![[코딩테스트] 빈출 유형 4가지 — AI 시대에 코딩테스트가 웬말이냐](/_next/image?url=%2Fblog%2Falgo-ct-problems%2Fthumbnail.webp&w=1920&q=75)
22min read·
[코딩테스트] 빈출 유형 4가지 — AI 시대에 코딩테스트가 웬말이냐
AI시대에 코딩이 웬말이냐는 생각도 있겠지만, 문제를 풀어보면서 접근 방식을 이해하면 AI에게 일을 더 잘 시킬 수 있을 거라고 생각합니다 ㅎㅎ 해시·그리디·분할정복·DP 빈출 유형 4가지를 같이 풀어봅니다.
#코딩테스트#해시테이블#그리디
Back to TechCategory ![[알고리즘 기초 1편] 스택·큐·재귀 — 컴퓨터가 기억하는 법](/_next/image?url=%2Fblog%2Falgo-1-stack-queue-recursion%2Fthumbnail.webp&w=1920&q=75)
![[알고리즘 기초 2편] 그래프 탐색 — DFS와 BFS](/_next/image?url=%2Fblog%2Falgo-2-dfs-bfs%2Fthumbnail.webp&w=1920&q=75)
![[AI 기초수학 1편] 연립방정식, NumPy로 0.1초에 풀기](/_next/image?url=%2Fblog%2Fai-math-1-linear-equation%2Fthumbnail.webp&w=1920&q=75)
![[AI 기초수학 2편] 평균·분산·로그 — AI가 데이터를 읽는 법](/_next/image?url=%2Fblog%2Fai-math-2-stats-log%2Fthumbnail.webp&w=1920&q=75)
![[AI 기초수학 3편] 확률 — AI가 예측하는 법](/_next/image?url=%2Fblog%2Fai-math-3-probability%2Fthumbnail.webp&w=1920&q=75)
![[벡터#4 데이터 추출] 정규표현식으로 이메일 주소 찾기](/_next/image?url=%2Fblog%2Fregex-email-extraction%2F%EC%9D%B4%EB%AF%B8%EC%A7%801.webp&w=1920&q=75)
![[벡터#3 방정식] numpy.linalg.solve()로 빠르게 풀기](/_next/image?url=%2Fblog%2Flinear-equations-solve%2Fthumbnail.webp&w=1920&q=75)
![[벡터#2 연산] 덧셈, 뺄셈, 곱셈으로 배우는 실전 데이터 계산](/_next/image?url=%2Fblog%2Fvector-operations%2Foperation-1.webp&w=1920&q=75)
![[벡터#1 입문] NumPy로 시작하는 AI 개발의 기초](/_next/image?url=%2Fblog%2Fvector-math-intro%2Fcolab-intro.webp&w=1920&q=75)
AI
10 posts
20min read·
[알고리즘 기초 1편] 스택·큐·재귀 — 컴퓨터가 기억하는 법
모든 알고리즘의 기초가 되는 스택·큐·재귀를 Python으로 직접 구현해봅니다. 브라우저 뒤로가기는 스택, 카페 줄서기는 큐, 하노이 탑은 재귀로 — 실생활 예시로 자료구조의 핵심을 잡아봐요.
#알고리즘#스택#큐
20min read·
[알고리즘 기초 2편] 그래프 탐색 — DFS와 BFS
1편에서 배운 스택·큐가 실제로 어떻게 쓰이는지 알 차례입니다. 스택으로 구현하는 DFS, 큐로 구현하는 BFS — 지하철 최단경로·SNS 추천·게임 AI까지 모두 이 두 알고리즘에서 시작해요. 3편에서는 최대공약수·이진 트리·프린터 스케줄링으로 이어집니다.
#알고리즘#DFS#BFS
15min read·
[AI 기초수학 1편] 연립방정식, NumPy로 0.1초에 풀기
AI는 기초가 중요하다고 합니다.. 그 기초가 수학입니다..(저도 사실 수학을 좋아하진 않지만)! 이번 포스팅에서 같이 사과·바나나 가격 구하는 연립방정식을 NumPy로 함께 돌려보면서, AI 신경망의 뿌리가 어디서 오는지 직접 확인해 봅시다.
#numpy#선형대수#연립방정식
18min read·
[AI 기초수학 2편] 평균·분산·로그 — AI가 데이터를 읽는 법
AI가 데이터를 보는 눈, 평균과 분산으로 시작합니다. 거기에 로그까지 더하면 AI 손실함수의 기초가 완성돼요. 레오파드게코 모프 분류 예시로 직접 돌려봅시다.
#numpy#통계#평균
20min read·
[AI 기초수학 3편] 확률 — AI가 예측하는 법
AI는 정답을 모릅니다. 대신 가장 확률 높은 답을 고릅니다. 이산 확률부터 정규분포, 조건부 확률, softmax까지 NumPy로 직접 돌려봅시다.
#numpy#확률#정규분포
18min read·
[벡터#4 데이터 추출] 정규표현식으로 이메일 주소 찾기
100페이지 문서에서 이메일 빠르게 추출! 엑셀 '찾기'보다 강력한 정규표현식으로 반복 작업을 크게 줄이는 방법을 배웁니다.
#정규표현식#regex#python
15min read·
[벡터#3 방정식] numpy.linalg.solve()로 빠르게 풀기
사과 2개 + 바나나 3개 = 8,000원? 손으로 풀면 5분, Python으로는 빠르게! 연립방정식을 코드 3줄로 해결하는 방법을 배웁니다.
#선형방정식#numpy#linalg
15min read·
[벡터#2 연산] 덧셈, 뺄셈, 곱셈으로 배우는 실전 데이터 계산
장바구니 계산부터 할인 적용, 매출 분석까지. 벡터 연산으로 엑셀보다 훨씬 빠르게 계산하는 방법을 배웁니다.
#벡터연산#numpy#데이터분석
12min read·
[벡터#1 입문] NumPy로 시작하는 AI 개발의 기초
AI 개발의 핵심이 되는 벡터수학을 NumPy로 배워봅니다. 일상생활 속 벡터부터 AI 모델의 핵심 원리까지, 쉽고 실용적으로 시작하는 수학 여행.
#벡터수학#numpy#AI기초