본문 바로가기

Category

 (102)
[ 이것이 취업을 위한 코딩 테스트다 with 파이썬 ] Chapter 16 다이나믹 프로그래밍 문제 - Q34 병사 배치하기 1. 문제 2. 코드 n = int(input()) arr = list(map(int, input().split())) arr.reverse() dp = [1] * n for i in range(1, n) : for j in range(0, i) : if arr[j] < arr[i] : dp[i] = max(dp[i], dp[j] + 1) print(n - max(dp))
[ 이것이 취업을 위한 코딩 테스트다 with 파이썬 ] Chapter 16 다이나믹 프로그래밍 문제 - Q33 퇴사 1. 문제 2. 코드 n = int(input()) t, p = [0]*n, [0]*n for i in range(n): t[i], p[i] = map(int, input().split()) dp = [0]*25 for i in range(n): if dp[i] > dp[i+1]: dp[i+1] = dp[i] if dp[i+t[i]] < dp[i] + p[i]: dp[i+t[i]] = dp[i] + p[i] print(dp[n])
[ 이것이 취업을 위한 코딩 테스트다 with 파이썬 ] Chapter 16 다이나믹 프로그래밍 문제 - Q32 정수 삼각형 1. 문제 2. 코드 n = int(input()) data = [] for i in range(n): data_list = list(map(int, input().split())) for j in range (n, i + 1, -1): data_list.append(0) data.append(data_list) for i in range(n): for j in range(n): if i == 0: up = 0 else: up = data[i-1][j] if i == 0: left_up = 0 else: left_up = data[i-1][j-1] data[i][j] = data[i][j] + max(up, left_up) print(max(data[n-1]))
[ 이것이 취업을 위한 코딩 테스트다 with 파이썬 ] Chapter 16 다이나믹 프로그래밍 문제 - Q31 금광 1. 문제 2. 코드 def gold_func(n, m, data): d = [[0] * m for _ in range(n)] for i in range(n): d[i][0] = data[i][0] for j in range(1, m): for i in range(n): if i+1 = 0: temp = data[i][j] + d[i-1][j-1] d[i][j] = max(d[i][j], temp) temp = data[i][j] + d[i][j-1] d[i][j] = max(d[i][j], temp) max_list = [] for i in range(n): max_l..
[ 이것이 취업을 위한 코딩 테스트다 with 파이썬 ] Chapter 14 정렬 문제 - Q24 안테나 1) 문제 2) 코드 N = int(input()) tmp = list(map(int, input().split())) x = [] for i in range(0, N): x.append([]) x[i].append(tmp[i]) for i in range(0, N): d = 0 for j in range(0, N): d += abs(x[i][0] - x[j][0]) x[i].append(d) x.sort(key=lambda k: (k[1], k[0])) print(x[0][0])
[ 이것이 취업을 위한 코딩 테스트다 with 파이썬 ] Chapter 14 정렬 문제 - Q23 국영수 1) 문제 2) 코드 N = int(input()) grade = [] # Junkyu 50 60 100 # Sangkeun 80 60 50 # Sunyoung 80 70 100 # Soong 50 60 90 # Haebin 50 60 100 # Kangsoo 60 80 100 # Donghyuk 80 60 100 # Sei 70 70 70 # Wonseob 70 70 90 # Sanghyun 70 70 80 # nsj 80 80 80 # Taewhan 50 60 90 for _ in range(N): grade.append(input().split()) grade.sort(key=lambda x: (-int(x[1]), int(x[2]), -int(x[3]), x[0])) for i in range(0..
[ 이것이 취업을 위한 코딩 테스트다 with 파이썬 ] Chapter 13 DFS/BFS 문제 - Q16 연구소 1) 문제 2) 코드 # n, m 값 입력 받기 n, m = map(int, input().split()) # 문제에서 주어진 map 초기값 data = [] # 벽을 세운 map temp = [[0] * m for _ in range(n)] # 문제에서 주어진 map 만들기 for _ in range(n): data.append(list(map(int, input().split()))) # 4가지 이동 방향 (동, 북, 서, 남) dx = [-1, 0, 1, 0] dy = [0, 1, 0, -1] # 안전 영역 개수 result = 0 # DFS 를 이용해서 각 바이러스가 사방으로 퍼지도록 하는 함수 def virus(x, y): for i in range(4): nx = x + dx[i] ny = y..
[ 이것이 취업을 위한 코딩 테스트다 with 파이썬 ] Chapter 13 DFS/BFS 문제 - Q15 특정 거리의 도시 찾기 1) 문제 2) 코드 from collections import deque # 정보 받기 n, m, k, x = map(int, input().split()) graph = [[] for _ in range(n+1)] # 도로 정보 받기 # 각 지점에서 연결 된 곳 정보 받기 for _ in range(m): a, b = map(int, input().split()) graph[a].append(b) # 모든 도시 최단 거리 초기화 distance = [False] * (n+1) # 출발 도시까지의 거리는 0으로 설정 distance[x] = 0 # bfs 수행 q = deque([x]) while q: # q의 맨 왼쪽 값 now에 넣기 now = q.popleft() # 현재 도시에서 이동할 수 있는..
이커머스 트렌드의 변화와 미래 전략 학교 과제 하고 있다가 발견한 포스팅인데 너무 재밌고 내 시야를 넓혀주는 느낌이라서 그냥 읽으면서 드는 생각, 알게된 내용들을 간단히 적어 보려고 한다. https://packative.com/blog/2021/11/19/%ec%9d%b4%ec%bb%a4%eb%a8%b8%ec%8a%a4-%ed%8a%b8%eb%a0%8c%eb%93%9c%ec%9d%98-%eb%b3%80%ed%99%94%ec%99%80-%eb%af%b8%eb%9e%98-%ec%a0%84%eb%9e%b5/ 계속 성장하고 있는 이커머스 시장의 트렌드와 생존하기 위해 알아야 할 사실들 | 패커티브 블로 COVID-19 팬대믹으로 인해 이커머스 시장은 전례없는 큰 변화를 맞이하였습니다.소비자들의 소비 패턴이 비대면 형식으로 급격하게 변화하였고 대..
[Practical Time Series Analysis (실전 시계열 분석)] Chapter 06 시계열의 통계 모델 Chapter06 시계열의 통계 모델 들어가며 6장에서 다루게 될 모델 자기회귀(AR) 모델, 이동평균(MA) 모델, 자기회귀누적이동평균(ARIMA) 모델 벡터자기회귀(VAR) 계층형 모델 6.1 선형회귀를 사용하지 않는 이유 선형회귀 분석은 독립 항등 분호 데이터가 있다는 것을 가정한다. 하지만 시계열 데이터는 해당되지 않는다. 6.2 시계열을 위해 개발된 통계 모델 6.2.1 자기회귀 모델 자기회귀(AR) 모델은 과거가 미래를 예측한다는 직관적인 사실에 의존한다. 6.2.2 이동평균 모델 이동평균 (MA) 모델은 각 시점의 데이터가 푀근의 과거 값에 대한 '오차' 항으로 구성된 함수로 표현된 과정에 의존한다. 이때 각 오차항은 서로 독립적이다. 6.2.3 자기회귀누적이동평균 모델 시계열이 AR 및 M..
[Practical Time Series Analysis (실전 시계열 분석)] Chapter 05 시간 데이터 저장 Chapter05 시간 데이터 저장 들어가며 시계열 스토리지 크기에 따른 성능 확장 방법에 대한 중요성 데이터 접근에 대한 무작위적인 방식 대 순차적 방식의 중요성 자동화 스트립트의 중요성 현재 가용 기술 SQL 데이터베이스 NoSQL 데이터베이스 단층 파일 형식 5.1 요구 사항 정의 5.1.1 실시간 데이터와 저장된 데이터 정보의 유실 없이 데이터를 줄일 수 있는 경우 천천히 변하는 변수 상태 변수를 저장한다면 값이 변한 데이터만 기록한다. 노이즈가 낀 높은 빈도의 데이터 높은 수준의 노이즈는 각 개별 측정의 가치를 떨어뜨린다. 사전에 데이터의 종합 집계를 고려해야 한다. 오래된 데이터 오래된 데이터일수록 활용가능성이 줄어든다. 5.2 데이터베이스 솔루션 5.2.1 SQL과 NoSQL 원래의 SQL ..
[Practical Time Series Analysis (실전 시계열 분석)] Chapter 04 시계열 데이터의 시뮬레이션 더보기 [목차] 4.1 시계열 시뮬레이션의 특별한점 - 4.1.1 시뮬레이션과 예측 4.2 코드로 보는 시뮬레이션 - 4.2.1 스스로 직접 만들어보기 - 4.2.2 스스로 실행하는 시뮬레이션 세계 구축 - 4.2.3 물리적인 시뮬레이션 4.3 시뮬레이션에 대한 마지막 조언 - 4.3.1 통계적인 시뮬레이션 - 4.3.2 딥러닝 시뮬레이션 4.4 보충 자료 Chapter 04 시계열 데이터의 시뮬레이션 들어가며 1) 이 장은 크게 세 부분으로 나뉜다. 첫째, 시계열 데이터 시뮬레이션과 다른 종류의 데이터 시뮬레이션을 비교한다. 그러면서 시간의 흐름을 처리할 때 새로운 분야에서 특별히 고려해야할 사항에 집중한다. 둘째, 실제 코드 기반으로 시뮬레이션의 몇 가지 예를 살펴본다. 셋째, 시계열 시뮬레이션의 동..

티스토리툴바