백준 10799번 문제입니다. 이젠 괄호만 봐도 스택이 생각나버리는...😞 이번 문제는 이해하는게 너무 오래 걸리고 어려워서 글을 작성하게 되었습니다. 문제 해결 아이디어 괄호 문제의 포인트는 괄호를 스택에 넣고 쌍이 맞게 되면 pop()을 통해 빼내는 방식으로 해내는 것입니다. "(" 기호가 들어오게 되면 쇠막대기가 있거나 or 레이저로 시작점을 자르는 경우가 됩니다. "(" 기호가 들어오고 ")" 기호가 바로 들어오는 경우 -> 레이저로 자르게 되는 경우 (막대의 오른쪽 끝) ")" 만 들어온 경우 -> "(" 기호는 막대의 시작점이 된다. (막대의 왼쪽 끝) 위의 두 아이디어를 가지고 문제의 그림을 다시 봅시다. ()로 괄호가 완성된 시점에서 레이저를 통해 막대를 자를 수 있습니다. 첫 번째 괄호 ..
백준 11726번 타일링 문제입니다. DP 문제의 특징은 전에 계산된 식의 결과값을 다시 사용함으로써 메모리 효용성을 기대하는 것이죠. 그래서 문제에 대한 반복적인 규칙을 찾아 점화식을 만들어 푸는 방법으로 접근해야합니다. 문제 분석 $2*n$ 크기의 직사각형을 $1*2$ 혹은 $2*1$ 의 타일로 채우는 방법은 두 가지 경우의 수로 나눌 수 있습니다. 마지막 직사각형이 $1*2$ 타일이 한 개 들어가는 경우 마지막 직사각형으로 $2*1$ 타일이 두 개 들어가는 경우 첫 번째 경우는 마지막은 $1*2$ 타일로 놓고, $2*(n-1)$ 크기의 직사각형을 채우는 방법의 수와 같죠. 두 번째 경우는 마지막에 타일이 두 개가 들어가기 때문에 $2*(n-2)$ 크기의 직사각형을 채우는 방법의 수와 같아집니다. 그..
https://fastcampus.co.kr/b2g_kdigitaltraining_ai Upstage AI Lab | 패스트캠퍼스 LLM부문 세계 1위를 석권한 AI 기업 업스테이지와 AI 실무 교육 최강자 패스트캠퍼스가 만든 Upstage AI Lab에서 AI 인재가 되어보세요 fastcampus.co.kr 업스테이지 AI lab 은 패스트캠퍼스와 함께 주관하는 KDT 과정입니다. (내가 등록 취소해야만 했던 이유...) 훈련과정 난이도는 중급 - 고급으로 설정되어 있어, 아 나 인공지능이 뭔지 잘 모르지만 한 번 배워보고 싶은데? 하시는 분들 보다는 아 나 인공지능 배웠는데 이 분야 프로젝트나 커리어나 실적좀 쌓고 대학원이나 취업에 더 도움됐으면 좋겠다! 하시는 분들이 참가하시면 좋을 것 같습니다. ..
LangChain 관련 프레임워크를 공부하다 보면 각종 API key들을 호출하고 관리해야 할 필요가 있습니다.특히 OpenAI API key 처럼 토큰마다 유료 결제를 해 사용해야 하는 항목들의 경우 더 예민하게 관리해야겠죠😔 예를 들어 코드를 수정하다가 Github 과 같은 오픈 레지스토리에 내 API key를 실수로 올리게 된다면... 과금 대참사가 일어날지도 모릅니다..! 또 OpenAI 관련 Cookbook 들을 실습하다 보면 종종 OpenAI API key 가 환경변수로부터 호출되도록 코드가 짜여 있는 것 처럼API, Github Token 등등... 관리는 매우 중요합니다! 그래서 오늘은 OpenAI API key를 Python-dotenv 를 이용하여 환경변수에 관리하는 방법에 대해 알아..
본 게시물은 LGaimers 4기 Module 6의 주재걸 교수님의 딥러닝 강의를 수강 후 요약하였으며, 추가적인 자료는 Google, Arxiv 등에서 검색하였습니다.아 주재걸 교수님 CNN 강의듣고 드디어 묵은 체증이 싹 가신 느낌인턴하면서 CV 프로젝트들을 위주로 많이 진행하고 또 겪어왔지만, 솔직히 옆에서 무슨 말들을 하는지 감으로만 알아들었지 정확히 알아듣진 못했는데(...) (감으로만 이해하고 있었다는 뜻... 아무래도 CV 를 3일만에 배웠으니까....)Aimers강의를 들어가면서 머신러닝 딥러닝 개념부터 시작해서 다시 기초를 쌓으니 뭔가 좀 이해가 가는 생각에 너무 기뻐서 CNN 개념을 함께 정의... 공부해보고자 들고왔습니다 ^__^ vVㅎㅎ (이제 드디어 논문을 이해해가며 읽..
본 게시물은 네이버 부스트코스 주재걸 교수님의 '인공지능을 위한 선형대수' 강의를 듣고 요약하였습니다. Linear Transformation : Transformation, Mapping, Function ... 등으로 표현할 수 있음. Domain (정의역) : x의 모든 값 Co-domain (공역) : y의 모든 값 (output의 집합) Range (치역) : 정의역에 대응하는 함수 값 Image (함수의 상) : output 정의 : T(mapping / function)이 linear 하다고 할 때, 모든 $u, v$ 에 대해서 $T(cu + dv) = cT(u) + dT(v)$ 를 만족하면 선형 변환이라고 한다. (= 덧셈 성질과 스칼라 곱에 대한 성질을 만족해야 함) 즉, vector를 ..