본문 바로가기

분류 전체보기

(80)

[Level 2] 괄호 변환 (Python) 코딩테스트 연습 - 괄호 변환 카카오에 신입 개발자로 입사한 콘은 선배 개발자로부터 개발역량 강화를 위해 다른 개발자가 작성한 소스 코드를 분석하여 문제점을 발견하고 수정하라는 업무 과제를 받았습니다. 소스를 컴� programmers.co.kr def is_correct(b): stack = [] for i in b: if i == '(': stack.append(i) elif stack: stack.pop() return not stack def detach(b): lst_b = list(b) cnt_l = 0 cnt_r = 0 for i in b: if i == '(': cnt_l += 1 else: cnt_r += 1 if cnt_l == cnt_r: break u = b[:cnt_l+cnt_r]..

[Level 2] 삼각 달팽이 (Python) 코딩테스트 연습 - 삼각 달팽이 5 [1,2,12,3,13,11,4,14,15,10,5,6,7,8,9] 6 [1,2,15,3,16,14,4,17,21,13,5,18,19,20,12,6,7,8,9,10,11] programmers.co.kr def solution(n): answer = [] mtx = [[0]*(i+1) for i in range(n)] i = -1 j = 0 num = 0 while True: for _ in range(n): num += 1 i += 1 mtx[i][j] = num n -= 1 if n == 0: break for _ in range(n): num += 1 j += 1 mtx[i][j] = num n -= 1 if n == 0: break for _ in range(n..

[Level 2] 카펫 (Python) 코딩테스트 연습 - 카펫 Leo는 카펫을 사러 갔다가 아래 그림과 같이 중앙에는 노란색으로 칠해져 있고 테두리 1줄은 갈색으로 칠해져 있는 격자 모양 카펫을 봤습니다. Leo는 집으로 돌아와서 아까 본 카펫의 노란색과 �� programmers.co.kr import math def solution(brown, yellow): total = brown + yellow m, n = [], [] for i in range(1, math.floor(math.sqrt(total)) + 1): if divmod(total, i)[1] == 0: n.append(i) m.append(int(total/i)) for i in range(len(n)): if 2*(m[i] + n[i]) - 4 == brown: ret..

[Level 2] 다음 큰 숫자 (Python) 코딩테스트 연습 - 다음 큰 숫자 자연수 n이 주어졌을 때, n의 다음 큰 숫자는 다음과 같이 정의 합니다. 조건 1. n의 다음 큰 숫자는 n보다 큰 자연수 입니다. 조건 2. n의 다음 큰 숫자와 n은 2진수로 변환했을 때 1의 갯수가 같습니 programmers.co.kr def solution(n): n_bin = bin(n)[2:] if len(set(n_bin)) == 1: return(int('10' + n_bin[1:], 2)) one_cnt = n_bin.count('1') while(True): n += 1 if bin(n)[2:].count('1') == one_cnt: return(n) ▷ n의 이진수가 모두 1인 경우와 아닌 경우로 나누어 주어야 한다. ▷ n의 이진수가 모두 1인..

베이지안 접근(Bayesian approach)이 필요한 이유 □ Example: Polynomial Curve Fitting 사인 함수에 노이즈를 추가하여 생성한 데이터에 1부터 20차 다항 함수 모형을 적합 후, 결과에 대하여 분석하여라. 노이즈를 추가한 데이터의 생성 과정은 다음과 같다. 다항 함수 모형은 다음과 같다. ▷ 다항 함수 모형의 모수의 개수는 차수의 개수에 1을 더한 것과 같다. ▷ 차수가 높아질수록 높은 자유도를 가진 비선형 적합이 가능하다. 차수가 높아질수록 자유도가 높아져 오버피팅 문제가 발생할 가능성이 높아진다. 따라서 데이터에 적합 시, 적절한 수의 차수를 지정하는 것이 중요하다. 다음은 1차부터 20차 다항 함수 모형에 적합한 결과이다. ▷ 파란 점은 생성된 데이터를 의미하고, 초록 선은 실제 생성에 사용된 사인 함수를 의미한다. ▷ 다..

베이지안 네트워크(Bayesian network) (3) 본 포스팅은 카이스트 문일철 교수님의 인공지능 및 기계학습 개론 2의 베이지안 네트워크(Bayesian network) 강의 내용을 정리한 것이다. 다룰 내용은 다음과 같다. 1. Potential functions 2. Absorption in clique graph 3. Example of belief propagation 1. Potential functions ▷ Potential function은 잠재적으로 확률이 되는 함수로써, 아직 확률의 조건을 만족하기에 충분하지 않은 함수를 의미한다. 이 함수는 Belief propagation을 통해 확률로써 바뀌게 된다. 이에 대한 내용은 이후에 다루기로 하겠다. ▷ 위의 예는 Potential function을 설명하기 쉽게 나타낸 베이지안 네트워크..

Leaflet을 이용한 지도 시각화 R의 Leaflet을 이용하여 지도를 시각화 해보자. 우리나라의 행정구역을 시각화 할 것이다. 여기(www.gisdeveloper.co.kr/?p=2332)에서 얻은 2020년 5월의 시군구 행정구역 데이터를 이용할 것이다. In: library(leaflet) library(raster) library(htmltools) data_map = shapefile('../input/SIG.shp') ▷ leaflet은 지도의 시각화를 위해, raster은 확장자가 shp인 파일을 불러오기 위해, htmltools는 시각화된 지도 위에 나타나는 텍스트를 수정하기 위해서 사용할 것이다. In: head(data_map@data) head(data_map@plotOrder) # head(data_map@polyg..

베이지안 네트워크(Bayesian network) (2) 본 포스팅은 카이스트 문일철 교수님의 인공지능 및 기계학습 개론 2의 베이지안 네트워크(Bayesian network) 강의 내용을 정리한 것이다. 다룰 내용은 다음과 같다. 1. Factorization of Bayesian network 2. Conditional probability 3. Most probable assignment 4. Marginalization and elimination 5. Variable elimination 1. Factorization of Bayesian network ▷ 베이지안 네트워크의 Factorization은 Full joint distribution을 구할 때, 개별 노드의 Conditional probability의 Condition에 포함되는 노드를 각..

베이지안 네트워크(Bayesian network) (1) 본 포스팅은 카이스트 문일철 교수님의 인공지능 및 기계학습 개론 2의 베이지안 네트워크(Bayesian network) 강의 내용을 정리한 것이다. 다룰 내용은 다음과 같다. 1. Conditional vs. Marginal independence 2. Bayesian network 3. Interpretation of Bayesian network 4. Typical local structures 5. Bayes ball algorithm 1. Conditional vs. Marginal independence ▷ Conditional independence와 Marginal independence는 둘 다 독립을 의미하지만, 약간의 차이가 있다. Marginal independence는 P(A|B) ..

혼합 모델(Mixture model) 다음의 데이터의 히스토그램을 확인하고, 이를 적합할 분포에 대하여 생각해 보자. In: data = read.csv('../input/mixture.csv', header = F) y = data$V1 n = length(y) hist(y, breaks = 20) Out: ▷ 일반적인 분포와는 다르게 -2와 1 근처에 두 개의 봉우리를 형성하고 있는 것을 확인할 수 있다. 우리가 알고 있는 정규분포, 지수분포, 감마분포는 단봉형태를 띄고 있다. 따라서 이를 위의 데이터에 적합할 경우, 두 개의 봉우리에 대해 적합한 분포를 얻을 수 없다. ▶ 혼합 모델(Mixture model)은 두 개이상의 분포를 합쳐서 만든 모델로 기존 분포에 비하여 자유도 높은 적합이 가능하다는 장점을 가지고 있다. 또한 복잡한 분..

임의절편 모델(Random intercept model) R의 car 패키지의 Leinhardt 데이터를 이용하여 임의절편 모델(Random intercept model)을 모델을 만들어보자. 수행과정은 다음과 같다. 1. 데이터 확인 2. 모델링 3. 모델확인 1. 데이터 확인 In: library(car) data('Leinhardt') pairs(Leinhardt) head(Leinhardt) Out: income infant region oil Australia 3426 26.7 Asia no Austria 3350 23.7 Europe no Belgium 3346 17.0 Europe no Canada 4751 16.8 Americas no Denmark 5029 13.5 Europe no Finland 3312 10.1 Europe no ▷ 연속형 ..

Part 3 - 03. SQL 기본과 활용 □ 옵티마이저(Optimizer) - SQL문에 대해서 실행계획을 수립 - 여러 개의 실행 계획 중에서 최저비용을 가지고 있는 계획을 선택해서 SQL 실행 □ 옵티마이저 엔진 - Query Transformer: SQL문을 효율적으로 실행하기 위해서 옵티마지어가 변환 / 변환되기 전과 결과는 동일 - Estimator: 통계정보를 사용하여 SQL 실행비용을 계산 - Plan Generator: SQL을 실행할 실행 계획 수립 □ 인덱스 - 데이터를 빠르게 검색할 수 있는 방법을 제공 □ 인덱스 트리 구조 - Root, Branch, Double □ Nested Loop - Random Access가 가장 많이 발생 □ Sort Merge - SORT가 가장 많이 발생 □ High Water mark - ..

이전 1 2 3 4 5 6 7 다음

티스토리툴바