_

https://www.acmicpc.net/problem/2745 2745번: 진법 변환 B진법 수 N이 주어진다. 이 수를 10진법으로 바꿔 출력하는 프로그램을 작성하시오. 10진법을 넘어가는 진법은 숫자로 표시할 수 없는 자리가 있다. 이런 경우에는 다음과 같이 알파벳 대문자를 www.acmicpc.net 문제 접근법 1. 입력받은 N의 끝부분부터 역으로 출력 2. 해당 부분이 숫자인지 문자인지 확인 3. 숫자는 int형으로 변환, 문자는 아스키코드 변환 후 A=10이 나오게 숫자 조정 (A의 아스키 코드는 65, 문제에서 A는 10을 필요로 하므로 55를 빼기) 4. 진법변환 공식을 통해 순차적으로 제곱하며 곱해주고 ans에 더하기 코드 N,B=input().split() B=int(B) ans=0..

1부 딥러닝의 기초 4장 머신 러닝의 기본 요소 4.2 머신 러닝 모델 평가 훈련, 검증, 테스트 세트 모델 평가의 핵심은 가용한 데이터를 항상 훈련, 검증, 테스트 3개의 세트로 나누는 것 훈련 세트 - 모델 훈련 / 검증 세트 - 모델 평가 / 테스트 세트 - 출시 준비가 완료된 모델을 최종적으로 딱 한 번 테스트 3개로 나누는 이유는 모델을 개발할 때 항상 모델의 설정을 튜닝하기 때문 정보 누설 검증 세트의 모델 성능에 기반하여 모델의 하이퍼파라미터를 조정할 때마다 검증 데이터에 관한 정보가 모델로 새는 것 이를 막기 위해 검증 세트와 테스트 세트를 구분 단순 홀드아웃 검증 데이터의 일정량을 테스트 세트로 떼어놓음. 남은 데이터에서 훈련하고 테스트 세트로 평가함. 정보 누설을 막기 위해 테스트 세트..

1부 딥러닝의 기초 4장 머신 러닝의 기본 요소 4.1 머신 러닝의 네 가지 분류 지도 학습 타깃에 입력 데이터를 매핑하는 방법을 학습 (이진 분류, 다중 분류, 스칼라 회귀, 문자 판독, 음성 인식, 이미지 분류, 언어 번역 등) 시퀀스 생성 사진이 주어지면 이를 설명하는 캡션을 생성 일련의 분류 문제로 재구성 가능 구문 트리 예측 문장이 주어지면 분해된 구문 트리를 예측 물체 감지 사진이 주어지면 사진 안의 특정 물체 주위에 경계 상자를 그림. 분류 문제로 표현되거나, 경계 상자의 좌표를 벡터 회귀로 예측하는 회귀와 분류가 결합된 문제로 표현할 수 있음. 이미지 분할 사진이 주어졌을 때 픽셀 단위로 특정 물체에 마스킹을 함. 비지도 학습 어떤 타깃도 사용하지 않고 입력 데이터에 대한 흥미로운 변환을 ..

https://www.acmicpc.net/problem/11005 11005번: 진법 변환 2 10진법 수 N이 주어진다. 이 수를 B진법으로 바꿔 출력하는 프로그램을 작성하시오. 10진법을 넘어가는 진법은 숫자로 표시할 수 없는 자리가 있다. 이런 경우에는 다음과 같이 알파벳 대문자를 www.acmicpc.net 문제 접근법 #문제를 이해하지 못해 검색해봄. 다시 풀어볼 것! 1. 0~35까지에 알맞는 숫자 또는 문자를 nums에 배치 2. 10진법 수인 N을 진법B로 나눠서 나온 나머지를 nums에 매칭 후, 앞에서부터 저장 코드 nums='0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZ' N,B=map(int,input().split()) ans='' while N: ans=nu..

https://www.acmicpc.net/problem/17103 17103번: 골드바흐 파티션 첫째 줄에 테스트 케이스의 개수 T (1 ≤ T ≤ 100)가 주어진다. 각 테스트 케이스는 한 줄로 이루어져 있고, 정수 N은 짝수이고, 2 < N ≤ 1,000,000을 만족한다. www.acmicpc.net 문제 접근법 1. 입력받은 수들 중 큰 수 구하기 2. 큰 수만큼 소수 구하기 3. 입력받은 수의 절반까지 안에서 소수들의 합 찾기 ##시간초과가 나서 검색을 해봤는데 다들 내가 푼 풀이랑 똑같이 풀었다. 다른 게 있다면, 수들을 입력받을 때 append와 리스트에서 [-1]을 사용했다는 것이다. 때문에 혹시나해서 append 대신 미리 크기를 지정해서 대입을, [-1]대신 대입을 사용했더니 시간초..

1부 딥러닝의 기초 3장 신경망 시작하기 3.6 주택 가격 분류: 회귀 문제 보스턴 주택 가격 데이터셋 1970년 중반 보스턴 외곽 지역의 범죄율, 지방세율 등의 데이터가 주어졌을 때 주택 가격의 중간 값을 예측 입력 데이터에 있는 각 특성의 스케일이 서로 다름. 어떤 값은 0과 1사이의 비율을, 어떤 값은 1과 12사이의 값을 가지거나 1과 100 사이의 값을 가짐. 1. 데이터셋 로드 from keras.datasets import boston_housing (train_data, train_targets), (test_data, test_targets) = boston_housing.load_data() train_data, test_data : 13개의 수치 특성 (1인당 범죄율, 주택당 평균 방..

1부 딥러닝의 기초 3장 신경망 시작하기 3.5 뉴스 기사 분류: 다중 분류 예제 로이터 데이터셋 (Reuter) 1986년 로이터에서 공개한 짧은 뉴스 기사와 토픽의 집합인 데이터셋 텍스트 분류를 위해 널리 사용되는 간단한 데이터셋 1. 데이터셋 로드 rom keras.datasets import reuters (train_data, train_labels), (test_data, test_labels) = reuters.load_data(num_words=10000) train_data, test_data : 단어 인덱스의 정수 리스트 train_labels, test_labels : 0~45 사이의 정수 2.데이터 준비 숫자 리스트에서 텐서로 변경하는 2가지 방법 (1)같은 길이가 되도록 리스트에 ..

1부 딥러닝의 기초 3장 신경망 시작하기 3.4 영화 리뷰 분류: 이진 분류 예제 IMDB 데이터셋 (Internet Movie Database) 인터넷 영화 데이터베이스로부터 가져온 양극단의 리뷰 5만 개로 이루어짐. 훈련 데이터 2만 5,000개와 테스트 데이터 2만 5,5000개로 나뉘어 있고 각각 50%는 부정, 50%는 긍정 리뷰로 구성 각 리뷰(단어 시퀀스)가 숫자 시퀀스로 변환되어 있음. 1. 데이터셋 로드 from keras.datasets import imdb #data load, rottnsms 1만 개로 제한 (train_data, train_labels), (test_data, test_labels) = imdb.load_data(num_words=10000) train_data, ..

1부 딥러닝의 기초 3장 신경망 시작하기 3.3 딥러닝 컴퓨터 셋팅 최신 NVIDIA GPU 권장 유닉스 운영체제 권장 주피터 노트북 딥러닝 실험을 위한 최적의 방법 노트북 애플리케이션으로 만든 파일로 웹 브라우저에서 작성하게 함. 서식 있는 텍스트 포멧을 지원하며 파이썬 코드를 대화식으로 개발할 수 있음. 오픈 소스 노트북 파일로 예제 제공 (https://github.com/gilbutITbook/006975) 케라스를 시작하는 2가지 방법 1. 클라우드에서 딥러닝 작업 수행 공식 EC2 딥러닝 AMI를 사용해 EC2에서 주피터 노트북으로 케라스 예제 실행 로컬 컴퓨터에 GPU가 없을 때 적합 2. 로컬 유닉스 컴퓨터에서 딥러닝 작업 수행 처음부터 모든 것을 설치 주피터 노트북이나 일반 파이썬 스크립..

1부 딥러닝의 기초 3장 신경망 시작하기 3.2 케라스 소개 케라스(keras) 딥러닝 모델을 만들기 위한 고수준의 구성 요소를 제공하는 모델 수준의 라이브러리 케라스의 백엔드 엔진에서 제공하는 최적화되고 특화된 텐서 라이브러리 사용 (텐서 조작이나 미분 같은 저수준의 연산은 다루지 않음.) 하나의 텐서 라이브러리에 국한하여 구현되어 있지 않고 모듈 구조로 구성 현재 3개의 백엔드 엔진으로 사용할 수 있음. (텐서플로, 씨아노, 마이크로 소프트 코그니티브 툴킷) 케라스 특징 동일한 코드로 CPU와 GPU에서 실행할 수 있음. 사용하기 쉬운 API를 가지고 있어 딥러닝 모델의 프로토타입을 빠르게 만들 수 있음. (컴퓨터 비전을 위한) 합성곱 신경망, (시퀀스 처리를 위한) 순환 신경망을 지원하며 이 둘을 ..