본문 바로가기

전체 글

 (76)
[Python] 2차원 배열(리스트) 초기화, 입력 받기 파이썬 2차원 배열(리스트) 초기화 2차원 이상의 배열(리스트)를 초기화 해야하는 경우 #아래와 같은 방식으로 해야한다 n = 10 arr = [[0]*n for i _ in range(n)] >> arr[[0] * n] * n 과 같은 방식(1차원 리스트 초기화)으로 초기화할 경우, [0] * n 을 모두 같은 객체로 인식 따라서 arr[0][0] = "1" 로 수정을 할 경우, 모든 행의 첫번째 값이 바뀜 # N*M 크기의 2차원 배열 초기화 n = 5 m = 5 arr = [[0]*m for _ in range(n)] print(arr) #[[0,0,0,0,0],[0,0,0,0,0],[0,0,0,0,0],[0,0,0,0,0],[0,0,0,0,0]] 파이썬 2차원 배열(리스트) 입력받기 #1. 2차원..
그래프 탐색 알고리즘 DFS & BFS (1) 그래프 탐색 알고리즘 DFS / BFS 탐색 - 많은 양의 데이터 중에서 원하는 데이터를 찾는 과정 1. 스택 / 큐 2. 재귀함수(Recursive Function) - 자기 자신을 다시 호출하는 함수 - 문자열을 무한히 출력하다 최대 재귀 깊이 초과 메세지가 출력됨 - 재귀함수를 문제 풀이에서 사용 시 재귀함수 종료 조건을 반드시 명시 - 종료 조건을 제대로 명시하지 않으면 함수가 무한히 호출될 수 있음 - 스택에 데이터를 넣었다 꺼내는 것과 같이 작동 - 모든 재귀함수는 반복문을 이용하여 동일한 기능을 구현할 수 있음 - 컴퓨어가 함수를 연속적으로 호출하면 컴퓨터 메모리 내부의 스택 프레임에 쌓임 - 스택을 사용할 때 구현상 스택 라이브러리 대신에 재귀함수를 이용하는 경우가 많음 2-1. 팩토리얼 ..
[머신러닝/딥러닝] Language Modeling 2(언어 모델) N-gram - 이전에 등장한 모든 단어를 고려하는 것이 아니라 일부 단어만 고려하는 접근 방법을 사용한다. - 이때 일부 단어를 몇 개 보느냐를 결정하는데 이것이 n-gram에서의 n이 가지는 의미이다. - n-gram은 n개의 연속적인 단어 나열을 의미한다. - 갖고 있는 코퍼스에서 n개의 단어 뭉치 단위로 끊어서 이를 하나의 토큰으로 간주한다. 장점 단점 - 쉽게 대형 시스템에 적용 가능하다. - n-gram 훈련 및 추론 방식이 굉장히 쉽고 간편하다. - 등장하지 않은 단어 조합에 대처가 미흡하다. (단어를 discrete symbol로 취급하기 때문에 비슷한 단어에 대한 확률을 이용하지 못함) - 멀리 있는 단어에 대해 대처가 불가하다. - n이 커질수록 용량도 커진다. Neural Langua..
[머신러닝/딥러닝] Language Modeling 1 (언어모델) 언어모델(Language Model, LM) - 단어 시퀀스(또는 문장)에 확률을 할당하는 모델 - 문장 자체의 출현 확률 예측 or 이전 단어들이 주어졌을 때 다음 단어를 예측하기 위한 모델 - 단어와 단어 사이의 출현 빈도를 세어 확률을 계산한다. - 언어의 문장 분포를 정확하게 모델링하는 것이 목표이다. - 음성인식, 번역모델 등 다양한 곳에서 사용한다. 언어모델 수식 주어진 코퍼스 문장들의 likehood를 최대하 하는 파라미터를 찾아내, 주어진 코퍼스를 기반으로 언어의 분포를 학습한다. (코퍼스 기반으로 문장들에 대한 확률 분포 함수를 근사함) 1. Chain Rule - joint probability를 conditional probability로 펼친 것이다. 2. 문장에 대한 확률 이전 까..
[머신러닝/딥러닝] 이미지 어그멘테이션 (Image Augmentation) 이미지 어그멘테이션(Image Augmentation) 이란? 원본 이미지에 인위적인 변화를 주어 새로운 훈련 데이터를 대량으로 확보하는 방법이다. 쉽게 설명하면 이미지를 상하좌우로 뒤집거나 자르는 방식으로 새로운 이미지 데이터를 확보하는 것이다. 이는 모델 성능을 저해하는 과접합(overfiting) 문제를 해결할 수 있다. > 과접합(overfiting) : 훈련에 사용되는 이미지에 과도하게 학습되어서 새로운 이미지를 제대로 인식하지 못하는 현상 이미지 어그멘테이션(Image Augmentation)의 효과 이미지 어그멘테이션 기법을 적용하면 메모리 저장 공간을 차지하지 않고, 적은 수의 이미지 데이터로 매우 다양한 훈련 데이터를 사용하는 효과가 있다. 이미지 어그멘테이션(Image Augmentat..
[머신러닝/딥러닝] GAN 요약 정리 GAN(Generative Adversarial Network)이란? 생성적 적대 신경망, 경쟁을 통해서 배운다는 개념의 인공지능 기술 Generator (생성자) 와 Discriminator (판별자) 두 개의 모델이 동시에 적대적인 과정으로 학습시키며, 생성자 G는 실제 데이터 분포를 학습하고, 판별자 D는 원래의 데이터인지 생성자로부터 생성이 된 것인지 구분 GAN의 구조와 구성요소 G(Generator)와 D(Discriminator)를 적대적인 관계로 보면서 연쇄적인 과정을 거쳐 D(Discriminator)가 나중에는 판별하지 못 할 정도의 진짜 같은 이미지를 만들어냄 생성 모델 G(Generative Models) 실존하지 않지만 있을 법한 이미지를 생성할 수 있는 모델이미지 데이터의 분포를..
백준 1931번_회의실 배정 (Python/파이썬) https://www.acmicpc.net/problem/1931 1931번: 회의실 배정 (1,4), (5,7), (8,11), (12,14) 를 이용할 수 있다. www.acmicpc.net 문제 한 개의 회의실이 있는데 이를 사용하고자 하는 N개의 회의에 대하여 회의실 사용표를 만들려고 한다. 각 회의 I에 대해 시작시간과 끝나는 시간이 주어져 있고, 각 회의가 겹치지 않게 하면서 회의실을 사용할 수 있는 회의의 최대 개수를 찾아보자. 단, 회의는 한번 시작하면 중간에 중단될 수 없으며 한 회의가 끝나는 것과 동시에 다음 회의가 시작될 수 있다. 회의의 시작시간과 끝나는 시간이 같을 수도 있다. 이 경우에는 시작하자마자 끝나는 것으로 생각하면 된다. 입력 첫째 줄에 회의의 수 N(1 ≤ N ≤ 10..
백준 2609번_최대공약수와 최소공배수 (Python/파이썬) https://www.acmicpc.net/problem/2609 2609번: 최대공약수와 최소공배수 첫째 줄에는 입력으로 주어진 두 수의 최대공약수를, 둘째 줄에는 입력으로 주어진 두 수의 최소 공배수를 출력한다. www.acmicpc.net 문제 두 개의 자연수를 입력받아 최대 공약수와 최소 공배수를 출력하는 프로그램을 작성하시오. 입력 첫째 줄에는 두 개의 자연수가 주어진다. 이 둘은 10,000이하의 자연수이며 사이에 한 칸의 공백이 주어진다. 출력 첫째 줄에는 입력으로 주어진 두 수의 최대공약수를, 둘째 줄에는 입력으로 주어진 두 수의 최소 공배수를 출력한다.

티스토리툴바