🌍 Hello World :D

Alec Radford & Luke Metz DCGAN : UNSUPERVISED REPRESENTATION LEARNINGWITH DEEP CONVOLUTIONALGENERATIVE ADVERSARIAL NETWORKS INTRODUCTION GANs have been known to be unstable to train, often resulting in generators that produce nonsensical outputs. CNN을 활용한 비지도학습으로 지도학습과 비지도학습의 차이를 줄인다. CNN을 활용하여 안정적인 train을 가능하게 했으며 이를 DCGAN이라고 한다. 판별기를 이미지 분류기 작업으로 사용하였고, 다른 비지도학습 알고리즘들에 경쟁적인 성능을 보여준다. DCGAN에 의해..

Ian Goodfellow$(.et al)$ Abstract 적대적 프로세스를 통해 생성모델을 추정하는 새로운 프레임워크를 제안한다. 생성모델 G와 판별모델 D 두가지 모델을 동시에 훈련한다. GAN? GAN은 두 개의 다른 신경망 간의 적대적인 관계로 대립(Adversarial)하며 서로의 성능을 점차 개선해 나가는 것 생성 모델 G : 데이터의 분포를 학습하는 모델 판별 모델 D : 이미지를 실제(training data) 또는 가짜(generated data)인지 분류하는 모델 Generator는 훈련 데이터의 분포를 학습하여, 임의의 노이즈를 입력으로 받아 신경망을 사용하여 이미지를 생성함. Introduction 딥러닝의 가장 두드러진 성공은 high-dimensional, rich sensor..

백준 2869번 풀이: 시간 제한이 0.25초임 -> 반복문으로 풀면 안된다는 것 도달하는 날을 x일이라고 했을 때, 총 올라가는 횟수는 x번, 내려오는 횟수는 (x-1)번이 될 것이다. 이를 바탕으로 식을 세워보면 Ax - B(x-1) = V 가 될 것이고, 이를 x에 대한 식으로 정리한다면 x = (V-B)/(A-B) 가 될 것이다. 이 x가 x의 정수형과 같다면, (즉, x가 나누어 떨어진다면) 달팽이는 x일에 다 올라갈 것이다. 그렇지 않다면, 달팽이는 하루 더 지나서 나무막대에 다 올라갈 것이다. 이유를 들어보자면, (V-B)/(A-B)가 7.0이면 달팽이는 7일만에 올라가는 것이지만, (V-B)/(A-B)가 7.4라면, 7.4일이라는 일은 없으므로, 달팽이는 8일만에 올라가게 되기 때문이다. ..

백준 2501번 풀이 : 약수 구하는 함수를 먼저 만들기 제곱근의 약수까지만 구하면 되는 빠른 방법 이용 코드: import sys input = sys.stdin.readline def yaksu(n): div = [] for i in range(1, int(n**(1/2))+1): if (n % i == 0): div.append(i) if ((i**2) != n): div.append(n//i) div.sort() return div n, k = map(int, input().rstrip().split()) div = yaksu(n) if (len(div) < k): print(0) else: print(div[k-1]) ** 약수 구하는 부분 잘보기

ㅇ 교수 : 서울대학교 이상학 교수 ㅇ 학습목표 본 모듈은 인과성에 대해 추론하고 경험적 데이터를 사용하여 인과 관계를 결정하는 방법을 익힘으로써 데이터를 생성한 프로세스에 대해 만들어야 하는 필수 가정과 이러한 가정이 합리적인지 평가하는 방법, 마지막으로 추정되는 양을 해석하는 방법에 대해 학습하고자 합니다. Part 1. 인과성에 대한 소개 및 인과적 추론을 위한 기본 개념 - causal discovery : 데이터로부터 인과효과와 인과관계를 계산 - 데이터는 상관성만 가지고 있는데, 우리가 알고자 하는 것은 인과효과이다. - 이번 강의는 인과효과를 계산하기 위한 기본적 프레임워크, 인과효과를 계산하는 방법론, 인과적 관점으로 문제를 바라보는 방법에 대해 알 수 있다. - 베이지안 네트워크에 대한 ..

ㅇ 교수 : 이화여자대학교 강제원 교수 ㅇ 학습목표 Machine Learning의 한 부류인 지도학습(Supervised Learning)에 대한 기본 개념과 regression/classification의 목적 및 차이점에 대해 이해하고, 다양한 모델 및 방법론(linear and nonlinear regression, classification, ensemble methods, kernel methods 등)을 통해 언제 어떤 모델을 사용해야 하는지, 왜 사용하는지, 모델 성능을 향상시키는 방법을 학습하게 됩니다. Part 1. SL Foundation - 지도학습 : 분류 / 회귀 가 있음 - error를 계산해서 손실함수 loss function cost function으로 부름 - square..

입력 첫째 줄에 N (1 ≤ N ≤ 100)과 M (1 ≤ M ≤ 100)이 주어진다. 둘째 줄부터 M개의 줄에 걸쳐서 공을 넣는 방법이 주어진다. 각 방법은 세 정수 i j k로 이루어져 있으며, i번 바구니부터 j번 바구니까지에 k번 번호가 적혀져 있는 공을 넣는다는 뜻이다. 예를 들어, 2 5 6은 2번 바구니부터 5번 바구니까지에 6번 공을 넣는다는 뜻이다. (1 ≤ i ≤ j ≤ N, 1 ≤ k ≤ N) 도현이는 입력으로 주어진 순서대로 공을 넣는다. 출력 1번 바구니부터 N번 바구니에 들어있는 공의 번호를 공백으로 구분해 출력한다. 공이 들어있지 않은 바구니는 0을 출력한다. 코드 import sys input = sys.stdin.readline n, m = map(int, input().r..

입력 첫째 줄에 N (1 ≤ N ≤ 100)과 M (1 ≤ M ≤ 100)이 주어진다. 둘째 줄부터 M개의 줄에는 바구니의 순서를 역순으로 만드는 방법이 주어진다. 방법은 i j로 나타내고, 왼쪽으로부터 i번째 바구니부터 j번째 바구니의 순서를 역순으로 만든다는 뜻이다. (1 ≤ i ≤ j ≤ N) 도현이는 입력으로 주어진 순서대로 바구니의 순서를 바꾼다. 출력 모든 순서를 바꾼 다음에, 가장 왼쪽에 있는 바구니부터 바구니에 적혀있는 순서를 공백으로 구분해 출력한다. 코드 import sys input = sys.stdin.readline n, m = map(int, input().rstrip().split()) n_list = [] for i in range(1, n+1): n_list.append(i..

ㅇ 교수 : 서울대학교 김건희 ㅇ 학습목표 : 본 모듈은 Machine Learning의 기본 개념에 대한 학습 과정입니다. ML이란 무엇인지, Overfitting과 Underfitting의 개념, 최근 많은 관심을 받고 있는 초거대 언어모델에 대해 학습하게 됩니다. Part 1. Introduction to Machine Learning - 기계학습 : 인공지능의 한 분야 (인공지능-기계학습-딥러닝: 기계학습 중 신경망 레이어가 많은 분야) - 허버트 사이먼 : 의사결정에 관련된 연구 / 아서 사무엘 : Game Tree 알파-베타 prunning, 체스프로그램 - Tom Mitchell's definition : Task(어떤 작업), Performance Measure(성능 지표), Experie..

ㅇ 교수 : KAIST 신진우 교수 ㅇ 학습목표 본 모듈은 AI기술을 이해하기 위한 바탕이 되는 수학적 지식을 학습하기 위한 과정입니다. 이에 관하여 행렬 분해, 블록 최적화, 주성분 분석 등 데이터를 다루기 위한 방법을 학습하게 됩니다. 공부내용: Part 1. Matrix Decomposition - 행렬 관계: det(AB) = det(A)det(B)곱셈 / Trace / Eigenvalue&Eigenvector / Diagonal Part 2. Convex Optimization Part 3. PCA 주성분분석 - 데이터 축소 알고리즘