전체 글 (64) 썸네일형 리스트형 [DFS] 재귀 완벽히 이해하기 학습 내용코딩테스트에서 자주 등장하는 DFS/BFS를 이해하기 전 재귀에 대해 알아보고자 한다내가 이해할 수 있을 만큼 쉽게 설명해보고자 한다 재귀자기 자신을 다시 호출하는 함수 재귀함수 예제팩토리얼 예제# 반복적으로 구현한 n!def factorial_iterative(n): result = 1 # 1부터 n까지의 수를 차례대로 곱하기 for i in range(1, n+1): result *= i return result# 재귀적으로 구현한 n!def factorial_recursive(n): if n 최대 공약수 계산 (유클리드 호제법) 예제유클리드 호제법두 자연수 A, B에 대하여 (A > B) A를 B로 나눈 나머지를 R이라고 하자이때 A와 B의 최대공약.. [DL] 8. 가중치 초기화와 배치 정규화 학습 내용가중치 초기화배치 정규화 가중치 초기화(Weights Initialization)가중치 초기화는 신경망의 성능에 큰 영향을 주는 요소 중 하나입니다. 만약 가중치의 값이 일부 값으로 치우치게 되면, 활성화 함수를 통과한 값들도 치우치게 되고, 결국 표현할 수 있는 신경망의 수가 적어지는 문제가 발생합니다. 보통 가중치 초기값으로 0에 가까운 무작위 값을 사용하더라도 초기값에 따라서 모델의 성능 차이가 발생할 수 있음.모델의 활성화 값이 골고루 분포 되는 것이 중요함. 가중치 초기화 방법에 따라서 어떻게 달라지는지 살펴보기 위해 지정된 활성화 함수 activation과 초기화 initializer에 따라 모델을 생성하는 build_model 함수를 정의합니다.관련 코드 개념 2코드코드 출처참고자.. 정렬 학습내용정렬에 대한 내용을 전체적으로 정리해보고자 한다정렬 관련해서 코드 필요할 때 들어와서 확인하는 용도 다중 정렬def multisort(xs, specs): for key, reverse in reversed(specs): xs.sort(key=attrgetter(key), reverse=reverse) return xsmultisort(list(student_objects), (('grade', True), ('age', False))) 다중 정렬 문제 예시문제를 통해 이해하는 것이 더 쉬울 것 같아 문제를 추가한다 [백준] 국영수https://yeonco.tistory.com/31 파이썬 정렬 관련 참고 링크https://docs.python.org/ko/3/howt.. [Greedy] 그리디 가장 좋은 것만 선택하는 그리디‘현재 상황에서 지금 당장 좋은 것만 고르는 방법’매 순간 가장 좋아보이는 것을 선택하며, 현재의 선택이 나중에 미칠 영향에 대해서는 고려하지 않음‘가장 큰 순서대로’, ‘가장 작은 순서대로’와 같은 기준을 제시정렬 알고리즘과 짝을 이뤄 출제 그리디 알고리즘의 정당성대부분의 문제는 그리디 알고리즘을 통해 최적의 해를 찾을 수 없다문제 풀이를 위한 최소한의 아이디어를 떠올리고 이것이 정당한지 검토할 수 있어야 답을 도출할 수 있다. 출처이것이 코딩테스트다 [programmers] 식품분류별 가장 비싼 식품의 정보 조회하기 문제 출처https://school.programmers.co.kr/learn/courses/30/lessons/131116 프로그래머스코드 중심의 개발자 채용. 스택 기반의 포지션 매칭. 프로그래머스의 개발자 맞춤형 프로필을 등록하고, 나와 기술 궁합이 잘 맞는 기업들을 매칭 받으세요.programmers.co.kr 풀이 과정문제혼자 풀어보니 자꾸 오류가 나서 왜 그럴까 고민해 보았더니 GROUP BY, MAX를 하면 PRODUCT_NAME 이 사라지게 된다.SELECT CATEGORY, MAX(PRICE) MAX_PRICE, PRODUCT_NAMEFROM FOOD_PRODUCTWHERE CATEGORY IN ('과자', '국', '김치', '식용유')GROUP BY CATEGORYORDER BY MA.. [DFS/BFS] DFS, BFS 그래프 탐색 알고리즘 : DFS/BFS코딩 테스트에서 반드시 출제 되는 유형임 기본적으로 알아야 하는 배경지식스택 자료구조재귀https://yeonco.tistory.com/35 재귀 완벽히 이해하기학습 내용코딩테스트에서 자주 등장하는 DFS/BFS를 이해하기 전 재귀에 대해 알아보고자 한다내가 이해할 수 있을 만큼 쉽게 설명해보고자 한다 재귀자기 자신을 다시 호출하는 함수 재귀함수yeonco.tistory.com DFS (Depth First Search, 깊이 우선 탐색)어떤 노드에서 시작해서 답을 찾을 때까지 갈 수 있는 인접 노드가 존재한다면 그 노드로 탐색을 반복계속해서 깊게 파고 내려가다가 더 이상 진행할 인접 노드가 없다면 올라와서 또 다시 다른 인접 노드로 탐색스택 또는 재귀함수로 구현# .. [DL] 4. 딥러닝 모델 학습 학습내용손실 함수(Loss Function) : 딥러닝 학습에서 손실 함수의 역할은 무엇인지 파악하고 각각의 손실 함수의 동작과 특징을 살펴봅니다.옵티마이저(Optimizer)와 지표 : 딥러닝 학습에서 옵티마이저의 역할은 무엇이고 딥러닝 학습의 핵심으로 볼 수 있는 경사하강법에 대해서 배웁니다.딥러닝 모델 학습 : 실습을 통해 딥러닝이 학습되는 과정을 이해하고 경험해봅니다. 1. 손실 함수학습 과정이 얼마나 잘 되고 있는지 나타내는 지표로서 낮을 수록 성능이 좋다.모델이 훈련되는 동안 최소화될 값으로 주어진 문제에 대한 성공 지표손실 함수 결과에 따라 파라미터 조정하며 학습을 진행하고 미분 가능한 함수를 사용하여야 한다.손실함수는 최적화 이론에서 최소화 하고자 하는 함수로 미분 가능한 함수를 사용Ker.. [DL] 7. 모델 크기 조절과 규제 학습 내용과대적합을 방지하기 위한 여러가지 방법에 대해 알아보자모델 크기조절, 규제, 드롭아웃에 대해 알아보자 1. 모델 크기 조절과대적합 문제를 해결하려면 모델의 크기를 조절해야 함모델 크기를 조절하는 방법은 크게 레이어의 유닛수와 레이어의 수를 조절하는 것이 있음.레이어의 유닛수를 증가 또는 감소 : 모델 전체 파라미터 수를 증가하거나 감소레이어의 수를 증가 : 더 깊은 신경망을 만들어 모델의 크기를 증가 모델 크기 조절 실험 예시데이터 로드 및 전처리먼저 모델의 학습에 사용하기 위해 원-핫 인코딩(one-hot encoding)을 위한 함수를 정의합니다.그리고 imdb.load_data()를 통해 IMDB 데이터를 다운로드한 뒤,10000 차원의 학습 데이터로 원-핫 인코딩을 수행합니다.from.. 이전 1 ··· 3 4 5 6 7 8 다음
