Techbrad

아래 사전과제를 합격하고 이제 떨리는 1차 면접. [이직준비] 카카오페이 AI엔지니어 사전과제 후기카카오페이 AI 엔지니어 선행기술개발TF 팀에 지원하고 서류과 통과 됐는지 사전과제 수행 메일이 왔다.사전 과제는 제공되는 데이터와 지정된 모델을 사용해야하고 2주 동안 진행하는 sLLM 파인techbrad.tistory.com 사실 IT 서비스를 하는 회사의 면접은 처음이다. 처음이라 너무 떨리고 준비도 안되어 있었다. 다른 회사 면접볼 기회가 있었지만 내가 원하지 않는 회사라 의욕이 안생겨 보러가지 않았다. 그게 너무 후회된다 ㅜ.ㅜ  1차 면접은 화상이였다.Greeting으로 화상 면접 일정을 보내주었고 내가 가능한 일정을 입력하였다. 그리고 나서 드디어 면접이 잡혔다. 면접으로는 4분이 들어오셔서 4..

코테 공부를 하다가 접두사 관련 시간 초과가 계속 나서 문제를 찾아보다가 Trie자료구조를 알게되었다. 일반 검색할때 자동완성에 이러한 자료 구조가 쓰여졌다는 것이 흥미로웠다. 그래서 ChatGPT에 물어보았다.ChatGPT 답변Trie 자료구조는 문자열이나 텍스트 데이터를 효율적으로 저장하고 검색하는 데 사용되는 트리 기반 자료구조입니다. 주로 접두사와 관련된 문제를 해결하는 데 유리한 특징을 가지고 있습니다. 예를 들어, 많은 단어들에서 같은 접두사가 있을 때, 그 부분을 공유하여 공간을 절약하고 빠르게 검색할 수 있습니다.Trie의 구조Trie는 각 노드가 문자를 가지고 있으며, 루트에서부터 자식 노드를 따라가면서 하나의 문자열을 구성합니다. 이때, 각 노드는 해당 문자가 접두사가 되는 위치에 있습..

카카오페이 AI 엔지니어 선행기술개발TF 팀에 지원하고 서류과 통과 됐는지 사전과제 수행 메일이 왔다.사전 과제는 제공되는 데이터와 지정된 모델을 사용해야하고 2주 동안 진행하는 sLLM 파인 튜닝 과제였다.성능을 올리기 위해 자유형식으로 진행된다.일반적으로 데이터 전처리 모델링, 평가 지표까지 준비해서 보고서를 만들어 제출 완료하였다!   휴가 기간에 휴가 가서 열나게 과제를 했다. 여자친구에게 미안하다 ㅜ.ㅜ하지만 사전 과제 합격이다! 대기업 면접은 처음이라 떨리지만 어쨋든 1차면접도 잘 준비해서 봐야겠다.   아래는 면접 후기 링크 입니다! [이직준비] 카카오페이 AI엔지니어 1차 면접아래 사전과제를 합격하고 이제 떨리는 1차 면접. [이직준비] 카카오페이 AI엔지니어 사전과제 후기카카오페이 AI ..

https://www.acmicpc.net/problem/1912 일단 DP에서 값을 계속 더해 가면서 선택, 선택 안함 유형으로 풀이했다.다음 값을 계속 더해나가되 계속 양수이면 이어서 연속으로 합을 구한다. 하지만 음수가 되버리면 최대값의 조건이 깨지므로 0으로 초기화 한다. N = int(input())lst = [0] + list(map(int, input().split()))dp = [0] * (N+1)if max(lst[1:])

https://www.acmicpc.net/problem/1309  풀면서 어려웠던 점1. DP 테이블을 만들면서 사자를 한마리도 배치하지 않는 경우를 생각해내기 힘들었다.2. 메모리 초과 DP 테이블에서 한마리도 배치않는 경우 0, 1에 배치할 경우 1, 2에 배치할 경우 2로 정한 후에 풀게되면 수월하게 풀 수 있었다.그리고 int 형은 4Byte라 문제가 없어보이는데 왜 메모리 초과가 발생하는지에 대해 의문이다. 혹시라도 지나가다가 명확히 아시는 분이 있으면 댓글을 부탁드립니다. ㅜ.ㅜ N이 100,000이 최대이니까 300,000 개의 int가 있고 이는 1,200,000 byte이고 1.2M 정도 밖에 안되지만 무슨 이유일까... 아무튼 dp를 계산해줄 때 9901을 나눈 나머지를 사용하면 된다..

langchain에서 제공하는 cache 기능을 사용하여 질의 응답을 캐싱하였으나 내부적으로 어떻게 동작하는지 궁금해서 찾아보았다. 먼저 chat_models.py의 _agenerate_with_cache 메소드가 실행이 된다. 그 안에 아래의 함수가 호출이 되면서 cache에 같은 데이터가 있는지 찾는다.cache_val = await llm_cache.alookup(prompt, llm_string) #chat_models.pyasync def _agenerate_with_cache( self, messages: List[BaseMessage], stop: Optional[List[str]] = None, run_manager: Optional[AsyncCallbackManage..