPGQE",
-        "collapsed": true
-      },
-      "source": [
-        "additional_notes = \"\"\"\n",
-        "### Variable Notes\n",
-        "PassengerId : 승객 아이디\n",
-        "Survived : 생존여부 (0: 사망, 1: 생존)\n",
-        "pclass: 사회경제적 지위(SES)의 대리 변수\n",
-        "1 = 상류층\n",
-        "2 = 중산층\n",
-        "3 = 하류층\n",
-        "Sex : 성별 (male: 남성, female: 여성)\n",
-        "age: 나이(Age)가 1 미만일 경우 소수로 표시됩니다. 나이가 추정된 경우, xx.5 형태로 표시됩니다.\n",
-        "sibsp: 이 데이터셋은 가족 관계를 다음과 같이 정의합니다...\n",
-        "형제 = 형제, 자매, 이복형제, 이복자매\n",
-        "배우자 = 남편, 아내 (애인과 약혼자는 간주하지 않았습니다.)\n",
-        "parch: 이 데이터셋은 가족 관계를 다음과 같이 정의합니다...\n",
-        "부모 = 어머니, 아버지\n",
-        "자녀 = 딸, 아들, 양녀, 양자\n",
-        "유모와 여행을 온 몇 어린이들의 경우, parch=0 로 표현합니다.\n",
-        "Fare: 티켓 요금\n",
-        "\"\"\"\n",
-        "\n",
-        "analysis = agent.run(\n",
-        "    \"\"\"당신은 데이터 분석 전문가입니다. 소스 파일을 로드하고 내용을 분석하세요. 아래 세가지 행동을 취해주세요.\n",
-        "\n",
-        "첫번째, 주어진 변수를 바탕으로 데이터에서 흥미로운 질문 3개를 선정하고, 각각 답해보세요. 예를 들어, survival rate(생존율)과의 특정 상관관계에 관한 질문을 만들 수 있습니다. (질문은 반드시 최소한 3개의 번호가 매겨진 상세한 항목)\n",
-        "두번째, 3가지 질문과 관련된 figures를 그리세요. matplotlib/seaborn을 사용해  './figures/' 폴더에 저장하세요. 각 그림을 그리기 전에 plt.clf()로 그림을 지워주세요.\n",
-        "세번째, 위의 답변에서 구한 상관관계와 경향을 요약하세요. 각 숫자에서 실생활 인사이트를 도출하세요. 예를 들어, \"is_december와 boredness의 상관관계는 1.3453이며, 이는 겨울철에 사람들이 더 지루해진다는 것을 시사합니다\"와 같은 식으로요.\n",
-        "\"\"\",\n",
-        "    additional_notes=additional_notes,\n",
-        "    source_file=\"titanic/train.csv\",\n",
-        ")"
-      ]
-    },
-    {
-      "cell_type": "code",
-      "execution_count": 17,
-      "metadata": {
-        "outputId": "4e259705-b542-4129-f7ea-08ac78566bb1",
-        "colab": {
-          "base_uri": "https://localhost:8080/"
-        },
-        "id": "8hA-jMsePGQF"
-      },
-      "outputs": [
-        {
-          "output_type": "stream",
-          "name": "stdout",
-          "text": [
-            "타이타닉 데이터 세트 분석 결과, 사회경제적 지위와 성별의 생존율에 미치는 영향을 분석 Mayer muchos이 있습니다.\n"
-          ]
-        }
-      ],
-      "source": [
-        "print(analysis)"
-      ]
-    },
-    {
-      "cell_type": "markdown",
-      "metadata": {
-        "id": "hcT-BISRpjtd"
-      },
-      "source": [
-        "놀랍지 않나요? 에이전트에게 시각화 도구를 제공해 자신이 만든 그래프를 분석하게 할 수도 있습니다!\n",
-        "\n",
-        "## 데이터과학자 에이전트 : 예측을 실행해보자 🛠️\n",
-        "\n",
-        "👉 이제 더 깊이 들어가 봅시다: **데이터를 기반으로 모델이 예측을 수행하도록 합니다.**\n",
-        "\n",
-        "예측 수행을 위해 `additional_authorized_imports`에 `sklearn`도 추가해줍니다."
-      ]
-    },
-    {
-      "cell_type": "code",
-      "execution_count": 1,
-      "metadata": {
-        "id": "1qSXRraDpjtd",
-        "outputId": "25afdf3e-8ec7-4de7-e2a1-9d7253b5f4af",
-        "colab": {
-          "base_uri": "https://localhost:8080/",
-          "height": 216
-        },
-        "collapsed": true
-      },
-      "outputs": [
-        {
-          "output_type": "error",
-          "ename": "NameError",
-          "evalue": "name 'ReactCodeAgent' is not defined",
-          "traceback": [
-            "\u001b[0;31m---------------------------------------------------------------------------\u001b[0m",
-            "\u001b[0;31mNameError\u001b[0m                                 Traceback (most recent call last)",
-            "\u001b[0;32m<ipython-input-1-993f6aeb5051>\u001b[0m in \u001b[0;36m<cell line: 1>\u001b[0;34m()\u001b[0m\n\u001b[0;32m----> 1\u001b[0;31m agent = ReactCodeAgent(\n\u001b[0m\u001b[1;32m      2\u001b[0m     \u001b[0mtools\u001b[0m\u001b[0;34m=\u001b[0m\u001b[0;34m[\u001b[0m\u001b[0;34m]\u001b[0m\u001b[0;34m,\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[1;32m      3\u001b[0m     \u001b[0mllm_engine\u001b[0m\u001b[0;34m=\u001b[0m\u001b[0mllm_engine\u001b[0m\u001b[0;34m,\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[1;32m      4\u001b[0m     additional_authorized_imports=[\n\u001b[1;32m      5\u001b[0m         \u001b[0;34m\"numpy\"\u001b[0m\u001b[0;34m,\u001b[0m\u001b[0;34m\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n",
-            "\u001b[0;31mNameError\u001b[0m: name 'ReactCodeAgent' is not defined"
-          ]
-        }
-      ],
-      "source": [
-        "agent = ReactCodeAgent(\n",
-        "    tools=[],\n",
-        "    llm_engine=llm_engine,\n",
-        "    additional_authorized_imports=[\n",
-        "        \"numpy\",\n",
-        "        \"pandas\",\n",
-        "        \"matplotlib.pyplot\",\n",
-        "        \"seaborn\",\n",
-        "        \"sklearn\",\n",
-        "    ],\n",
-        "    max_iterations=12,\n",
-        ")\n",
-        "\n",
-        "output = agent.run(\n",
-        "    \"\"\"당신은 전문가 수준의 머신러닝 엔지니어입니다.\n",
-        "'titanic/train.csv' 파일을 사용하여 생존 여부를 예측하는 머신러닝 모델을 학습시키세요.\n",
-        "'titanic/test.csv' 파일의 행에 대한 예측을 수행한 후, 결과를 './output.csv'에 출력하세요.\n",
-        "함수와 모듈을 사용하기 전에 반드시 임포트하세요!\n",
-        "\"\"\",\n",
-        "    additional_notes=additional_notes + \"\\n\" + analysis,\n",
-        ")"
-      ]
-    },
-    {
-      "cell_type": "markdown",
-      "metadata": {
-        "id": "Iimn7AWtpjtd"
-      },
-      "source": [
-        "위에서 에이전트가 출력한 테스트 예측을 Kaggle에 제출하면 **0.78229**으로, 이는 17,360명 중 2824등에 해당하며, 저자가 몇 년 전 이 데이터분석 챌린지를 처음 시도해 힘들게 얻었던 결과보다 더 나은 성과입니다.\n",
-        "\n",
-        "결과는 다를 수 있지만, 몇 초 만에 에이전트를 사용해 이 정도 성과를 낼 수 있다는 점이 매우 인상적입니다.\n",
-        "\n",
-        "🚀 위 시도는 에이전트를 활용한 단순한 데이터 분석 사례일 뿐입니다. 사용 사례에 맞게 충분히 개선할 수 있습니다!"
-      ]
-    },
-    {
-      "cell_type": "code",
-      "source": [],
-      "metadata": {
-        "id": "7Qnz16z1feCf"
-      },
-      "execution_count": null,
-      "outputs": []
-    }
-  ],
-  "metadata": {
-    "kernelspec": {
-      "display_name": "disposable",
-      "language": "python",
-      "name": "python3"
-    },
-    "language_info": {
-      "codemirror_mode": {
-        "name": "ipython",
-        "version": 3
-      },
-      "file_extension": ".py",
-      "mimetype": "text/x-python",
-      "name": "python",
-      "nbconvert_exporter": "python",
-      "pygments_lexer": "ipython3",
-      "version": "3.12.2"
-    },
-    "colab": {
-      "provenance": []
-    },
-    "widgets": {
-      "application/vnd.jupyter.widget-state+json": {
-        "38fa8b4fa3944d23b2d8eda25b16a5f9": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "VBoxModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_dom_classes": [],
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "VBoxModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/controls",
-            "_view_module_version": "1.5.0",
-            "_view_name": "VBoxView",
-            "box_style": "",
-            "children": [
-              "IPY_MODEL_4c42effc89b5470fbf8e3c238ad07266",
-              "IPY_MODEL_fbaf43825f694399b3779640c9a3b6af",
-              "IPY_MODEL_d5994e087d074e0cb155f6b3607f100d",
-              "IPY_MODEL_3ea6cf0074854f9bbcfa42e532784b76"
-            ],
-            "layout": "IPY_MODEL_ed0780c388844699bdbb2e435ef5190b"
-          }
-        },
-        "475a8232ed7a4fb3a796d2d12b210fc9": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "HTMLModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_dom_classes": [],
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "HTMLModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/controls",
-            "_view_module_version": "1.5.0",
-            "_view_name": "HTMLView",
-            "description": "",
-            "description_tooltip": null,
-            "layout": "IPY_MODEL_e1dfde4e36584f73a4ee42f213d87174",
-            "placeholder": "​",
-            "style": "IPY_MODEL_aba66871b1b0412d941172272ce51d23",
-            "value": "<center> <img\nsrc=https://huggingface.co/front/assets/huggingface_logo-noborder.svg\nalt='Hugging Face'> <br> Copy a token from <a\nhref=\"https://huggingface.co/settings/tokens\" target=\"_blank\">your Hugging Face\ntokens page</a> and paste it below. <br> Immediately click login after copying\nyour token or it might be stored in plain text in this notebook file. </center>"
-          }
-        },
-        "46f71ce2028a4f9e80caab49747ecbee": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "PasswordModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_dom_classes": [],
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "PasswordModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/controls",
-            "_view_module_version": "1.5.0",
-            "_view_name": "PasswordView",
-            "continuous_update": true,
-            "description": "Token:",
-            "description_tooltip": null,
-            "disabled": false,
-            "layout": "IPY_MODEL_d2e4bafa97cf4cadb0cccb9ce9101a50",
-            "placeholder": "​",
-            "style": "IPY_MODEL_79a67b49bbcf42e58ebb8b379df18a0b",
-            "value": ""
-          }
-        },
-        "670fcb115bc84bbdbe841f9a9e8f7e41": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "CheckboxModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_dom_classes": [],
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "CheckboxModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/controls",
-            "_view_module_version": "1.5.0",
-            "_view_name": "CheckboxView",
-            "description": "Add token as git credential?",
-            "description_tooltip": null,
-            "disabled": false,
-            "indent": true,
-            "layout": "IPY_MODEL_8f675b0d986346d0b483338855396148",
-            "style": "IPY_MODEL_2e31434a8b2b4a65b613a91ead19d356",
-            "value": true
-          }
-        },
-        "5282fffc65a848eaa86bbff88e6564aa": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "ButtonModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_dom_classes": [],
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "ButtonModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/controls",
-            "_view_module_version": "1.5.0",
-            "_view_name": "ButtonView",
-            "button_style": "",
-            "description": "Login",
-            "disabled": false,
-            "icon": "",
-            "layout": "IPY_MODEL_f125fa1fa88c40828a2ddb5114073bd2",
-            "style": "IPY_MODEL_74088ded4ba44402b5682b10e8e999a2",
-            "tooltip": ""
-          }
-        },
-        "80be551e17cb47988debe26c9aec2384": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "HTMLModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_dom_classes": [],
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "HTMLModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/controls",
-            "_view_module_version": "1.5.0",
-            "_view_name": "HTMLView",
-            "description": "",
-            "description_tooltip": null,
-            "layout": "IPY_MODEL_803311125a444cac84373336641b52de",
-            "placeholder": "​",
-            "style": "IPY_MODEL_33e1fda524b54aa4a8a3fb000d8539a8",
-            "value": "\n<b>Pro Tip:</b> If you don't already have one, you can create a dedicated\n'notebooks' token with 'write' access, that you can then easily reuse for all\nnotebooks. </center>"
-          }
-        },
-        "ed0780c388844699bdbb2e435ef5190b": {
-          "model_module": "@jupyter-widgets/base",
-          "model_name": "LayoutModel",
-          "model_module_version": "1.2.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/base",
-            "_model_module_version": "1.2.0",
-            "_model_name": "LayoutModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "LayoutView",
-            "align_content": null,
-            "align_items": "center",
-            "align_self": null,
-            "border": null,
-            "bottom": null,
-            "display": "flex",
-            "flex": null,
-            "flex_flow": "column",
-            "grid_area": null,
-            "grid_auto_columns": null,
-            "grid_auto_flow": null,
-            "grid_auto_rows": null,
-            "grid_column": null,
-            "grid_gap": null,
-            "grid_row": null,
-            "grid_template_areas": null,
-            "grid_template_columns": null,
-            "grid_template_rows": null,
-            "height": null,
-            "justify_content": null,
-            "justify_items": null,
-            "left": null,
-            "margin": null,
-            "max_height": null,
-            "max_width": null,
-            "min_height": null,
-            "min_width": null,
-            "object_fit": null,
-            "object_position": null,
-            "order": null,
-            "overflow": null,
-            "overflow_x": null,
-            "overflow_y": null,
-            "padding": null,
-            "right": null,
-            "top": null,
-            "visibility": null,
-            "width": "50%"
-          }
-        },
-        "e1dfde4e36584f73a4ee42f213d87174": {
-          "model_module": "@jupyter-widgets/base",
-          "model_name": "LayoutModel",
-          "model_module_version": "1.2.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/base",
-            "_model_module_version": "1.2.0",
-            "_model_name": "LayoutModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "LayoutView",
-            "align_content": null,
-            "align_items": null,
-            "align_self": null,
-            "border": null,
-            "bottom": null,
-            "display": null,
-            "flex": null,
-            "flex_flow": null,
-            "grid_area": null,
-            "grid_auto_columns": null,
-            "grid_auto_flow": null,
-            "grid_auto_rows": null,
-            "grid_column": null,
-            "grid_gap": null,
-            "grid_row": null,
-            "grid_template_areas": null,
-            "grid_template_columns": null,
-            "grid_template_rows": null,
-            "height": null,
-            "justify_content": null,
-            "justify_items": null,
-            "left": null,
-            "margin": null,
-            "max_height": null,
-            "max_width": null,
-            "min_height": null,
-            "min_width": null,
-            "object_fit": null,
-            "object_position": null,
-            "order": null,
-            "overflow": null,
-            "overflow_x": null,
-            "overflow_y": null,
-            "padding": null,
-            "right": null,
-            "top": null,
-            "visibility": null,
-            "width": null
-          }
-        },
-        "aba66871b1b0412d941172272ce51d23": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "DescriptionStyleModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "DescriptionStyleModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "StyleView",
-            "description_width": ""
-          }
-        },
-        "d2e4bafa97cf4cadb0cccb9ce9101a50": {
-          "model_module": "@jupyter-widgets/base",
-          "model_name": "LayoutModel",
-          "model_module_version": "1.2.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/base",
-            "_model_module_version": "1.2.0",
-            "_model_name": "LayoutModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "LayoutView",
-            "align_content": null,
-            "align_items": null,
-            "align_self": null,
-            "border": null,
-            "bottom": null,
-            "display": null,
-            "flex": null,
-            "flex_flow": null,
-            "grid_area": null,
-            "grid_auto_columns": null,
-            "grid_auto_flow": null,
-            "grid_auto_rows": null,
-            "grid_column": null,
-            "grid_gap": null,
-            "grid_row": null,
-            "grid_template_areas": null,
-            "grid_template_columns": null,
-            "grid_template_rows": null,
-            "height": null,
-            "justify_content": null,
-            "justify_items": null,
-            "left": null,
-            "margin": null,
-            "max_height": null,
-            "max_width": null,
-            "min_height": null,
-            "min_width": null,
-            "object_fit": null,
-            "object_position": null,
-            "order": null,
-            "overflow": null,
-            "overflow_x": null,
-            "overflow_y": null,
-            "padding": null,
-            "right": null,
-            "top": null,
-            "visibility": null,
-            "width": null
-          }
-        },
-        "79a67b49bbcf42e58ebb8b379df18a0b": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "DescriptionStyleModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "DescriptionStyleModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "StyleView",
-            "description_width": ""
-          }
-        },
-        "8f675b0d986346d0b483338855396148": {
-          "model_module": "@jupyter-widgets/base",
-          "model_name": "LayoutModel",
-          "model_module_version": "1.2.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/base",
-            "_model_module_version": "1.2.0",
-            "_model_name": "LayoutModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "LayoutView",
-            "align_content": null,
-            "align_items": null,
-            "align_self": null,
-            "border": null,
-            "bottom": null,
-            "display": null,
-            "flex": null,
-            "flex_flow": null,
-            "grid_area": null,
-            "grid_auto_columns": null,
-            "grid_auto_flow": null,
-            "grid_auto_rows": null,
-            "grid_column": null,
-            "grid_gap": null,
-            "grid_row": null,
-            "grid_template_areas": null,
-            "grid_template_columns": null,
-            "grid_template_rows": null,
-            "height": null,
-            "justify_content": null,
-            "justify_items": null,
-            "left": null,
-            "margin": null,
-            "max_height": null,
-            "max_width": null,
-            "min_height": null,
-            "min_width": null,
-            "object_fit": null,
-            "object_position": null,
-            "order": null,
-            "overflow": null,
-            "overflow_x": null,
-            "overflow_y": null,
-            "padding": null,
-            "right": null,
-            "top": null,
-            "visibility": null,
-            "width": null
-          }
-        },
-        "2e31434a8b2b4a65b613a91ead19d356": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "DescriptionStyleModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "DescriptionStyleModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "StyleView",
-            "description_width": ""
-          }
-        },
-        "f125fa1fa88c40828a2ddb5114073bd2": {
-          "model_module": "@jupyter-widgets/base",
-          "model_name": "LayoutModel",
-          "model_module_version": "1.2.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/base",
-            "_model_module_version": "1.2.0",
-            "_model_name": "LayoutModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "LayoutView",
-            "align_content": null,
-            "align_items": null,
-            "align_self": null,
-            "border": null,
-            "bottom": null,
-            "display": null,
-            "flex": null,
-            "flex_flow": null,
-            "grid_area": null,
-            "grid_auto_columns": null,
-            "grid_auto_flow": null,
-            "grid_auto_rows": null,
-            "grid_column": null,
-            "grid_gap": null,
-            "grid_row": null,
-            "grid_template_areas": null,
-            "grid_template_columns": null,
-            "grid_template_rows": null,
-            "height": null,
-            "justify_content": null,
-            "justify_items": null,
-            "left": null,
-            "margin": null,
-            "max_height": null,
-            "max_width": null,
-            "min_height": null,
-            "min_width": null,
-            "object_fit": null,
-            "object_position": null,
-            "order": null,
-            "overflow": null,
-            "overflow_x": null,
-            "overflow_y": null,
-            "padding": null,
-            "right": null,
-            "top": null,
-            "visibility": null,
-            "width": null
-          }
-        },
-        "74088ded4ba44402b5682b10e8e999a2": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "ButtonStyleModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "ButtonStyleModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "StyleView",
-            "button_color": null,
-            "font_weight": ""
-          }
-        },
-        "803311125a444cac84373336641b52de": {
-          "model_module": "@jupyter-widgets/base",
-          "model_name": "LayoutModel",
-          "model_module_version": "1.2.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/base",
-            "_model_module_version": "1.2.0",
-            "_model_name": "LayoutModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "LayoutView",
-            "align_content": null,
-            "align_items": null,
-            "align_self": null,
-            "border": null,
-            "bottom": null,
-            "display": null,
-            "flex": null,
-            "flex_flow": null,
-            "grid_area": null,
-            "grid_auto_columns": null,
-            "grid_auto_flow": null,
-            "grid_auto_rows": null,
-            "grid_column": null,
-            "grid_gap": null,
-            "grid_row": null,
-            "grid_template_areas": null,
-            "grid_template_columns": null,
-            "grid_template_rows": null,
-            "height": null,
-            "justify_content": null,
-            "justify_items": null,
-            "left": null,
-            "margin": null,
-            "max_height": null,
-            "max_width": null,
-            "min_height": null,
-            "min_width": null,
-            "object_fit": null,
-            "object_position": null,
-            "order": null,
-            "overflow": null,
-            "overflow_x": null,
-            "overflow_y": null,
-            "padding": null,
-            "right": null,
-            "top": null,
-            "visibility": null,
-            "width": null
-          }
-        },
-        "33e1fda524b54aa4a8a3fb000d8539a8": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "DescriptionStyleModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "DescriptionStyleModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "StyleView",
-            "description_width": ""
-          }
-        },
-        "2de7a9a97c4e4286b4781816510df846": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "LabelModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_dom_classes": [],
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "LabelModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/controls",
-            "_view_module_version": "1.5.0",
-            "_view_name": "LabelView",
-            "description": "",
-            "description_tooltip": null,
-            "layout": "IPY_MODEL_eff567785fa44d5e96adff396be56281",
-            "placeholder": "​",
-            "style": "IPY_MODEL_b65f3953d6324668953f1593e0c14730",
-            "value": "Connecting..."
-          }
-        },
-        "eff567785fa44d5e96adff396be56281": {
-          "model_module": "@jupyter-widgets/base",
-          "model_name": "LayoutModel",
-          "model_module_version": "1.2.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/base",
-            "_model_module_version": "1.2.0",
-            "_model_name": "LayoutModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "LayoutView",
-            "align_content": null,
-            "align_items": null,
-            "align_self": null,
-            "border": null,
-            "bottom": null,
-            "display": null,
-            "flex": null,
-            "flex_flow": null,
-            "grid_area": null,
-            "grid_auto_columns": null,
-            "grid_auto_flow": null,
-            "grid_auto_rows": null,
-            "grid_column": null,
-            "grid_gap": null,
-            "grid_row": null,
-            "grid_template_areas": null,
-            "grid_template_columns": null,
-            "grid_template_rows": null,
-            "height": null,
-            "justify_content": null,
-            "justify_items": null,
-            "left": null,
-            "margin": null,
-            "max_height": null,
-            "max_width": null,
-            "min_height": null,
-            "min_width": null,
-            "object_fit": null,
-            "object_position": null,
-            "order": null,
-            "overflow": null,
-            "overflow_x": null,
-            "overflow_y": null,
-            "padding": null,
-            "right": null,
-            "top": null,
-            "visibility": null,
-            "width": null
-          }
-        },
-        "b65f3953d6324668953f1593e0c14730": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "DescriptionStyleModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "DescriptionStyleModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "StyleView",
-            "description_width": ""
-          }
-        },
-        "4c42effc89b5470fbf8e3c238ad07266": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "LabelModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_dom_classes": [],
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "LabelModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/controls",
-            "_view_module_version": "1.5.0",
-            "_view_name": "LabelView",
-            "description": "",
-            "description_tooltip": null,
-            "layout": "IPY_MODEL_85c817231fda424a84352914bde906b0",
-            "placeholder": "​",
-            "style": "IPY_MODEL_28c6dda801c14fa0a1c7d2ccfb8e25a5",
-            "value": "Token is valid (permission: write)."
-          }
-        },
-        "fbaf43825f694399b3779640c9a3b6af": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "LabelModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_dom_classes": [],
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "LabelModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/controls",
-            "_view_module_version": "1.5.0",
-            "_view_name": "LabelView",
-            "description": "",
-            "description_tooltip": null,
-            "layout": "IPY_MODEL_f6497b8069c246339b67f7b14d1ae7c7",
-            "placeholder": "​",
-            "style": "IPY_MODEL_17ad064d85ab40ef9008e5600d0c5e3f",
-            "value": "Your token has been saved in your configured git credential helpers (store)."
-          }
-        },
-        "d5994e087d074e0cb155f6b3607f100d": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "LabelModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_dom_classes": [],
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "LabelModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/controls",
-            "_view_module_version": "1.5.0",
-            "_view_name": "LabelView",
-            "description": "",
-            "description_tooltip": null,
-            "layout": "IPY_MODEL_87fff40c9394414c9c93f31151137ab7",
-            "placeholder": "​",
-            "style": "IPY_MODEL_98f0b669c36c47069bcf35fd17bb28cc",
-            "value": "Your token has been saved to /root/.cache/huggingface/token"
-          }
-        },
-        "3ea6cf0074854f9bbcfa42e532784b76": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "LabelModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_dom_classes": [],
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "LabelModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/controls",
-            "_view_module_version": "1.5.0",
-            "_view_name": "LabelView",
-            "description": "",
-            "description_tooltip": null,
-            "layout": "IPY_MODEL_e1d56e00ca5849ed9420930df8ac2aed",
-            "placeholder": "​",
-            "style": "IPY_MODEL_52891fca852246989e5ee757f502824e",
-            "value": "Login successful"
-          }
-        },
-        "85c817231fda424a84352914bde906b0": {
-          "model_module": "@jupyter-widgets/base",
-          "model_name": "LayoutModel",
-          "model_module_version": "1.2.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/base",
-            "_model_module_version": "1.2.0",
-            "_model_name": "LayoutModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "LayoutView",
-            "align_content": null,
-            "align_items": null,
-            "align_self": null,
-            "border": null,
-            "bottom": null,
-            "display": null,
-            "flex": null,
-            "flex_flow": null,
-            "grid_area": null,
-            "grid_auto_columns": null,
-            "grid_auto_flow": null,
-            "grid_auto_rows": null,
-            "grid_column": null,
-            "grid_gap": null,
-            "grid_row": null,
-            "grid_template_areas": null,
-            "grid_template_columns": null,
-            "grid_template_rows": null,
-            "height": null,
-            "justify_content": null,
-            "justify_items": null,
-            "left": null,
-            "margin": null,
-            "max_height": null,
-            "max_width": null,
-            "min_height": null,
-            "min_width": null,
-            "object_fit": null,
-            "object_position": null,
-            "order": null,
-            "overflow": null,
-            "overflow_x": null,
-            "overflow_y": null,
-            "padding": null,
-            "right": null,
-            "top": null,
-            "visibility": null,
-            "width": null
-          }
-        },
-        "28c6dda801c14fa0a1c7d2ccfb8e25a5": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "DescriptionStyleModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "DescriptionStyleModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "StyleView",
-            "description_width": ""
-          }
-        },
-        "f6497b8069c246339b67f7b14d1ae7c7": {
-          "model_module": "@jupyter-widgets/base",
-          "model_name": "LayoutModel",
-          "model_module_version": "1.2.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/base",
-            "_model_module_version": "1.2.0",
-            "_model_name": "LayoutModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "LayoutView",
-            "align_content": null,
-            "align_items": null,
-            "align_self": null,
-            "border": null,
-            "bottom": null,
-            "display": null,
-            "flex": null,
-            "flex_flow": null,
-            "grid_area": null,
-            "grid_auto_columns": null,
-            "grid_auto_flow": null,
-            "grid_auto_rows": null,
-            "grid_column": null,
-            "grid_gap": null,
-            "grid_row": null,
-            "grid_template_areas": null,
-            "grid_template_columns": null,
-            "grid_template_rows": null,
-            "height": null,
-            "justify_content": null,
-            "justify_items": null,
-            "left": null,
-            "margin": null,
-            "max_height": null,
-            "max_width": null,
-            "min_height": null,
-            "min_width": null,
-            "object_fit": null,
-            "object_position": null,
-            "order": null,
-            "overflow": null,
-            "overflow_x": null,
-            "overflow_y": null,
-            "padding": null,
-            "right": null,
-            "top": null,
-            "visibility": null,
-            "width": null
-          }
-        },
-        "17ad064d85ab40ef9008e5600d0c5e3f": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "DescriptionStyleModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "DescriptionStyleModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "StyleView",
-            "description_width": ""
-          }
-        },
-        "87fff40c9394414c9c93f31151137ab7": {
-          "model_module": "@jupyter-widgets/base",
-          "model_name": "LayoutModel",
-          "model_module_version": "1.2.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/base",
-            "_model_module_version": "1.2.0",
-            "_model_name": "LayoutModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "LayoutView",
-            "align_content": null,
-            "align_items": null,
-            "align_self": null,
-            "border": null,
-            "bottom": null,
-            "display": null,
-            "flex": null,
-            "flex_flow": null,
-            "grid_area": null,
-            "grid_auto_columns": null,
-            "grid_auto_flow": null,
-            "grid_auto_rows": null,
-            "grid_column": null,
-            "grid_gap": null,
-            "grid_row": null,
-            "grid_template_areas": null,
-            "grid_template_columns": null,
-            "grid_template_rows": null,
-            "height": null,
-            "justify_content": null,
-            "justify_items": null,
-            "left": null,
-            "margin": null,
-            "max_height": null,
-            "max_width": null,
-            "min_height": null,
-            "min_width": null,
-            "object_fit": null,
-            "object_position": null,
-            "order": null,
-            "overflow": null,
-            "overflow_x": null,
-            "overflow_y": null,
-            "padding": null,
-            "right": null,
-            "top": null,
-            "visibility": null,
-            "width": null
-          }
-        },
-        "98f0b669c36c47069bcf35fd17bb28cc": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "DescriptionStyleModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "DescriptionStyleModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "StyleView",
-            "description_width": ""
-          }
-        },
-        "e1d56e00ca5849ed9420930df8ac2aed": {
-          "model_module": "@jupyter-widgets/base",
-          "model_name": "LayoutModel",
-          "model_module_version": "1.2.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/base",
-            "_model_module_version": "1.2.0",
-            "_model_name": "LayoutModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "LayoutView",
-            "align_content": null,
-            "align_items": null,
-            "align_self": null,
-            "border": null,
-            "bottom": null,
-            "display": null,
-            "flex": null,
-            "flex_flow": null,
-            "grid_area": null,
-            "grid_auto_columns": null,
-            "grid_auto_flow": null,
-            "grid_auto_rows": null,
-            "grid_column": null,
-            "grid_gap": null,
-            "grid_row": null,
-            "grid_template_areas": null,
-            "grid_template_columns": null,
-            "grid_template_rows": null,
-            "height": null,
-            "justify_content": null,
-            "justify_items": null,
-            "left": null,
-            "margin": null,
-            "max_height": null,
-            "max_width": null,
-            "min_height": null,
-            "min_width": null,
-            "object_fit": null,
-            "object_position": null,
-            "order": null,
-            "overflow": null,
-            "overflow_x": null,
-            "overflow_y": null,
-            "padding": null,
-            "right": null,
-            "top": null,
-            "visibility": null,
-            "width": null
-          }
-        },
-        "52891fca852246989e5ee757f502824e": {
-          "model_module": "@jupyter-widgets/controls",
-          "model_name": "DescriptionStyleModel",
-          "model_module_version": "1.5.0",
-          "state": {
-            "_model_module": "@jupyter-widgets/controls",
-            "_model_module_version": "1.5.0",
-            "_model_name": "DescriptionStyleModel",
-            "_view_count": null,
-            "_view_module": "@jupyter-widgets/base",
-            "_view_module_version": "1.2.0",
-            "_view_name": "StyleView",
-            "description_width": ""
-          }
-        }
-      }
-    }
-  },
-  "nbformat": 4,
-  "nbformat_minor": 0
-}

From 8240508966a3454d6397479c404babd741be1eb4 Mon Sep 17 00:00:00 2001
From: Ahnjj_DEV <ahnjj.dev@gmail.com>
Date: Sun, 29 Sep 2024 22:39:47 +0900
Subject: [PATCH 09/23] feat: nmt draft

---
 notebooks/ko/ko_agent_data_analyst.ipynb | 298 +++++++++++++++++++++++
 1 file changed, 298 insertions(+)
 create mode 100644 notebooks/ko/ko_agent_data_analyst.ipynb

diff --git a/notebooks/ko/ko_agent_data_analyst.ipynb b/notebooks/ko/ko_agent_data_analyst.ipynb
new file mode 100644
index 00000000..fcdc5059
--- /dev/null
+++ b/notebooks/ko/ko_agent_data_analyst.ipynb
@@ -0,0 +1,298 @@
+{
+  "cells": [
+    {
+      "cell_type": "markdown",
+      "source": [
+        "# 데이터분석 에이전트: 눈깜짝할 사이에 데이터에서 인사이트 얻기 ✨\n",
+        "_저자: [Aymeric Roucher](https://huggingface.co/m-ric)_\n",
+        "\n",
+        "> 이 튜토리얼은 고급 과정입니다. 먼저 [이 쿡북](agents)에 대한 개념을 이해하고 있어야 합니다!\n",
+        "\n",
+        "\n",
+        "이번 쿡북에서 만들 **데이터 분석 에이전트** 는 :\n",
+        " **데이터 분석 라이브러리를 사용한 코드 에이전트로,데이터로부터 인사이트를 도출하기 위해 데이터프레임을 불러오고 변환하며, 결과를 시각화합니다!**\n",
+        "\n",
+        "\n",
+        "예를 들어 여러분이 '[Kaggle Titanic 챌린지](https://www.kaggle.com/competitions/titanic)'의 데이터를 직접 분석해 개별 승객의 생존 여부를 예측하고 싶다고 가정해 봅시다.\n",
+        "하지만 직접 분석에 들어가기 전에, 자율 에이전트가 추세를 추출해주고 수치 몇 가지를 그려 인사이트를 발견해 분석을 준비해주기를 원합니다.\n",
+        "\n",
+        "이 시스템을 설정해 보겠습니다.\n",
+        "\n",
+        "아래 명령어를 실행하여 필요한 의존성을 설치하세요:"
+      ],
+      "metadata": {
+        "id": "ihQ3c6IWDa6G"
+      }
+    },
+    {
+      "cell_type": "code",
+      "execution_count": 2,
+      "metadata": {
+        "id": "0WauABimpjta"
+      },
+      "outputs": [],
+      "source": [
+        "!pip install seaborn \"transformers[agents]\""
+      ]
+    },
+    {
+      "cell_type": "markdown",
+      "metadata": {
+        "id": "4LJXMiy3pjtb"
+      },
+      "source": [
+        "우선 에이전트를 생성합니다. 이 쿡북에서는 `ReactCodeAgent`를 사용했습니다. (더 많은 종류의 에이전트를 확인하려면 [이 문서](https://huggingface.co/docs/transformers/en/agents) 를 참조하세요.)\n",
+        "이 에이전트는 별도의 도구를 제공하지 않아도 스스로 코드를 실행할 수 있습니다.\n",
+        "\n",
+        "일반적으로 `additional_authorized_imports`에 라이브러리를 전달할 때, 파이썬 인터프리터는 환경에 설치된 라이브러리만 사용할 수 있기 때문에, 해당 라이브러리들이 로컬 환경에 설치되어 있는지 확인해야 합니다.\n",
+        "\n",
+        "\n",
+        "⚙ 해당 에이전트는 [meta-llama/Meta-Llama-3.1-70B-Instruct](https://huggingface.co/meta-llama/Meta-Llama-3.1-70B-Instruct) 모델을 사용하며, HF의 Inference API를 사용하는 `HfEngine` 클래스로 구동됩니다. Inference API를 통해 빠르고 쉽게 OS 모델을 실행할 수 있습니다."
+      ]
+    },
+    {
+      "cell_type": "code",
+      "execution_count": null,
+      "metadata": {
+        "id": "XPrHXQgFpjtb"
+      },
+      "outputs": [],
+      "source": [
+        "from transformers.agents import HfEngine, ReactCodeAgent\n",
+        "from huggingface_hub import login\n",
+        "import os\n",
+        "\n",
+        "# login(os.getenv(\"HUGGINGFACEHUB_API_TOKEN\"))\n",
+        "login(os.getenv(\"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\"))\n",
+        "llm_engine = HfEngine(\"meta-llama/Meta-Llama-3.1-70B-Instruct\")\n",
+        "\n",
+        "agent = ReactCodeAgent(\n",
+        "    tools=[],\n",
+        "    llm_engine=llm_engine,\n",
+        "    additional_authorized_imports=[\"numpy\", \"pandas\", \"matplotlib.pyplot\", \"seaborn\"],\n",
+        "    max_iterations=10,\n",
+        ")"
+      ]
+    },
+    {
+      "cell_type": "markdown",
+      "metadata": {
+        "id": "iGSuFGGwpjtb"
+      },
+      "source": [
+        "## 데이터 분석 📊🤔\n",
+        "\n",
+        "에이전트 실행시, 실제 캐글 대회에서 사용된 추가적인 노트를 `run`메소드의 kwarg로 넘겨주었습니다.\n"
+      ]
+    },
+    {
+      "cell_type": "code",
+      "source": [
+        "from google.colab import drive\n",
+        "drive.mount('/content/drive')  # 구글 드라이브 마운트"
+      ],
+      "metadata": {
+        "id": "qWYp-IertEN1",
+        "collapsed": true
+      },
+      "execution_count": null,
+      "outputs": []
+    },
+    {
+      "cell_type": "code",
+      "source": [
+        "import os\n",
+        "\n",
+        "os.chdir('/content/drive/My Drive/Colab Notebooks')  # 원하는 경로로 변경\n",
+        "print(os.getcwd())  # 변경된 경로 확인"
+      ],
+      "metadata": {
+        "id": "UCK6t2u5sKpm",
+        "collapsed": true
+      },
+      "execution_count": null,
+      "outputs": []
+    },
+    {
+      "cell_type": "code",
+      "execution_count": null,
+      "metadata": {
+        "id": "pywHujGvpjtb"
+      },
+      "outputs": [],
+      "source": [
+        "# 디렉토리 생성\n",
+        "os.mkdir(\"./figures\")"
+      ]
+    },
+    {
+      "cell_type": "code",
+      "source": [
+        "os.chdir('/content/drive/My Drive/Colab Notebooks/figures')  # 원하는 경로로 변경\n",
+        "print(os.getcwd())  # 변경된 경로 확인"
+      ],
+      "metadata": {
+        "id": "X2wTtXDjNYyI",
+        "collapsed": true
+      },
+      "execution_count": null,
+      "outputs": []
+    },
+    {
+      "cell_type": "code",
+      "execution_count": null,
+      "metadata": {
+        "id": "WOLY_WBLPGQE",
+        "collapsed": true
+      },
+      "outputs": [],
+      "source": [
+        "additional_notes = \"\"\"\n",
+        "### Variable Notes\n",
+        "PassengerId : 승객 아이디\n",
+        "Survived : 생존여부 (0: 사망, 1: 생존)\n",
+        "pclass: 사회경제적 지위(SES)의 대리 변수\n",
+        "1 = 상류층\n",
+        "2 = 중산층\n",
+        "3 = 하류층\n",
+        "Sex : 성별 (male: 남성, female: 여성)\n",
+        "age: 나이(Age)가 1 미만일 경우 소수로 표시됩니다. 나이가 추정된 경우, xx.5 형태로 표시됩니다.\n",
+        "sibsp: 이 데이터셋은 가족 관계를 다음과 같이 정의합니다...\n",
+        "형제 = 형제, 자매, 이복형제, 이복자매\n",
+        "배우자 = 남편, 아내 (애인과 약혼자는 간주하지 않았습니다.)\n",
+        "parch: 이 데이터셋은 가족 관계를 다음과 같이 정의합니다...\n",
+        "부모 = 어머니, 아버지\n",
+        "자녀 = 딸, 아들, 양녀, 양자\n",
+        "유모와 여행을 온 몇 어린이들의 경우, parch=0 로 표현합니다.\n",
+        "Fare: 티켓 요금\n",
+        "\"\"\"\n",
+        "\n",
+        "analysis = agent.run(\n",
+        "    \"\"\"당신은 데이터 분석 전문가입니다. 소스 파일을 로드하고 내용을 분석하세요. 아래 세가지 행동을 취해주세요.\n",
+        "\n",
+        "첫번째, 주어진 변수를 바탕으로 데이터에서 흥미로운 질문 3개를 선정하고, 각각 답해보세요. 예를 들어, survival rate(생존율)과의 특정 상관관계에 관한 질문을 만들 수 있습니다. (질문은 반드시 최소한 3개의 번호가 매겨진 상세한 항목)\n",
+        "두번째, 3가지 질문과 관련된 figures를 그리세요. matplotlib/seaborn을 사용해  './figures/' 폴더에 저장하세요. 각 그림을 그리기 전에 plt.clf()로 그림을 지워주세요.\n",
+        "세번째, 위의 답변에서 구한 상관관계와 경향을 요약하세요. 각 숫자에서 실생활 인사이트를 도출하세요. 예를 들어, \"is_december와 boredness의 상관관계는 1.3453이며, 이는 겨울철에 사람들이 더 지루해진다는 것을 시사합니다\"와 같은 식으로요.\n",
+        "\"\"\",\n",
+        "    additional_notes=additional_notes,\n",
+        "    source_file=\"titanic/train.csv\",\n",
+        ")"
+      ]
+    },
+    {
+      "cell_type": "code",
+      "execution_count": 17,
+      "metadata": {
+        "outputId": "4e259705-b542-4129-f7ea-08ac78566bb1",
+        "colab": {
+          "base_uri": "https://localhost:8080/"
+        },
+        "id": "8hA-jMsePGQF"
+      },
+      "outputs": [
+        {
+          "output_type": "stream",
+          "name": "stdout",
+          "text": [
+            "타이타닉 데이터 세트 분석 결과, 사회경제적 지위와 성별의 생존율에 미치는 영향을 분석 Mayer muchos이 있습니다.\n"
+          ]
+        }
+      ],
+      "source": [
+        "print(analysis)"
+      ]
+    },
+    {
+      "cell_type": "markdown",
+      "metadata": {
+        "id": "hcT-BISRpjtd"
+      },
+      "source": [
+        "놀랍지 않나요? 에이전트에게 시각화 도구를 제공해 자신이 만든 그래프를 분석하게 할 수도 있습니다!\n",
+        "\n",
+        "## 데이터과학자 에이전트 : 예측을 실행해보자 🛠️\n",
+        "\n",
+        "👉 이제 더 깊이 들어가 봅시다: **데이터를 기반으로 모델이 예측을 수행하도록 합니다.**\n",
+        "\n",
+        "예측 수행을 위해 `additional_authorized_imports`에 `sklearn`도 추가해줍니다."
+      ]
+    },
+    {
+      "cell_type": "code",
+      "execution_count": null,
+      "metadata": {
+        "id": "1qSXRraDpjtd"
+      },
+      "outputs": [],
+      "source": [
+        "agent = ReactCodeAgent(\n",
+        "    tools=[],\n",
+        "    llm_engine=llm_engine,\n",
+        "    additional_authorized_imports=[\n",
+        "        \"numpy\",\n",
+        "        \"pandas\",\n",
+        "        \"matplotlib.pyplot\",\n",
+        "        \"seaborn\",\n",
+        "        \"sklearn\",\n",
+        "    ],\n",
+        "    max_iterations=12,\n",
+        ")\n",
+        "\n",
+        "output = agent.run(\n",
+        "    \"\"\"당신은 전문가 수준의 머신러닝 엔지니어입니다.\n",
+        "'titanic/train.csv' 파일을 사용하여 생존 여부를 예측하는 머신러닝 모델을 학습시키세요.\n",
+        "'titanic/test.csv' 파일의 행에 대한 예측을 수행한 후, 결과를 './output.csv'에 출력하세요.\n",
+        "함수와 모듈을 사용하기 전에 반드시 임포트하세요!\n",
+        "\"\"\",\n",
+        "    additional_notes=additional_notes + \"\\n\" + analysis,\n",
+        ")"
+      ]
+    },
+    {
+      "cell_type": "markdown",
+      "metadata": {
+        "id": "Iimn7AWtpjtd"
+      },
+      "source": [
+        "위에서 에이전트가 출력한 테스트 예측을 Kaggle에 제출하면 **0.78229**으로, 이는 17,360명 중 2824등에 해당하며, 저자가 몇 년 전 이 데이터분석 챌린지를 처음 시도해 힘들게 얻었던 결과보다 더 나은 성과입니다.\n",
+        "\n",
+        "결과는 다를 수 있지만, 몇 초 만에 에이전트를 사용해 이 정도 성과를 낼 수 있다는 점이 매우 인상적입니다.\n",
+        "\n",
+        "🚀 위 시도는 에이전트를 활용한 단순한 데이터 분석 사례일 뿐입니다. 사용 사례에 맞게 충분히 개선할 수 있습니다!"
+      ]
+    },
+    {
+      "cell_type": "code",
+      "source": [],
+      "metadata": {
+        "id": "7Qnz16z1feCf"
+      },
+      "execution_count": null,
+      "outputs": []
+    }
+  ],
+  "metadata": {
+    "kernelspec": {
+      "display_name": "disposable",
+      "language": "python",
+      "name": "python3"
+    },
+    "language_info": {
+      "codemirror_mode": {
+        "name": "ipython",
+        "version": 3
+      },
+      "file_extension": ".py",
+      "mimetype": "text/x-python",
+      "name": "python",
+      "nbconvert_exporter": "python",
+      "pygments_lexer": "ipython3",
+      "version": "3.12.2"
+    },
+    "colab": {
+      "provenance": []
+    }
+  },
+  "nbformat": 4,
+  "nbformat_minor": 0
+}
\ No newline at end of file

From 4654a106d58cf9d7880d6ab206c1bbeb598f0484 Mon Sep 17 00:00:00 2001
From: Ahnjj_DEV <ahnjj.dev@gmail.com>
Date: Sun, 29 Sep 2024 22:41:08 +0900
Subject: [PATCH 10/23] Delete notebooks/ko/ko_agent_data_analyst.ipynb

---
 notebooks/ko/ko_agent_data_analyst.ipynb | 298 -----------------------
 1 file changed, 298 deletions(-)
 delete mode 100644 notebooks/ko/ko_agent_data_analyst.ipynb

diff --git a/notebooks/ko/ko_agent_data_analyst.ipynb b/notebooks/ko/ko_agent_data_analyst.ipynb
deleted file mode 100644
index fcdc5059..00000000
--- a/notebooks/ko/ko_agent_data_analyst.ipynb
+++ /dev/null
@@ -1,298 +0,0 @@
-{
-  "cells": [
-    {
-      "cell_type": "markdown",
-      "source": [
-        "# 데이터분석 에이전트: 눈깜짝할 사이에 데이터에서 인사이트 얻기 ✨\n",
-        "_저자: [Aymeric Roucher](https://huggingface.co/m-ric)_\n",
-        "\n",
-        "> 이 튜토리얼은 고급 과정입니다. 먼저 [이 쿡북](agents)에 대한 개념을 이해하고 있어야 합니다!\n",
-        "\n",
-        "\n",
-        "이번 쿡북에서 만들 **데이터 분석 에이전트** 는 :\n",
-        " **데이터 분석 라이브러리를 사용한 코드 에이전트로,데이터로부터 인사이트를 도출하기 위해 데이터프레임을 불러오고 변환하며, 결과를 시각화합니다!**\n",
-        "\n",
-        "\n",
-        "예를 들어 여러분이 '[Kaggle Titanic 챌린지](https://www.kaggle.com/competitions/titanic)'의 데이터를 직접 분석해 개별 승객의 생존 여부를 예측하고 싶다고 가정해 봅시다.\n",
-        "하지만 직접 분석에 들어가기 전에, 자율 에이전트가 추세를 추출해주고 수치 몇 가지를 그려 인사이트를 발견해 분석을 준비해주기를 원합니다.\n",
-        "\n",
-        "이 시스템을 설정해 보겠습니다.\n",
-        "\n",
-        "아래 명령어를 실행하여 필요한 의존성을 설치하세요:"
-      ],
-      "metadata": {
-        "id": "ihQ3c6IWDa6G"
-      }
-    },
-    {
-      "cell_type": "code",
-      "execution_count": 2,
-      "metadata": {
-        "id": "0WauABimpjta"
-      },
-      "outputs": [],
-      "source": [
-        "!pip install seaborn \"transformers[agents]\""
-      ]
-    },
-    {
-      "cell_type": "markdown",
-      "metadata": {
-        "id": "4LJXMiy3pjtb"
-      },
-      "source": [
-        "우선 에이전트를 생성합니다. 이 쿡북에서는 `ReactCodeAgent`를 사용했습니다. (더 많은 종류의 에이전트를 확인하려면 [이 문서](https://huggingface.co/docs/transformers/en/agents) 를 참조하세요.)\n",
-        "이 에이전트는 별도의 도구를 제공하지 않아도 스스로 코드를 실행할 수 있습니다.\n",
-        "\n",
-        "일반적으로 `additional_authorized_imports`에 라이브러리를 전달할 때, 파이썬 인터프리터는 환경에 설치된 라이브러리만 사용할 수 있기 때문에, 해당 라이브러리들이 로컬 환경에 설치되어 있는지 확인해야 합니다.\n",
-        "\n",
-        "\n",
-        "⚙ 해당 에이전트는 [meta-llama/Meta-Llama-3.1-70B-Instruct](https://huggingface.co/meta-llama/Meta-Llama-3.1-70B-Instruct) 모델을 사용하며, HF의 Inference API를 사용하는 `HfEngine` 클래스로 구동됩니다. Inference API를 통해 빠르고 쉽게 OS 모델을 실행할 수 있습니다."
-      ]
-    },
-    {
-      "cell_type": "code",
-      "execution_count": null,
-      "metadata": {
-        "id": "XPrHXQgFpjtb"
-      },
-      "outputs": [],
-      "source": [
-        "from transformers.agents import HfEngine, ReactCodeAgent\n",
-        "from huggingface_hub import login\n",
-        "import os\n",
-        "\n",
-        "# login(os.getenv(\"HUGGINGFACEHUB_API_TOKEN\"))\n",
-        "login(os.getenv(\"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\"))\n",
-        "llm_engine = HfEngine(\"meta-llama/Meta-Llama-3.1-70B-Instruct\")\n",
-        "\n",
-        "agent = ReactCodeAgent(\n",
-        "    tools=[],\n",
-        "    llm_engine=llm_engine,\n",
-        "    additional_authorized_imports=[\"numpy\", \"pandas\", \"matplotlib.pyplot\", \"seaborn\"],\n",
-        "    max_iterations=10,\n",
-        ")"
-      ]
-    },
-    {
-      "cell_type": "markdown",
-      "metadata": {
-        "id": "iGSuFGGwpjtb"
-      },
-      "source": [
-        "## 데이터 분석 📊🤔\n",
-        "\n",
-        "에이전트 실행시, 실제 캐글 대회에서 사용된 추가적인 노트를 `run`메소드의 kwarg로 넘겨주었습니다.\n"
-      ]
-    },
-    {
-      "cell_type": "code",
-      "source": [
-        "from google.colab import drive\n",
-        "drive.mount('/content/drive')  # 구글 드라이브 마운트"
-      ],
-      "metadata": {
-        "id": "qWYp-IertEN1",
-        "collapsed": true
-      },
-      "execution_count": null,
-      "outputs": []
-    },
-    {
-      "cell_type": "code",
-      "source": [
-        "import os\n",
-        "\n",
-        "os.chdir('/content/drive/My Drive/Colab Notebooks')  # 원하는 경로로 변경\n",
-        "print(os.getcwd())  # 변경된 경로 확인"
-      ],
-      "metadata": {
-        "id": "UCK6t2u5sKpm",
-        "collapsed": true
-      },
-      "execution_count": null,
-      "outputs": []
-    },
-    {
-      "cell_type": "code",
-      "execution_count": null,
-      "metadata": {
-        "id": "pywHujGvpjtb"
-      },
-      "outputs": [],
-      "source": [
-        "# 디렉토리 생성\n",
-        "os.mkdir(\"./figures\")"
-      ]
-    },
-    {
-      "cell_type": "code",
-      "source": [
-        "os.chdir('/content/drive/My Drive/Colab Notebooks/figures')  # 원하는 경로로 변경\n",
-        "print(os.getcwd())  # 변경된 경로 확인"
-      ],
-      "metadata": {
-        "id": "X2wTtXDjNYyI",
-        "collapsed": true
-      },
-      "execution_count": null,
-      "outputs": []
-    },
-    {
-      "cell_type": "code",
-      "execution_count": null,
-      "metadata": {
-        "id": "WOLY_WBLPGQE",
-        "collapsed": true
-      },
-      "outputs": [],
-      "source": [
-        "additional_notes = \"\"\"\n",
-        "### Variable Notes\n",
-        "PassengerId : 승객 아이디\n",
-        "Survived : 생존여부 (0: 사망, 1: 생존)\n",
-        "pclass: 사회경제적 지위(SES)의 대리 변수\n",
-        "1 = 상류층\n",
-        "2 = 중산층\n",
-        "3 = 하류층\n",
-        "Sex : 성별 (male: 남성, female: 여성)\n",
-        "age: 나이(Age)가 1 미만일 경우 소수로 표시됩니다. 나이가 추정된 경우, xx.5 형태로 표시됩니다.\n",
-        "sibsp: 이 데이터셋은 가족 관계를 다음과 같이 정의합니다...\n",
-        "형제 = 형제, 자매, 이복형제, 이복자매\n",
-        "배우자 = 남편, 아내 (애인과 약혼자는 간주하지 않았습니다.)\n",
-        "parch: 이 데이터셋은 가족 관계를 다음과 같이 정의합니다...\n",
-        "부모 = 어머니, 아버지\n",
-        "자녀 = 딸, 아들, 양녀, 양자\n",
-        "유모와 여행을 온 몇 어린이들의 경우, parch=0 로 표현합니다.\n",
-        "Fare: 티켓 요금\n",
-        "\"\"\"\n",
-        "\n",
-        "analysis = agent.run(\n",
-        "    \"\"\"당신은 데이터 분석 전문가입니다. 소스 파일을 로드하고 내용을 분석하세요. 아래 세가지 행동을 취해주세요.\n",
-        "\n",
-        "첫번째, 주어진 변수를 바탕으로 데이터에서 흥미로운 질문 3개를 선정하고, 각각 답해보세요. 예를 들어, survival rate(생존율)과의 특정 상관관계에 관한 질문을 만들 수 있습니다. (질문은 반드시 최소한 3개의 번호가 매겨진 상세한 항목)\n",
-        "두번째, 3가지 질문과 관련된 figures를 그리세요. matplotlib/seaborn을 사용해  './figures/' 폴더에 저장하세요. 각 그림을 그리기 전에 plt.clf()로 그림을 지워주세요.\n",
-        "세번째, 위의 답변에서 구한 상관관계와 경향을 요약하세요. 각 숫자에서 실생활 인사이트를 도출하세요. 예를 들어, \"is_december와 boredness의 상관관계는 1.3453이며, 이는 겨울철에 사람들이 더 지루해진다는 것을 시사합니다\"와 같은 식으로요.\n",
-        "\"\"\",\n",
-        "    additional_notes=additional_notes,\n",
-        "    source_file=\"titanic/train.csv\",\n",
-        ")"
-      ]
-    },
-    {
-      "cell_type": "code",
-      "execution_count": 17,
-      "metadata": {
-        "outputId": "4e259705-b542-4129-f7ea-08ac78566bb1",
-        "colab": {
-          "base_uri": "https://localhost:8080/"
-        },
-        "id": "8hA-jMsePGQF"
-      },
-      "outputs": [
-        {
-          "output_type": "stream",
-          "name": "stdout",
-          "text": [
-            "타이타닉 데이터 세트 분석 결과, 사회경제적 지위와 성별의 생존율에 미치는 영향을 분석 Mayer muchos이 있습니다.\n"
-          ]
-        }
-      ],
-      "source": [
-        "print(analysis)"
-      ]
-    },
-    {
-      "cell_type": "markdown",
-      "metadata": {
-        "id": "hcT-BISRpjtd"
-      },
-      "source": [
-        "놀랍지 않나요? 에이전트에게 시각화 도구를 제공해 자신이 만든 그래프를 분석하게 할 수도 있습니다!\n",
-        "\n",
-        "## 데이터과학자 에이전트 : 예측을 실행해보자 🛠️\n",
-        "\n",
-        "👉 이제 더 깊이 들어가 봅시다: **데이터를 기반으로 모델이 예측을 수행하도록 합니다.**\n",
-        "\n",
-        "예측 수행을 위해 `additional_authorized_imports`에 `sklearn`도 추가해줍니다."
-      ]
-    },
-    {
-      "cell_type": "code",
-      "execution_count": null,
-      "metadata": {
-        "id": "1qSXRraDpjtd"
-      },
-      "outputs": [],
-      "source": [
-        "agent = ReactCodeAgent(\n",
-        "    tools=[],\n",
-        "    llm_engine=llm_engine,\n",
-        "    additional_authorized_imports=[\n",
-        "        \"numpy\",\n",
-        "        \"pandas\",\n",
-        "        \"matplotlib.pyplot\",\n",
-        "        \"seaborn\",\n",
-        "        \"sklearn\",\n",
-        "    ],\n",
-        "    max_iterations=12,\n",
-        ")\n",
-        "\n",
-        "output = agent.run(\n",
-        "    \"\"\"당신은 전문가 수준의 머신러닝 엔지니어입니다.\n",
-        "'titanic/train.csv' 파일을 사용하여 생존 여부를 예측하는 머신러닝 모델을 학습시키세요.\n",
-        "'titanic/test.csv' 파일의 행에 대한 예측을 수행한 후, 결과를 './output.csv'에 출력하세요.\n",
-        "함수와 모듈을 사용하기 전에 반드시 임포트하세요!\n",
-        "\"\"\",\n",
-        "    additional_notes=additional_notes + \"\\n\" + analysis,\n",
-        ")"
-      ]
-    },
-    {
-      "cell_type": "markdown",
-      "metadata": {
-        "id": "Iimn7AWtpjtd"
-      },
-      "source": [
-        "위에서 에이전트가 출력한 테스트 예측을 Kaggle에 제출하면 **0.78229**으로, 이는 17,360명 중 2824등에 해당하며, 저자가 몇 년 전 이 데이터분석 챌린지를 처음 시도해 힘들게 얻었던 결과보다 더 나은 성과입니다.\n",
-        "\n",
-        "결과는 다를 수 있지만, 몇 초 만에 에이전트를 사용해 이 정도 성과를 낼 수 있다는 점이 매우 인상적입니다.\n",
-        "\n",
-        "🚀 위 시도는 에이전트를 활용한 단순한 데이터 분석 사례일 뿐입니다. 사용 사례에 맞게 충분히 개선할 수 있습니다!"
-      ]
-    },
-    {
-      "cell_type": "code",
-      "source": [],
-      "metadata": {
-        "id": "7Qnz16z1feCf"
-      },
-      "execution_count": null,
-      "outputs": []
-    }
-  ],
-  "metadata": {
-    "kernelspec": {
-      "display_name": "disposable",
-      "language": "python",
-      "name": "python3"
-    },
-    "language_info": {
-      "codemirror_mode": {
-        "name": "ipython",
-        "version": 3
-      },
-      "file_extension": ".py",
-      "mimetype": "text/x-python",
-      "name": "python",
-      "nbconvert_exporter": "python",
-      "pygments_lexer": "ipython3",
-      "version": "3.12.2"
-    },
-    "colab": {
-      "provenance": []
-    }
-  },
-  "nbformat": 4,
-  "nbformat_minor": 0
-}
\ No newline at end of file

From 42e703203a69e7fafee0387b67cb076ad987fee5 Mon Sep 17 00:00:00 2001
From: Ahnjj_DEV <ahnjj.dev@gmail.com>
Date: Sun, 29 Sep 2024 22:41:28 +0900
Subject: [PATCH 11/23] feat: nmt draft

---
 notebooks/ko/ko_agent_data_analyst.ipynb | 286 +++++++++++++++++++++++
 1 file changed, 286 insertions(+)
 create mode 100644 notebooks/ko/ko_agent_data_analyst.ipynb

diff --git a/notebooks/ko/ko_agent_data_analyst.ipynb b/notebooks/ko/ko_agent_data_analyst.ipynb
new file mode 100644
index 00000000..14b1d6e4
--- /dev/null
+++ b/notebooks/ko/ko_agent_data_analyst.ipynb
@@ -0,0 +1,286 @@
+{
+  "cells": [
+    {
+      "cell_type": "markdown",
+      "source": [
+        "# 데이터분석 에이전트: 눈깜짝할 사이에 데이터에서 인사이트 얻기 ✨\n",
+        "_저자: [Aymeric Roucher](https://huggingface.co/m-ric)_\n",
+        "\n",
+        "> 이 튜토리얼은 고급 과정입니다. 먼저 [이 쿡북](agents)에 대한 개념을 이해하고 있어야 합니다!\n",
+        "\n",
+        "\n",
+        "이번 쿡북에서 만들 **데이터 분석 에이전트** 는 :\n",
+        " **데이터 분석 라이브러리를 사용한 코드 에이전트로,데이터로부터 인사이트를 도출하기 위해 데이터프레임을 불러오고 변환하며, 결과를 시각화합니다!**\n",
+        "\n",
+        "\n",
+        "예를 들어 여러분이 '[Kaggle Titanic 챌린지](https://www.kaggle.com/competitions/titanic)'의 데이터를 직접 분석해 개별 승객의 생존 여부를 예측하고 싶다고 가정해 봅시다.\n",
+        "하지만 직접 분석에 들어가기 전에, 자율 에이전트가 추세를 추출해주고 수치 몇 가지를 그려 인사이트를 발견해 분석을 준비해주기를 원합니다.\n",
+        "\n",
+        "이 시스템을 설정해 보겠습니다.\n",
+        "\n",
+        "아래 명령어를 실행하여 필요한 의존성을 설치하세요:"
+      ],
+      "metadata": {
+        "id": "ihQ3c6IWDa6G"
+      }
+    },
+    {
+      "cell_type": "code",
+      "execution_count": 2,
+      "metadata": {
+        "id": "0WauABimpjta"
+      },
+      "outputs": [],
+      "source": [
+        "!pip install seaborn \"transformers[agents]\""
+      ]
+    },
+    {
+      "cell_type": "markdown",
+      "metadata": {
+        "id": "4LJXMiy3pjtb"
+      },
+      "source": [
+        "우선 에이전트를 생성합니다. 이 쿡북에서는 `ReactCodeAgent`를 사용했습니다. (더 많은 종류의 에이전트를 확인하려면 [이 문서](https://huggingface.co/docs/transformers/en/agents) 를 참조하세요.)\n",
+        "이 에이전트는 별도의 도구를 제공하지 않아도 스스로 코드를 실행할 수 있습니다.\n",
+        "\n",
+        "일반적으로 `additional_authorized_imports`에 라이브러리를 전달할 때, 파이썬 인터프리터는 환경에 설치된 라이브러리만 사용할 수 있기 때문에, 해당 라이브러리들이 로컬 환경에 설치되어 있는지 확인해야 합니다.\n",
+        "\n",
+        "\n",
+        "⚙ 해당 에이전트는 [meta-llama/Meta-Llama-3.1-70B-Instruct](https://huggingface.co/meta-llama/Meta-Llama-3.1-70B-Instruct) 모델을 사용하며, HF의 Inference API를 사용하는 `HfEngine` 클래스로 구동됩니다. Inference API를 통해 빠르고 쉽게 OS 모델을 실행할 수 있습니다."
+      ]
+    },
+    {
+      "cell_type": "code",
+      "execution_count": null,
+      "metadata": {
+        "id": "XPrHXQgFpjtb"
+      },
+      "outputs": [],
+      "source": [
+        "from transformers.agents import HfEngine, ReactCodeAgent\n",
+        "from huggingface_hub import login\n",
+        "import os\n",
+        "\n",
+        "# login(os.getenv(\"HUGGINGFACEHUB_API_TOKEN\"))\n",
+        "login(os.getenv(\"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\"))\n",
+        "llm_engine = HfEngine(\"meta-llama/Meta-Llama-3.1-70B-Instruct\")\n",
+        "\n",
+        "agent = ReactCodeAgent(\n",
+        "    tools=[],\n",
+        "    llm_engine=llm_engine,\n",
+        "    additional_authorized_imports=[\"numpy\", \"pandas\", \"matplotlib.pyplot\", \"seaborn\"],\n",
+        "    max_iterations=10,\n",
+        ")"
+      ]
+    },
+    {
+      "cell_type": "markdown",
+      "metadata": {
+        "id": "iGSuFGGwpjtb"
+      },
+      "source": [
+        "## 데이터 분석 📊🤔\n",
+        "\n",
+        "에이전트 실행시, 실제 캐글 대회에서 사용된 추가적인 노트를 `run`메소드의 kwarg로 넘겨주었습니다.\n"
+      ]
+    },
+    {
+      "cell_type": "code",
+      "source": [
+        "from google.colab import drive\n",
+        "drive.mount('/content/drive')  # 구글 드라이브 마운트"
+      ],
+      "metadata": {
+        "id": "qWYp-IertEN1",
+        "collapsed": true
+      },
+      "execution_count": null,
+      "outputs": []
+    },
+    {
+      "cell_type": "code",
+      "source": [
+        "import os\n",
+        "\n",
+        "os.chdir('/content/drive/My Drive/Colab Notebooks')  # 원하는 경로로 변경\n",
+        "print(os.getcwd())  # 변경된 경로 확인"
+      ],
+      "metadata": {
+        "id": "UCK6t2u5sKpm",
+        "collapsed": true
+      },
+      "execution_count": null,
+      "outputs": []
+    },
+    {
+      "cell_type": "code",
+      "execution_count": null,
+      "metadata": {
+        "id": "pywHujGvpjtb"
+      },
+      "outputs": [],
+      "source": [
+        "# 디렉토리 생성\n",
+        "os.mkdir(\"./figures\")"
+      ]
+    },
+    {
+      "cell_type": "code",
+      "source": [
+        "os.chdir('/content/drive/My Drive/Colab Notebooks/figures')  # 원하는 경로로 변경\n",
+        "print(os.getcwd())  # 변경된 경로 확인"
+      ],
+      "metadata": {
+        "id": "X2wTtXDjNYyI",
+        "collapsed": true
+      },
+      "execution_count": null,
+      "outputs": []
+    },
+    {
+      "cell_type": "code",
+      "execution_count": null,
+      "metadata": {
+        "id": "WOLY_WBLPGQE",
+        "collapsed": true
+      },
+      "outputs": [],
+      "source": [
+        "additional_notes = \"\"\"\n",
+        "### Variable Notes\n",
+        "PassengerId : 승객 아이디\n",
+        "Survived : 생존여부 (0: 사망, 1: 생존)\n",
+        "pclass: 사회경제적 지위(SES)의 대리 변수\n",
+        "1 = 상류층\n",
+        "2 = 중산층\n",
+        "3 = 하류층\n",
+        "Sex : 성별 (male: 남성, female: 여성)\n",
+        "age: 나이(Age)가 1 미만일 경우 소수로 표시됩니다. 나이가 추정된 경우, xx.5 형태로 표시됩니다.\n",
+        "sibsp: 이 데이터셋은 가족 관계를 다음과 같이 정의합니다...\n",
+        "형제 = 형제, 자매, 이복형제, 이복자매\n",
+        "배우자 = 남편, 아내 (애인과 약혼자는 간주하지 않았습니다.)\n",
+        "parch: 이 데이터셋은 가족 관계를 다음과 같이 정의합니다...\n",
+        "부모 = 어머니, 아버지\n",
+        "자녀 = 딸, 아들, 양녀, 양자\n",
+        "유모와 여행을 온 몇 어린이들의 경우, parch=0 로 표현합니다.\n",
+        "Fare: 티켓 요금\n",
+        "\"\"\"\n",
+        "\n",
+        "analysis = agent.run(\n",
+        "    \"\"\"당신은 데이터 분석 전문가입니다. 소스 파일을 로드하고 내용을 분석하세요. 아래 세가지 행동을 취해주세요.\n",
+        "\n",
+        "첫번째, 주어진 변수를 바탕으로 데이터에서 흥미로운 질문 3개를 선정하고, 각각 답해보세요. 예를 들어, survival rate(생존율)과의 특정 상관관계에 관한 질문을 만들 수 있습니다. (질문은 반드시 최소한 3개의 번호가 매겨진 상세한 항목)\n",
+        "두번째, 3가지 질문과 관련된 figures를 그리세요. matplotlib/seaborn을 사용해  './figures/' 폴더에 저장하세요. 각 그림을 그리기 전에 plt.clf()로 그림을 지워주세요.\n",
+        "세번째, 위의 답변에서 구한 상관관계와 경향을 요약하세요. 각 숫자에서 실생활 인사이트를 도출하세요. 예를 들어, \"is_december와 boredness의 상관관계는 1.3453이며, 이는 겨울철에 사람들이 더 지루해진다는 것을 시사합니다\"와 같은 식으로요.\n",
+        "\"\"\",\n",
+        "    additional_notes=additional_notes,\n",
+        "    source_file=\"titanic/train.csv\",\n",
+        ")"
+      ]
+    },
+    {
+      "cell_type": "code",
+      "execution_count": null,
+      "metadata": {
+        "id": "8hA-jMsePGQF"
+      },
+      "outputs": [],
+      "source": [
+        "print(analysis)"
+      ]
+    },
+    {
+      "cell_type": "markdown",
+      "metadata": {
+        "id": "hcT-BISRpjtd"
+      },
+      "source": [
+        "놀랍지 않나요? 에이전트에게 시각화 도구를 제공해 자신이 만든 그래프를 분석하게 할 수도 있습니다!\n",
+        "\n",
+        "## 데이터과학자 에이전트 : 예측을 실행해보자 🛠️\n",
+        "\n",
+        "👉 이제 더 깊이 들어가 봅시다: **데이터를 기반으로 모델이 예측을 수행하도록 합니다.**\n",
+        "\n",
+        "예측 수행을 위해 `additional_authorized_imports`에 `sklearn`도 추가해줍니다."
+      ]
+    },
+    {
+      "cell_type": "code",
+      "execution_count": null,
+      "metadata": {
+        "id": "1qSXRraDpjtd"
+      },
+      "outputs": [],
+      "source": [
+        "agent = ReactCodeAgent(\n",
+        "    tools=[],\n",
+        "    llm_engine=llm_engine,\n",
+        "    additional_authorized_imports=[\n",
+        "        \"numpy\",\n",
+        "        \"pandas\",\n",
+        "        \"matplotlib.pyplot\",\n",
+        "        \"seaborn\",\n",
+        "        \"sklearn\",\n",
+        "    ],\n",
+        "    max_iterations=12,\n",
+        ")\n",
+        "\n",
+        "output = agent.run(\n",
+        "    \"\"\"당신은 전문가 수준의 머신러닝 엔지니어입니다.\n",
+        "'titanic/train.csv' 파일을 사용하여 생존 여부를 예측하는 머신러닝 모델을 학습시키세요.\n",
+        "'titanic/test.csv' 파일의 행에 대한 예측을 수행한 후, 결과를 './output.csv'에 출력하세요.\n",
+        "함수와 모듈을 사용하기 전에 반드시 임포트하세요!\n",
+        "\"\"\",\n",
+        "    additional_notes=additional_notes + \"\\n\" + analysis,\n",
+        ")"
+      ]
+    },
+    {
+      "cell_type": "markdown",
+      "metadata": {
+        "id": "Iimn7AWtpjtd"
+      },
+      "source": [
+        "위에서 에이전트가 출력한 테스트 예측을 Kaggle에 제출하면 **0.78229**으로, 이는 17,360명 중 2824등에 해당하며, 저자가 몇 년 전 이 데이터분석 챌린지를 처음 시도해 힘들게 얻었던 결과보다 더 나은 성과입니다.\n",
+        "\n",
+        "결과는 다를 수 있지만, 몇 초 만에 에이전트를 사용해 이 정도 성과를 낼 수 있다는 점이 매우 인상적입니다.\n",
+        "\n",
+        "🚀 위 시도는 에이전트를 활용한 단순한 데이터 분석 사례일 뿐입니다. 사용 사례에 맞게 충분히 개선할 수 있습니다!"
+      ]
+    },
+    {
+      "cell_type": "code",
+      "source": [],
+      "metadata": {
+        "id": "7Qnz16z1feCf"
+      },
+      "execution_count": null,
+      "outputs": []
+    }
+  ],
+  "metadata": {
+    "kernelspec": {
+      "display_name": "disposable",
+      "language": "python",
+      "name": "python3"
+    },
+    "language_info": {
+      "codemirror_mode": {
+        "name": "ipython",
+        "version": 3
+      },
+      "file_extension": ".py",
+      "mimetype": "text/x-python",
+      "name": "python",
+      "nbconvert_exporter": "python",
+      "pygments_lexer": "ipython3",
+      "version": "3.12.2"
+    },
+    "colab": {
+      "provenance": []
+    }
+  },
+  "nbformat": 4,
+  "nbformat_minor": 0
+}
\ No newline at end of file

From 952fbf81c7d512c4224238362ba4d86b1d703151 Mon Sep 17 00:00:00 2001
From: Ahnjj_DEV <ahnjj.dev@gmail.com>
Date: Sun, 29 Sep 2024 22:44:02 +0900
Subject: [PATCH 12/23] Update index.md

---
 notebooks/ko/index.md | 3 ++-
 1 file changed, 2 insertions(+), 1 deletion(-)

diff --git a/notebooks/ko/index.md b/notebooks/ko/index.md
index c854534c..ca61214d 100644
--- a/notebooks/ko/index.md
+++ b/notebooks/ko/index.md
@@ -6,7 +6,8 @@
 
 최근 추가된 노트북을 살펴보세요:
 
-- [한국어 Advanced RAG 구현: Hugging Face와 LangChain 활용한 Cookbook](advanced_ko_rag)
+- [한국어 Advanced RAG 구현: Hugging Face와 LangChain 활용한 Cookbook](adv[anced_ko_rag)
+- [데이터분석 에이전트: 눈깜짝할 사이에 데이터에서 인사이트 얻기](https://huggingface.co/learn/cookbook/en/agent_data_analyst)
 
 더 다양한 노트북을 확인하고 싶다면 Cookbook's [GitHub 리포지토리](https://github.com/huggingface/cookbook)에 방문해보세요.
 

From da94ebd15a98586f6f0be41f0e1aabe7229de117 Mon Sep 17 00:00:00 2001
From: Ahnjj_DEV <ahnjj.dev@gmail.com>
Date: Thu, 3 Oct 2024 15:08:05 +0900
Subject: [PATCH 13/23] Update ko_agent_data_analyst.ipynb

---
 notebooks/ko/ko_agent_data_analyst.ipynb | 131 ++++++++++++++---------
 1 file changed, 78 insertions(+), 53 deletions(-)

diff --git a/notebooks/ko/ko_agent_data_analyst.ipynb b/notebooks/ko/ko_agent_data_analyst.ipynb
index 14b1d6e4..c9324533 100644
--- a/notebooks/ko/ko_agent_data_analyst.ipynb
+++ b/notebooks/ko/ko_agent_data_analyst.ipynb
@@ -6,15 +6,14 @@
         "# 데이터분석 에이전트: 눈깜짝할 사이에 데이터에서 인사이트 얻기 ✨\n",
         "_저자: [Aymeric Roucher](https://huggingface.co/m-ric)_\n",
         "\n",
-        "> 이 튜토리얼은 고급 과정입니다. 먼저 [이 쿡북](agents)에 대한 개념을 이해하고 있어야 합니다!\n",
+        "> 이 튜토리얼은 고급 과정입니다. 사전에 [이 쿡북](agents)에 대한 개념을 이해하고 있어야 합니다!\n",
         "\n",
-        "\n",
-        "이번 쿡북에서 만들 **데이터 분석 에이전트** 는 :\n",
-        " **데이터 분석 라이브러리를 사용한 코드 에이전트로,데이터로부터 인사이트를 도출하기 위해 데이터프레임을 불러오고 변환하며, 결과를 시각화합니다!**\n",
+        "이번에 만들 **데이터 분석 에이전트**는 :\n",
+        " **데이터 분석 라이브러리를 사용한 코드 에이전트로,데이터프레임을 불러오고 변환해 데이터로부터 인사이트를 찾아내고,결과를 시각화합니다!**\n",
         "\n",
         "\n",
         "예를 들어 여러분이 '[Kaggle Titanic 챌린지](https://www.kaggle.com/competitions/titanic)'의 데이터를 직접 분석해 개별 승객의 생존 여부를 예측하고 싶다고 가정해 봅시다.\n",
-        "하지만 직접 분석에 들어가기 전에, 자율 에이전트가 추세를 추출해주고 수치 몇 가지를 그려 인사이트를 발견해 분석을 준비해주기를 원합니다.\n",
+        "하지만 직접 분석에 들어가기 전에, 자율 에이전트가 수치도 추출해주고 그에 맞게 그래프도 그려주어 인사이트를 뽑아내주면 좋겠군요.\n",
         "\n",
         "이 시스템을 설정해 보겠습니다.\n",
         "\n",
@@ -26,7 +25,7 @@
     },
     {
       "cell_type": "code",
-      "execution_count": 2,
+      "execution_count": null,
       "metadata": {
         "id": "0WauABimpjta"
       },
@@ -42,7 +41,7 @@
       },
       "source": [
         "우선 에이전트를 생성합니다. 이 쿡북에서는 `ReactCodeAgent`를 사용했습니다. (더 많은 종류의 에이전트를 확인하려면 [이 문서](https://huggingface.co/docs/transformers/en/agents) 를 참조하세요.)\n",
-        "이 에이전트는 별도의 도구를 제공하지 않아도 스스로 코드를 실행할 수 있습니다.\n",
+        "이 에이전트는 별도의 도구를 제공하지 않아도 스스로 코드를 작성하고 실행할 수 있습니다.\n",
         "\n",
         "일반적으로 `additional_authorized_imports`에 라이브러리를 전달할 때, 파이썬 인터프리터는 환경에 설치된 라이브러리만 사용할 수 있기 때문에, 해당 라이브러리들이 로컬 환경에 설치되어 있는지 확인해야 합니다.\n",
         "\n",
@@ -62,8 +61,7 @@
         "from huggingface_hub import login\n",
         "import os\n",
         "\n",
-        "# login(os.getenv(\"HUGGINGFACEHUB_API_TOKEN\"))\n",
-        "login(os.getenv(\"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\"))\n",
+        "login(os.getenv(\"HUGGINGFACEHUB_API_TOKEN\"))\n",
         "llm_engine = HfEngine(\"meta-llama/Meta-Llama-3.1-70B-Instruct\")\n",
         "\n",
         "agent = ReactCodeAgent(\n",
@@ -81,8 +79,7 @@
       },
       "source": [
         "## 데이터 분석 📊🤔\n",
-        "\n",
-        "에이전트 실행시, 실제 캐글 대회에서 사용된 추가적인 노트를 `run`메소드의 kwarg로 넘겨주었습니다.\n"
+        "저자는 구글 코랩을 사용하였으므로, 드라이브를 마운트하고 분석에 사용할 디렉토리를 생성했습니다."
       ]
     },
     {
@@ -128,7 +125,7 @@
     {
       "cell_type": "code",
       "source": [
-        "os.chdir('/content/drive/My Drive/Colab Notebooks/figures')  # 원하는 경로로 변경\n",
+        "os.chdir('/content/drive/My Drive/Colab Notebooks/figures')  # 생성한 디렉토리 경로로 변경\n",
         "print(os.getcwd())  # 변경된 경로 확인"
       ],
       "metadata": {
@@ -139,57 +136,94 @@
       "outputs": []
     },
     {
-      "cell_type": "code",
-      "execution_count": null,
+      "cell_type": "markdown",
+      "source": [
+        "실제 캐글 대회에서 사용된 추가 노트를 에이전트를 실행할 때 `run`메소드의 kwarg로 넘겨주었습니다."
+      ],
       "metadata": {
-        "id": "WOLY_WBLPGQE",
-        "collapsed": true
-      },
-      "outputs": [],
+        "id": "gnruiFV_62KL"
+      }
+    },
+    {
+      "cell_type": "code",
       "source": [
         "additional_notes = \"\"\"\n",
         "### Variable Notes\n",
-        "PassengerId : 승객 아이디\n",
-        "Survived : 생존여부 (0: 사망, 1: 생존)\n",
-        "pclass: 사회경제적 지위(SES)의 대리 변수\n",
+        "승객ID : 승객 아이디\n",
+        "생존여부 : (0: 사망, 1: 생존)\n",
+        "클래스: 사회경제적 지위\n",
         "1 = 상류층\n",
         "2 = 중산층\n",
         "3 = 하류층\n",
-        "Sex : 성별 (male: 남성, female: 여성)\n",
-        "age: 나이(Age)가 1 미만일 경우 소수로 표시됩니다. 나이가 추정된 경우, xx.5 형태로 표시됩니다.\n",
-        "sibsp: 이 데이터셋은 가족 관계를 다음과 같이 정의합니다...\n",
-        "형제 = 형제, 자매, 이복형제, 이복자매\n",
+        "성별 : 남성, 여성\n",
+        "나이 : 나이가 1 미만일 경우 소수로 표시됩니다. 나이가 추정된 경우, xx.5 형태로 표시됩니다.\n",
+        "형제배우자: 이 데이터셋은 가족 관계를 다음과 같이 정의합니다...\n",
+        "형제자매 = 형제, 자매, 이복형제, 이복자매\n",
         "배우자 = 남편, 아내 (애인과 약혼자는 간주하지 않았습니다.)\n",
-        "parch: 이 데이터셋은 가족 관계를 다음과 같이 정의합니다...\n",
+        "부모자식: 이 데이터셋은 가족 관계를 다음과 같이 정의합니다...\n",
         "부모 = 어머니, 아버지\n",
-        "자녀 = 딸, 아들, 양녀, 양자\n",
-        "유모와 여행을 온 몇 어린이들의 경우, parch=0 로 표현합니다.\n",
-        "Fare: 티켓 요금\n",
+        "자식 = 딸, 아들, 양녀, 양자\n",
+        "유모와 여행을 온 몇 어린이들의 경우, 부모자식=0 로 표현합니다.\n",
+        "요금: 티켓 요금\n",
         "\"\"\"\n",
         "\n",
         "analysis = agent.run(\n",
-        "    \"\"\"당신은 데이터 분석 전문가입니다. 소스 파일을 로드하고 내용을 분석하세요. 아래 세가지 행동을 취해주세요.\n",
+        "    \"\"\"당신은 데이터 분석 전문가입니다. 소스 파일을 로드하고 내용을 분석해주세요.\n",
+        "먼저 주어진 변수와 생존율과의 상관관계에 대해 흥미로운 질문 3가지를 나열하고, 해당 질문에 하나씩 답하고 관련된 숫자를 찾아내세요.\n",
+        "matplotlib/seaborn을 사용해 3가지 질문에 관련된 그래프를 그리고, './figures/' 폴더에 저장하십시오. 다른 그래프를 그리기 전에 plt.clf()로 각 그래프를 지워야 합니다. 그래프의 라벨명은 영어로 해주세요.\n",
         "\n",
-        "첫번째, 주어진 변수를 바탕으로 데이터에서 흥미로운 질문 3개를 선정하고, 각각 답해보세요. 예를 들어, survival rate(생존율)과의 특정 상관관계에 관한 질문을 만들 수 있습니다. (질문은 반드시 최소한 3개의 번호가 매겨진 상세한 항목)\n",
-        "두번째, 3가지 질문과 관련된 figures를 그리세요. matplotlib/seaborn을 사용해  './figures/' 폴더에 저장하세요. 각 그림을 그리기 전에 plt.clf()로 그림을 지워주세요.\n",
-        "세번째, 위의 답변에서 구한 상관관계와 경향을 요약하세요. 각 숫자에서 실생활 인사이트를 도출하세요. 예를 들어, \"is_december와 boredness의 상관관계는 1.3453이며, 이는 겨울철에 사람들이 더 지루해진다는 것을 시사합니다\"와 같은 식으로요.\n",
+        "최종 답변 :  숫자로부터 찾은 상관관계와 인사이트를 요약해주세요.\n",
+        "(인사이트 예시: \"is_december와 boredness 간의 상관관계는 1.3453으로, 이는 사람들이 겨울에 더 지루함을 느낄 가능성이 높다는 것을 시사합니다.\")\n",
+        "최종 답변은 최소한 3개의 번호가 매겨진 항목이어야합니다.\n",
         "\"\"\",\n",
         "    additional_notes=additional_notes,\n",
-        "    source_file=\"titanic/train.csv\",\n",
+        "    source_file=\"titanic_ko/train.csv\",\n",
         ")"
-      ]
+      ],
+      "metadata": {
+        "id": "Xe5jfSWStgrc",
+        "collapsed": true
+      },
+      "execution_count": null,
+      "outputs": []
     },
     {
       "cell_type": "code",
-      "execution_count": null,
+      "execution_count": 21,
       "metadata": {
-        "id": "8hA-jMsePGQF"
+        "id": "8hA-jMsePGQF",
+        "colab": {
+          "base_uri": "https://localhost:8080/"
+        },
+        "outputId": "be0dd5c4-8bda-4723-9acf-394ed044297e"
       },
-      "outputs": [],
+      "outputs": [
+        {
+          "output_type": "stream",
+          "name": "stdout",
+          "text": [
+            "성별과 생존여부 간의 상관관계: \n",
+            "남성: 0.188908\n",
+            "여성: 0.742038\n",
+            "클래스와 생존여부 간의 상관관계: \n",
+            "1등급: 0.629630\n",
+            "2등급: 0.472826\n",
+            "3등급: 0.242363\n",
+            "나이와 생존여부 간의 상관관계-confidence level: -0.077221\n"
+          ]
+        }
+      ],
       "source": [
         "print(analysis)"
       ]
     },
+    {
+      "cell_type": "markdown",
+      "source": [],
+      "metadata": {
+        "id": "6BnDH9SG3uH4"
+      }
+    },
     {
       "cell_type": "markdown",
       "metadata": {
@@ -198,9 +232,9 @@
       "source": [
         "놀랍지 않나요? 에이전트에게 시각화 도구를 제공해 자신이 만든 그래프를 분석하게 할 수도 있습니다!\n",
         "\n",
-        "## 데이터과학자 에이전트 : 예측을 실행해보자 🛠️\n",
+        "## 데이터과학자 에이전트 : 예측 수행하기 🛠️\n",
         "\n",
-        "👉 이제 더 깊이 들어가 봅시다: **데이터를 기반으로 모델이 예측을 수행하도록 합니다.**\n",
+        "👉 이제 더 깊이 들어가 봅시다 : **데이터를 기반으로 모델이 예측을 수행하도록 합니다.**\n",
         "\n",
         "예측 수행을 위해 `additional_authorized_imports`에 `sklearn`도 추가해줍니다."
       ]
@@ -228,8 +262,8 @@
         "\n",
         "output = agent.run(\n",
         "    \"\"\"당신은 전문가 수준의 머신러닝 엔지니어입니다.\n",
-        "'titanic/train.csv' 파일을 사용하여 생존 여부를 예측하는 머신러닝 모델을 학습시키세요.\n",
-        "'titanic/test.csv' 파일의 행에 대한 예측을 수행한 후, 결과를 './output.csv'에 출력하세요.\n",
+        "'titanic_ko/train.csv' 파일을 사용하여 '생존여부'를 예측하는 머신러닝 모델을 학습시키세요.\n",
+        "'titanic_ko/test.csv' 파일의 행에 대한 예측을 수행한 후, 결과를 'titanic_ko/output.csv'에 출력하세요.\n",
         "함수와 모듈을 사용하기 전에 반드시 임포트하세요!\n",
         "\"\"\",\n",
         "    additional_notes=additional_notes + \"\\n\" + analysis,\n",
@@ -246,17 +280,8 @@
         "\n",
         "결과는 다를 수 있지만, 몇 초 만에 에이전트를 사용해 이 정도 성과를 낼 수 있다는 점이 매우 인상적입니다.\n",
         "\n",
-        "🚀 위 시도는 에이전트를 활용한 단순한 데이터 분석 사례일 뿐입니다. 사용 사례에 맞게 충분히 개선할 수 있습니다!"
+        "🚀 이것은 에이전트를 활용한 단순한 데이터 분석 사례일 뿐입니다. 사용 사례에 맞게 충분히 개선할 수 있습니다 🤗"
       ]
-    },
-    {
-      "cell_type": "code",
-      "source": [],
-      "metadata": {
-        "id": "7Qnz16z1feCf"
-      },
-      "execution_count": null,
-      "outputs": []
     }
   ],
   "metadata": {
@@ -283,4 +308,4 @@
   },
   "nbformat": 4,
   "nbformat_minor": 0
-}
\ No newline at end of file
+}

From bc504abcd55ffdf300853f1782ef67630fd69a64 Mon Sep 17 00:00:00 2001
From: Ahnjj_DEV <ahnjj.dev@gmail.com>
Date: Thu, 3 Oct 2024 15:12:15 +0900
Subject: [PATCH 14/23] docs: ko: agent_data_analyst.ipynb

---
 notebooks/ko/agent_data_analyst.ipynb | 311 ++++++++++++++++++++++++++
 1 file changed, 311 insertions(+)
 create mode 100644 notebooks/ko/agent_data_analyst.ipynb

diff --git a/notebooks/ko/agent_data_analyst.ipynb b/notebooks/ko/agent_data_analyst.ipynb
new file mode 100644
index 00000000..613c707c
--- /dev/null
+++ b/notebooks/ko/agent_data_analyst.ipynb
@@ -0,0 +1,311 @@
+{
+  "cells": [
+    {
+      "cell_type": "markdown",
+      "source": [
+        "# 데이터분석 에이전트: 눈깜짝할 사이에 데이터에서 인사이트 얻기 ✨\n",
+        "_저자: [Aymeric Roucher](https://huggingface.co/m-ric)_\n",
+        "\n",
+        "> 이 튜토리얼은 고급 과정입니다. 사전에 [이 쿡북](agents)에 대한 개념을 이해하고 있어야 합니다!\n",
+        "\n",
+        "이번에 만들 **데이터 분석 에이전트**는 :\n",
+        " **데이터 분석 라이브러리를 사용한 코드 에이전트로,데이터프레임을 불러오고 변환해 데이터로부터 인사이트를 찾아내고,결과를 시각화합니다!**\n",
+        "\n",
+        "\n",
+        "예를 들어 여러분이 '[Kaggle Titanic 챌린지](https://www.kaggle.com/competitions/titanic)'의 데이터를 직접 분석해 개별 승객의 생존 여부를 예측하고 싶다고 가정해 봅시다.\n",
+        "하지만 직접 분석에 들어가기 전에, 자율 에이전트가 수치도 추출해주고 그에 맞게 그래프도 그려주어 인사이트를 뽑아내주면 좋겠군요.\n",
+        "\n",
+        "이 시스템을 설정해 보겠습니다.\n",
+        "\n",
+        "아래 명령어를 실행하여 필요한 의존성을 설치하세요:"
+      ],
+      "metadata": {
+        "id": "ihQ3c6IWDa6G"
+      }
+    },
+    {
+      "cell_type": "code",
+      "execution_count": null,
+      "metadata": {
+        "id": "0WauABimpjta"
+      },
+      "outputs": [],
+      "source": [
+        "!pip install seaborn \"transformers[agents]\""
+      ]
+    },
+    {
+      "cell_type": "markdown",
+      "metadata": {
+        "id": "4LJXMiy3pjtb"
+      },
+      "source": [
+        "우선 에이전트를 생성합니다. 이 쿡북에서는 `ReactCodeAgent`를 사용했습니다. (더 많은 종류의 에이전트를 확인하려면 [이 문서](https://huggingface.co/docs/transformers/en/agents) 를 참조하세요.)\n",
+        "이 에이전트는 별도의 도구를 제공하지 않아도 스스로 코드를 작성하고 실행할 수 있습니다.\n",
+        "\n",
+        "일반적으로 `additional_authorized_imports`에 라이브러리를 전달할 때, 파이썬 인터프리터는 환경에 설치된 라이브러리만 사용할 수 있기 때문에, 해당 라이브러리들이 로컬 환경에 설치되어 있는지 확인해야 합니다.\n",
+        "\n",
+        "\n",
+        "⚙ 해당 에이전트는 [meta-llama/Meta-Llama-3.1-70B-Instruct](https://huggingface.co/meta-llama/Meta-Llama-3.1-70B-Instruct) 모델을 사용하며, HF의 Inference API를 사용하는 `HfEngine` 클래스로 구동됩니다. Inference API를 통해 빠르고 쉽게 OS 모델을 실행할 수 있습니다."
+      ]
+    },
+    {
+      "cell_type": "code",
+      "execution_count": null,
+      "metadata": {
+        "id": "XPrHXQgFpjtb"
+      },
+      "outputs": [],
+      "source": [
+        "from transformers.agents import HfEngine, ReactCodeAgent\n",
+        "from huggingface_hub import login\n",
+        "import os\n",
+        "\n",
+        "login(os.getenv(\"HUGGINGFACEHUB_API_TOKEN\"))\n",
+        "llm_engine = HfEngine(\"meta-llama/Meta-Llama-3.1-70B-Instruct\")\n",
+        "\n",
+        "agent = ReactCodeAgent(\n",
+        "    tools=[],\n",
+        "    llm_engine=llm_engine,\n",
+        "    additional_authorized_imports=[\"numpy\", \"pandas\", \"matplotlib.pyplot\", \"seaborn\"],\n",
+        "    max_iterations=10,\n",
+        ")"
+      ]
+    },
+    {
+      "cell_type": "markdown",
+      "metadata": {
+        "id": "iGSuFGGwpjtb"
+      },
+      "source": [
+        "## 데이터 분석 📊🤔\n",
+        "저자는 구글 코랩을 사용하였으므로, 드라이브를 마운트하고 분석에 사용할 디렉토리를 생성했습니다."
+      ]
+    },
+    {
+      "cell_type": "code",
+      "source": [
+        "from google.colab import drive\n",
+        "drive.mount('/content/drive')  # 구글 드라이브 마운트"
+      ],
+      "metadata": {
+        "id": "qWYp-IertEN1",
+        "collapsed": true
+      },
+      "execution_count": null,
+      "outputs": []
+    },
+    {
+      "cell_type": "code",
+      "source": [
+        "import os\n",
+        "\n",
+        "os.chdir('/content/drive/My Drive/Colab Notebooks')  # 원하는 경로로 변경\n",
+        "print(os.getcwd())  # 변경된 경로 확인"
+      ],
+      "metadata": {
+        "id": "UCK6t2u5sKpm",
+        "collapsed": true
+      },
+      "execution_count": null,
+      "outputs": []
+    },
+    {
+      "cell_type": "code",
+      "execution_count": null,
+      "metadata": {
+        "id": "pywHujGvpjtb"
+      },
+      "outputs": [],
+      "source": [
+        "# 디렉토리 생성\n",
+        "os.mkdir(\"./figures\")"
+      ]
+    },
+    {
+      "cell_type": "code",
+      "source": [
+        "os.chdir('/content/drive/My Drive/Colab Notebooks/figures')  # 생성한 디렉토리 경로로 변경\n",
+        "print(os.getcwd())  # 변경된 경로 확인"
+      ],
+      "metadata": {
+        "id": "X2wTtXDjNYyI",
+        "collapsed": true
+      },
+      "execution_count": null,
+      "outputs": []
+    },
+    {
+      "cell_type": "markdown",
+      "source": [
+        "실제 캐글 대회에서 사용된 추가 노트를 에이전트를 실행할 때 `run`메소드의 kwarg로 넘겨주었습니다."
+      ],
+      "metadata": {
+        "id": "gnruiFV_62KL"
+      }
+    },
+    {
+      "cell_type": "code",
+      "source": [
+        "additional_notes = \"\"\"\n",
+        "### Variable Notes\n",
+        "승객ID : 승객 아이디\n",
+        "생존여부 : (0: 사망, 1: 생존)\n",
+        "클래스: 사회경제적 지위\n",
+        "1 = 상류층\n",
+        "2 = 중산층\n",
+        "3 = 하류층\n",
+        "성별 : 남성, 여성\n",
+        "나이 : 나이가 1 미만일 경우 소수로 표시됩니다. 나이가 추정된 경우, xx.5 형태로 표시됩니다.\n",
+        "형제배우자: 이 데이터셋은 가족 관계를 다음과 같이 정의합니다...\n",
+        "형제자매 = 형제, 자매, 이복형제, 이복자매\n",
+        "배우자 = 남편, 아내 (애인과 약혼자는 간주하지 않았습니다.)\n",
+        "부모자식: 이 데이터셋은 가족 관계를 다음과 같이 정의합니다...\n",
+        "부모 = 어머니, 아버지\n",
+        "자식 = 딸, 아들, 양녀, 양자\n",
+        "유모와 여행을 온 몇 어린이들의 경우, 부모자식=0 로 표현합니다.\n",
+        "요금: 티켓 요금\n",
+        "\"\"\"\n",
+        "\n",
+        "analysis = agent.run(\n",
+        "    \"\"\"당신은 데이터 분석 전문가입니다. 소스 파일을 로드하고 내용을 분석해주세요.\n",
+        "먼저 주어진 변수와 생존율과의 상관관계에 대해 흥미로운 질문 3가지를 나열하고, 해당 질문에 하나씩 답하고 관련된 숫자를 찾아내세요.\n",
+        "matplotlib/seaborn을 사용해 3가지 질문에 관련된 그래프를 그리고, './figures/' 폴더에 저장하십시오. 다른 그래프를 그리기 전에 plt.clf()로 각 그래프를 지워야 합니다. 그래프의 라벨명은 영어로 해주세요.\n",
+        "\n",
+        "최종 답변 :  숫자로부터 찾은 상관관계와 인사이트를 요약해주세요.\n",
+        "(인사이트 예시: \"is_december와 boredness 간의 상관관계는 1.3453으로, 이는 사람들이 겨울에 더 지루함을 느낄 가능성이 높다는 것을 시사합니다.\")\n",
+        "최종 답변은 최소한 3개의 번호가 매겨진 항목이어야합니다.\n",
+        "\"\"\",\n",
+        "    additional_notes=additional_notes,\n",
+        "    source_file=\"titanic_ko/train.csv\",\n",
+        ")"
+      ],
+      "metadata": {
+        "id": "Xe5jfSWStgrc",
+        "collapsed": true
+      },
+      "execution_count": null,
+      "outputs": []
+    },
+    {
+      "cell_type": "code",
+      "execution_count": 21,
+      "metadata": {
+        "id": "8hA-jMsePGQF",
+        "colab": {
+          "base_uri": "https://localhost:8080/"
+        },
+        "outputId": "be0dd5c4-8bda-4723-9acf-394ed044297e"
+      },
+      "outputs": [
+        {
+          "output_type": "stream",
+          "name": "stdout",
+          "text": [
+            "성별과 생존여부 간의 상관관계: \n",
+            "남성: 0.188908\n",
+            "여성: 0.742038\n",
+            "클래스와 생존여부 간의 상관관계: \n",
+            "1등급: 0.629630\n",
+            "2등급: 0.472826\n",
+            "3등급: 0.242363\n",
+            "나이와 생존여부 간의 상관관계-confidence level: -0.077221\n"
+          ]
+        }
+      ],
+      "source": [
+        "print(analysis)"
+      ]
+    },
+    {
+      "cell_type": "markdown",
+      "source": [],
+      "metadata": {
+        "id": "6BnDH9SG3uH4"
+      }
+    },
+    {
+      "cell_type": "markdown",
+      "metadata": {
+        "id": "hcT-BISRpjtd"
+      },
+      "source": [
+        "놀랍지 않나요? 에이전트에게 시각화 도구를 제공해 자신이 만든 그래프를 분석하게 할 수도 있습니다!\n",
+        "\n",
+        "## 데이터과학자 에이전트 : 예측 수행하기 🛠️\n",
+        "\n",
+        "👉 이제 더 깊이 들어가 봅시다 : **데이터를 기반으로 모델이 예측을 수행하도록 합니다.**\n",
+        "\n",
+        "예측 수행을 위해 `additional_authorized_imports`에 `sklearn`도 추가해줍니다."
+      ]
+    },
+    {
+      "cell_type": "code",
+      "execution_count": null,
+      "metadata": {
+        "id": "1qSXRraDpjtd"
+      },
+      "outputs": [],
+      "source": [
+        "agent = ReactCodeAgent(\n",
+        "    tools=[],\n",
+        "    llm_engine=llm_engine,\n",
+        "    additional_authorized_imports=[\n",
+        "        \"numpy\",\n",
+        "        \"pandas\",\n",
+        "        \"matplotlib.pyplot\",\n",
+        "        \"seaborn\",\n",
+        "        \"sklearn\",\n",
+        "    ],\n",
+        "    max_iterations=12,\n",
+        ")\n",
+        "\n",
+        "output = agent.run(\n",
+        "    \"\"\"당신은 전문가 수준의 머신러닝 엔지니어입니다.\n",
+        "'titanic_ko/train.csv' 파일을 사용하여 '생존여부'를 예측하는 머신러닝 모델을 학습시키세요.\n",
+        "'titanic_ko/test.csv' 파일의 행에 대한 예측을 수행한 후, 결과를 'titanic_ko/output.csv'에 출력하세요.\n",
+        "함수와 모듈을 사용하기 전에 반드시 임포트하세요!\n",
+        "\"\"\",\n",
+        "    additional_notes=additional_notes + \"\\n\" + analysis,\n",
+        ")"
+      ]
+    },
+    {
+      "cell_type": "markdown",
+      "metadata": {
+        "id": "Iimn7AWtpjtd"
+      },
+      "source": [
+        "위에서 에이전트가 출력한 테스트 예측을 Kaggle에 제출하면 **0.78229**으로, 이는 17,360명 중 2824등에 해당하며, 저자가 몇 년 전 이 데이터분석 챌린지를 처음 시도해 힘들게 얻었던 결과보다 더 나은 성과입니다.\n",
+        "\n",
+        "결과는 다를 수 있지만, 몇 초 만에 에이전트를 사용해 이 정도 성과를 낼 수 있다는 점이 매우 인상적입니다.\n",
+        "\n",
+        "🚀 이것은 에이전트를 활용한 단순한 데이터 분석 사례일 뿐입니다. 사용 사례에 맞게 충분히 개선할 수 있습니다 🤗"
+      ]
+    }
+  ],
+  "metadata": {
+    "kernelspec": {
+      "display_name": "disposable",
+      "language": "python",
+      "name": "python3"
+    },
+    "language_info": {
+      "codemirror_mode": {
+        "name": "ipython",
+        "version": 3
+      },
+      "file_extension": ".py",
+      "mimetype": "text/x-python",
+      "name": "python",
+      "nbconvert_exporter": "python",
+      "pygments_lexer": "ipython3",
+      "version": "3.12.2"
+    },
+    "colab": {
+      "provenance": []
+    }
+  },
+  "nbformat": 4,
+  "nbformat_minor": 0
+}
\ No newline at end of file

From 83374aeefbb4c31c606b12fd0377916d7b005e1c Mon Sep 17 00:00:00 2001
From: Ahnjj_DEV <ahnjj.dev@gmail.com>
Date: Thu, 3 Oct 2024 15:12:54 +0900
Subject: [PATCH 15/23] Delete notebooks/ko/ko_agent_data_analyst.ipynb

To change the title of the notebook
---
 notebooks/ko/ko_agent_data_analyst.ipynb | 311 -----------------------
 1 file changed, 311 deletions(-)
 delete mode 100644 notebooks/ko/ko_agent_data_analyst.ipynb

diff --git a/notebooks/ko/ko_agent_data_analyst.ipynb b/notebooks/ko/ko_agent_data_analyst.ipynb
deleted file mode 100644
index c9324533..00000000
--- a/notebooks/ko/ko_agent_data_analyst.ipynb
+++ /dev/null
@@ -1,311 +0,0 @@
-{
-  "cells": [
-    {
-      "cell_type": "markdown",
-      "source": [
-        "# 데이터분석 에이전트: 눈깜짝할 사이에 데이터에서 인사이트 얻기 ✨\n",
-        "_저자: [Aymeric Roucher](https://huggingface.co/m-ric)_\n",
-        "\n",
-        "> 이 튜토리얼은 고급 과정입니다. 사전에 [이 쿡북](agents)에 대한 개념을 이해하고 있어야 합니다!\n",
-        "\n",
-        "이번에 만들 **데이터 분석 에이전트**는 :\n",
-        " **데이터 분석 라이브러리를 사용한 코드 에이전트로,데이터프레임을 불러오고 변환해 데이터로부터 인사이트를 찾아내고,결과를 시각화합니다!**\n",
-        "\n",
-        "\n",
-        "예를 들어 여러분이 '[Kaggle Titanic 챌린지](https://www.kaggle.com/competitions/titanic)'의 데이터를 직접 분석해 개별 승객의 생존 여부를 예측하고 싶다고 가정해 봅시다.\n",
-        "하지만 직접 분석에 들어가기 전에, 자율 에이전트가 수치도 추출해주고 그에 맞게 그래프도 그려주어 인사이트를 뽑아내주면 좋겠군요.\n",
-        "\n",
-        "이 시스템을 설정해 보겠습니다.\n",
-        "\n",
-        "아래 명령어를 실행하여 필요한 의존성을 설치하세요:"
-      ],
-      "metadata": {
-        "id": "ihQ3c6IWDa6G"
-      }
-    },
-    {
-      "cell_type": "code",
-      "execution_count": null,
-      "metadata": {
-        "id": "0WauABimpjta"
-      },
-      "outputs": [],
-      "source": [
-        "!pip install seaborn \"transformers[agents]\""
-      ]
-    },
-    {
-      "cell_type": "markdown",
-      "metadata": {
-        "id": "4LJXMiy3pjtb"
-      },
-      "source": [
-        "우선 에이전트를 생성합니다. 이 쿡북에서는 `ReactCodeAgent`를 사용했습니다. (더 많은 종류의 에이전트를 확인하려면 [이 문서](https://huggingface.co/docs/transformers/en/agents) 를 참조하세요.)\n",
-        "이 에이전트는 별도의 도구를 제공하지 않아도 스스로 코드를 작성하고 실행할 수 있습니다.\n",
-        "\n",
-        "일반적으로 `additional_authorized_imports`에 라이브러리를 전달할 때, 파이썬 인터프리터는 환경에 설치된 라이브러리만 사용할 수 있기 때문에, 해당 라이브러리들이 로컬 환경에 설치되어 있는지 확인해야 합니다.\n",
-        "\n",
-        "\n",
-        "⚙ 해당 에이전트는 [meta-llama/Meta-Llama-3.1-70B-Instruct](https://huggingface.co/meta-llama/Meta-Llama-3.1-70B-Instruct) 모델을 사용하며, HF의 Inference API를 사용하는 `HfEngine` 클래스로 구동됩니다. Inference API를 통해 빠르고 쉽게 OS 모델을 실행할 수 있습니다."
-      ]
-    },
-    {
-      "cell_type": "code",
-      "execution_count": null,
-      "metadata": {
-        "id": "XPrHXQgFpjtb"
-      },
-      "outputs": [],
-      "source": [
-        "from transformers.agents import HfEngine, ReactCodeAgent\n",
-        "from huggingface_hub import login\n",
-        "import os\n",
-        "\n",
-        "login(os.getenv(\"HUGGINGFACEHUB_API_TOKEN\"))\n",
-        "llm_engine = HfEngine(\"meta-llama/Meta-Llama-3.1-70B-Instruct\")\n",
-        "\n",
-        "agent = ReactCodeAgent(\n",
-        "    tools=[],\n",
-        "    llm_engine=llm_engine,\n",
-        "    additional_authorized_imports=[\"numpy\", \"pandas\", \"matplotlib.pyplot\", \"seaborn\"],\n",
-        "    max_iterations=10,\n",
-        ")"
-      ]
-    },
-    {
-      "cell_type": "markdown",
-      "metadata": {
-        "id": "iGSuFGGwpjtb"
-      },
-      "source": [
-        "## 데이터 분석 📊🤔\n",
-        "저자는 구글 코랩을 사용하였으므로, 드라이브를 마운트하고 분석에 사용할 디렉토리를 생성했습니다."
-      ]
-    },
-    {
-      "cell_type": "code",
-      "source": [
-        "from google.colab import drive\n",
-        "drive.mount('/content/drive')  # 구글 드라이브 마운트"
-      ],
-      "metadata": {
-        "id": "qWYp-IertEN1",
-        "collapsed": true
-      },
-      "execution_count": null,
-      "outputs": []
-    },
-    {
-      "cell_type": "code",
-      "source": [
-        "import os\n",
-        "\n",
-        "os.chdir('/content/drive/My Drive/Colab Notebooks')  # 원하는 경로로 변경\n",
-        "print(os.getcwd())  # 변경된 경로 확인"
-      ],
-      "metadata": {
-        "id": "UCK6t2u5sKpm",
-        "collapsed": true
-      },
-      "execution_count": null,
-      "outputs": []
-    },
-    {
-      "cell_type": "code",
-      "execution_count": null,
-      "metadata": {
-        "id": "pywHujGvpjtb"
-      },
-      "outputs": [],
-      "source": [
-        "# 디렉토리 생성\n",
-        "os.mkdir(\"./figures\")"
-      ]
-    },
-    {
-      "cell_type": "code",
-      "source": [
-        "os.chdir('/content/drive/My Drive/Colab Notebooks/figures')  # 생성한 디렉토리 경로로 변경\n",
-        "print(os.getcwd())  # 변경된 경로 확인"
-      ],
-      "metadata": {
-        "id": "X2wTtXDjNYyI",
-        "collapsed": true
-      },
-      "execution_count": null,
-      "outputs": []
-    },
-    {
-      "cell_type": "markdown",
-      "source": [
-        "실제 캐글 대회에서 사용된 추가 노트를 에이전트를 실행할 때 `run`메소드의 kwarg로 넘겨주었습니다."
-      ],
-      "metadata": {
-        "id": "gnruiFV_62KL"
-      }
-    },
-    {
-      "cell_type": "code",
-      "source": [
-        "additional_notes = \"\"\"\n",
-        "### Variable Notes\n",
-        "승객ID : 승객 아이디\n",
-        "생존여부 : (0: 사망, 1: 생존)\n",
-        "클래스: 사회경제적 지위\n",
-        "1 = 상류층\n",
-        "2 = 중산층\n",
-        "3 = 하류층\n",
-        "성별 : 남성, 여성\n",
-        "나이 : 나이가 1 미만일 경우 소수로 표시됩니다. 나이가 추정된 경우, xx.5 형태로 표시됩니다.\n",
-        "형제배우자: 이 데이터셋은 가족 관계를 다음과 같이 정의합니다...\n",
-        "형제자매 = 형제, 자매, 이복형제, 이복자매\n",
-        "배우자 = 남편, 아내 (애인과 약혼자는 간주하지 않았습니다.)\n",
-        "부모자식: 이 데이터셋은 가족 관계를 다음과 같이 정의합니다...\n",
-        "부모 = 어머니, 아버지\n",
-        "자식 = 딸, 아들, 양녀, 양자\n",
-        "유모와 여행을 온 몇 어린이들의 경우, 부모자식=0 로 표현합니다.\n",
-        "요금: 티켓 요금\n",
-        "\"\"\"\n",
-        "\n",
-        "analysis = agent.run(\n",
-        "    \"\"\"당신은 데이터 분석 전문가입니다. 소스 파일을 로드하고 내용을 분석해주세요.\n",
-        "먼저 주어진 변수와 생존율과의 상관관계에 대해 흥미로운 질문 3가지를 나열하고, 해당 질문에 하나씩 답하고 관련된 숫자를 찾아내세요.\n",
-        "matplotlib/seaborn을 사용해 3가지 질문에 관련된 그래프를 그리고, './figures/' 폴더에 저장하십시오. 다른 그래프를 그리기 전에 plt.clf()로 각 그래프를 지워야 합니다. 그래프의 라벨명은 영어로 해주세요.\n",
-        "\n",
-        "최종 답변 :  숫자로부터 찾은 상관관계와 인사이트를 요약해주세요.\n",
-        "(인사이트 예시: \"is_december와 boredness 간의 상관관계는 1.3453으로, 이는 사람들이 겨울에 더 지루함을 느낄 가능성이 높다는 것을 시사합니다.\")\n",
-        "최종 답변은 최소한 3개의 번호가 매겨진 항목이어야합니다.\n",
-        "\"\"\",\n",
-        "    additional_notes=additional_notes,\n",
-        "    source_file=\"titanic_ko/train.csv\",\n",
-        ")"
-      ],
-      "metadata": {
-        "id": "Xe5jfSWStgrc",
-        "collapsed": true
-      },
-      "execution_count": null,
-      "outputs": []
-    },
-    {
-      "cell_type": "code",
-      "execution_count": 21,
-      "metadata": {
-        "id": "8hA-jMsePGQF",
-        "colab": {
-          "base_uri": "https://localhost:8080/"
-        },
-        "outputId": "be0dd5c4-8bda-4723-9acf-394ed044297e"
-      },
-      "outputs": [
-        {
-          "output_type": "stream",
-          "name": "stdout",
-          "text": [
-            "성별과 생존여부 간의 상관관계: \n",
-            "남성: 0.188908\n",
-            "여성: 0.742038\n",
-            "클래스와 생존여부 간의 상관관계: \n",
-            "1등급: 0.629630\n",
-            "2등급: 0.472826\n",
-            "3등급: 0.242363\n",
-            "나이와 생존여부 간의 상관관계-confidence level: -0.077221\n"
-          ]
-        }
-      ],
-      "source": [
-        "print(analysis)"
-      ]
-    },
-    {
-      "cell_type": "markdown",
-      "source": [],
-      "metadata": {
-        "id": "6BnDH9SG3uH4"
-      }
-    },
-    {
-      "cell_type": "markdown",
-      "metadata": {
-        "id": "hcT-BISRpjtd"
-      },
-      "source": [
-        "놀랍지 않나요? 에이전트에게 시각화 도구를 제공해 자신이 만든 그래프를 분석하게 할 수도 있습니다!\n",
-        "\n",
-        "## 데이터과학자 에이전트 : 예측 수행하기 🛠️\n",
-        "\n",
-        "👉 이제 더 깊이 들어가 봅시다 : **데이터를 기반으로 모델이 예측을 수행하도록 합니다.**\n",
-        "\n",
-        "예측 수행을 위해 `additional_authorized_imports`에 `sklearn`도 추가해줍니다."
-      ]
-    },
-    {
-      "cell_type": "code",
-      "execution_count": null,
-      "metadata": {
-        "id": "1qSXRraDpjtd"
-      },
-      "outputs": [],
-      "source": [
-        "agent = ReactCodeAgent(\n",
-        "    tools=[],\n",
-        "    llm_engine=llm_engine,\n",
-        "    additional_authorized_imports=[\n",
-        "        \"numpy\",\n",
-        "        \"pandas\",\n",
-        "        \"matplotlib.pyplot\",\n",
-        "        \"seaborn\",\n",
-        "        \"sklearn\",\n",
-        "    ],\n",
-        "    max_iterations=12,\n",
-        ")\n",
-        "\n",
-        "output = agent.run(\n",
-        "    \"\"\"당신은 전문가 수준의 머신러닝 엔지니어입니다.\n",
-        "'titanic_ko/train.csv' 파일을 사용하여 '생존여부'를 예측하는 머신러닝 모델을 학습시키세요.\n",
-        "'titanic_ko/test.csv' 파일의 행에 대한 예측을 수행한 후, 결과를 'titanic_ko/output.csv'에 출력하세요.\n",
-        "함수와 모듈을 사용하기 전에 반드시 임포트하세요!\n",
-        "\"\"\",\n",
-        "    additional_notes=additional_notes + \"\\n\" + analysis,\n",
-        ")"
-      ]
-    },
-    {
-      "cell_type": "markdown",
-      "metadata": {
-        "id": "Iimn7AWtpjtd"
-      },
-      "source": [
-        "위에서 에이전트가 출력한 테스트 예측을 Kaggle에 제출하면 **0.78229**으로, 이는 17,360명 중 2824등에 해당하며, 저자가 몇 년 전 이 데이터분석 챌린지를 처음 시도해 힘들게 얻었던 결과보다 더 나은 성과입니다.\n",
-        "\n",
-        "결과는 다를 수 있지만, 몇 초 만에 에이전트를 사용해 이 정도 성과를 낼 수 있다는 점이 매우 인상적입니다.\n",
-        "\n",
-        "🚀 이것은 에이전트를 활용한 단순한 데이터 분석 사례일 뿐입니다. 사용 사례에 맞게 충분히 개선할 수 있습니다 🤗"
-      ]
-    }
-  ],
-  "metadata": {
-    "kernelspec": {
-      "display_name": "disposable",
-      "language": "python",
-      "name": "python3"
-    },
-    "language_info": {
-      "codemirror_mode": {
-        "name": "ipython",
-        "version": 3
-      },
-      "file_extension": ".py",
-      "mimetype": "text/x-python",
-      "name": "python",
-      "nbconvert_exporter": "python",
-      "pygments_lexer": "ipython3",
-      "version": "3.12.2"
-    },
-    "colab": {
-      "provenance": []
-    }
-  },
-  "nbformat": 4,
-  "nbformat_minor": 0
-}

From 29673eb22765f2a959226149421204badd884fb5 Mon Sep 17 00:00:00 2001
From: Ahnjj_DEV <ahnjj.dev@gmail.com>
Date: Thu, 3 Oct 2024 15:15:55 +0900
Subject: [PATCH 16/23] fix: manual edits

Add translator name
---
 notebooks/ko/agent_data_analyst.ipynb | 4 ++--
 1 file changed, 2 insertions(+), 2 deletions(-)

diff --git a/notebooks/ko/agent_data_analyst.ipynb b/notebooks/ko/agent_data_analyst.ipynb
index 613c707c..077912b6 100644
--- a/notebooks/ko/agent_data_analyst.ipynb
+++ b/notebooks/ko/agent_data_analyst.ipynb
@@ -4,7 +4,7 @@
       "cell_type": "markdown",
       "source": [
         "# 데이터분석 에이전트: 눈깜짝할 사이에 데이터에서 인사이트 얻기 ✨\n",
-        "_저자: [Aymeric Roucher](https://huggingface.co/m-ric)_\n",
+        "_저자: [Aymeric Roucher](https://huggingface.co/m-ric)_\n", "번역: [안정](https://huggingface.co/Ahnj-Stability)_\n",
         "\n",
         "> 이 튜토리얼은 고급 과정입니다. 사전에 [이 쿡북](agents)에 대한 개념을 이해하고 있어야 합니다!\n",
         "\n",
@@ -308,4 +308,4 @@
   },
   "nbformat": 4,
   "nbformat_minor": 0
-}
\ No newline at end of file
+}

From af272befac2071f57b82fd3e7b05cfdfd80b753e Mon Sep 17 00:00:00 2001
From: Ahnjj_DEV <ahnjj.dev@gmail.com>
Date: Thu, 3 Oct 2024 15:16:40 +0900
Subject: [PATCH 17/23] fix: manual edits

---
 notebooks/ko/agent_data_analyst.ipynb | 2 +-
 1 file changed, 1 insertion(+), 1 deletion(-)

diff --git a/notebooks/ko/agent_data_analyst.ipynb b/notebooks/ko/agent_data_analyst.ipynb
index 077912b6..b488b02f 100644
--- a/notebooks/ko/agent_data_analyst.ipynb
+++ b/notebooks/ko/agent_data_analyst.ipynb
@@ -209,7 +209,7 @@
             "1등급: 0.629630\n",
             "2등급: 0.472826\n",
             "3등급: 0.242363\n",
-            "나이와 생존여부 간의 상관관계-confidence level: -0.077221\n"
+            "나이와 생존여부 간의 상관관계: -0.077221\n"
           ]
         }
       ],

From cc85eede2a2b51bb19a331bf22408da406071764 Mon Sep 17 00:00:00 2001
From: Ahnjj_DEV <ahnjj.dev@gmail.com>
Date: Thu, 24 Oct 2024 21:50:03 +0900
Subject: [PATCH 18/23] Update notebooks/ko/index.md

---
 notebooks/ko/index.md | 3 ++-
 1 file changed, 2 insertions(+), 1 deletion(-)

diff --git a/notebooks/ko/index.md b/notebooks/ko/index.md
index ca61214d..57204d49 100644
--- a/notebooks/ko/index.md
+++ b/notebooks/ko/index.md
@@ -6,7 +6,8 @@
 
 최근 추가된 노트북을 살펴보세요:
 
-- [한국어 Advanced RAG 구현: Hugging Face와 LangChain 활용한 Cookbook](adv[anced_ko_rag)
+- [한국어 Advanced RAG 구현: Hugging Face와 LangChain 활용한 Cookbook](advanced_ko_rag)
+- [구조화된 생성으로 근거 강조 표시가 있는 RAG 시스템 구축하기](structured_generation)
 - [데이터분석 에이전트: 눈깜짝할 사이에 데이터에서 인사이트 얻기](https://huggingface.co/learn/cookbook/en/agent_data_analyst)
 
 더 다양한 노트북을 확인하고 싶다면 Cookbook's [GitHub 리포지토리](https://github.com/huggingface/cookbook)에 방문해보세요.

From 60ce9634db939f86216ca5ad5587e88110aa58f1 Mon Sep 17 00:00:00 2001
From: Ahnjj_DEV <ahnjj.dev@gmail.com>
Date: Thu, 24 Oct 2024 21:50:08 +0900
Subject: [PATCH 19/23] Update notebooks/ko/_toctree.yml

---
 notebooks/ko/_toctree.yml | 2 ++
 1 file changed, 2 insertions(+)

diff --git a/notebooks/ko/_toctree.yml b/notebooks/ko/_toctree.yml
index f7c07f0c..381fb901 100644
--- a/notebooks/ko/_toctree.yml
+++ b/notebooks/ko/_toctree.yml
@@ -9,6 +9,8 @@
       sections:
         - local: advanced_ko_rag
           title: 한국어로 Advanced RAG 구현하기 - Hugging Face와 LangChain을 활용한 Cookbook
+        - local: structured_generation
+          title: 구조화된 생성으로 근거 강조 표시가 있는 RAG 시스템 구축하기
           
     - title: 데이터분석 에이전트
       isExpanded: false

From da6680f27ed2966c71815a1a0967eab1d0ddb0c9 Mon Sep 17 00:00:00 2001
From: Ahnjj_DEV <ahnjj.dev@gmail.com>
Date: Sun, 27 Oct 2024 20:05:46 +0900
Subject: [PATCH 20/23] Update notebooks/ko/_toctree.yml

---
 notebooks/ko/_toctree.yml | 2 ++
 1 file changed, 2 insertions(+)

diff --git a/notebooks/ko/_toctree.yml b/notebooks/ko/_toctree.yml
index 381fb901..c1aa9a4d 100644
--- a/notebooks/ko/_toctree.yml
+++ b/notebooks/ko/_toctree.yml
@@ -11,6 +11,8 @@
           title: 한국어로 Advanced RAG 구현하기 - Hugging Face와 LangChain을 활용한 Cookbook
         - local: structured_generation
           title: 구조화된 생성으로 근거 강조 표시가 있는 RAG 시스템 구축하기
+       - local: ko_rag_with_knowledge_graphs_neo4j
+          title: 지식 그래프를 활용한 RAG 추론 향상
           
     - title: 데이터분석 에이전트
       isExpanded: false

From ae2040b52178984c19f84cda7bfccfe20e5c79b5 Mon Sep 17 00:00:00 2001
From: Ahnjj_DEV <ahnjj.dev@gmail.com>
Date: Sun, 27 Oct 2024 20:05:50 +0900
Subject: [PATCH 21/23] Update notebooks/ko/index.md

---
 notebooks/ko/index.md | 1 +
 1 file changed, 1 insertion(+)

diff --git a/notebooks/ko/index.md b/notebooks/ko/index.md
index 57204d49..ff823b46 100644
--- a/notebooks/ko/index.md
+++ b/notebooks/ko/index.md
@@ -8,6 +8,7 @@
 
 - [한국어 Advanced RAG 구현: Hugging Face와 LangChain 활용한 Cookbook](advanced_ko_rag)
 - [구조화된 생성으로 근거 강조 표시가 있는 RAG 시스템 구축하기](structured_generation)
+- [지식 그래프를 활용한 RAG 추론 향상](ko_rag_with_knowledge_graphs_neo4j)
 - [데이터분석 에이전트: 눈깜짝할 사이에 데이터에서 인사이트 얻기](https://huggingface.co/learn/cookbook/en/agent_data_analyst)
 
 더 다양한 노트북을 확인하고 싶다면 Cookbook's [GitHub 리포지토리](https://github.com/huggingface/cookbook)에 방문해보세요.

From 0ca3fc6535a8aec69c82e2beb3817cf99d1ff1d0 Mon Sep 17 00:00:00 2001
From: Ahnjj_DEV <ahnjj.dev@gmail.com>
Date: Sun, 27 Oct 2024 20:08:12 +0900
Subject: [PATCH 22/23] Update notebooks/ko/_toctree.yml

---
 notebooks/ko/_toctree.yml | 2 +-
 1 file changed, 1 insertion(+), 1 deletion(-)

diff --git a/notebooks/ko/_toctree.yml b/notebooks/ko/_toctree.yml
index c1aa9a4d..b702cb0a 100644
--- a/notebooks/ko/_toctree.yml
+++ b/notebooks/ko/_toctree.yml
@@ -11,7 +11,7 @@
           title: 한국어로 Advanced RAG 구현하기 - Hugging Face와 LangChain을 활용한 Cookbook
         - local: structured_generation
           title: 구조화된 생성으로 근거 강조 표시가 있는 RAG 시스템 구축하기
-       - local: ko_rag_with_knowledge_graphs_neo4j
+        - local: ko_rag_with_knowledge_graphs_neo4j
           title: 지식 그래프를 활용한 RAG 추론 향상
           
     - title: 데이터분석 에이전트

From d8dfa67969b9a14e45e83bedf0642a5e642a21de Mon Sep 17 00:00:00 2001
From: Ahnjj_DEV <ahnjj.dev@gmail.com>
Date: Sun, 27 Oct 2024 20:10:45 +0900
Subject: [PATCH 23/23] Update notebooks/ko/_toctree.yml

---
 notebooks/ko/_toctree.yml | 2 +-
 1 file changed, 1 insertion(+), 1 deletion(-)

diff --git a/notebooks/ko/_toctree.yml b/notebooks/ko/_toctree.yml
index b702cb0a..513aeb2e 100644
--- a/notebooks/ko/_toctree.yml
+++ b/notebooks/ko/_toctree.yml
@@ -14,7 +14,7 @@
         - local: ko_rag_with_knowledge_graphs_neo4j
           title: 지식 그래프를 활용한 RAG 추론 향상
           
-    - title: 데이터분석 에이전트
+    - title: 에이전트 레시피
       isExpanded: false
       sections:
         - local: agent_data_analyst