[MIT 파이썬을 이용한 알고리즘의 이해] 코스 수료
‘MIT 파이썬을 이용한 알고리즘의 이해’를 수료하며
파도파도 끝이 없는 Data Science 공부
‘MIT 파이썬을 이용한 알고리즘의 이해’를 수료하며
동적 프로그래밍으로 프로세서의 성능 개선하기
다양한 계산 복잡도 문제들
동적 프로그래밍으로 실생활 문제해결
동적 프로그래밍으로 실생활 문제해결
동적 프로그래밍의 일반적 단계와 실생활 문제해결
현실에서 잘 작동하는 최단 경로 구하기 가속화 방법들
벨만-포드 알고리즘
DAG 최단경로, 다익스트라 알고리즘
가중치가 있는 최단 경로 문제
깊이 우선 탐색 알고리즘과 그 효용
그래프에서의 너비 우선 탐색 알고리즘
고정밀 나눗셈과 시간 복잡도
무리수 정밀하게 계산하기, 카탈란 수
개방 주소법과 암호학적 해싱
해시 테이블 크기 조정, 분할상환 분석, 문자열 매칭
딕셔너리와 해싱
결정 트리, 선형 시간 정렬
균형 이진 탐색 트리 만들기
이진 탐색 트리(BST)
힙, 최대 힙, 힙 정렬
삽입 정렬과 병합 정렬
임의 접근 머신, 포인터 머신과 파이썬에서의 계산 모델, 그리고 문서 거리 문제까지.
1차원과 2차원에서 극댓값 찾기
‘MIT 데이터 사이언스 기초’를 수료하며
지도학습 마무리 & 통계의 함정
지도학습: k-최근접 분류와 로지스틱 회귀
비지도학습: 위계적 군집화와 k-평균 알고리즘
왜 결정계수가 가장 좋은 모델을 선택하면 안되는가
‘파이썬으로 시작하는 데이터 사이언스’를 수료하며
1개의 샘플로 할 수 있는 많은 것들
tidy 데이터 만들기. 전처리와 시각화의 몇 가지 유용한 팁
중심극한정리를 사용하여 ‘경험적인 규칙’을 룰렛에 적용하기. 확률밀도함수의 원리를 적용한 시뮬레이션으로 원주율의 값 구하기.
seaborn을 사용한 다양한 시각화, 상관 계수 분석과 heatmap 그리기
몬테 카를로 시뮬레이션과 다양한 확률 법칙
그룹화하기와 피벗테이블 만들기, 히스토그램과 막대그래프로 시각화하기
랜덤워크를 이용해서 시뮬레이션 모델 검증하고 변형하기
시각화의 다양한 방법, 데이터 색인하기, 지도 활용하기
확률과 이를 구하는 강력한 방법인 시뮬레이션 모델
결측치 다루기, 기초 통계량 파악하기, pandas만으로 시각화하기
그래프와 최적화 문제. 이를 푸는 DFS와 BFS
탐색 트리의 개념과 동적 프로그래밍을 이용해 이를 효율적으로 계산하는 방법
Pandas로 csv파일 가져오기, 데이터셋 다루기
간단한 OT, 계산모델, 최적화 모델, 무차별 대입 알고리즘과 탐욕 알고리즘에 대하여