Data Science LAB

1. 문제 설명 철호는 수열을 가지고 놀기 좋아합니다. 어느 날 철호는 어떤 자연수로 이루어진 원형 수열의 연속하는 부분 수열의 합으로 만들 수 있는 수가 모두 몇 가지인지 알아보고 싶어졌습니다. 원형 수열이란 일반적인 수열에서 처음과 끝이 연결된 형태의 수열을 말합니다. 예를 들어 수열 [7, 9, 1, 1, 4] 로 원형 수열을 만들면 다음과 같습니다. 원형 수열은 처음과 끝이 연결되어 끊기는 부분이 없기 때문에 연속하는 부분 수열도 일반적인 수열보다 많아집니다. 원형 수열의 모든 원소 elements가 순서대로 주어질 때, 원형 수열의 연속 부분 수열 합으로 만들 수 있는 수의 개수를 return 하도록 solution 함수를 완성해주세요. 2. 제한 사항 3 ≤ elements의 길이 ≤ 1,00..

1. 문제 설명 프로그래머스 팀에서는 기능 개선 작업을 수행 중입니다. 각 기능은 진도가 100%일 때 서비스에 반영할 수 있습니다. 또, 각 기능의 개발속도는 모두 다르기 때문에 뒤에 있는 기능이 앞에 있는 기능보다 먼저 개발될 수 있고, 이때 뒤에 있는 기능은 앞에 있는 기능이 배포될 때 함께 배포됩니다. 먼저 배포되어야 하는 순서대로 작업의 진도가 적힌 정수 배열 progresses와 각 작업의 개발 속도가 적힌 정수 배열 speeds가 주어질 때 각 배포마다 몇 개의 기능이 배포되는지를 return 하도록 solution 함수를 완성하세요. 2. 제한 사항 작업의 개수(progresses, speeds배열의 길이)는 100개 이하입니다. 작업 진도는 100 미만의 자연수입니다. 작업 속도는 100..

1. CNN 이란? : 딥러닝의 가장 대표적인 방법으로 주로 이미지 인식에 많이 사용됨, 기본적인 아이디어는 이미지를 작은 특징에서 복잡한 특징으로 추상화하는 것 인간의 시신경 구조를 모방한 기술 특징맵을 생성하는 필터까지도 학습이 가능해 비전 (vision) 분야에서 성능이 우수함 이미지를 인식하기 위해 패턴을 찾는데 특히 유용 데이터를 직접 학습하고 패턴을 사용해 이미지 분류 이미지의 공간 정보를 유지한 채 학습을 하게 하는 모델 (2D 그대로 작업) 사람이 여러 데이터를 보고 기억한 후에 무엇인 지 맞추는 것과 유사함 2. CNN 구조 Fully Connected Layer 만으로 구성된 인공신경망의 입력데이터는 1차원 배열 형태로 한정된다. 한 장이 컬러 사진은 3차원 데이터이다. 배치 모드에 사..

기존의 Gradient Vanishing, Exploding 문제를 해결하기 위해서는 새로운 활성화 함수를 찾거나 가중치를 초기화하는 방법을 사용 -> 훈련하는 동안 다시 발생하지 않으리란 보장 ❌ 이에 2015년 세르게이 이오페와 치리슈티언 세게지가 배치정규화 기법 제안 - Batch Normalization - Batch : 신경망 학습 시 보통 전체 데이터를 작은 단위로 분할하여 학습을 진행하는데, 이 때 사용되는 단위 - Batch Normalization : 배치 단위로 정규화함 각 층에서 활성화 함수를 통과하기 전이나 후에 모델에 연산을 하나 추가 이 연산은 단순하게 입력을 원점에 맞추고 정규화한 다음, 각 층에서 두 개의 새로운 파라미터로 결괏값의 스케일을 조정하고 이동시킴 신경망의 첫 번째..

1. 문제 설명 "명예의 전당"이라는 TV 프로그램에서는 매일 1명의 가수가 노래를 부르고, 시청자들의 문자 투표수로 가수에게 점수를 부여합니다. 매일 출연한 가수의 점수가 지금까지 출연 가수들의 점수 중 상위 k번째 이내이면 해당 가수의 점수를 명예의 전당이라는 목록에 올려 기념합니다. 즉 프로그램 시작 이후 초기에 k일까지는 모든 출연 가수의 점수가 명예의 전당에 오르게 됩니다. k일 다음부터는 출연 가수의 점수가 기존의 명예의 전당 목록의 k번째 순위의 가수 점수보다 더 높으면, 출연 가수의 점수가 명예의 전당에 오르게 되고 기존의 k번째 순위의 점수는 명예의 전당에서 내려오게 됩니다. 이 프로그램에서는 매일 "명예의 전당"의 최하위 점수를 발표합니다. 예를 들어, k = 3이고, 7일 동안 진행된..

1. 딥러닝에서 자주 쓰이는 코드 super().__init__() super(ClassName, self).__init__() super().__init__(**kwargs) super(ClassName, self).__init__(**kwargs) 2. 사용 예시 class Parent(): def __init__(self): print("Parent init") self.parentHi = "부모 클래스" class Child(Parent): def __init__(self): super().__init__() print("Child init") self.childHi = "자식 클래스" child = Child() print(child.childHi) print(child.parentHi) # P..