![](http://i1.daumcdn.net/thumb/C148x148/?fname=https://blog.kakaocdn.net/dn/bzg6qt/btszj4BSjnB/5u1PzZPKIjyW2ZpK92T3e0/img.png)
탐색 : 많은 양의 데이터 중에서 원하는 데이터를 찾는 과정 → 그래프, 트리 등의 자료구조 안에서 탐색을 하는 문제! ex) DFS / BFS 자료구조 : ‘데이터를 표현하고 관리하고 처리하기 위한 구조’ 기본 자료구조인 스택과 큐는 다음의 두 핵심적인 함수로 구성됨 삽입(Push) : 데이터를 삽입 삭제(Pop) : 데이터를 삭제 오버플로: 특정한 자료구조가 수용할 수 있는 데이터의 크기를 이미 가득 찬 상태에서 삽입 연산을 수행할때 발생 → 저장 공간을 벗어나 데이터가 넘쳐흐를 때 발생 언더플로: 데이터가 전혀 들어있지 않은 상태에서 삭제 연산을 수행하면 발생 스택 = 박스 쌓기/ 나중에 넣은 데이터를 먼저 반환 | Last In First Out (LIFO) 선입후출 구조 or 후입선출 구조 파이..
구현 : ‘ 머릿속에 있는 알고리즘을 소스코드로 바꾸는 과정’ → 결국 모든 범위의 코딩테스트 문제 유형을 포함하는 개념! ⁂ 풀이를 떠올리는 것은 쉽지만 소스코드로 옮기기 어려운 문제! 피지컬이 중요! ex) 크게 2가지 유형으로 나눌 수 있음 완전 탐색 모든 경우의 수를 주저 없이 다 계산하는 해결 방법 시뮬레이션 문제에서 제시한 알고리즘을 한단계씩 차례대로 직접 수행해야 하는 문제 구현 시 고려해야 할 메모리 제약 사항 파이썬에서는 프로그래머가 직접 자료형을 지정할 필요X 매우 큰 수의 연산 또한 기본으로 지원 but, 실수형 변수는 다른 언어와 마찬가지로 유효 숫자에 따라 연산 결과가 원하는 값이 나오지 않을 수 있음! 파이썬에서 리스트 크기 리스트 이용시 코딩테스트의 메모리 제한을 고려해야 함!..
![](http://i1.daumcdn.net/thumb/C148x148/?fname=https://blog.kakaocdn.net/dn/bEqD83/btsxgZirtvC/bLzLNyvFgHhc6qkhLcE5g1/img.png)
메모리 공간을 약간 더 사용하면 연산 속도를 비약적으로 증가시킬 수 있는 방법 보텀업 방식과 탑다운 방식 2가지로 나눌 수 있음! Top-Down 방식 큰 문제를 해결하기 위해 작은 문제를 호출 재귀함수 이용 메모이제이션 Bottom-Up 방식 작은 문제부터 차근차근 답을 도출 반복문을 이용해 소스코드를 작성 DP 테이블 🤓 ⭐ 다음 조건을 만족할 때, DP를 사용할 수 있다! 큰 문제를 작은 문제로 나눌 수 있다. 작은 문제에서 구한 정답은 그것을 포함하는 큰 문제에서도 동일하다 문제풀이 단계! 다이나믹 프로그래밍 유형임을 파악 - 완전 탐색 알고리즘으로 접근했을 때, 시간이 매우 오래 걸리면 다이나믹 프로그래밍을 적용할 수 있는지 확인해보기! 재귀함수로 비효율적인 프로그램 작성한 뒤, 메모이제이션을 ..
![](http://i1.daumcdn.net/thumb/C148x148/?fname=https://blog.kakaocdn.net/dn/qDV0N/btsvx4jBHWs/CDYdL3KRRglUtllipCKYpk/img.png)
- 기존 추천 시스템 Model - Sequential Recommendation - GRU4Rec - SASRec - BERT4Rec 기존 추천시스템 Model ( Contents- Based, Collaborative Filtering....) 사용자의 과거 item 선택 정보가 동일하게 중요하다는 기본 가정에서 출발 → 주로 선택하던 아이템과 다른 아이템이 등장할 경우, 이에 대한 설명이 부족하고, 사용자가 주로 선택하던 item만을 추천한다는 단점이 있음 → 시간의 정보를 반영해주지 않음, 구매의 순서, 시기를 무시한다는 단점 그러나, 일반적으로 상품 구매 패턴에는 구매 순서, 시기가 반영됨! 또한, 유저의 선호도는 끊임없이 변화할 수 있으며, 과거 구매 정보가 '동일하게' 중요하다기 보다는 최근..
- Total
- Today
- Yesterday
- SASRec
- 하나의 테이블에 대한 조작
- SET문
- matrix factorization
- NULL AS
- SQL레시피
- 연관규칙분석
- SQL
- 라그랑주 승수법
- NULL인 열 만들어주기
- 고전적 추천 알고리즘
- groupby 다중
- 숨겨진조건
- WHERE문 집계함수
- 다중 GROUP BY
- ORDER BY LIMIT
- 콘텐츠 기반 필터링
- WHERE절서브쿼리
- 알고리즘
- 이코테
- 협업 필터링
- cold-start
- 서브쿼리
- 하이브리드 필터링
- 다이내믹프로그래밍
- SELECT문 안 서브쿼리
- 추천시스템
- 여러개 값에 대한 조작
- Lagrange Multipler
- IFNull()
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 |