순차 탐색 vs. 이진 탐색 예) 값이 12인 원소의 위치를 찾기 > 순차 탐색: 리스트 안에 있는 특정한 데이터를 찾기 위해 앞에서부터 하나씩 확인 ==> 탐색을 위한 시간 복잡도: O(N) > 이진 탐색: 정렬되어 있는 리스트에서 탐색 범위를 절반씩 좁혀가며 데이터를 탐색 ==> 탐색을 위한 시간 복잡도: O(logN) 이진 탐색(Binary Search) 동작 방식 시작점(left) 와 끝점(end)을 기준으로 탐색 범위를 명시 이진 탐색의 시간 복잡도 각 단계마다 탐색 범위를 2로 나누는 것으로 이해할 수 있다. 이상적인 경우 매 단계마다 범위가 반으로 감소하므로, 로그(log) 복잡도를 가진다. 대표적인 예시 매우 넓은(억 단위 이상) 탐색 범위에서 최적의 해를 찾아야 하는 경우 데이터를 정렬한..
1. 탐욕 알고리즘(Greedy Algorithm) 현재 상황에서 가장 좋아 보이는 상황만을 선택하는 알고리즘 최적의 해를 구하기 위한 근사적인 방법으로 사용 단순한 탐욕 알고리즘으로는 최정의 해를 놓칠 수 있다. But, 최적의 해에 가까운 답을 찾는 것을 고려하면 다양한 프로그램에서 "근사해"를 구하는 목적으로 사용된다. 접근 방법 방법 고안하기: 현재 상황에서 어떤 것을 선택할지 알고리즘을 고안 정당성 확인하기: 자신이 고안한 알고리즘이 항상 최적의 해를 보장하는지 확인 (증명 단계)
1. 선택 정렬 매 단계에서 가장 작은 원소를 선택해서 앞으로 보내는 정렬 방법 앞으로 보내진 원소는 더 이상 위치가 변경되지 않는다. 시간 복잡도 O(N^2)로 비효율적인 정렬 알고리즘 중 하나 동작 방식 각 단계에서 가장 작은 원소를 선택 현재까지 처리되지 않은 원소들 중 가장 앞의 원소와 위치를 교체한다. // 선택 정렬 함수 function selectionSort(arr) { for (let i = 0; i arr[j] { min Index = j } } // 스와프(swap) let temp = arr[i] arr[i] ..
1. 자료 구조(Data Structure)란? 다수의 자료(data)를 담기 위한 구조 데이터의 수가 많아질수록 효율적인 자료 구조가 필요하다. ==> ex) 학생 수가 1,000,000명 이상인 학생 관리 프로그램 따라서 자료 구조의 필요성에 대해서 이해할 필요가 있다. 성능 비교: 자료구조/알고리즘의 성능 측정 방법에 대해 이해할 필요가 있다. 데이터를 효과적으로 저장하고, 처리하는 방법에 대해 바르게 이해할 필요가 있다. 자료구조를 제대로 이해하지 못하면 불필요하게 메모리와 계산을 낭비할 여지가 있다. 2. 자료 구조의 종류 선형 구조 (linear data structure) 하나의 데이터 뒤에 다른 데이터가 하나 존재하는 자료구조 데이터가 연속적(순차적)으로 연결되어 있다. 배열 (Array)..
01. Linear Regression Regression (Linear / non-Linear) Univariate Linear Regression (단변수선형회귀) Multivariate Linear Regression (다변수선형회귀)
01. Deep Neural Network 훈련의 핵심 Gradient Descent (경사하강법) 목적 - 실제 값과 예측 값의 차이를 최소화 하는 parameter(0) 발견 방법 - 손실 함수를 정의하여 손실 함수의 값이 0으로 수렴하도록 parameter(0) 조절 Backpropagation (오차역전파) 손실 함수를 최소화 하는 방향으로 신경망 전체의 parameter가 update 되도록 하는 기법 경사하강법과 parameter update (선형회귀) 손실 함수 비용 함수(cost function), 목적함수(object function) 등으로도 불림 경사하강법이 가능하도록 미분 가능한 함수를 정의 대표적 손실 함수 Linear Regression (선형 회귀) - MSE(Mean Squ..
