Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
竸プロに出てきそうなアルゴリズム part2
Search
NearMeの技術発表資料です
PRO
September 05, 2022
Technology
0
110
竸プロに出てきそうなアルゴリズム part2
NearMeの技術発表資料です
PRO
September 05, 2022
Tweet
Share
More Decks by NearMeの技術発表資料です
See All by NearMeの技術発表資料です
2つの曲線を比較する方法ってあるの? 〜フレシェ距離を試してみた〜 with Python
nearme_tech
PRO
1
18
Constrained K-means Clustering (クラスタサイズの制限をしたK-means法) を調べてみた
nearme_tech
PRO
0
16
VRPの近傍操作SWAP*について調べてみた
nearme_tech
PRO
1
49
新人エンジニアが読んでためになった本
nearme_tech
PRO
2
21
Object–relational mapping and query builder battle 1: Intro to Prisma
nearme_tech
PRO
1
29
深層学習モデルの最適化 -Deep Learning Tuning Playbookを読む-
nearme_tech
PRO
1
52
機械学習を支える連続最適化
nearme_tech
PRO
1
44
サードパーティクッキーの終焉と Topics APIによる代替の可能性
nearme_tech
PRO
1
81
ONNXハンズオン
nearme_tech
PRO
2
28
Other Decks in Technology
See All in Technology
What is DRE? - Road to SRE NEXT@広島
chanyou0311
3
630
コンテナ・K8s研修 - 前半 コンテナ基礎・ハンズオン【MIXI 24新卒技術研修】
mixi_engineers
PRO
0
170
技術負債による事業の失敗はなぜ起こるのか / Why do business failures due to technical debt occur?
i35_267
0
190
Datadog Cloud SIEMを使ってAWS環境の脅威を可視化した話/lifeistech-datadog-cloud-siem
gidajun
0
480
「単なる OAuth 2.0 を認証に使うと、車が通れるほどのどでかいセキュリティー・ホールができる」のか検証してみた
terara
0
380
スレットハンティングについて知っておきたいこと
hacket
0
130
GoとアクターモデルでES+CQRSを実践! / proto_actor_es_cqrs
ytake
1
150
簡単に始めるSnowflakeの機械学習
nayuts
1
190
How to Think Like a Performance Engineer
csswizardry
4
590
AIアシスタントの活用で品質の向上と開発ワークフローのスピードアップ
nagix
1
200
サービスの持続的な成長と技術負債について
siva_official
PRO
10
4.4k
プレイドにおけるDatadog APMの活用方法
plaidtech
PRO
2
120
Featured
See All Featured
The Invisible Side of Design
smashingmag
294
50k
Designing for humans not robots
tammielis
247
25k
YesSQL, Process and Tooling at Scale
rocio
166
14k
[RailsConf 2023] Rails as a piece of cake
palkan
35
4.4k
Adopting Sorbet at Scale
ufuk
71
8.8k
Product Roadmaps are Hard
iamctodd
PRO
48
10k
The Cost Of JavaScript in 2023
addyosmani
31
4.7k
Distributed Sagas: A Protocol for Coordinating Microservices
caitiem20
325
21k
XXLCSS - How to scale CSS and keep your sanity
sugarenia
245
1.2M
BBQ
matthewcrist
82
9k
jQuery: Nuts, Bolts and Bling
dougneiner
61
7.4k
The Power of CSS Pseudo Elements
geoffreycrofte
64
5.2k
Transcript
0 竸プロに出てきそうなアルゴリズム part2 2022-09-02 第12回NearMe技術勉強会 Name / Nickname
1 目次 1. 全探索について 2. 再帰関数のメモ化 1
2 全探索について • for文を用いた全探索 • bit全探索 • 順列全探索 • 再帰関数を用いた全探索 など
2
3 再帰関数 例:フィボナッチ数列 ・F 0 = 0 ・F 1 = 1 ・F
N = F N-1 ー F N-2 def fibo(N): if N==0: return 0 elif N==1: return 1 else: return fibo(N-1) + fibo(N-2) 3
4 メモ化 計算量:O(2N)→O(N) 4 5 4 3 3 2 1 2
2 1 0 1 0 1 0 1
5 部分和問題 ・n個の正の整数 a[0],a[1],…,a[n−1]と正の整数Wが与えられる。これらの整数 から何個かの整数を選んで総和がAになるようにすることが可能か判定せよ。 例:a=[2,5,3,8,6,9], W=13 計算量がO(N*2N)からO(N*W)へ 5
6 参考文献 ・アルゴリズムとデータ構造 6
7 Thank you