Subeen lab

#8958 testcase = int(input()) for i in range(testcase): ox_list = list(input()) score = 0 sum_score = 0 sums = [] for ox in ox_list: if ox == "O": score+=1 sum_score += score else: score = 0 print(sum_score)

#3052 number = [] for i in range(10): number.append(int(input())%42) print(len(set(number))) set 함수는 중복 숫자를 없애준다. #1546 n = int(input()) score = list(map(int,input().split())) m = max(score) sum = 0 for i in score: a = i/m*100 sum += a print(sum/n)

#10747 m, n = map(int, input().split()) print(m+n) N,X = map(int,input().split()) list_N = list(map(int,input().split())) list_a = [] for i in range(N): if (list_N[i] < X): list_a.append(list_N[i]) for i in list_a: print(i , end =" ", sep=" ")

내용 관련 예시 코드는 여기를 확인해주세요. 네이버 상품 리뷰와 뉴스 그룹 데이터 등을 사용하여 감정 분석을 실제 코드로 연습한 것입니다. 시각화를 이용하여 train set과 validation set의 accuracy를 확인하였습니다. 긍정적인 댓글을 남겼을 때, 부정적인 댓글을 남겼을 때의 pos/neg를 잘 구분해내어 확률을 나타내는지 확인할 수 있습니다.

#2839 n = int(input()) answer = 0 while n >= 0: if(n % 5) == 0: answer += (n // 5) print(answer) break n -= 3 answer += 1 else: print(-1) 처음에는 이 문제를 노가다로 풀려고 했는데 줄이 너무 길어져서 다시 고민했다. 힌트를 얻기 위해 검색하던 중, 이 문제가 그리디 알고리즘이라는 것을 알게 되었다. "그리디 알고리즘"은 잔돈 거슬러 주기에서 많이 쓰이는 알고리즘이라고 한다. 코드의 풀이를 하자면, n을 입력 받은 후, n이 가장 큰 수인 5로 나누어진다면 바로 답을 구하고, 그렇지 않으면 -3을 해줌으로써, 3으로 한 번 나누어졌다고 생각할 수 있으므로 answer에는 1을 더해준다. 이런 식으로..

#2775 t = int(input()) # test case for i in range(t): k = int(input()) # 층 n = int(input()) # 호 f0 = [x for x in range(1,n+1)] for j in range(k): for k in range(1,n): f0[k] += f0[k-1] print(f0[-1]) t는 test case, k,n은 각각 층과 호수라고 할 때, 손으로 직접 계산한다면 다음과 같다. 1호 2호 3호 0층 1 2 3 1층 1 3(1+2) 5(2+3) 2층 1 4 8 3층 1 5 12 위의 표처럼 만들어질 수 있도록 f0 list를 만들어준다. 그 후 층수에 대한 호수만큼 for문을 돌려 k층일 때, (k-1)층의 n의 호수만큼 더해준다. ..

Named Entity Recognition 개체명 인식은 텍스트에서 이름을 가진 개체를 인식하는 기술 가령, '철수와 영희는 밥을 먹었다'에서 이름과 사물을 추출하는 개체명 인식 모델 결과 철수 - 이름 영희 - 이름 밥 - 사물 관련 내용 실습 예제는 여기를 확인해주세요.

Convolutional Neural Network, CNN 이미지 인식, 음성 인식 등에 자주 사용되는데, 특히, 이미지 인식 분야에서 거의 모든 딥러닝 기술에 사용 1989년 얀 르쿤(Yann LeCun) 교수의 논문에서 발표 필기체 인식에서 의미가 있었지만 범용화하는데에는 무리 1998년, "Gradient-Based Learning Applied to Document Recognition"이라는 논문에서 LeNet-5 제시 합성곱 층(convolution layer), 풀링 층(pooling layer) 소개 간단한 실습 예제 코드는 여기를 확인해주세요. + 스팸메일 분류기 with CNN 관련한 간단한 내용 정리는 제 tistory를 확인해주세요.

Recurrent Neural Network, RNN 순서가 있는 데이터를 입력으로 받음 변화하는 입력에 대한 출력을 얻음 시계열(날씨, 주가 등), 자연어와 같이 시간의 흐름에 따라 변화하고, 그 변화가 의미를 갖는 데이터 관련 예제 코드는 여기를 확인해주세요. 내용 설명은 다음 제 tistory를 확인하여 간단하게 보실 수 있습니다.

Embedding 워드 임베딩은 단어를 컴퓨터가 이해하고, 효율적으로 처리할 수 있도록 단어를 벡터화하는 기술 워드 임베딩은 단어의 의미를 잘 표현해야만 하며, 현재까지도 많은 표현 방법이 연구 워드 임베딩을 거쳐 잘 표현된 단어 벡터들은 계산이 가능하며, 모델 투입도 가능 IMDB 데이터를 이용한 코드 연습입니다. 마지막에 시각화 부분은 사이트가 오픈되며 3차원으로 확인이 가능합니다. 자세한 코드는 여기서 확인해주세요.