import sysinput = sys.stdin.readlinefrom collections import dequeN = int(input())array = list(map(int, input().split()))answer = [-1]*(N)mystack = deque([]) # index 담기for i in range(N): while mystack and array[mystack[-1]]

from collections import dequeimport sysinput = sys.stdin.readlinen, l = map(int, input().split())mydeque = deque()now = list(map(int, input().split()))for i in range(n): while mydeque and mydeque[-1][0] > now[i]: mydeque.pop() mydeque.append((now[i], i)) if mydeque[0][1]

데이터의 정의는 다음과 같다. : 의사결정을 돕기 위해 수집된 정보(사실, 숫자) 또는 컴퓨터에 저장되고 사용될 수 있는 전자 형식의 정보 사실 정보의 양을 가장 많이 담을 수 있는 데이터 형태는 텍스트이지만, 시각화를 통해 지각 능력과 인지 능력을 같이 사용하면 효과적인 이해를 할 수 있다.  그렇다면 데이터를 시각화 한다는 것은 데이터를 '보이는 무언가'로 만드는 행위이다. Expressiveness (데이터가 가진 정보를 시각 요소로 모두 표현되어야 한다), Effectiveness (중요한 정보가 부각되어 표현되어야 한다) 이 둘을 고려하여 데이터를 시각요소로 치환하는 것이다.   데이터는 크게 몇 개의 범주로 나누어진 범주형 데이터와 수로 나타내는 수치형 데이터로 구분할 수 있다. 그렇다면 데이..

1. 선형 모델 from scratch 구현 2. 2층 신경망 모델 from scratch 구현

저번주에 아쉬웠던 점 중 하나가 오전 시간을 제대로 활용하지 못한다는 점이었는데, 오늘 아침에는 밤에 돌려놓고 잤던 모델 결과를 확인하면서 나름 괜찮은 예측 결과가 나와서 신기했다. 그리고 2주차 ML LifeCycle 가 시작되면서 이번주는 무슨 일이 있어도 매일매일 학습 정리를 하기로 했기 때문에 시간을 틈내서라도 기록하려고 노력했다. 기본과제 1을 하면서 model fit 하는 과정에서 계속 램 용량 이슈 있어서 코랩 프로 결제했는데,, 알고보니까 shape 잘못 설정해서 그랬던 것이었다.. shape 잘못 설정했는데 역행렬 구하는 과정에서 오류 발생하면서 램 초과 일어났던 것 같다. 코드를 먼저 다시 봤어야 하는 건데,, ㅎ 잘못 설정되어있으면 error 발생되면서 바로 중지될 줄 알아서 잘못된 ..

1. RNN  RNN 이란 시계열 데이터를 처리하기 위한 모델로서 순환신경망을 의미한다. 이전까지는 입력에서 출력층 방향으로 진행이 되는 순방향 신경망이었다면, RNN은 결과값이 이전 노드 or 자기자신으로 돌아가는 구조이다. 이러한 형태를 가지며, 각 계층은 그 계층으로의 입력과 이전 계층의 출력을 받는다. 즉, 현재 내 계층의 정보를 다음 시점으로 넘겨준다. 여기서 주의할 점은 t에 따라 RNN 계층이 존재하므로 각 계층에 입력되는 W 가중치 파라미터가 여러개 존재한다고 생각할 수 있지만, 실질적으로 하나다.(장점)즉, 시각 t에 대하여 모두 같은 가중치를 가지고 학습하고, 역전파를 통해 가중치가 업데이트 되면 모든 t에 대해서 동일하게 적용되기 때문에 가중치가 공유되는 방식이다. 그렇기 때문에 입력..