데이터모델링 데이터모델링의 특징 추상화(Abstraction) 복잡한 현실에서 핵심적인 개념이나 원리를 추출하고 일반화하여, 더 단순한 형태로 표현한다. 단순화(Simplification) 복잡한 정보나 과정을 더 쉽게 이해하고 관리할 수 있도록 한다. 명확화 (Cla...

DFS (깊이 우선 탐색, Depth-First Search) 그래프의 모든 노드를 방문하기 위한 알고리즘 루트 노드(혹은 다른 임의의 노드)에서 시작해, 다음 분기(branch)로 넘어가기 전에 해당 분기를 최대한 깊게 탐색한다. 스택(Stack)을 사용하거나 재귀적 방법을 통해 구현한다. 재귀적 방법을 통해 DFS를 사용할 경우,...

매개변수 탐색 (Parameter Search) 최적화 문제에서 최적의 조건을 찾기 위해 사용되는 기법 중 하나이다. 특히, 알고리즘 문제 풀이에서는 주어진 조건을 만족하는 최대값이나 최소값을 찾는 문제에 자주 사용된다. 이진 탐색(Binary Search)을 활용하여, 문제의 해답 범위를 점차 좁혀가며 최적의 값을 찾는 방식으로 진행된다. 매개변수...

이분 탐색 (이진 탐색, Binary Search) 이진 탐색은 정렬된 배열에서 특정한 값의 위치를 찾아내는 탐색 알고리즘이다. 이 알고리즘의 기본 원리는 탐색 범위를 반으로 줄여가며 데이터를 찾는 것이며, 이 과정을 반복함으로써 검색 속도를 향상시킨다. 이진 탐색은 선형 탐색에 비해 훨씬 빠른 $O(\log n)$의 시간 복잡도를 가...

행렬식(결정자, Determinant) 행렬식(Determinant)은 선형대수학에서 중요한 개념으로, 정사각 행렬(square matrix)에 할당된 특정한 스칼라 값이다. 행렬식은 보통 ‘\(\det\)’ 또는 기호 ‘\(\lvert\cdot\rvert\)’로 표시된다. 행렬식의 의미 선형변환의 척도(Scale of ...

선형독립(Linear Independence) 벡터 공간에서 벡터 집합에 대한 개념으로, 어떤 벡터도 그 집합에 속한 다른 벡터들의 선형 조합으로 표현될 수 없을 때, 그 벡터들은 선형독립이라고 한다. 벡터 집합 {$v_1, v_2, \ldots, v_n$}에 대해 다음과 같은 식이 오직 $c_1 = c_2 = \ldots = c_...

행렬의 연산(Operations) 전치(Transpose) 행렬을 전치한다는 것은 그 행렬을 뒤집는 것이다. 행렬 $A\in \mathbb{R}^{m\times n}$이 주어졌을 때 그것의 전치행렬은 $A^T \in \mathbb{R}^{n\times m}$으로 표시하고 각 원소는 다음과 같이 주어진다. [\left( A^T \righ...

행렬의 종류(Type of Matrices) 정방행렬(square matrix) 행과 열의 개수가 동일한 행렬 \[\begin{bmatrix} 5 & 9 & 2 \\ 3 & 5 & 7 \\ 8 & 1 & 6 \end{bmatrix}\] 상삼각행렬(upper triangu...

행렬의 곱셉 (Matrix Multiplication) 행렬의 곱셈을 알아야하는 이유는 다음과 같다. 데이터 표현: 머신러닝에서 데이터를 행렬로 표현하며, 행렬 곱셈을 사용해 데이터를 변환하고 분석한다. 선형 변환 적용: 선형대수에서 행렬은 선형 변환을 나타내고, 행렬 곱셈으로 이 변환을 적용한다. 신경망 연산: 신경망에서 행렬 곱셈을...

머신러닝을 위한 선형대수학 선형대수학의 기본 개념들 벡터(Vector): 숫자의 배열로 표현되며, 일반적으로 소문자와 굵은 글씨체로 표기한다. 예를 들어, v. 행렬(Matrix): 숫자의 2차원 배열로, 대문자와 굵은 글씨체로 표기한다. 예를 들어, A. 행렬의 곱셈: 두 행렬 A와 B의 곱셈은 ...