[프로그래머스]43165번 타겟 넘버 - DFS https://school.programmers.co.kr/learn/courses/30/lessons/43165 프로그래머스코드 중심의 개발자 채용. 스택 기반의 포지션 매칭. 프로그래머스의 개발자 맞춤형 프로필을 등록하고, 나와 기술 궁합이 잘 맞는 기업들을 매칭 받으세요.programmers.co.kr  [python]문제 풀이DFS + 재귀함 1. 배열 numbers와 목표 값 target을 인자로 받기 , 여기서 주어진 숫자들을 더하거나 빼서 target 값을 만들 수 있는 방법을 찾는 것!!! 2. idx와 현재까지의 합(result)을 매개변수로 받고 , idx위치의 숫자를 더하거나 빼는 방법을 둘다 탐색  3. idx == len(number..

DFS 깊이 우선 탐색 그래프에서 깊은 부분을 우선적 탐색하는 알고리즘 -> 스택자료구조 (비재귀) or 재귀함수를 이용 동작 방법1. 탐색 시작 노드를 스택에 삽입 -> 방문처리2. 스택의 최상단 노드에 방문하지 않은 인접한 노드가 하나라도 있으면 그 노드를 스택에 넣고 방문 처리-> 방문하지 않은 인접 노드가 없으면 스택에서 최상단 노드를 꺼램3. 더이상 2번 과정을 수행할 수 었을 때까지 반복

https://bit.ly/487HdL1 Tensorflow — Neural Network PlaygroundTinker with a real neural network right here in your browser.playground.tensorflow.org심층 신경망(DNN, Deep Neural Networks)을 직관적으로 시각화하고 실험할 수 있는 웹 기반 도구다양한 하이퍼파라미터와 데이터셋을 설정하여 신경망의 학습 과정을 실시간으로 관찰할 수 있다.  데이터셋 선택: 스파이럴(spiral), 정사각형 및 평면 회귀 문제 같은 여러 가지 기본 데이터셋을 제공한다.  신경망 구조 설정: 네트워크 구조는 각 층에 몇 개의 노드를 배치할 것인지 설정할 수 있다. ex)hidden layer 3개 ..

이제 곧 1차 코딩 마스터즈가 종료되는 시점이 다가옵니다!!!!그 의미로 오늘은 코딩마스터스를 소개해보려고 해요 ㅎㅎ    코딩마스터스는 Python 또는 JAVA로 문제를 해결할 수 있는 학습 플랫폼이에요 ㅎㅎ 70문제 이상 맞추면 마스터, 100문제 모두 맞추면 그랜드 마스터가 될 수 있습니다  코딩마스터스 접속 방법AIVLE-EDU 접속 후, 좌측 코딩 학습 메뉴에서 '코딩 마스터스'를 클릭하여 접속코딩마스터스 페이지 구성문제 게시판: 개인의 문제 풀이 현황과 전체 문제 목록을 확인 가능전체 랭킹: 문제 풀이 기록에 따른 개인별 랭킹을 조회문제 풀이 방법문제 풀이 페이지 구성:문제 안내, 언어 선택 (Python/JAVA), 코드 입력 창, 터미널, 사이드바 기능 제공코드 제출:채점하기: 코드를 작..

1차 때 처음이기도 했고, 비대면으로 진행해서 그런지 시간이 부족하더라구요너무너무 아쉬움이 남아서 다음 플젝때는 꼭! 대면으로 진행해봐야겠다 생각이 들어서 팀 구성 리스트가 뜨자마자!!!! 팀즈로 팀원들을 모아 투표를 진행했습니다 ㅎㅎ여러분 ... 팀즈에 좋은 기능 많습니다 이용해보세요!!!! 조편성은 우리반 커뮤니티를 통해 확인할 수 있었고, 2차 미니프로젝트 시작 2주전인 9월 30일에 공개되었습니다!!   예약은 교육장 예약 카테고리 들어가면 전농 or 분당 교육장으로 예약이 가능합니다 ㅎㅎ 예약일 4-5일전까지 가능하기 때문에 서둘러서 해야해요. 더 자세한 내용은 다음에 기록해서 링크 남겨보도록 할게요!!  저희는 303호로 입장!! 저희 빼고 다 DX분들이더라구요 ㅎㅎ... 들어와서 명부에 이름..

전처리 : Scaling *최적화를 위해 필요함. 방법 1 : Normalization (정규화) - 모든 값의 범위를 0~1 로 변환방법 2 : Standaraization (표준화) - 모든 값을 평균=0, 표준편차=1 로 변환# 스케일러 선언scaler = MinMaxScaler()# train 셋으로 fitting & 적용x_train = scaler.fit_transform(x_train)# validation 셋은 적용만!x_val = scaler.transform(x_val) ProcessTask : 이전 단계의 output 을 input으로 받음 -> 처리 -> 다음단계로 전달**공통의 목표를 달성하기 위해 동작ex) 상품 기획 -> 디자인 -> 생산 - >물류입고 - > 매장판매 딥러닝 ..

ML vs DL 코드 구조 비교가중치(weight)*파라미터(parameter)라기도 함. ex) 1,2,3월의 판매량으로 4월의 판매량 예측1월 판매량2월 판매량3월 판매량 4월 판매량110120125? 평균 ->   가중치 조정조금씩 weight를 조정해서 오차가 줄어드는지 확인!-> 반복지정한 횟수만큼 or 더이상 오차가 줄지 않을 때까지 DL 학습 절차1. 가중치 초기값 할당 (초기모델만듦)2. (초기)모델로 예측3. 오차를 계산 (loss function)4. 가중치 조절 : 오차를 줄이기 (optimizer) - learning rate(lr): 얼만큼 조절할 지 결정하는 하이퍼파라미터5. 다시 처음부터 반복 - batch_size : 전체 데이터를 적절히 나눠서 (mini batch) 반복 ..

전체 프로세스 (CRISP-DM) 데이터의 shape 모델,모델링- 모델 : 데이터로부터 패턴을 찾아, 수학식으로 정리 해놓은 것- 모델링 : 오차가 적은 모델을 만드는 과정   -> 샘플을 가지고 전체를 추정 모델의 성능모델의 성능은 오차(error)로 계산- 모델링 : train error를 최소화 하는 모델 생성하는 과정- 모델 튜닝 : validation error 를 최소화 하는 보델 선정 딥러닝 모델 표현 방법 - 선형 회귀 모델    Colab 사용법1. 구글 드라이브에 새폴더 생성 2. 새 폴더에 파일 업로드3. 파일 오른쪽 클릭, 'Google Colaboratory' 클릭**  'Google Colaboratory' 뜨지 않는 경우, '연결한 앱 더보기' > ' Colaboratory'..

주어진 N개의 수에서 차이를 구하고, 그 차이들의 최대 공약수를 구하기M의 후보군 : 차이의 최대 공약수의 약수1. 차이들의 최대 공약수(GCD)를 구하는 이유N개의 수에서 나머지가 모두 동일하게 되는 M을 찾으려면 다음과 같음.예를 들어, 두 수가 있다고 가정A = 25B = 10이 두 수를 M으로 나눴을 때 나머지가 같다면, 다음과 같은 조건이 성립해야 함. 25 % M == 10 % M이 식을 전개하면, 두 수의 차이가 M으로 나누어 떨어지는 수여야 함(25 - 10) % M == 0, 즉 15 % M == 0이 조건을 N개의 모든 수들에 대해 적용하기 위해, N개의 수들 간의 차이를 구하고, 그 차이들의 **최대 공약수(GCD)**를 구함. 2. 최대 공약수(GCD) 구하기최대 공약수는 두 수를 ..

1. 성능 평가 기준1) 분류 모델- 대부분 binary 를 이야기 함. 0인지 1인지 예측- 실제 값과 예측 값 둘다 0 or 1- 예측 값과 실제 값이 많이 같을 수록 좋은 모델임 (갯수) -> 정확히 예측한 비율로 모델 성늘을 평가 (정확도)ex) 100개를 예측했는데 몇개를 맞추었는가? 2) 회귀모델- 정확한 값을 예측하긴 어려움- 예측값과 실제 값에 차이(오차)가 존재 할 것- 예측값과 실제 값이 가까울 수록 좋은 모델임-> 예측한 값과 실제 값의 차이로 모델 성능을 평가 (오차) 2. 회귀 모델 성능 평가1) 실젯값, 평균값,예측값 실젯값 (y, y_test)-실제로 예측하고 싶은 값, target(목표값)- 이 값과 비교하여 모델의 성능을 평가- 오차 : 실제값과 예측값과 차이  평균값 ( ..