분류 전체보기

1. 책 DB를 넣어주세요. 2. 나의 스터디 흔적을 사진으로 보여주세요. ​ 3. 이번 스터디에서 특별히 좋았던 점이나 어려웠던 점이 있었나요? 새로 알게된 부분이 있다면 알려주세요. ​ 데이터 마이닝 : 무수한 데이터 안에서 가치 있는 정보를 추출하는 과정 ​ 빅데이터 - 다양한 형태를 갖고 있고, 생성 속도가 빠르며, 가치를 창출할 수 있는 대량의 데이터 - 빅데이터의 5가지 속성 : volume(규모), variety(다양성), velocity(속도), veracity(진실성), value(가치) ​ 좋은 데이터의 4가지 조건 1) 대표성 2) 충분한 양 3) 품질 4) 학습에 최적화된 특성 ​ ※ 전처리(preprocessing) - 데이터 품질을 높이기 위한 방법의 일종 - 인공지능 학습에 나..

1. 책 DB를 넣어주세요. 2. 나의 스터디 흔적을 사진으로 보여주세요. ​ 3. 이번 스터디에서 특별히 좋았던 점이나 어려웠던 점이 있었나요? 새로 알게된 부분이 있다면 알려주세요. ​ 인공지능 (artificial intelligence) : 인간이 가진 지적 능력을 컴퓨터로 구현하는 기술 머신러닝 (machine learning) : 컴퓨터가 스스로 학습하는 기술 딥러닝 (deep learning) : 인간의 뉴런과 비슷한 인공 신경망 방식으로 정보를 처리하는 기술 ​ 약인공지능 (weak AI) : 인간이 정한 범위 내에서 동작 강인공지능 (strong AI) : 모든 영역에서 인간처럼 동작 초인공지능 (super AI) : 모든 영역에서 인간을 뛰어넘는 AI ​ ※ 현재 인공지능은 대부분 약인..

# 답 N, M = map(int, input().split()) lessons = list(map(int, input().split())) l = max(lessons) r = sum(lessons) m = (l + r) // 2 ans = r def is_possible(sz): cnt = 1 bluray = 0 for lesson in lessons: if bluray + lesson

# 답 for _ in range(int(input())): n = int(input()) sticker = [list(map(int, input().split())) for _ in range(2)] dp = [[0] * n for _ in range(2)] for i in range(2): dp[i][0] = sticker[i][0] if n > 1: dp[i][1] = sticker[i ^ 1][0] + sticker[i][1] for j in range(2, n): for i in range(2): dp[i][j] = max(dp[i ^ 1][j - 2], dp[i ^ 1][j - 1]) + sticker[i][j] print(max(dp[0][n - 1], dp[1][n - 1])) # 분석 1..

# 답 INF = 987654321 # 무한 N = int(input()) dp = [INF] * (N + 1) dp[1] = 0 for i in range(2, N + 1): if not i % 6: dp[i] = min(dp[i // 3], dp[i // 2]) + 1 elif not i % 3: dp[i] = min(dp[i // 3], dp[i - 1]) + 1 elif not i % 2: dp[i] = min(dp[i // 2], dp[i - 1]) + 1 else: dp[i] = dp[i - 1] + 1 print(dp[N]) # 분석 1 dp로 푸는 문제입니다. dp는 Top-down(재귀) 또는 Bottom-up(반복문)으로 풀 수 있는데, 저는 Bottom-up으로 풀었습니다. dp라는 ..

1. 노드간 연결 정보만 주어지는 유형 → 그래프 정보를 인접행렬 또는 인접리스트에 담아주세요. (아래 코드는 인접행렬) - 노드 개수 대비 간선 수가 많으면 인접행렬, 노드 개수 대비 간선 수가 적으면 인접리스트 adj = [[False for _ in range(v)] for _ in range(v)] for _ in range(e): n1, n2 = map(int, input().split()) adj[n1][n2] = adj[n2][n1] = True 1260번: DFS와 BFS 첫째 줄에 정점의 개수 N(1 ≤ N ≤ 1,000), 간선의 개수 M(1 ≤ M ≤ 10,000), 탐색을 시작할 정점의 번호 V가 주어진다. 다음 M개의 줄에는 간선이 연결하는 두 정점의 번호가 주어진다. 어떤 두 정..

동적 계획법 Dynamic Programming - 줄여서 DP라고도 부릅니다. - 문제를 쪼개고, 부분 문제들의 답을 구하는 과정을 반복하며 푸는 방식입니다. - 동적 계획법을 구현하는 방법에는 재귀와 타뷸레이션(반복문)이 있습니다. 피보나치 수열이 동적 계획법 대표 문제입니다. F(0) = 0 F(1) = 1 F(n) = F(n-1) + F(n-2) F(5)를 구하고 싶다면 F(4)와 F(3)이 필요합니다. F(5)라는 문제를 F(4)와 F(3)이라는 부분 문제로 쪼개어 풀어야하므로 동적계획법이 쓰인 것입니다. 메모이제이션 Memoization - 한 번 구한 부분 문제의 답을 따로 저장해두고 필요할 때 꺼내쓰는 기법입니다. - 캐싱(caching)이라고도 합니다. - 메모이제이션은 DP와는 별개의 ..

# 답 N, M = map(int, input().split()) tree = list(map(int, input().split())) lo = 0 hi = max(tree) mid = (lo + hi) // 2 def get_total_tree(h): ret = 0 for t in tree: if t > h: ret += t - h return ret ans = 0 while lo = M: ans = mid lo = mid + 1 else: hi = mid - 1 mid = (lo + hi) // 2 print(ans) # 분석 절단기 높이의 '최댓값'을 구하는 최적화 문제인데 결정 문제로 바꿔서 풀 수 있으므로 파라메트릭 서치로 풀면 됩니다. 절단기 높이가 h라면, 나무들을 자른 길이를 구할 수 있고..

선형탐색 Linear Search 앞에서부터 차례대로 찾는 것 # L에서 3찾기 L = [2, 5, 3, 4] for i in L: if i == 3: break 이분탐색 Binary Search 탐색 범위를 절반으로 줄여가면서 찾는 것 # L에서 3찾기 L = [2, 3, 4, 5] left = 0 right = len(L) - 1 mid = (left + right) // 2 while left 3: right = mid - 1 else: # L[mid] < 3 left = mid + 1 mid = (left + right) // 2 - 선형탐색보다 구현이 복잡하지만 시간이 짧게 걸립니다. - 배열 안의 값들이 반드시 정렬되어 있어야 합니다. 이분탐색 라이브러리 from bisect import bi..

# 답 N = int(input()) ans = 0 chk_col = [False] * N chk_d1 = [False] * 2 * N # 대각선 \, 우상단부터 0 chk_d2 = [False] * 2 * N # 대각선 /, 좌상단부터 0 def bt(row): global ans if row == N: ans += 1 return # row가 0이면 왼쪽 절반만 탐색, row가 1 이상이면 전체 탐색 for col in range(N if row else N // 2): if not chk_col[col] and not chk_d1[row - col] and not chk_d2[row + col]: chk_col[col] = True chk_d1[row - col] = True chk_d2[row +..