지방에서 서울까지

큐(Queue)는 선입선출의 개념을 가진 자료구조다. class Node: def __init__(self, value): self.data = value self.link = None class queue: def __init__(self): self.head = None def print_queue(self): top = self.head pq = [] while (top.link is not None): pq.append(top.data) top = top.link pq.append(top.data) print('->'.join(map(str, pq)) + "->None") def push(self, value): if self.head is None: self.head = Node(value) e..

연결리스트란 노드로 구성되어 있고 노드는 값과 다음 노드를 가리키는 값 2가지로 구성된다. class Node: def __init__(self, value): self.value = value self.link = None class LinkedList: def __init__(self): self.head = None def show(self): top = self.head llarray = [] llarray.append(top.value) while top.link is not None: top = top.link llarray.append(top.value) print('->'.join(map(str, llarray)) + "->None") def add(self, value): if self...

스택은 한 쪽 끝에서만 자료를 넣거나 뺄 수 있는 선형 구조으로 되어 있다. __init__ 파이썬의 리스트를 이용해 스택을 구현한다. __len__ 리스트의 길이를 반환한다. push 값을 스택에 저장한다. pop 스택에 담긴 값 중 가장 최근에 저장된 값을 반환한다. class ListStack: def __init__(self): self.data = list() def __len__(self): return len(self.data) def push(self, value): self.data.append(value) def pop(self): return self.data.pop() stack = ListStack() stack.push(1) stack.push(2) stack.push(3) st..

Lenet-5를 이어 일반적인 CNN 구조가 정착됐다. 일반적인 CNN 구조라 하면 Conv-Layer > Normalication, Pooling > FC 구조이다. ImageNet과 같은 데이터 크기가 큰 경우 모델을 더 Deep하게 Layer 수를 늘리고 Dropout을 이용해 overfitting을 피하도록 했다. 점점 AI 기술이 모바일이나 임베디드 상에서 효율적으로 활용하기 위해 연산량을 줄이도록 하는 알고리즘을 개발하게 됐다. GoogleNet은 기존 AlexNet 보다 1/12 배의 연산량을 가진다. Inception Module을 사용하는 것이 그 이유인데, 모듈 구조를 살펴보자. 대표사진 삭제 Inception module 일단 여기서 가장 중요한 것은 1x1 Convolution 이다..

def solution(arr): answer = [] for i in range(len(arr)): if i == len(arr)-1: if arr[i] == arr[i-1]: answer.append(arr[i]) break else: answer.append(arr[i]) continue if arr[i] != arr[i+1]: answer.append(arr[i]) return answer

def solution(d, budget): answer = 0 for i in sorted(d): budget -= i if budget < 0: break answer += 1 return answer

def solution(s): answer = [] s = s.split(" ") for m in s: m = list(m) for i in range(len(m)): if i % 2 == 0: m[i] = m[i].upper() else: m[i] = m[i].lower() answer.append(''.join(m)) return ' '.join(answer)

AI, 머신러닝, 딥러닝, 지도학습, 비지도학습 C++, OpenCV 4로 배우는 컴퓨터 비전과 머신러닝 ch02 Python, OpenCV 4로 배우는 컴퓨터 비전과 머신러닝 ch02 독립변수, 종속변수 따릉이 데이터 분석 K-Fold, Stratified K-Fold GridSearch Python, OpenCV 4로 배우는 컴퓨터 비전과 머신러닝 ch03 NMS IOU 왁물원 카페 크롤링 및 우왁굳즈 워드클라우드 GoogleNet (InceptionNet) 정리해보기 이미지 데이터 증강 (Data Augmentation) 단순 논리 회로 퍼셉트론의 한계 신경망이란

def solution(score): result = [] rank = 1 for i in score : avg = sum(i) / len(i) for i in rank : if i == rank : return rank rank += 1 return 0 return result

str = input() result = "" for s in str: if s.isupper(): result += s.lower() else: result += s.upper() print(result)