cjnghn

class Solution:
    def longestPalindrome(self, s: str) -> str:
        def extend(l, r):  # 구현 연습 필요!~
            while l >= 0 and r < n and s[l] == s[r]:
                l -= 1; r += 1
            return s[l + 1:r]
                
        res, n = "", len(s)
        for i in range(n):
            # 슬라이딩 윈도우를 떠올리다가 두 케이스로 나눔.

cjnghn

class Solution:
    def combine(self, n: int, k: int) -> List[List[int]]:
        def dfs(nums: List[int], path: List[int]):
            if len(path) == k:
                res.append(path)
                return

            for i in range(len(nums)):
                dfs(
                    nums[i+1:],

cjnghn

'''pseudo
DFS-iterative(G, v)
    let s be a stack
    S.push(v)
    while S is not empty do
        v = S.pop()
        if v is not labeled as discovered then
            label v as discovered
            for all edges from v to w in G.adjacentEdges(v) do
                S.push(w)

cjnghn

// 트리 높이 = 서브트리들 중 가장 큰 높이 + 1 (루트 포함)

int getHeight(int root) {
  int res = 1;
  for (int child: children[root])
    result = max(result, getHeight(child) + 1);
  
  return result;
}

cjnghn

다이나믹 프로그래밍

여러 개의 하위 문제를 먼저 푼 후 그 결과를 쌓아올려 주어진 문제를 해결하는 알고리즘

DP를 푸는 과정

1. 테이블 정의하기
2. 점화식 찾기
3. 초기값 정하기

cjnghn

## 모든 레코드 조회하기
# https://programmers.co.kr/learn/courses/30/lessons/59034
SELECT * FROM ANIMAL_INS ORDER BY ANIMAL_ID;

## 역순 정렬하기
# https://programmers.co.kr/learn/courses/30/lessons/59035
SELECT NAME, DATETIME FROM ANIMAL_INS ORDER BY ANIMAL_ID DESC;

## 아픈 동물 찾기
# https://programmers.co.kr/learn/courses/30/lessons/59036

cjnghn

## pip3 install krwordrank
import krwordrank

from krwordrank.sentence import summarize_with_sentences
from typing import List

## initialize
period = '1D'
category = 'cyber security'

cjnghn

"""Tokenizer()

토큰화와 정수 인코딩(단어에 대한 인덱싱)을 위해 사용됩니다.
"""

from tensorflow.preprocessing.text import Tokenizer

t = Tokenizer()
fit_text = "The earth is an awesome place to live"
t.fit_on_texts([fit_text])

cjnghn

"""Embedding()

Embedding()은 단어를 밀집 벡터(dense vector)로 만드는 역할을 합니다. 
인공 신경망 용어로는 임베딩 층(embedding layer)을 만드는 역할을 합니다.
Embedding()은 정수 인코딩이 된 단어들을 입력을 받아서 임베딩을 수행합니다.

Embedding()은 (number of samples, input_length)인 2D 정수 텐서를 입력받습니다. 
이 때 각 sample은 정수 인코딩이 된 결과로, 정수의 시퀀스입니다. 
Embedding()은 워드 임베딩 작업을 수행하고 
(number of samples, input_length, embedding word dimensionality)인 3D 텐서를 리턴합니다.

cjnghn

""" Sequential()

Explain
-------
인공 신경망 챕터에서 입력층, 은닉층, 출력층에 대해서 배웠습니다.
케라스에서는 이러한 층을 구성하기 위해 Sequential()을 사용합니다.
Sequential()을 model로 선언한 뒤에 model.add()라는 코드를 통해 층을 단계적으로 추가합니다.
"""
from tensorflow.keras.models import Sequential