쵸코쿠키의 연습장

데이터 과학과 빅데이터의 시대에, 항상 더 크고 복잡한 데이터셋을 처리하는 방법을 고민합니다. 특히 그래프 데이터베이스는 이러한 대규모 데이터를 다루는 데 있어 강력한 도구로 자리 잡고 있습니다. 그러나, 모든 데이터가 반드시 거대한 하드웨어 자원이나 대규모 분산 시스템을 필요로 하는 것은 아닙니다. 실제로, 데이터의 크기와 복잡성을 줄이면서도 동일한 성능을 유지할 수 있다면 이는 혁신적인 변화를 가져올 수 있습니다. 이 글에서는 TerminusDB를 활용해 170억 개의 트리플(triple)을 단일 머신에서 효율적으로 로드하고 쿼리할 수 있는 방법을 소개합니다.  TerminusDB의 시작: 초대형 그래프 데이터와의 만남TerminusDB가 처음 시작될 때, 폴란드 경제에 대한 공공 정보를 하나의 거대..

안녕하세요, 여러분! 오늘은 머신러닝에서 널리 사용되는 두 가지 알고리즘, 의사결정 나무(Decision Trees)와 랜덤 포레스트(Random Forests)에 대해 깊이 있게 탐구해보겠습니다. 이 두 알고리즘의 개념을 이해하고, 각각의 장단점을 비교함으로써 어떤 상황에서 어떤 알고리즘을 사용하는 것이 적합한지 알아보겠습니다.  의사결정 나무 (Decision Trees)란?의사결정 나무는 데이터의 특징 값을 기준으로 데이터를 재귀적으로 분할하여 목표 변수를 예측하는 모델입니다. 트리 구조를 사용하여 예측을 수행하며, 각 노드는 데이터의 특정 특징에 대한 질문을 나타내고, 각 가지는 가능한 답변을 나타냅니다. 마지막으로 리프 노드는 예측 결과를 나타냅니다. 이 알고리즘은 가장 큰 정보 이득 또는 최적..

디지털 시대의 보안 필수품, 크립토그래피 우리가 살고 있는 디지털 시대에는 정보의 보안이 그 어느 때보다 중요합니다. 우리의 개인적인 대화부터 금융 정보까지, 다양한 데이터가 온라인을 통해 전송되고 저장됩니다. 이러한 정보가 잘못된 손에 넘어갈 경우, 그 피해는 상상을 초월합니다. 바로 이러한 이유로, 크립토그래피(암호학)는 현대 사회에서 필수적인 기술로 자리잡았습니다. 크립토그래피는 우리가 사용하는 라우터부터, WhatsApp 메시지 전송, HTTPS를 통한 안전한 웹사이트 접속에 이르기까지 우리 생활 곳곳에 적용되고 있습니다. 하지만 크립토그래피는 사용은 보편화되었음에도 불구하고, 그 이해와 올바른 사용, 구현에 있어서는 매우 복잡한 기술입니다. 이러한 크립토그래피의 필요성은 우리 일상에서 비밀번호를..

그래프 알고리즘은 컴퓨터 과학의 기본 도구로서, 연결된 데이터 구조를 이해하고 조작하는 데 중요한 역할을 합니다. 이들은 엔티티 간의 연결을 나타내는 강력한 데이터 구조입니다. 그래프 알고리즘을 활용하면 이러한 상호 연결된 네트워크를 분석, 순회 및 조작할 수 있습니다. 이 글에서는 그래프 알고리즘의 중요성, 기본 알고리즘들을 이해하고 다양한 분야에서의 응용 사례를 살펴보겠습니다. 그래프: 간략한 개요 그래프는 정점(노드)이 간선(링크)으로 연결된 수학적 구조로, 엔티티 간의 관계와 연결을 나타냅니다. 소셜 네트워크, 컴퓨터 네트워크, 교통 시스템, 추천 시스템, 데이터 분석 등 다양한 분야에서 그래프는 응용됩니다. 이러한 상호 연결된 데이터를 효과적으로 탐색, 분석 및 최적화하기 위해서는 그래프 알고리..

컴퓨터 과학과 알고리즘의 광활한 영역에서, 문제를 해결하고 데이터 구조를 탐색하는 다양한 방법이 존재합니다. 이 중에서도 그래프 탐색에 있어 근본적인 역할을 하는 알고리즘 기법이 바로 넓이 우선 탐색(Breadth-First Search, BFS)입니다. 단순하지만 강력한 이 알고리즘은 그래프나 트리를 넓이를 우선으로 탐색하며, 같은 레벨의 모든 정점을 다룬 후 다음 레벨로 이동하는 방식으로 시스템적으로 탐색합니다. 넓이 우선 탐색의 개념은 주변 정점을 먼저 방문한 뒤 그래프의 더 깊은 레벨을 탐색하는 원리에 기반을 두고 있습니다. 특정 출발 정점에서 시작하여 그 인접 정점들을 모두 탐색하고, 그다음 레벨의 정점으로 이동하며, 도달 가능한 모든 정점을 방문할 때까지 이 과정을 반복합니다. 이 과정은 출발..

데이터 분석의 새로운 지평, 임베딩 기반 유사성 검색 데이터 분석 분야에서 혁신적인 변화의 바람이 불고 있습니다. 오라클이 자사의 클라우드 데이터 분석 서비스에 생성 AI 기능을 추가하면서, 문서를 그 의미에 기반해 저장하고 검색할 수 있는 새로운 가능성을 열었습니다. 이 기술의 핵심은 '임베딩'과 '유사성 검색'에 있습니다. 그렇다면, 임베딩이란 무엇이며, 이 기술이 데이터 분석에 어떤 혁명적인 변화를 가져오고 있는지 살펴보겠습니다. 임베딩은 단어나 문서를 고차원의 벡터 공간에 표현하는 기술로, 이를 통해 기계가 인간의 언어를 더 효과적으로 '이해'할 수 있게 됩니다. 유사성 검색은 이러한 벡터화된 데이터를 활용하여 입력된 쿼리와 의미적으로 가장 유사한 문서나 데이터를 찾아내는 과정입니다. 이 기술은 ..

컴퓨터 과학과 그래프 이론의 복잡한 문제를 해결하는 데에는 다양한 알고리즘이 중요한 역할을 합니다. 그 중에서도 깊이 우선 탐색(DFS, Depth First Search)은 시간을 초월하여 그 효용성을 입증한 강력하고 아름다운 탐색 알고리즘입니다. DFS는 그래프의 가장 깊은 부분을 체계적으로 탐색함으로써 숨겨진 경로를 발견하고 구조를 분석할 수 있는 능력으로 인해 학술 연구와 실용적인 응용 모두에 있어 필수적인 도구가 되었습니다. 이 블로그 게시글에서는 깊이 우선 탐색 알고리즘의 내부 작동 원리, 응용 분야, 변형 버전을 탐구하며, 그 장단점을 강조할 것입니다. DFS의 기본 개념부터 시작하여, 그래프의 표현 방법, 방문한 노드의 추적 방법, 재귀적 특성, 깊이 우선 탐색 전략, 이웃의 탐색 방법, ..

컴퓨터 과학과 그래프 이론의 세계에서, 복잡한 문제를 효율적으로 해결하는 데 알고리즘은 필수적인 역할을 합니다. 그 중에서도 경로 탐색과 네트워크 최적화 분야의 핵심으로 자리 잡은 다익스트라 알고리즘은, 네덜란드의 컴퓨터 과학자 에츠거 W. 다익스트라에 의해 1956년에 개발되었습니다. 이 알고리즘은 가중 그래프 내 두 노드 간의 최단 경로를 찾는 데 있어서 그 가치를 입증하며, 내비게이션 시스템부터 컴퓨터 네트워크에 이르기까지 다양한 분야에 광범위하게 활용되고 있습니다. 이 글에서는 다익스트라 알고리즘의 복잡성, 그 기본 원리, 그리고 실세계에서의 구현에 대해 깊이 있게 탐구해보고자 합니다. 다익스트라 알고리즘은 가중치가 있는 그래프에서 두 노드 간의 최단 경로를 찾는 데 사용되는 인기 있는 알고리즘으..

이 글에서는 그래프 색칠의 복잡성을 살펴보고, 실제 적용 사례를 살펴보고, 몇 가지 주목할 만한 알고리즘을 살펴봅니다. 그래프 컬러링은 그래프의 정점에 색상을 할당하여 어떤 인접 정점도 동일한 색상을 공유하지 않도록 하는 그래프 이론 분야의 매혹적이고 기본적인 주제입니다. 이 믿을 수 없을 정도로 단순한 개념은 컴퓨터 과학, 운영 연구, 스케줄링, 지도 라벨링 등 다양한 분야에 광범위하게 적용됩니다. 그래프 컬러링은 1850년대로 거슬러 올라가면서 광범위한 연구의 대상이 되었고, 수많은 흥미로운 알고리즘과 기술을 탄생시켰습니다. 그래프 색칠의 복잡성을 살펴보고, 실제 적용 사례를 살펴보고, 그래프 색칠 문제를 해결하는 데 사용되는 몇 가지 주목할 만한 알고리즘을 살펴봅니다. 그래프 채색의 기초 그래프 색..

이 글에서는 MST의 의의, 속성 및 실용적인 응용에 대해 탐구하면서 MST의 세계를 탐구할 것입니다. 그래프 이론은 노드(vertice)와 그 연결(edge)로 대표되는 대상 사이의 관계 연구를 다루는 수학의 기본 분야입니다. 그래프 이론에서 중요한 개념 중 하나는 최소 신장 트리(MST)입니다. MST의 의의, 속성 및 실용적인 응용에 대해 탐구하면서 MST의 세계를 탐구할 것입니다. 최소 스패닝 트리(Minimal Spanning Tree, MST) 정의 최소 스패닝 트리(Minimal Spanning Tree, MST)는 연결된 무방향 그래프 서브그래프로, 원래 그래프의 모든 정점을 포함하며, 에지의 전체 무게를 최소화합니다. 즉, MST는 전체 그래프에 걸쳐 있는 트리와 같은 구조로, 모든 노드..

그래프 채색의 기초와 그 의의, 그래프 채색 문제를 해결하는 데 사용되는 몇 가지 대중적인 알고리즘에 대해 알아보겠습니다. 그래프 이론은 물체들 사이의 관계를 나타내는 수학적 구조인 그래프 연구를 다루는 수학의 기본적인 분야입니다. 그래프 색칠은 컴퓨터 과학, 운영 연구, 그리고 스케줄링과 같은 다양한 분야에 적용되는 그래프 이론의 핵심 개념들 중 하나입니다. 그래프 이론에서 매혹적인 연구 분야인 그래프 채색은 컴퓨터 과학, 최적화, 스케줄링, 네트워크 설계 등 다양한 분야에서 광범위한 영향을 미칩니다. 그래프 채색의 핵심 목표는 그래프의 꼭짓점에 인접한 어떤 꼭짓점도 같은 색을 공유하지 않도록 색을 할당하는 것입니다. 이 글에서 우리는 그래프 채색의 매혹적인 세계, 그 기초, 알고리즘, 실제 응용 및 ..

네트워크 흐름 알고리즘의 세계를 자세히 살펴보고 주요 개념, 응용 프로그램 및 주목할 만한 알고리즘을 탐구합니다. 네트워크 흐름 알고리즘은 컴퓨터 과학과 네트워크 최적화 분야에서 서로 연결된 시스템을 통한 정보 흐름을 효과적으로 관리하는 데 필수적입니다. 네트워크 흐름 알고리즘은 교통망을 최적화하는 것이든, 컴퓨터 네트워크에서 데이터 전송을 극대화하는 것이든, 공급망에서 자원을 할당하는 것이든, 복잡한 문제를 해결하는 데 유용한 도구입니다. 오늘날 상호 연결된 세계에서 데이터 네트워크는 원활한 통신과 정보 교환을 가능하게 하는 데 필수적입니다. 네트워크를 통해 전송되는 데이터의 양이 증가함에 따라 네트워크 효율성을 최적화하는 것은 필수적인 요소가 됩니다. 네트워크 흐름 알고리즘은 다양한 네트워크 응용 분..

네트워크 흐름 알고리즘의 세계를 자세히 살펴보고 주요 개념, 응용 프로그램 및 주목할 만한 알고리즘을 탐구합니다. 네트워크 흐름 알고리즘은 컴퓨터 과학과 네트워크 최적화 분야에서 서로 연결된 시스템을 통한 정보 흐름을 효과적으로 관리하는 데 필수적입니다. 네트워크 흐름 알고리즘은 교통망을 최적화하는 것이든, 컴퓨터 네트워크에서 데이터 전송을 극대화하는 것이든, 공급망에서 자원을 할당하는 것이든, 복잡한 문제를 해결하는 데 유용한 도구입니다. 오늘날 상호 연결된 세계에서 데이터 네트워크는 원활한 통신과 정보 교환을 가능하게 하는 데 필수적입니다. 네트워크를 통해 전송되는 데이터의 양이 증가함에 따라 네트워크 효율성을 최적화하는 것은 필수적인 요소가 됩니다. 네트워크 흐름 알고리즘은 다양한 네트워크 응용 분..

이 글에서는 다양한 문자열 반전 알고리즘을 탐색하고, 접근 방식을 논의하고, 시공간 복잡성을 분석할 것입니다. 문자열 반전은 주어진 문자열에서 문자의 순서를 뒤집는 것을 수반하는 프로그래밍의 일반적인 연산입니다. 간단한 작업처럼 보일 수도 있지만 문자열 반전을 효율적으로 수행하기 위한 다양한 알고리즘과 기술이 있습니다. 이러한 알고리즘을 이해하는 것은 다양한 프로그래밍 맥락에서 텍스트를 조작하고 변환하는 지식을 갖추게 할 것입니다. 이 글에서는 다양한 문자열 반전 알고리즘을 탐색하고, 접근 방식을 논의하며, 시간과 공간의 복잡성을 분석하고, 특정 요구 사항에 가장 적합한 알고리즘을 선택하는 데 대한 통찰력을 제공합니다. 문자열 반전 알고리즘의 중요성 문자열 반전 알고리즘은 프로그래밍에 수많은 응용 프로그..

Codility는 코더의 스킬 셋을 테스트하기 위한 플랫폼입니다. 테스트를 통해 채용 프로세스 중에 코더에게 기술 화면을 제공 할 수 있습니다. 아마도 가장 큰 장점은 테스트가 자동으로 제공되고 점수가 매겨져 기술이 아닌 채용 담당자가 전 세계의 후보자를 관리 할 수 ​​있다는 것입니다. 알고리즘 테스트에 관한 것은 매우 좁은 기술 세트를 테스트한다는 것입니다. 대부분의 경우, 소프트웨어 개발자는 알고리즘을 작성하는 데 많은 시간을 소비하지 않습니다. 기존 라이브러리의 알고리즘을 활용하면서 더 높은 수준의 문제에 중점을 둡니다. 이로 인해 개발 프로세스는 더 빠르고 버그가 덜 발생합니다. 따라서 코딜리티 테스트는 응시자가 응용 프로그램의 기본 빌드 블록을 구축 할 수 있는지 확인하는 데 유용합니다. 문제..

코드 // you can use includes, for example: // #include #include using namespace std; // you can write to stdout for debugging purposes, e.g. // cout

풀이 // you can use includes, for example: // #include #include using namespace std; // you can write to stdout for debugging purposes, e.g. // cout

코드 upper = 'ABCDEFGHIJKLMNOPQRSTUVWXYZ' lower = upper.lower() def solution(s, n): for idx, char in enumerate(s): if char in upper: tIdx = (upper.index(char) + n) % 26 s = s[0:idx] + upper[tIdx] + s[idx+1:] elif char in lower: tIdx = (lower.index(char) + n) % 26 s = s[0:idx] + lower[tIdx] + s[idx+1:] return s 실행 결과 정확성 테스트 테스트 1 〉 통과 (0.05ms, 10.8MB) 테스트 2 〉 통과 (0.05ms, 10.7MB) 테스트 3 〉 통과 (0.05ms..

코드 def solution(n): answer = 0 for i in range(1, n+1): if n % i == 0: answer += i return answer 실행 결과 정확성 테스트 테스트 1 〉 통과 (0.04ms, 10.7MB) 테스트 2 〉 통과 (0.04ms, 10.8MB) 테스트 3 〉 통과 (0.08ms, 10.8MB) 테스트 4 〉 통과 (0.05ms, 10.8MB) 테스트 5 〉 통과 (0.11ms, 10.7MB) 테스트 6 〉 통과 (0.07ms, 10.7MB) 테스트 7 〉 통과 (0.15ms, 10.8MB) 테스트 8 〉 통과 (0.06ms, 10.7MB) 테스트 9 〉 통과 (0.13ms, 10.7MB) 테스트 10 〉 통과 (0.16ms, 10.6MB) 테스트 11 ..

코드 def solution(s): answer = "" counter = 0 for i in range(len(s)): if s[i] == " ": counter = 0 answer += " " elif counter % 2 == 0: answer +=s[i].upper() counter +=1 elif counter % 2 == 1: answer += s[i].lower() counter +=1 return answer 실행 결과 정확성 테스트 테스트 1 〉 통과 (0.04ms, 10.6MB) 테스트 2 〉 통과 (0.04ms, 10.7MB) 테스트 3 〉 통과 (0.04ms, 10.7MB) 테스트 4 〉 통과 (0.07ms, 10.7MB) 테스트 5 〉 통과 (0.05ms, 10.7MB) 테스트 6..