곰곰

1. 상상할 수 있는 case 에 대한 처리만 생각하면 안된다. 2. 처리 속도에 대한 생각도 해야한다. 3. 100%가 될 때 까지 도전! _ 부끄러우니까 4차시도는 신중하게... 더보기 내가 작성한 코드 1. 1차시도 int solution(int X, int Y, int D) { int result = 0; int xBuf = 0; xBuf = X; while(xBuf 0.0){ result++; } return result; } 3. 3차시도 int solution(int X, int Y, int D) { int result = 0; float buf = 0; result = (Y - X) / D; buf = (float)(Y - X) / (float)D; if(buf > result){ resu..

1. CyclicRotation 더보기 내가 작성한 코드 struct Results solution(int A[], int N, int K) { struct Results result; int buf = 0; int i, j = 0; for(i = 0; i 0; j--){ A[j] = A[j-1]; } A[0] = buf; } result.A = A; result.N = N; return result; } 2. OddOccurrencesInArray 더보기 내가 작성한 코드 int solution(int A[], int N) { int result = 0; int i = 0; for(i = 0; i < N ; i++){ resul..

이직준비의 일환으로 알고리즘 연습 시작 소감 1. 2일간 고민하는 자신을 보면서 깜짝 놀랐다... 열심히 해야지 2. 그동안 코딩 습관이 자꾸 나온다. unsigned가 아니지만 숫자에 U를 붙이기 등... 더보기 나의 해결책 int solution(int N) { int buf = 0; int binryGab = 0; int binryGabMax = 0; buf = N; while (buf > 0x00) { if ((buf & 0x1) != 0x0) { buf = buf >> 1; while (((buf & 0x1) == 0x0) && (buf > 0x00)) { binryGab++; buf = buf >> 1; } } else { buf = buf >> 1; } if (binryGab >= binry..

1. 머신러닝의 프로세스 1) 데이터를 독립변수, 종속변수로 나눔 2) 모델의 구조 생성 - 독립변수와 종속변수의 개수가 중요한 요인이 됨 : 단순 선형 회귀냐, 다중 회귀냐를 결정하는 요인일까? 3) FIT(학습)하는 함수를 call - 학습 횟수를 입력 * 데이터의 양은 정해져 있다. 학습 횟수라는 것은 무엇을 의미할까? A. 손실 항목 참조 4) 예측 실행 2. 손실(Loss) - 예측의 값과 실제 값 간 분산(차이 제곱의 평균) - 학습의 결과를 통해 모델의 정확성을 평가하는 지표. * 내가 해석한 학습에 대한 상상 1단계 독립변수와 종속변수 간의 관계로 방정식(모델?)을 구한다. (100% 정확한 방정식일 수가 없다.) 2단계 독립변수를 입력후, 종속변수의 값을 예측한다. 3단계 예측한 값과 종..

1. 수업 개요 - 라이브러리 : Tensorflow - 언어 : python - 모델 : 지도학습(회귀, 분류) - 사용할 알고리즘 : 인공 신경망(Neural Network) Deep learning과 같은 이름 2. 지도학습의 과정 1) 과거 데이터 준비 2) 모델 구조 작성(1:1 선형회귀? 3:2 다중회귀?) 3) 데이터로 모델을 학습함(FIT) 4) 모델을 이용하여 독립변수에 따른 종속변수의 값을 예측하기 3. 실습환경 구성하기 1) jupyter notebook : 온라인, 오프라인에서 머신러닝을 실행할 수 있는 ide ? 2) Colaboratory notebook : 구글 드라이브에서 머신러닝 프로그래밍을 할 수 있는 서비스 ? IDE ? ※ctrl + enter : 현재 셸 실행 / s..

머신러닝의 종류 1. 지도학습(supervised learning)：표본 데이터를 학습시켜, 독립변수에 따른 종속변수를 예측함. 1) 회귀(regression) -기계가 회귀식을 파악하여, 독립변수에 따른 종속변수를 예측함. -종속변수가 숫자일 때. (개인적인 이해에서는 종속변수의 속성이 등간척도 이상일 때)사용 2) 분류(classification) -기계가 판단 기준을 학습하여, 독립변수에 따른 종속변수를 판단함. -종속변수가 문자일 때. (개인적인 이해에서는 서열척도 이하일 때)사용 2. 비지도학습(unsupervised learning) : 데이터의 특성을 파악. 정리정돈. 1) 군집화(clustering) -변산성이 적은 데이터끼리 그룹화하는 것(회귀계수를 기준으로 그룹을 만드는 것일까?) -그..

1. 저장 용 저장소(bare)생성 git init --bare 저장소명 - bare란 : .git만 존재하는 저장소. working directory가 없어, 수정이 불가능하다. ・원격 저장소 관리의 안정성(?) 유지를 위해 bare의 형태로 생성 2. 원격저장소를 연결하기 //현재 저장소에 원격 저장소를 연결(추가의 의미) git remote add 원격저장소경로 git remote add 별명원격저장소경로 //연결을 확인하기 git remote -v //원격 저장소 지우기 git remote remove 별명 //push하기 git push 저장소 이름 - push의 종류 ・matching : 암묵적 push, git이 임의로 선택하여 push(?) ・simple : 명시적 push, 사용자가 지정..

1. 어플리케이션 : 부품을 응용한 것 2. 프로그램 : 시간, 순서 과제 : 머신러닝으로 해결할 수 있을 것 같은 문제 생각하기 - 환경 : 식욕이 적다 - 불만족 : 유독 밥을 잘 먹지 않는 날이 있다. - 꿈 : 컨디션에 따라 먹을 수 있는 메뉴를 추천받고 싶다. 3. 데이터 과학과 데이터 공학 - 데이터 과학 : 데이터를 만들고, 이용하는 일 (통계) - 데이터 공학 : 데이터를 다루는 도구 제작, 관리 (프로그래밍) 4. Data set(표)의 다른 말 - row(행) : instance, observed value, record, example, case - column(열) : feature, attribute, variable, field 딴생각. 행과 열 row와 column은 항상 헷갈..

1. 머신러닝이란? 기계가 판단력을 가질 수 있도록 학습하게 하는 것. 2. 모델이란? 판단력의 다른 이름. 예) A와 B를 구분하고자 함.(판단) 후기 1. 학습자가 가지면 좋을 태도에 대해 꾸준히 지도함. - 학습 행동에 대해 스스로 강화(Reinforcement)할 수 있도록 유도함. - 학습자가 자기에게 처벌(punishment)을 가하는 상황을 이해하고, 미연에 방지하고자 함. - 해결해야할 문제를 크게 인식할 때, 문제 해결을 위한 공부가 작게 인식될 때 공부는 노력하는 것이 아니게 된다고 함. : 아직 이해하지 못 함. 하지만 공부라는 것에 대한 부담감이 적어질 때, 힘들지 않아지는 것은 공감. 2. 기초 개념부터 차근차근 설명을 듣는 것이, 이어지는 강의에 대한 기대감이 생김. 3. 기초개..

[2020. 08. 04 ~ 08. 09] 1. reset의 원리 //git reset을 취소하는 방법 git reset --hard ORIG_HEAD 1) reset의 종류 tip. git checkout으로 HEAD가 가리키는 reference를 특정 commit object로 지정할 수 있다. //git reset을 취소하는 방법 git reset --hard ORIG_HEAD 2. 3way merge(conflict 발생 시)처리 시 back ground process