본문 바로가기

반응형

전체

2022 SUAPC Winter 대회 참가 후기 2022 신촌지역 대학생 프로그래밍 대회 동아리 연합 겨울 대회인 2022 SUAPC Winter에 지난 대회 팀원(whitehorse, 9114jin) 그대로 '5시간 집중하기 힘든 나이'의 팀명으로 참가하였다. 문제 : https://www.acmicpc.net/category/detail/3032 해설 : https://upload.acmicpc.net/3542c671-875e-4711-8779-a2d86c6f6d43/ 매 대회마다 항상 후기를 써왔지만, 이번 대회는 후기를 쓰지 않으려고 했다. 나도 물론이고 팀원들도 모두 바빠서 팀 연습을 한 번도 못했고, 지난 대회 이후로 다들 PS를 별로 하지 않아서 별다른 기대도 없었다. 팀을 다시 결성하게 된 계기도 이러한 이유 때문이었는데, 다른 팀에 들..
2021 카카오 추천팀 겨울 인턴 합격 후기 2021 카카오 추천팀 겨울 인턴(개발)에 합격했다. 여러 후기나 주변 분들에게 도움을 많이 받았기 때문에 나도 후기를 써보려고 한다. 아직 입사를 하진 않았기 때문에 내부 업무에 대해선 나 또한 아직 모르고, 또 코테 문제 등 자세한 내용은 언급할 수 없기 때문에 내용이 다소 짧을 수도 있다. (많은 도움을 주신 zinc님, raararaara님 감사드립니다.... orz) 1. 인턴 지원 우선 이번 인턴십은 지원 공고가 예전보다 꽤 늦게 올라왔다. 예전대로라면 11월 초에 공고가 올라와야 했기 때문에 11월부터 매일 카카오 영입 사이트를 확인했지만 중순까지 올라오지 않았고, 또 가을 인턴을 모집하지 않았기 때문에 이번에도 모집하지 않는다고 생각해서 마음을 접었었다. 미리 인턴십의 존재에 대해서 알고 ..
블로그 누적 조회수 10만 돌파 :) [2019. 01. 12.] 블로그 개설 [2021. 03. 12.] 조회수 30,000 돌파 [2021. 05. 15.] 조회수 40,000 돌파 [2021. 08. 02.] 조회수 60,000 돌파 [2021. 11. 11.] 조회수 100,000 돌파 원래 블로그 글은 제 공부 기록용이기 때문에 항상 반말로 써왔지만, 이 글은 감사의 의미로 존댓말로 작성하겠습니다. 블로그를 처음 만든 지 약 2년 10개월 만에 드디어 10만 조회수를 달성했습니다...! 거의 3년에 가까운 시간이지만 사실 조회수의 90% 정도는 최근 1년간의 성과입니다. 블로그가 점점 커질수록 새로운 글도 금방 구글 상위권에 노출되는 것 같네요. 처음 시작할 땐 글 쓰는 게 얼마나 오래갈까 생각했는데, 생각보다 꾸준히 달려오게 되었..
[머신러닝] 다중 선형 회귀(Multiple Linear Regression) [목차] 1. 다중 선형 회귀 2. 다중 선형 회귀 실습 1. 다중 선형 회귀 다중 선형 회귀(Multiple Linear Regression, MLR)는 여러 개의 독립 변수와 하나의 종속 변수의 선형 관계를 모델링하는 것이다. 독립 변수들을 $x_i$라고 하고, 종속 변수를 $y$라고 하면 다중 선형 회귀 식은 다음과 같다. $y = W_1x_1 + W_2x_2 + ... + W_nx_n + b$ 다중 선형 회귀를 사용할 땐 다음과 같은 가정들이 필요하다. 1. 각각의 독립 변수는 종속 변수와의 선형 관계가 존재한다. ($y = W_ix_i$ 그래프를 그렸을 때 직선의 형태) 2. 독립 변수 사이에서는 높은 수준의 상관관계가 존재하지 않아야 한다. 만약 그렇지 않다면 관계를 분석하기가 어렵다. 3. ..
[머신러닝] 단순 선형 회귀(Simple Linear Regression) [목차] 1. 선형 회귀 2. 단순 선형 회귀 실습 1. 선형 회귀(Linear Regression) 선형 회귀(Linear Regression)는 널리 사용되는 대표적인 회귀 알고리즘이다. 선형 회귀는 종속 변수 y와 하나 이상의 독립 변수 x와의 선형 상관관계를 모델링하는 기법이다. 만약 독립 변수 x가 1개라면 단순 선형 회귀라고 하고, 2개 이상이면 다중 선형 회귀라고 한다. 1) 단순 선형 회귀 (Simple Linear Regression) 단순 선형 회귀는 $y = Wx + b$의 식으로 나타난다. 머신러닝에서는 독립 변수 x에 곱해지는 W값을 가중치(weight), 상수항에 해당하는 b를 편향(bias)이라고 부른다. 따라서 단순 선형 회귀 모델을 훈련하는 것은 적절한 W와 b값을 찾는 것..
[머신러닝] K-최근접 이웃 회귀 (K-NN Regression) 개념 및 실습 [목차] 1. K-NN Regression 2. KNeighborsRegressor Class 3. K-NN Regression 실습 4. 과대적합 vs 과소적합 5. K-NN Regression의 한계 1. K-NN Regression 이전에는 생선이 도미에 속하는지 빙어에 속하는지 '분류'하는 문제를 다루었다. (https://rebro.kr/183) 다른 문제로 생선의 크기나 길이를 보고 생선의 무게를 예측하는 문제도 다룰 수 있다. 이처럼 클래스 중 하나로 분류하는 것이 아니라 임의의 어떤 '숫자'를 예측하는 문제를 회귀(Regression)라고 한다. 그중 K-NN Regression(K-최근접 이웃 회귀) 알고리즘은 주변의 가장 가까운 K개의 샘플을 통해 값을 예측하는 방식이다. 예를 들어 가..
[머신러닝] K-최근접 이웃(K-NN) 알고리즘 및 실습 [목차] 1. K-NN 알고리즘이란? 2. K-NN 알고리즘 실습 3. K-NN 알고리즘 실습 (훈련 셋과 데이터 셋 분리) 4. K-NN 알고리즘의 주의점 1. K-NN 알고리즘이란? K-최근접 이웃(K-NN, K-Nearest Neighbor) 알고리즘은 가장 간단한 머신러닝 알고리즘으로, 분류(Classification) 알고리즘이다. 비슷한 특성을 가진 데이터는 비슷한 범주에 속하는 경향이 있다는 가정하에 사용한다. 예를 들어 위와 같이 데이터가 주어져 있을 때, 빨간색인 세모 모양의 데이터는 초록색 그룹과 노란색 그룹 중 어디에 속한다고 말할 수 있을까? 주변에 가까운 데이터들이 모두 노란색이기 때문에 '노란색 그룹에 속할 것이다'라고 추측할 수 있다. 이처럼, 주변의 가장 가까운 K개의 데이터..
[머신러닝] 머신러닝(Machine Learning) 정의 및 종류 [목차] 1. 머신러닝이란? 2. 지도 학습 3. 비지도 학습 4. 준지도 학습 5. 강화 학습 1. 머신러닝이란? 머신러닝(Machine Learning)이란, 규칙을 일일이 프로그래밍하지 않아도 자동으로 데이터에서 규칙을 학습하는 알고리즘을 연구하는 분야이다. 인공지능의 하위 집합으로, 지능을 구현하기 위한 소프트웨어를 담당하는 핵심 분야다. 머신러닝에서의 알고리즘은 대규모 데이터셋에서 패턴과 상관관계를 찾고, 분석을 토대로 최적의 의사결정과 예측을 수행하도록 훈련된다. 학습과 개선을 위해 명시적으로 컴퓨터를 프로그래밍하는 대신, 컴퓨터가 데이터를 통해 학습하고 경험을 통해 개선하도록 훈련하는 데 중점을 둔다. 머신러닝 모델의 종류로는 크게 지도 학습, 비지도 학습, 준지도 학습, 강화 학습 총 4개..