bro's coding

10718번: We love kriii ACM-ICPC 인터넷 예선, Regional, 그리고 World Finals까지 이미 2회씩 진출해버린 kriii는 미련을 버리지 못하고 왠지 모르게 올해에도 파주 World Finals 준비 캠프에 참여했다. 대회를 뜰 줄 모르는 지박 www.acmicpc.net ''' ACM-ICPC 인터넷 예선, Regional, 그리고 World Finals까지 이미 2회씩 진출해버린 kriii는 미련을 버리지 못하고 왠지 모르게 올해에도 파주 World Finals 준비 캠프에 참여했다. 대회를 뜰 줄 모르는 지박령 kriii를 위해서 격려의 문구를 출력해주자. ''' print('강한친구 대한육군\n강한친구 대한육군') 강한친구 대한육군 강한친구 대한육군

2557번: Hello World Hello World!를 출력하시오. www.acmicpc.net print('Hello World!') Hello World!

fastText는 facebook에서 개발한 model입니다. 메커니즘 자체는 Word2Vec와 동일해 Word2Vec의 확장형이라고 보시면 됩니다. Word2Vec는 단어를 더 이상 나눌 수 없는 원소로 본다면, fastText는 하나의 단어 안에도 여러 단어들이 존재하는 것으로 간주합니다. 즉, sub-word를 고려해 학습합니다. fastText는 context independent하다는 단점이 있습니다. context independen는 Sentence들 간의 관계를 알지 못한다는 의미입니다.

Glove는 co-occurrence가 있다면 그 정보를 알 수 있습니다. Glove는 global matrix factorization (전역 행렬)분해와 local(국소, 국지)문맥 window를 이용합니다. Global matrix factorization(전역 행렬 분해)는 NLP(자연어 처리)분야에서 거대한 단어-빈도 행렬에서 rank(계수)를 reduction하기 위해 선형대수의 행렬 분해법을 이용하는 방법입니다. 행렬들은 일반적으로 단어-문서 빈도를 표현하고, 행은 단어 / 열은 문서(혹은 단락)를 나타냅니다. 단어-문서 빈도 행렬에 적용되는 global matrix factorization은 흔히 latent semantic analysis(LSA)라고 합니다. LSA는 고차원 행렬을 si..

Word2vec는 2개의 옵션이 있습니다. CBOW는 주변단어를 통해 중심단어를 예측하는 것입니다. SKIP-GRAM은 중심단어를 통해 주변단어를 예측하는 것입니다. Word2vec는 사용자가 지정한 윈도우 내에서만 학습/분석이 이뤄지기 때문에 말뭉치 전체의 공기정보(co-occurrence)는 반영되기 어려운 단점이 있습니다. 여기서 윈도우는 주변 단어를 몇 개까지 볼지 설정한 크기를 의미합니다.

Neural Machine Translation

카카오브레인 인간처럼 생각하고, 행동하는 지능을 통해 인류가 이제까지 풀지 못했던 난제에 도전합니다. www.kakaobrain.com

PyQt5 Tutorial - 파이썬으로 만드는 나만의 GUI 프로그램 위키독스 온라인 책을 제작 공유하는 플랫폼 서비스 wikidocs.net PyQt5 Reference Guide — PyQt v5.15.2 Reference Guide www.riverbankcomputing.com Graphical User Interfaces (GUI) pythonspot.com PyQt5 tutorial - learn GUI programming with Python and PyQt5 PyQt5 tutorial last modified August 14, 2020 This is PyQt5 tutorial. The tutorial is suited for beginners and intermediate progra..

보호되어 있는 글입니다.