TEAM EDA

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..

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..

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..

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..

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..

이번 포스팅부터 추천시스템의 입문자분들을 위한 추천시스템 글을 작성해보도록 하겠습니다. 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 이..

해당 강의는 CS231의 Detection and Segmentation 강의를 보고 정리한 내용입니다. 보통의 이미지 분류의 문제는 이미지가 들어오면, 해당 이미지가 속하는 카테고리에 대한 출력을 제공합니다. 위의 예시는 고양이 사진을 보고, 1000개의 카테고리에서 각각의 클래스에 속할 확률을 제공합니다 이번에는 이를 좀 더 심화한 Object Detection에 대해서 보겠습니다. Sementic Segmentation 문제에서는 입력은 이미지이고, 출력으로 이미지의 모든 픽셀에 카테고리를 정합니다. 가령 이 예제의 경우는 입력이 고양이고 출력은 모든 픽셀에 대해 픽셀이 "고양이, 잔디, 하늘, 나무"로 분류합니다. 하지만, 기존의 Classification과 다른 점은 이미지 전체에 카테고리 하나..

[카카오 인턴] 수식 최대화 문제 설명 IT 벤처 회사를 운영하고 있는 라이언은 매년 사내 해커톤 대회를 개최하여 우승자에게 상금을 지급하고 있습니다. 이번 대회에서는 우승자에게 지급되는 상금을 이전 대회와는 다르게 다음과 같은 방식으로 결정하려고 합니다. 해커톤 대회에 참가하는 모든 참가자들에게는 숫자들과 3가지의 연산문자 (+, -, *)만으로 이루어진 연산 수식이 전달되며, 참가자의 미션은 전달받은 수식에 포함된 연산자의 우선순위를 자유롭게 재정의하여 만들 수 있는 가장 큰 숫자를 제출하는 것입니다. 단, 연산자의 우선순위를 새로 정의할 때, 같은 순위의 연산자는 없어야 합니다. 즉, + > - > * 또는 - > * > + 등과 같이 연산자 우선순위를 정의할 수 있으나 +,* > - 또는 * > ..

튜플 문제 설명 셀수있는 수량의 순서있는 열거 또는 어떤 순서를 따르는 요소들의 모음을 튜플(tuple)이라고 합니다. n개의 요소를 가진 튜플을 n-튜플(n-tuple)이라고 하며, 다음과 같이 표현할 수 있습니다. (a1, a2, a3, ..., an) 튜플은 다음과 같은 성질을 가지고 있습니다. 중복된 원소가 있을 수 있습니다. ex : (2, 3, 1, 2) 원소에 정해진 순서가 있으며, 원소의 순서가 다르면 서로 다른 튜플입니다. ex : (1, 2, 3) ≠ (1, 3, 2) 튜플의 원소 개수는 유한합니다. 원소의 개수가 n개이고, 중복되는 원소가 없는 튜플 (a1, a2, a3, ..., an)이 주어질 때(단, a1, a2, ..., an은 자연수), 이는 다음과 같이 집합 기호 '..

가장 큰 정사각형 찾기 문제 설명 1와 0로 채워진 표(board)가 있습니다. 표 1칸은 1 x 1 의 정사각형으로 이루어져 있습니다. 표에서 1로 이루어진 가장 큰 정사각형을 찾아 넓이를 return 하는 solution 함수를 완성해 주세요. (단, 정사각형이란 축에 평행한 정사각형을 말합니다.) 예를 들어 1 2 3 4 0 1 1 1 1 1 1 1 1 1 1 1 0 0 1 0 가 있다면 가장 큰 정사각형은 1 2 3 4 0 1 1 1 1 1 1 1 1 1 1 1 0 0 1 0 가 되며 넓이는 9가 되므로 9를 반환해 주면 됩니다. 제한사항 표(board)는 2차원 배열로 주어집니다. 표(board)의 행(row)의 크기 : 1,000 이하의 자연수 표(board)의 열(column)의 크기 : 1..