일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
- prompt engineering
- NLP
- LeetCode
- 기계학습
- dl
- Deeplearning
- 머신러닝
- 코테
- gradient descent
- ChatGPT
- deque
- 파이썬
- 부스트캠프
- 알고리즘
- 코딩테스트
- machinelearning
- 프롬프트
- 프로그래머스
- 일기
- Linear Regression
- BFS
- Python
- rnn
- Django
- LLM
- GPT
- transformer
- Programmers
- Linear Model
- attention
- Today
- Total
크크루쿠쿠
input data 크기에 따라 알고리즘이 오히려 단순무식한게 쉬울 수도 있음. programmers.co.kr/learn/courses/30/lessons/64064?language=python3 코딩테스트 연습 - 불량 사용자 개발팀 내에서 이벤트 개발을 담당하고 있는 "무지"는 최근 진행된 카카오이모티콘 이벤트에 비정상적인 방법으로 당첨을 시도한 응모자들을 발견하였습니다. 이런 응모자들을 따로 모아 불량 programmers.co.kr 이 문제 같은 경우 전에 봤던 문제와 유사해 보여 같은방법을 이용해 풀려했으나 제한조건때문에 실패함 -> 단순하게 그냥 3개뽑아서 되나? 체크후 되면 추가 중복 체크는 넣으면서 그 list 안에 있는지 체크하면서 보자
programmers.co.kr/learn/courses/30/lessons/42577 코딩테스트 연습 - 전화번호 목록 전화번호부에 적힌 전화번호 중, 한 번호가 다른 번호의 접두어인 경우가 있는지 확인하려 합니다. 전화번호가 다음과 같을 경우, 구조대 전화번호는 영석이의 전화번호의 접두사입니다. 구조 programmers.co.kr 문제 설명 전화번호부에 적힌 전화번호 중, 한 번호가 다른 번호의 접두어인 경우가 있는지 확인하려 합니다. 전화번호가 다음과 같을 경우, 구조대 전화번호는 영석이의 전화번호의 접두사입니다. 구조대 : 119 박준영 : 97 674 223 지영석 : 11 9552 4421 전화번호부에 적힌 전화번호를 담은 배열 phone_book 이 solution 함수의 매개변수로 주어질..
Text Classification Input : natural language sentence/paragraphOutput: category → text가 어디에 속해있는가?ex) spam, gmail categorization, election 하지만 언어 자체는 arbitrary 함!→ 어떻게 하지 그럼? Tokentoken은 그냥 아무렇게나 sentence를 쪼개놓은것 단어들을 찾아서 indexing 해줌→ integer index로 바뀜 Table Lookup하지만 이것도 arbitrary 하다. 우리는 neural net 이 의미를 capture할 수 있도록 해야함→ 각 토큰마다 continuous 한 vector를 줌 one hot vector와 weight matrix를 곱해줌 이를 Tab..
PyTorch forward/backward pass Forward pass. → 값을 대입함으로써 loss를 계산하는 과정 Backward pass ← 계산된 loss를 이용하여 뒷 방향으로 gradient값 chain rule이용해 넘겨줌 PyTorch Rhythm 1. model을 class와 Variables를 사용해서 디자인 해라 torch model에서 필요한 두가지 __ init __ forward init 함수는 말그대로 생성자 느낌. 여기 예시에서는 한개의 input 이 들어가 한개의 output이 나오므로 torch.nn.Linear(1,1)로 해줌 forward는 x라는 input을 model에 넣었을 때 예상값 2. loss함수와 optimizer 결정 전에 배웠던 MSE loss ..
역전파 알고리즘 Backpropagation 전에 본 예시들처럼 간단하다면 상관X But 인공지능 신경망이 이렇게 복잡하다면? → loss에 대한 gradient 값을 계산 불가능 농구의 자유투 연습을 생각해보자 자유투를 던지는 과정 → 순전파 과정 (forward propagation) 공이 도착한 위치를 보고 던지는 위치 수정 → Backpropagation 즉 loss를 구한 다음 그 loss를 뒤로 전파해가면서 변수들을 갱신해주는 것 그렇담 어떻게? Chain rule 역전파 방식을 사용하기 위해선 이 chain rule을 이용해야한다. 이런 방식으로 뒤로 미분값을 계속 곱해줌으로써 모든 parameter의 loss에 대한 미분값을 알 수 있음. 예시 y=w*x의 경우를 예시로 들어보자 x=1,y..
*Windows10 기반 설명입니다. Ampps 설치 https://ampps.com/downloads 본인 운영체제에 맞는 프로그램 선택 후 다운로드 설치 과정은 특별한 옵션선택이나 이런 것들이 없으므로 그냥 진행시켜주면 됩니다. 처음 설치후 간단하게 집에서 만든 웹 서버를 외부에서도 볼 수 있게 해보겠습니다. Local 환경에서의 작동 확인 ampps 켰을때 나오는 폴더 모양을 눌러서 index.php로 들어가주세요 만약 없다면 index.php 파일을 만들어주시면 됩니 안의 내용을 지워주시고 출력하고 싶은 내용을 적어주세요 인터넷 주소창에 localhost 또는 127.0.0.1 를 치셔서 잘 나오는지 확인해주세요 이렇게 현재 로컬환경에서는 잘 적용된 것을 볼 수 있습니다. 인터넷 환경에서의 작동 ..
What is the learning? loss(MSE)를 최소화하는 w를 찾는것! 그렇담 어떻게 찾아야할까? Gradient Descent algorithm 편미분을 사용한다! 편미분을 사용해서 w값을 점점더 loss의 minimum값으로 이동시켜줌 이때 편미분값을 이용하여 한번 이동시 얼만큼 이동하느냐? 에 사용되는 parameter인 알파 즉 learning rate가 사용된다. Code 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 # Training Data x_data = [1.0, 2.0, 3.0] y_data = [2.0, 4.0, 6..
Supervised learning → dataset에 y값 즉 답이 주어져 있을 경우의 학습! Model design 방정식 형태로 w 라는 weight와 b라는 bias가 구성되어있음 → x와 y의 관계를 나타냄 예시에서는 간단히 b를 없애고 시작한다. w를 임의로 추측한다. MSE 학습시 나오는 loss를 나타내는 대표적인 function loss가 최소가 되는 w를 찾아야함!! N → all data 를 뜻한다. 앞의 예시에서의 MSE를 나타내는 표 예시 코드 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 import nump..