TEAM EDA

Query all columns (attributes) for every row in the CITY table. The CITY table is described as follows: Answers SELECT * FROM CITY

Multi-Scale Context Aggregation by Dilated Convolutions (DilatedNet) Review papers : https://arxiv.org/pdf/1511.07122.pdf 0. Abstract Dense prediction 문제는 일반적으로 Image Classficiation과는 다릅니다. Dense prediction 문제에 적합한 새로운 Convolutional Network Module을 제안합니다. 제안된 모듈인 Dilated Convolution은 해상도를 잃지 않고 다양한 크기의 contextual information을 통합합니다. 특히 Receptive field를 지수적으로 증가시키면서도 해상도를 잃지 않습니다. 위의 방법을 통해서 Sema..

문제 설명 OO 조선소에서는 태풍으로 인한 작업지연으로 수주한 선박들을 기한 내에 완성하지 못할 것이 예상됩니다. 기한 내에 완성하지 못하면 손해 배상을 해야 하므로 남은 일의 작업량을 숫자로 매기고 배상비용을 최소화하는 방법을 찾으려고 합니다. 배상 비용은 각 선박의 완성까지 남은 일의 작업량을 제곱하여 모두 더한 값이 됩니다. 조선소에서는 1시간 동안 남은 일 중 하나를 골라 작업량 1만큼 처리할 수 있습니다. 조선소에서 작업할 수 있는 N 시간과 각 일에 대한 작업량이 담긴 배열(works)이 있을 때 배상 비용을 최소화한 결과를 반환하는 함수를 만들어 주세요. 예를 들어, N=4일 때, 선박별로 남은 일의 작업량이 works = [4, 3, 3]이라면 배상 비용을 최소화하기 위해 일을 한 결과는 ..

list(map(list, zip(*mat)))

import numpy as np x = [[1, 2, 3], [4, 5, 6]] # 방법1. np.concatenate(x) np.concatenate(x) # 방법2. flatten() np.array(x).flatten() # 방법3. chain from itertools import chain list(chain(*x)) # 방법4. List Comprehension [j for i in x for j in i] # 방법5. reduce 사용 방법 list(reduce(lambda x, y: x+y, myMatrix))

원문 링크 ; http://www.somanet.xyz/2017/06/blog-post_21.html?showComment=1609072753155#c2471006822219488770 Google Drive path Make Google Drive Path Linkable Linkable Image path Save to Clipboard Image Tag Save to Clipboard Preview image

파이썬에서 데이터 프레임의 메모리를 줄여주는 코드 def reduce_mem_usage(df): """ iterate through all the columns of a dataframe and modify the data type to reduce memory usage. """ start_mem = df.memory_usage().sum() / 1024**2 # print('Memory usage of dataframe is {:.2f} MB'.format(start_mem)) cols = [c for c in df.columns if c not in ['log_date', 'date', 'etc_str2']] for col in cols: #..

파이썬 및 파이토치의 시드를 고정해주는 명령어 # Update 코드 # 링크 : https://www.kaggle.com/reighns/complete-and-reusable-pytorch-pipeline def seed_all(seed: int = 1930): print("Using Seed Number {}".format(seed)) os.environ["PYTHONHASHSEED"] = str( seed) # set PYTHONHASHSEED env var at fixed value torch.manual_seed(seed) torch.cuda.manual_seed_all(seed) torch.cuda.manual_seed(seed) # pytorch (both CPU and CUDA) np.ran..

파이썬에서 발생하는 경고문을 무시해주는 명령어 import warnings warnings.filterwarnings('ignore')

해당 글은 T-아카데미에서 발표한 추천시스템 - 입문하기의 자료에 딥러닝을 이용한 추천시스템과 추천시스템 대회를 분석한 내용을 추가한 글입니다. 해당 자료보다 더욱더 좋은 자료들이 페이스북 그룹 Recommender System KR에 있으니 많은 관심 부탁합니다. [01. 추천시스템 이해] [02. 컨텐츠 기반 추천시스템] [02. 유사도 함수 및 평가 함수] [02. TF-IDF를 이용한 추천시스템] [02. Word2Vec을 이용한 추천시스템] [03. 협업필터링 기반 추천시스템] [03. KNN을 이용한 추천시스템] [03. SGD을 이용한 추천시스템] [03. ALS을 이용한 추천시스템] [04. 딥러닝을 이용한 추천시스템] [04. Deep Neural Networks for YouTube R..