유진's 공부로그

90분에 3문제였고 시간이 모자라진 않았던 것 같다. 문제는 알고리즘과 거의 손절한 나로서도 풀 정도였던 거 같고 히든 케이스를 어느 정도 잘 맞히느냐가 관건이지 않을까 1번은 정확성, 2번은 효율성을 체크하는 문제였는데 2번의 경우엔 O(N^2)으로 푼 느낌인데...잘 모르겠다.. 다만 2번 문제 설명에서 내가 영어를 이해를 못한 건지 아님 오타인 건지 문제 설명이 좀 이상했던 거 같다.. (답이 3인데 4라고 얘기했던 거 같음..) 마지막 문제는 조건 해석을 제대로 했는지가 관건인 거 같은데 중간에 좀 사고가 꼬여서 시간을 좀 많이 잡아먹었던 거 같다... 좋은 결과가 있으면 좋겠지만 아니어도 어쩔 수 없을 듯.. 항상 코테 볼 때마다 느끼는 건데 알고리즘 공부 좀 해야한다는 거... 근데 막상 다른..

일단 인증부터! 무기력했던 2021 상반기에 그냥 뭐라도 하자 싶어서 응시했던 빅데이터분석기사에서 100점을 맞았다. 원래는 마지막이 0점 처리 되어서 60점이었는데, 그래도 합격이니까 뭐 하고 넘어갔다가 지금 다시 확인해보니 점수가 정정되어있었다! 아무튼 시험에 대한 후기를 조금 말해보자면, 1) 쉽다. 특히 이쪽 분야에 대해 공부를 한 사람이라면 정말 쉽다. 2) 필기는 생각보다 까다롭다고 느꼈고, 필기는 모델 성능을 중시하는 게 아니라 신경 쓸 게 많이 없었다. 3) 단답형 같은 경우엔 그냥 필기와 비슷했음. 4) 작업형 2유형은 모델을 돌려서 성능 평가까지 해보는 파이프라인 코드 작성 문제였는데, 생각보다 UI가 많이 구려서 평소에 코랩에 익숙했던 나는 많이 애먹었다. 그리고 시험장 키보드 너무 ..

궁금한 거 정리 1) p(y|X) or E(y|X)를 추정하는 건데 우리는 왜 y의 분포를 고려하는가? 분명 그 둘은 다르지 않나? 어느 정도 y|X가 y의 분포와 유사할 것이다 라는 것을 가정을 해주는 건가? 만약에 딥러닝에서는 이런 걸 고려해주지 않는다면 tree 모델에서는 1)이 해당이 되는건가? tree 모델에서는 ㅇㅇ을 추정한다고 하는 이런 모형화 되는 게 아예 없는건가? (parameterize 되고 아니고가 non-parametric을 결정하는 건 아닐텐데?) 2) tweedie distribution을 따르는 걸 고려해서 lgbm, xgb를 학습시켰을 때 잘 나왔음. -> loss function을 분포에 맞게 수정해주는 건데 이걸 non-parametric이라고 할 수 있나? → 분포에 ..

경력직 대상 코테였지만 그냥 연습 삼아 보았습니다. 코딩테스트를 보면서 매일 생각하는 건 이 문제는 이런 키워드로 풀면 될 거 같은데 문제의 구조화가 안된다는 생각을 항상 합니다. 아이디어 키워드만 떠오르고 구체적인 구현 방안이 떠오르지 않는? 이번에도 마찬가지였던 것 같고 1번은 그럭저럭 풀만했지만 2번은 재귀를 써서 구현하면 될 것 같은데 어떤 식으로 해야할지가 조금 깜깜하더라구요. 일단은 bfs, dfs 구현을 좀 더 해보고 재귀함수에 익숙해져야겠다는 다짐을 한 계기가 되었다고 정리할 수 있을 듯합니다. 2차 코테도 있는 듯한데 2차는 참여를 못할 것 같네요! 어쨌든 연습 삼아 짱돌 굴려본 좋은 경험이었다고 생각합니다.