본문 바로가기

분류 전체보기

 (43)
[백준 BOJ] 174706 배열 돌리기 4 (python) 문제 링크 : https://www.acmicpc.net/problem/17406 이어지는 배열 돌리기 문제입니다. 배열을 돌리는 과정은 1, 3과 비슷하지만 배열을 돌릴 부분이 따로 주어지고, 연산을 그저 수행하는 것이 아니라 최적의 연산 순서를 정하기까지 해야합니다.다만 저는 K가 6이하로 크지 않기때문에 이 순서는 permutation(순열)을 통해 완전탐색을 해주었습니다. 배열과 각 순열들 중 하나의 연산들을 get_ans 함수에 입력하여 결과값을 구해주었습니다.get_lists 함수에 각 과정의 r, c, s, 배열을 입력해주어 돌릴 배열들을 lsts 리스트에 deque로 넣어주었습니다.deque들을 1씩 rotate해 준 뒤 알맞은 arr에서 알맞은 위치에 재배치 해주었습니다.이 과정은 배열 ..
[데이터] GIS 지리정보체계 (GIS, Geographic Information System) 데이터 유형- 레스터 (Raster) : 정사각형 픽셀(Pixel)로 구성- 벡터 (Vector) : 점(Point), 선(Line), 면(Polygon)으로 구성 데이터 구조- Feature : 실세계의 객체들- Geometry : 위치 정보- Attribute : 속성 정보 쉐이프 파일 (Shapefile)- *.shp : Feature Geometry- *.dbf : Feature Attribute- *.shx : Feature Geometry의 색인(index)- *.prj : 좌표계 정보- *.sbn과 *.sbx : 피처의 공간 인덱스 (sptial index)- *.xml : 메타데이터 (Metadata) QGIS ..
[LLM] VLM (Multimodal) 업무 비전-언어 모델 (Vision-Language Models, VLM)- 비전과 언어의 양상(Modality)를 통합하는 모델- 이미지와 자연어 텍스트를 모두 처리할 수 있는 능력을 가진 모델 멀티모달 (Multimodal)- 여러가지 데이터 형식을 가지고 수행하는 AI- Early Fusion : 종류가 다른 두가지 데이터를 하나의 데이터로 먼저 합친 이후 모델 학습- Late Fusion : 종류가 다른 두가지 데이터를 각각 다른 모델이 학습시킨 이후 나온 결과를 융합하는 방법- Joint or Intermediate Fusion : 하나의 모달리티로 모델 학습을 진행하다가 마지막 레이어 전에 다른 모달리티와 융합하는 방법 VLM의 3가지 핵심 요소- 이미지 인코더 (Image Encoder)- 텍스트..
[백준 BOJ] 16935 17470 배열 돌리기 3, 5 (python) 문제 링크 : https://www.acmicpc.net/problem/16935문제 링크 : https://www.acmicpc.net/problem/17470 1, 2로 마찬가지지만 종류가 다양한 구현 문제입니다. 매 과정에서 배열을 직접 바꾸는 과정을 진행하면 시간이 많이 걸리므로 stat이라는 리스트를 조절한 후 그 결과만 배열에 적용해주는 방식을 사용하였습니다.stat = [rotate 여부, 1그룹, 2그룹, 3그룹, 4그룹, flip 여부 (좌우)] 각 연산 과정이 stat을 어떻게 변경해주는지 설명해드리겠습니다.- 1번 연산우선 1, 4와 2, 3 그룹의 위치를 swap 함수를 통해 바꿔줍니다.rotate가 0, 2인 경우는 상하 flip을 해야하는데 rotate를 두번 한 후 좌우 fli..
[백준 BOJ] 16926 16927 배열 돌리기 1, 2 (python) 문제 링크 : https://www.acmicpc.net/problem/16926문제 링크 : https://www.acmicpc.net/problem/16927 큰 어려움 없는 구현 문제로 deque의 rotate를 활용하여 풀이하였습니다.우선 rotate를 쓰기 위해 돌릴 배열들을 lsts 리스트에 deque로 넣어주었습니다.이후 각 deque들을 rotate해 준 뒤 알맞은 arr에서 알맞은 위치에 재배치 해주었습니다. 1번과 2번의 차이 R의 크기 차이인데 deque의 rotate를 사용하면 문제가 없습니다.실제로 두 문제의 난이도나 제출 결과 메모리와 시간도 똑같습니다. ㄷㄷ import sysfrom collections import dequeN, M, R = map(int, sys.stdin..
[LLM] RAG 검색 증강 생성 (Retrieval-Augmented Generation)LLM의 한계를 극복하기 위해 '지식 검색'과 '언어 생성'을 결합한 프레임워크 LLM의 단점사실 관계 오류 가능성 (할루시네이션)- 잘못된 정보나 허위 정보를 진실로 간주하고 전파할 수 있음맥락 이해의 한계- 복잡한 맥락 파악과 심층적인 이해에 한계 존재 RAG의 보안외부 지식 활용- 대규모의 구조화된 지식베이스를 모델에 연결- 주어진 질의에 대한 관련 정보를 지식 베이스에서 검색 및 추출증거 기반 생성- 검색된 지식 정보를 증거로 활용하여 보다 사실에 기반한 답변 생성- 생성된 답변의 출처를 명시하여 신뢰성 향상맥락 이해력 향상- 외부 지식을 통해 질의에 대한 배경 지식과 맥락 정보를 파악- 단순한 패턴 매칭이 아닌 추론 능력을..
[프로그래머스] 아방가르드 타일링 (python) 문제 링크 : https://school.programmers.co.kr/learn/courses/30/lessons/181186 프로그래머스코드 중심의 개발자 채용. 스택 기반의 포지션 매칭. 프로그래머스의 개발자 맞춤형 프로필을 등록하고, 나와 기술 궁합이 잘 맞는 기업들을 매칭 받으세요.programmers.co.kr정말 대표적인 DP문제 입니다.점화식으로 풀이하는 방식이 굉장히 신선했습니다. 1. 기존 DP 방식case = ['000', '012', '210', '102', '201', '120', '021']우선 각 단계의 6가지 케이스를 나누었습니다.이 케이스는 이전 타일은 완성된 상태에서 튀어나온 칸의 수를 여섯가지 경우로 나눈 것 입니다.- 0 이 없는 경우는 그 부분에서 다음 dp 단계로..
[NLP] 요약 모델 출처 문서의 수에 따른 분류- 단일 문서 (Single-document) : 하나의 문서를 요약- 다중 문서 (Multi-document) : 여러 문서에서 정보를 통합하여 하나로 요약 특정 작업에 대한 제약 (Task-specific constraints)- 특정 질문 (Query-focused)- 정보 업데이트 (Update)- 지침에 따름 (Guided) 지식의 양에 따른 분류- 지식이 적은 경우 (Knowledge-poor) : 문서 내의 정보에만 의존- 지식이 풍부한 경우 (Knowledge-rich) : 외부 지식이나 데이터베이스와 같은 외부 자원 활용 (Use of external resources) 요약 방법에 따른 분류 추출 요약 (Extractive Summarization)추출 기반 ..

티스토리툴바