정리 노트

https://school.programmers.co.kr/learn/courses/30/lessons/60057 프로그래머스 코드 중심의 개발자 채용. 스택 기반의 포지션 매칭. 프로그래머스의 개발자 맞춤형 프로필을 등록하고, 나와 기술 궁합이 잘 맞는 기업들을 매칭 받으세요. programmers.co.kr 드디어...! 오랜만에 저 스스로의 힘으로 레벨 2 문제를 풀어냈습니다! 저의 풀이 문자열 s의 길이가 2 이하인 경우, 문자열 압축을 하던 안 하던 길이는 똑같습니다. 예를 들어 s == "a"인 경우, 딱 봐도 "a" 밖에 답이 없습니다. s == "aa"인 경우 "2a"로 압축되고, s == "ab"인 경우 "ab" 그대로이기 때문에 길이는 똑같습니다. 그래서 메인 로직에 들어가기 전에 문자..

cGAN(conditional GAN) 기존 GAN 구조에서 데이터의 모드를 제어할 수 있도록 조건(condition)을 함께 입력하는 모델입니다. Generator에서 z는 latent vector(=noise vector), y는 condition vector입니다. cGAN에서의 objective function은 아래의 식과 같습니다. Pix2Pix(Image-to-Image Translation) GAN을 기반으로 설계된 아키텍처입니다. 학습 과정에서 이미지 자체를 조건으로 입력 받는 cGAN의 한 유형입니다. 즉 픽셀들을 입력으로 받아서 픽셀들을 예측한다는 의미를 가지고 있습니다. 여기서는 noise vector가 사용되지 않기 때문에 결과가 거의 deterministic 하다고 볼 수 있습니..

GAN(Generative Adversarial Networks) 기본 지식 확률 분포 생성 모델(Generative Model) 실제로 있지 않지만 실제로 있을 법한 데이터(이미지, 자연어 문장, 오디오 등...)를 생성할 수 있는 모델을 말합니다. 이 모델은 이미지 데이터들의 분포에 근사할 수 있도록 학습되어야 합니다. 이에 대한 대표적인 것이 GAN입니다. 만약 이 모델이 잘 학습이 되었다면 통계적으로 평균적인 특징을 가지는 데이터를 쉽게 생성할 것입니다. GAN 생성자(Generator)와 판별자(Discriminator) 두 네트워크를 활용하는 생성 모델입니다. 아래의 목적 함수를 통해 생성자는 이미지 분포를 학습할 수 있습니다. x: x~Pdata(x), z: z~Pz(z) G(z): nois..

프로그래머스 코드 중심의 개발자 채용. 스택 기반의 포지션 매칭. 프로그래머스의 개발자 맞춤형 프로필을 등록하고, 나와 기술 궁합이 잘 맞는 기업들을 매칭 받으세요. programmers.co.kr 그동안 딥러닝이 무엇인지 계속 보다가 오랜만에 프로그래머스 코테 문제를 풀어보았습니다. 오랜만이라 그런지 문제가 어려웠습니다... 다른 사람의 풀이 그래서 결국 이번에도 다른 분의 풀이를 보며 공부했습니다. [프로그래머스, 파이썬] 조이스틱, Greedy [프로그래머스, 파이썬] 코딩테스트 고득점 Kit - Greedy, level 2 조이스틱 velog.io 저는 처음에 문자열 첫 번째 위치에서 왼쪽과 오른쪽 방향으로 주욱 탐색해서 계산하면 될 것이라 생각했습니다. 이렇게 생각하고 채점을 해본 결과 틀렸습니..

이 포스트는 국민대학교X프로그래머스 주관하는 '2022학년도 여름방학 인공지능 온라인 실전 부트캠프'에서 배운 내용을 정리하는 포스트입니다. 선형 회귀로 분류 문제 해결해보기 저번 글에서 선형 회귀에 대해 알아보았습니다. 2022.08.01 - [개념 정리] - 선형 회귀(Linear Regression) 선형 회귀(Linear Regression) 이 포스트는 국민대학교X프로그래머스 주관하는 '2022학년도 여름방학 인공지능 온라인 실전 부트캠프'에서 배운 내용을 정리하는 포스트입니다. 회귀? 회귀는 특정 데이터가 주어졌을 때 결과 study-note-99.tistory.com 선형 회귀로 분류 문제를 풀어보도록 하겠습니다. 먼저 사용할 데이터는 아래와 같습니다. 입력 숫자(자연수) 성공 여부(1: 성..

이 포스트는 국민대학교X프로그래머스 주관하는 '2022학년도 여름방학 인공지능 온라인 실전 부트캠프'에서 배운 내용을 정리하는 포스트입니다. 회귀? 회귀는 특정 데이터가 주어졌을 때 결과를 예측하는 지도 학습의 유형입니다. 특정 데이터들을 학습해서 데이터를 설명할 수 있는 가장 합리적인 선형 함수를 찾아내는 접근 방법이 선형 회귀 법(Linear Regression)입니다. 선형 회귀에서 학습할 데이터들은 아래와 같다고 합시다. 하루 평균 공부 시간(단위: Hour, 범위: 0 ~ 24 사이의 실수) 시험 점수(0 ~ 100 사이의 실수) 0.5 40 1 55 1.5 65 2 74 2.5 88 3 95 이 데이터를 학습한 선형 회귀 모델에 공부한 시간을 넣으면 시험 점수가 얼마나 나올지 예측해주는 선형 ..

오늘 세션에서 딥러닝에 대한 기초적인 부분에 대해 배웠습니다. 인공지능의 학습 방법 지도 학습 지도 학습은 답을 주면서 학습시키는 유형입니다. 지도 학습의 방식으로 회귀와 분류 등이 있습니다. 회귀는 주로 미래에 있을 입력에 대해 출력을 예측할 때 사용하고, 분류는 데이터들을 특정 기준에 따라 나눌 때 사용합니다. 비지도 학습 비지도 학습은 답을 주지 않으면서 학습시키는 유형입니다. 비지도 학습의 방식으로 클러스터링과 차원 축소 등이 있습니다. 클러스터링은 비슷한 유형끼리 그룹화할 때 사용하고, 차원 축소는 고차원 데이터의 차원을 축소시켜 새로운 데이터를 생성할 때 사용합니다. 기본 수학 지식 딥러닝이 작동하는 방식을 이해하려면 아래 세 가지는 기본적으로 알고 있어야 합니다. 벡터 행렬 미분 선형 회귀 ..

저번에는 pandas에서 NaN 값을 처리하는 방법을 배웠었습니다. (Pandas에서 NaN 처리하기: 2022.07.17 - [[TIL]국민대X프로그래머스 여름방학 인공지능 과정] - 10일 차 (2020/07/17)) 오늘은 numpy에서 NaN 값을 처리하는 방법을 배웠습니다. isnan 통해 NaN 값 처리해보기 isnan은 numpy에서 제공하는 함수로, 각 요소마다 nan값인지 아닌지의 boolean 값을 담은 ndarray를 반환합니다. import numpy as np a = np.array([1, 2, np.nan, 3, 4, np.nan, np.nan, 5]) print(np.isnan(a)) # [False False True False False True True False] 이를 ..