DKU-STUDY / TodayReview

3 stars 0 forks source link

2020 08 27 #131

Closed JeonghyunLee99 closed 4 years ago

jeongshin commented 4 years ago

복습 : 릿코드 Edit Distance 작성 풀이 : 릿코드 Unique BST

오늘 푼 catalan number 는 솔직히 혼자 구현 못할꺼 같다. 난 알고리즘에서 dp, 재귀에 많이 취약한거 같다 ㅜ. 피보나치, 카탈랑 수 등의 수열의 예제를 보면 자연에서 나타나기도 하고 도형에서 나타나기도 하는데 신기하다. 하지만 자세히 알고 싶진 않다.

다음주부터 인턴 출근하는데 아는게 별로 없어 쫌 무섭긴하다. 잘할 자신은 없지만 열심히 할 자신은 있다. 얼른 더위가 갔으면 좋겠다. 습도 높고 더운게 너무 싫다.

Jaewon0702 commented 4 years ago

Programmers

level 01. 문자열 내림차순으로 배치하기 sorted(list, reverse=True )를 이용하였다. list를 내림차순으로 배치할 수 있다. 이후에 "".join()함수를 이용하여 리스트를 문자열로 바꾸었다.

인문학 독서

윌리엄 셰익스피어, <햄릿>

  1. 엘사노어 성의 미스터리 햄릿(덴마크의 왕자) - 아버지 선왕

    • 어머니 거트루드---재혼---숙부 클로디어스 "네 숙부가 저주의 독극물이 든 병을 가지고 몰래 침입하여 약물을 내 귓속에 쏟아 부었다." [유령] "나는 잠자는 중에 동생의 손에 의해 목숨과 왕관과 왕비를 한꺼번에 박탈당했다. 죄악들이 한창 성할 때 내 목숨은 끊어져 온갖 죄상을 머리에 이고 하느님의 심판대로 끌려갔다. 허나 네 어미에 대해서는 나쁜 마음을 품지 마라."
  2. 치밀한 복수 리허설 오필리아 --- 플로니어스(아버지)---보좌-->클로디어스(왕) -썸-- 햄릿 [오필리아] "안색은 그의 셔츠 색처럼 창백하고 두 무릎을 맞부닥치며 매우 애처로운 표정을 짓고서 마치 지옥에서 끌려나와 그곳의 무서움을 말하려는 듯이 제게로 다가왔습니다."

  3. 사느냐 죽느냐, 그것이 문제로다 연극 <쥐덫> "왕이 풀숲에서 잠을 자는데 한 남자가 나타나 왕의 귀에 독을 부어 독살한다." [햄릿] "To be or not to be, That is the question." "난폭한 운명의 돌팔매와 화살을 맞는 건가. 아니면 무기 들고 고해와 대항하여 싸우다가 끝장을 내는 건가." "죽는 건 자는 것뿐일지니, 잠 한 번에 육신이 물려받은 가슴앓이와 수천 가지 타고난 갈등이 끝난다 말하면, 그건 간절히 바라야 할 결말이다." "수녀원으로 가오. 우리는 죄다 순 잡놈들이오. 그대가 결혼을 한다면, 내 그대에게 이 저주를 결혼 지참금으로 주겠소이다. 수녀원으로 가시오. 어서 속히 안녕."

클로디어스의 기도 [클로디어스] "오, 내 범죄의 냄새가 고약하여, 하늘을 찌르는구나. 난 인류 최초의 - 형제를 죽인 저주를 받고 있다. 저주 받은 이 내 손에 형의 피가 겹겹으로 묻었다 한들 그걸 눈처럼 희게 씻어줄 만큼의 빗물이 저 자비로운 하늘엔 없는가? 과오는 지나갔다. 어떤 기도가 내게 맞을까? 내가 저저른 살인의 결과를 간직하고도 용서를 받을 수 있을까?" [햄릿] "칼아, 칼집으로 돌아가라. 좀 더 무참하게 될 기회를 알아보아라. 구원 받을 기미가 전혀 없는 행동을 하고 있을 바로 그 때, 다리를 걸자."

  1. 어머니를 향한 분노의 독설 [거트루드] "내가 무슨 일을 범했다고 너는 혀를 감히 놀리어 이처럼 무례한 잡소리를 내느냐?" [햄릿] "결혼 서약을 노름꾼의 장담처럼 헛되게 만드는 그런 짓이지요. 당신의 현 남편은 곰팡이 핀 이삭처럼 건강한 형을 말려 죽였어요. 어머니, 눈이 있으십니까?" 이 때 햄릿이 커튼 뒤에 숨어서 대화를 엿듣던 오필리아의 아버지, 플로니어스를 살해하였다.

  2. 돌아오는 복수의 칼끝 오필리아의 오빠 : 레어티즈 [레어티즈] "슬프구나, 그러면 누이는 익사했군요. 가련한 누이, 너는 이미 물을 너무 많이 먹었다. 그러니 내 나오는 눈물을 막으련다."

  3. 죽음의 경기 [햄릿] "자네의 효성, 명예심, 그리고 반감을 거칠게 일깨웠을 그 일은 광기였음을 여기서 공언하네." 독이 든 성배를 왕비가 마셨다. 결국, 햄릿, 레어티즈, 왕비 모두 독살당했다. 클로디어스는 햄릿의 칼에 죽었다. [레이티즈] "우리 다 죽어가네요. 당신의 원수도, 당신도 그리고 나도. 용서를 나눕시다, 햄릿 왕자님. 저의 부친 죽음 그대 탓 아니고, 그대 죽음 또한 내 탓 아니기를." [햄릿] "나는 죽네 호레이쇼. 아, 내가 진실을 말해줄 수 있으련만, 그럴 수 없는 상황이오. 이 모진 세상에서 고통의 숨결을 지속하여 내 이야기를 전해 주게." "인간의 더러운 욕망이 얼마나 많은 이들에게 비극이 되는지." 끝내 햄릿도 죽고 극은 막을 내린다.

학과 공부

공업수학

1.4 완전 미분 방정식 z = f(x,y) dz = af/ay dx + af/ay dy : z의 전미분 M(x,y)dx + N(x,y)dy = 0 : 완전미분방정식

클레로의 정리 z = f(x,y), Fxy = Fyx : 두 번 편미분을 할 때는 순서에 상관없이 같은 결과가 나온다.

정리 1) 완전 미분방정식 판정법 M(x,y)dx + N(x,y)dy = Fx dx + Fy dy 클레로의 정리를 이용하여 M을 y에 대해 편미분 = N을 x에 대해 편미분이면 완전 미분방정식이다.

정리 2) 완전 미분방정식 풀이법 M(x,y)dx + N(x,y)dy = 0 이 완전 미분방정식이면 M(x,y)를 x에 대해 적분한다. M(x,y)의 적분 + g(y) 이를 y에 대해 편미분하면, M(x,y)의 x에 대한 적분을 y에 대해 적분 + g'(y) = N(x,y) 여기서 g(y)를 구하고 일반 해는 M(x,y)의 x에 대한 적분 + g(y)이다.

M(x,y)dx + N(x,y)dy = 0이 완전 미분 방정식이 아니면, 양변에 적분인자 뮤를 곱한다. 뮤 유도하는 거는 복잡하니까 책 참고!

1.5 1계 선형 미분방정식과 베르누이 방정식 정의1) a1(x) y' + a2(x) y = f(x) : 1계 선형미분방정식

정리 1) 선형 미분방정식의 해를 구하는 법 a1(x) y' + a2(x) y = f(x) 의 양변을 a1(x)로 나눈다. y' + p(x) y = q(x) 적분인자 유도하는 식은 복잡하니 책 참고!(복습하는 미래의 나를 위해 대충 넘어가지 마3 공식 유도하는 거 중요!) 여기서 적분인자는 u(뮤) = e ^ p(x)의 적분 양변에 u를 곱해주면 완전 미분방정식이 되고, 그룹식 방법이나 편적분, 편미분을 이용해서 풀어주면 된다.

정의 2) y' + P(x) = Q(x) y ^ n : 베르누이 미분방정식

정리 2) 양변을 y ^ n으로 나누어주고 y^(1-n) = v로 치환한다. 이 때, chain rule에 의해 (1-n) y ^ (-n) y' = v'이다.

선형대수학(Linear Algebra)

1.4 역행렬 ; 행렬들의 대수적 성질 AB != BA unit matrix or identity matrix = I : 대각선이 모두 1이고, 나머진는 다 0인 행렬 inverse(역행렬) : AB = BA = In을 만족하는 B가 존재 --> invertible ---> 자명헤(trivial solution)을 가진다. singular : 존재 X inverse는 유일하다.

1.5 기본행렬과 A ^ -1 구하기 I = unit matrix --기본 행 연산--> E = elementary matrix I와 E는 row equivalent 관계이다. 모든 기본행렬과 그의 역행렬은 가역이다. Inverse Algorithm [A l B] ---Gauss- Jordan Elimination --->[I I A ^ -1]

1.6 연립일차방정식과 역행렬에 관한 여러가지 결과 연립일차방정식은

  1. 해가 없거나
  2. 유일 해를 가지거나
  3. 무수히 많은 해를 가진다. 다른 가능성은 없다.

행렬의 역을 이용하여 연립일차방정식 풀기 Ax = b A ^ -1 Ax = A ^ -1 b x = A ^ -1 b

공업통계

2.3 통계적 분포(distribution) 이산분포(discrete distribution) 연속분포 (continuous distribution)

확률분포(probability distribution)의 특징

  1. location

  2. spread

  3. shape

    1. 이항분포(Binomial distribution) 독립적인 시행 n번 반복, '성공' or '실패' 중 하나 -----> Bernoulli trials p(x) = nCx p ^ x (1-p) ^ (n-x) E(x) = np V(x) = np(1-p)
  4. np >= 5, n(1-p) >= 5 ----> normal distribution에 근사

  5. p <=0.1, n >= 50 -----> poisson distribution에 근사

단국대학교 공식 방학 프로그램인 인문학 독서 토론 모임은 끝났지만, 팀원 중 한 명이 개인적으로 독서 토론모임을 하나 만들고 싶다고 하셔서 합류하게 되었다. 5명 소수 정예로 나갈 듯? 나 빼고 다 문과 쪽 전공을 하셔서 재밌을 거 같다. 책을 각자 하나씩 제안하기로 하였는데, 나는 조던 피터슨의 <인생 12가지 법칙>이나 유발 하라리, 제러드 다이아몬드 외 6명의 <초예측>이라는 책을 추천할 듯 싶다.

복습 / / /

JunilHwang commented 4 years ago

@JeongShin 오 인턴출근!! 축하합니다~~


회사일

React Study