The document discusses various machine learning clustering algorithms like K-means clustering, DBSCAN, and EM clustering. It also discusses neural network architectures like LSTM, bi-LSTM, and convolutional neural networks. Finally, it presents results from evaluating different chatbot models on various metrics like validation score.
The document discusses challenges with using reinforcement learning for robotics. While simulations allow fast training of agents, there is often a "reality gap" when transferring learning to real robots. Other approaches like imitation learning and self-supervised learning can be safer alternatives that don't require trial-and-error. To better apply reinforcement learning, robots may need model-based approaches that learn forward models of the world, as well as techniques like active localization that allow robots to gather targeted information through interactive perception. Closing the reality gap will require finding ways to better match simulations to reality or allow robots to learn from real-world experiences.
[243] Deep Learning to help student’s Deep LearningNAVER D2
This document describes research on using deep learning to predict student performance in massive open online courses (MOOCs). It introduces GritNet, a model that takes raw student activity data as input and predicts outcomes like course graduation without feature engineering. GritNet outperforms baselines by more than 5% in predicting graduation. The document also describes how GritNet can be adapted in an unsupervised way to new courses using pseudo-labels, improving predictions in the first few weeks. Overall, GritNet is presented as the state-of-the-art for student prediction and can be transferred across courses without labels.
[234]Fast & Accurate Data Annotation Pipeline for AI applicationsNAVER D2
This document provides a summary of new datasets and papers related to computer vision tasks including object detection, image matting, person pose estimation, pedestrian detection, and person instance segmentation. A total of 8 papers and their associated datasets are listed with brief descriptions of the core contributions or techniques developed in each.
[226]NAVER 광고 deep click prediction: 모델링부터 서빙까지NAVER D2
This document presents a formula for calculating the loss function J(θ) in machine learning models. The formula averages the negative log likelihood of the predicted probabilities being correct over all samples S, and includes a regularization term λ that penalizes predicted embeddings being dissimilar from actual embeddings. It also defines the cosine similarity term used in the regularization.
[214] Ai Serving Platform: 하루 수 억 건의 인퍼런스를 처리하기 위한 고군분투기NAVER D2
The document discusses running a TensorFlow Serving (TFS) container using Docker. It shows commands to:
1. Pull the TFS Docker image from a repository
2. Define a script to configure and run the TFS container, specifying the model path, name, and port mapping
3. Run the script to start the TFS container exposing port 13377
The document discusses linear algebra concepts including:
- Representing a system of linear equations as a matrix equation Ax = b where A is a coefficient matrix, x is a vector of unknowns, and b is a vector of constants.
- Solving for the vector x that satisfies the matrix equation using linear algebra techniques such as row reduction.
- Examples of matrix equations and their component vectors are shown.
This document describes the steps to convert a TensorFlow model to a TensorRT engine for inference. It includes steps to parse the model, optimize it, generate a runtime engine, serialize and deserialize the engine, as well as perform inference using the engine. It also provides code snippets for a PReLU plugin implementation in C++.
The document discusses machine reading comprehension (MRC) techniques for question answering (QA) systems, comparing search-based and natural language processing (NLP)-based approaches. It covers key milestones in the development of extractive QA models using NLP, from early sentence-level models to current state-of-the-art techniques like cross-attention, self-attention, and transfer learning. It notes the speed and scalability benefits of combining search and reading methods for QA.
1. - 1 -
2016 ALOHA 내전
Division - C언어반
2016년 5월 21일
Notice
1. 대회 진행 시간은 3시간입니다.
2. Time Limit은 문제마다 표시되어 있습니다.
3. 심사 위원은 서버 상태 등에 따라서 필요하다고 판단될 때 Time Limit을 조정할 수 있으며, 이 경우 모든
참가자에게 알립니다.
4. 해결한 문제 수, 문제를 푸는 데 사용한 시간에 따른 페널티로 순위를 결정합니다.
5. 대회 종료 후, 결과 발표와 해설을 이어서 진행합니다.
2. - 2 -
A. WHAT IS HIS NAME?
Time Limit: 1초
첫째 줄에 2016학년도 ALOHA 부회장의 이니셜을 대문자로 출력한다. 단, 성과 이름의 순으로 출
력한다.
입력
입력은 주어지지 않는다.
출력
부회장의 이름을 이니셜로 출력한다.
예제 입력 예제 출력
없음 없음
Hint
ALOHA 부회장의 이름을 영어로 하면 Kim Jeong Moo 이다.
3. - 3 -
B. 주언이의 학점
Time Limit: 1초
주언이는 2016년1학기에 다음 5과목을 수강하였다.
소프트웨어입문설계(3학점), 일반물리학1(3학점), 미분적분학1(3학점),
과학기술의철학적이해(3학점), 말과글(3학점)
주언이는 자신의 학점이 궁금하여 학점 평균(GPA)을 계산하기로 하였는데 너무 낮은 학점이 나오
면 마음이 아플 것 같아, 성적이 가장 잘 나온 4가지 과목만 선택하여 학점 평균을 계산하기로
하였다.
주언이의 학점 평균 구하기를 도와주자.
입력
첫째 줄에 테스트 케이스의 개수 T (1≤T≤100) 이 입력된다.
각 테스트케이스마다 한 줄에 5과목의 평점이 공백으로 구분되어 입력된다. (0.0≤학점≤4.5)
출력
테스트케이스마다 주언이의 방식대로 GPA를 소수점 셋째자리에서 반올림하여 둘째 자리까지 출력
한다.
예제 입력 예제 출력
1
4.2 3.0 2.5 4.5 1.8
3.55
4. - 4 -
C. 노트북을 살려줘
Time Limit: 1초
성민이는 맥주를 마시며 옥수수 밭 문제를 풀고 있다. 3시간 동안 고민하여 문제를 해결한 성민
이는 몹시 흥분한 나머지 맥주를 노트북에 쏟고 말았다. 노트북을 살리기 위해서 신속하게 수리
점에 가야한다. 옆에서 안타깝게 지켜보던 원석이는 성민이에게 수리점까지 가는 최단경로의 경
우의 수를 알려주고 싶다. 복잡한 계산을 싫어하는 원석이를 도와주자!
입력
첫째 줄에 테스트 케이스의 개수 T (1≤T≤100)이 입력된다. 각 테스트 케이스 별로 현재 성민의
좌표(x1, y1)와 수리점의 좌표(x2, y2)가 숫자만 공백으로 구분되어 입력된다.
모든 좌표는 정수임이 보장되며,
(-100≤x1,y1,x2,y2≤100, 0≤|x1-x2|+|y1-y2|≤10) 를 만족한다.
출력
성민이가 수리점까지 가는 최단경로의 경우의 수를 출력한다.
예제 입력 예제 출력
1
1 5
3 2
10
Hint
위의 그림처럼 가로로 4칸, 세로로 3칸인 경우, 가장 왼쪽 아래에서 가장 오른쪽 위까지 가는 경
우의 수는 다음과 같은 식으로 표현된다.
즉, 가로로 칸, 세로로 칸인 경우, 경우의 수는
5. - 5 -
D. 화성의 윤년
Time Limit: 1초
지구의 공전주기는 정확히 365.2425일이다. 따라서 1년을 365일로 달력을 만들면 1년에 0.2425일
씩 오차가 생긴다. 이를 보완하기 위해 도입한 것이 윤년인데, 특정 연도가 4의 배수이면 윤일을
하루 추가하여 평균적으로 0.25일이 늘어나도록 했다. 그럼에도 불구하고 공전주기와 0.075일의
오차가 남아있어, 4의 배수임에도 불구하고 100의 배수인 경우에는 평년, 100의 배수임에도 불구
하고 400의 배수인 경우는 윤년으로 역법을 정해 사용하고 있다.
22xx년 인류는 화성을 식민화하면서 정착하기 시작했고, 화성력이 필요하게 되었다. 화성의 공전
주기는 화성의 자전주기의 668.5911배이어서 평년을 668일, 윤년을 669일로 정했다. 화성의 역법
책임자 민지는 다음과 같이 화성의 역법을 제정했다.
1. 2의 배수인 연도는 평년, 2의 배수가 아닌 연도는 윤년이다.
2. 제1항에도 불구하고 8의 배수인 연도는 윤년으로 한다.
3. 제2항에도 불구하고 24의 배수인 연도는 평년으로 한다.
입력
첫째 줄에는 테스트 케이스의 개수 T (1≤T≤100) 이 주어진다.
멍청한 재석이는 새로 제정된 역법을 제대로 이해하지 못하고 있다. 화성의 연도 Y (1≤Y≤
10,000)이 주어지면 평년인지 윤년인지 출력한다.
출력
테스트케이스마다 평년인 경우 0, 윤년인 경우 1을 출력한다.
예제 입력 예제 출력
2
1003
2016
1
0
6. - 6 -
E. 숫자 게임
Time Limit: 1초
심심한 경호와 규한은 1, 2으로 숫자를 만드는 게임을 하기로 했다. 룰은 간단하다. 규한이 숫자
를 부르면, 경호가 1과 2를 나열하여 그 합이 부른 숫자가 되는 경우를 모두 말하는 것이다. 예
를 들어 규한이 부른 숫자가 4인 경우, 1, 2로 4를 만들 수 있는 경우는,
1+1+1+1, 1+1+2, 1+2+1, 2+1+1, 2+2
이렇게 5가지가 있다.
하지만 경호는 모든 경우를 찾아내는 데 어려움이 있는 듯하다. 규한이가 숫자를 제시하면 , 경
호가 말해야 될 조합의 경우의 수를 알려주자.
입력
첫째줄에 테스트 케이스의 개수 T가 입력된다. (1≤T≤100)
다음 줄 부터 규한이 부른 숫자 N이 주어진다. 단, 1≤N≤30
출력
테스트케이스마다1, 2로 N을 만들 수 있는 모든 경우의 수을 출력한다.
예제 입력 예제 출력
1
18
4181
7. - 7 -
F. 술을 깨기 위한 방법
Time Limit: 1초
평소 술을 좋아하는 정원이는 모든 뒷풀이에서 살아남으려고 항상 노력한다. 하지만 선배들과 함
께 술을 마시다보니 자연스럽게 죽어서 집에 가는 경우가 대부분이었다. 그 모습을 불쌍히 여기
던 수영이는 정원이에게 자신의 비법을 하나 알려주었다. 그것은, 보이는 문자를 거꾸로 읽음으
로써 정신을 잃지 않게 하는 것이었다. 하지만 정원이는 자신이 취했는지 전혀 모르는 상태이기
때문에 우리가 답을 알려주고 정원이를 집에 무사히 보내주자!!
입력
첫째 줄에 테스트 케이스의 개수 T가 주어진다. (1≤T≤100)
각 테스트케이스마다 정원이가 거꾸로 읽고 있는 문자열이 주어진다. 단, 문자열은 영소문자로만
이루어져 있으며 그 길이가 1,000을 넘지 않는다.
출력
정원이를 무사히 집에 보내기 위해 알려주어야 하는 거꾸로 된 문자열을 출력한다.
예제 입력 예제 출력
2
stopdrinking
pleasegohome
gniknirdpots
emohogesaelp
8. - 8 -
G. 369게임!
Time Limit: 1초
심심한 주홍이는 혼자서 369 게임을 하려고 한다. 369게임은 주어진 숫자에 포함된 3, 6, 9의 개
수만큼 박수를 치는 게임이다. 하지만 혼자하는 만큼 좀 색다르게 즐기고 싶었던 주홍이! 그래서
어떤 숫자를 랜덤으로 생각하고 박수를 알맞게 치는 게임을 고안해 냈다. 하지만 생각보다 멍청
한 주홍이는 계속 틀리고 마는데... 안쓰러운 주홍이를 위해 연습상대로 정답을 알려주는 프로그
램을 만들어 주자!
입력
첫째 줄에 테스트 케이스의 개수 1≤T≤100이 입력된다.
테스트케이스 별로 자연수 N이 주어진다. (N≤100,000,000)
출력
테스트케이스 마다 박수를 쳐야 하는 횟수를 출력한다.
예제 입력 예제 출력
1
34343680
4
9. - 9 -
H. 만취한 정원이
Time Limit: 1초
정원이는 만취했다. 만취한 정원이는 그래도 부모님께 혼나기 싫어서 집을 들어가야 한다.
정원이는 취해서 길을 걸으면 바닥을 보면서 지나간 구역의 보도 블럭 개수를 세는 버릇이 있다.
만취한 정원이는 출발지로부터 자신의 집까지 모든 보도블럭을 밟고 가야만 술이 깨는 버릇이 있
다. 하지만 지금 정원이는 지나치게 많은 술을 마셔서 보도블럭의 개수를 잘 세지 못할 것 같다.
부디 정원이가 내일 숙취가 심하지 않기를 기도해주자. 그리고 불쌍한 정원이를 대신하여 정원이
가 지나간 구역의 보도 블럭의 개수를 세어주자.
입력
첫째 줄에 테스트케이스의 개수 1≤T≤100이 입력된다.
테스트 케이스 별로 첫째 줄에 정원이가 지나간 구역의 수 N (1≤N≤1,000) 이 입력된다.
다음 2번째 줄부터 N+1째 줄까지 각 구역의 보도블럭의 수가 입력된다. 각 구역의 보도블럭의 수
는 정수이며 0이상 100이하이다.
출력
테스트케이스 별로 정원이가 지나간 구역의 보도 블럭 개수들의 합을 출력한다.
예제 입력 예제 출력
2
1
1000
3
10
20
30
1000
60
10. - 10 -
I. 다이아몬드 모델링
Time Limit: 2초
유림이는 다이아몬드 채광 업체로부터 의뢰를 받았다. 다이아몬드의 단면의 한 변의 길이가 입력
될 때, 다이아몬드의 모델을 출력해야 한다.
입력
첫째 줄에는 테스트 케이스의 개수 1≤T≤100가 주어진다.
각 테스트케이스 마다 단면의 한 변의 길이 L이 주어지며, 100을 초과하지 않는다.
출력
다이아몬드의 모델을 출력한다. 자세한 사항은 업체에서 보낸 예제 입력과 예제 출력을 참고하
자. 단, 각 줄에서 요구된 개수의 +를 출력한 후에는 공백을 출력하지 않는다.
예제 입력 예제 출력
3
4
2
1
+
+++
+++++
+++++++
+++++
+++
+
+
+++
+
+