피피티로 발표하는 것처럼 정리하면 머리속에 잘 들어가서 피피티로 만들었다. 키워드 보면 다 떠오르니까 어느정도 공부가 된 것 같다.

다이나믹 프로그래밍 효율적인 알고리즘을 위해 사용할 수 있는 기법. top-down(메모이제이션, 하향식) / bottom-up(상향식) 방식이 있다. 간단하게 설명하면 문제를 작은 문제부터 해결하여 큰 문제의 답을 도출하는 방식. 백준 17202 핸드폰 번호 궁합 a = list(input()) b = list(input()) data = [] for i in range(len(a)): data.append(a[i]) data.append(b[i]) dp = [0 for _ in range(15)] for i in range(len(data)-1): dp[i] = (int(data[i]) + int(data[i+1])) % 10 for i in range(14, 1, -1): for j in range..

Connection / Add 다르게 해서 모델 설계하기 약간 multi-task learning이랑 비슷해보여서 헷갈렸는데, Iris 데이터를 보면 sepal length / sepal width / petal length / petal width가 있다. length는 length 끼리 묶고, width는 width끼리 묶어서 모델에게 넣어주고 마지막에 모델을 붙여보자. 데이터 불러오기 import numpy as np import pandas as pd import tensorflow as tf from tensorflow import keras from sklearn.datasets import load_iris iris = load_iris() x = iris.data y = iris.targe..

머신러닝 머신러닝, 딥러닝 등 많이 들어봤을테지만, 머신러닝이 좀 더 큰 개념이라 생각하면 된다. 학습 방법에 따른 분류 / 과제(문제)에 따른 분류로 나눌 수 있다. 학습 방법에 따라 지도 학습 학습 대상 데이터에 정답을 라벨링하여 학습시키는 것. 비지도 학습 정답이 없는 데이터만으로 학습시키는 것. 강화 학습 선택 결과에 따라 보상을 받는 쪽으로 행동을 개선하게 하면서 학습시키는 것. 과제에 따라 분류 문제(Classification) - 지도학습 Train set - 이미 분류된 데이터로 학습을 통해 규칙을 찾고, Val set / Test set으로 새롭게 주어진 데이터를 분류 회귀 문제(Regression) - 지도학습 Train set - 결과값이 있는 데이터로 학습을 통해 입력 값 / 결과 ..

데이터 시각화는 실무에서 정말 필수다. 발표할 때 ppt를 잘 만들어야 하듯이, 데이터를 시각화하여 한 눈에 알아볼 수 있도록 보여주는 것은 매우 중요하다. matplotlib으로 간단한 시각화에 대해 배워보자. matplotlib matplotlib은 matlab을 사용해 봤다면 쉽게 사용할 수 있는 라이브러리다. 아니어도 쉽게 배울 수 있으니 아래에서 한번 살펴보자. 환경 준비 1) 라이브러리 import pandas as pd import numpy as np import matplotlib.pyplot as plt# matplotlib의 pyplot을 불러오는 것 2) 데이터 공기 질 정보를 불러오겠다. path = 'https://raw.githubusercontent.com/DA4BAM/dat..