지난 회차 갭체크를 진행하면서 알고리즘 기본 개념을 생각보다 많이 잊고 있다는 것을 느꼈다. 그래서 이번 회차에는 바로 어려운 유형으로 넘어가기보다, 코드트리 레슨을 통해 정렬 알고리즘과 시간복잡도 개념을 다시 복습했다. 정렬은 데이터를 특정 기준에 따라 순서대로 나열하는 알고리즘이다. 코딩테스트에서는 단순히 숫자를 오름차순으로 정렬하는 문제뿐 아니라, 다른 알고리즘을 적용하기 전 데이터를 정리하는 전처리 과정으로도 자주 사용된다.이번 레슨에서는 버블 정렬, 선택 정렬, 삽입 정렬, 퀵 정렬, 병합 정렬, 힙 정렬 등 여러 정렬 알고리즘을 다시 확인할 수 있었다. 예전에는 파이썬의 sort()나 sorted()만 떠올렸는데, 각 정렬 방식마다 동작 원리와 시간복잡도가 다르다는 점을 다시 정리할 수 있었다..

코딩테스트를 도전한지 벌써 몇년이 지났다. 몇년동안 작심 삼일을 몇번이나 했던가... 올해는 꾸준히 해보자고 다짐하기도 n번째, 코드트리 청약 통장 챌린지를 알게되었다. 내가 부족한 부분을 알 수 있는 갭체크를 해보았다.너무 급하게 풀었는지,,,막상 진단 결과를 보니 내가 부족한 부분은 완전탐색 III와 BFS 쪽이었다.처음에는 “BFS를 헷갈려한다”라고만 생각했는데, 다시 문제를 풀어보니 정확히는 BFS 자체보다도 그 전에 필요한 기본 구현에서 많이 흔들렸다. 특히 격자에서 이동할 때 사용하는 방향 배열을 항상 헷갈려했다. BFS는 큐를 이용해서 가까운 위치부터 차례대로 탐색하는 알고리즘이다. 하지만 격자 문제에서는 BFS를 쓰기 전에 먼저 “어느 방향으로 이동할 수 있는지”를 코드로 표현해야 한다..

논문 정보AlignRec: Aligning and Training in Multimodal Recommendationshttps://arxiv.org/abs/2403.12384https://dl.acm.org/doi/10.1145/3627673.3679626CIKM’24 추천시스템에서 멀티모달 alignment 문제를 어떤식으로 해결하는지 궁금해서 읽어보게 되었습니다. Abstract & Introduction개요최신 추천 시스템은 추천 정확도를 높이기 위하여 멀티모달 데이터에 의존하는 경향이 있다. 그러나 기존 방법들은 멀티모달 정보를 보조적(auxiliary)으로 사용하며, ID 기반 feature와의 embedding misalignment 문제가 존재한다. 본 논문은 이를 해결하기 위하여 3가지..

[Gold III] https://www.acmicpc.net/problem/16236분류 : 구현, 그래프 문제 요약N×N 격자에서 아기 상어는 상하좌우로 이동하며, 자신보다 작은 물고기만 먹고, 큰 물고기가 있는 칸은 지나갈 수 없다.먹을 수 있는 물고기 중 가장 가까운 물고기를 먹으러 이동하며, 여러 개면 위쪽-왼쪽 순으로 우선순위를 둔다.상어는 자신의 크기만큼 물고기를 먹을 때마다 크기가 1씩 증가하고, 더 이상 먹을 수 없을 때까지 걸린 시간을 구하는 문제. 풀이 BFS로 아기 상어의 현재 위치에서 먹을 수 있는 가장 가까운 물고기를 탐색함.탐색 시 이동 가능한 칸(자신보다 크지 않은 칸)만 진행하며, 먹을 수 있는 물고기(자신보다 작은 크기)는 별도 리스트에 저장. visited 배열을 이용..

[Gold III] https://www.acmicpc.net/problem/14890분류 : 구현 문제 요약N x N 격자에서 가로 또는 세로로 길을 만들 수 있는지 판단하는 문제.경사로는 높이차 1인 구간에만 길이 L 만큼 설치 가능하며, 겹칠 수 없음. 풀이각 행과 열을 하나의 길로 보고 모두 확인 길을 왼 -> 오, 위 -> 아래 이렇게 순차적으로 한 줄씩 탐색하면서 경사로를 놓을 수 있는지 판단함 경우의 수를 모두 구해서 확인하면 됨  더보기더보기 up: 오르막 경사로 가능 길이down: 내리막 경사로 가능 길이h: 현재 높이 시작 시 오르막 경사로 가능 길이(up) +1 같은 높이  down == 0이면 up += 1 → 경사로 놓을 준비 가능down != 0이면 내리막 도중인데 경사로 설치가..

논문 정보Large Language Models as Data Augmenters for Cold-Start Item Recommendationhttps://dl.acm.org/doi/10.1145/3589335.3651532WWW’24 LLM을 통해 콜드스타트 문제를 완화하는 방법론에 관심이 있어서 읽어보게 되었습니다. Abstract & Introduction개요이 논문은 대규모 언어 모델(LLM: Large Language Model)의 추론 및 일반화 능력을 기존 추천 시스템에서 특히 콜드스타트 아이템(cold-start items)을 추천하는 문제에 활용할 수 있는지에 대해 탐구한다. 전통적인 추천 시스템은 사용자-아이템 간 상호 작용(interaction) 로그가 풍부할 때는 우수한 성능을 내..

어쩌다 보니 생성형 AI에 대한 Red Teaming Test에 대해 조사 할 일이 생겨 읽어보게 되었습니다. 논문 제목 : Red Teaming Language Models to Reduce Harms: Methods, Scaling Behaviors, and Lessons Learned논문 링크 :  https://arxiv.org/abs/2209.07858 Red Teaming Language Models to Reduce Harms: Methods, Scaling Behaviors, and Lessons LearnedWe describe our early efforts to red team language models in order to simultaneously discover, measure..

path 설정을 새로 하기 귀찮다는 이유로 컴퓨터를 밀지 않고 사용했더니 대참사가 발생했다. conda update가 무한 로딩에 걸려 포기하고 Anaconda 재설치를 진행하였고, 이제는 CUDA를 여러개 사용할 수 있도록 설정을 진행해보려 한다.  필요 버전은 여기서 확인 CUDA 12.1 설치 우선 현재 내 pc에 존재하는 CUDA를 살펴보면 11.7, 12.0 버전이 있다. torch 2.2를 사용하고 싶어 12.1을 추가로 설치하려 한다.  우선 프로그램 추가/제거에서 nvidia frameview sdk를 제거하였다.(아래와 같은 과정을 통해 CUDA를 설치하니 nvidia frameview sdk가 다시 설치되지 않았다... 제거하지 않고 시도해보고 안되면 제거하는 걸 추천!)  이제 시작!..