NIRVANA

1. 문제초 단위로 기록된 주식가격이 담긴 배열 prices가 매개변수로 주어질 때, 가격이 떨어지지 않은 기간은 몇 초인지를 return 하도록 solution 함수를 완성하세요. 제한사항prices의 각 가격은 1 이상 10,000 이하인 자연수입니다.prices의 길이는 2 이상 100,000 이하입니다. 2. 문제 풀이 1) queue에 원소가 있을 동안 반복한다2) queue에서 가장 첫번째 원소를 pop한다.3) 만약 queue에 원소가 있다면, 큐에 남아 있는 원소를 탐색하며 현재 주식 가격이 해당 시점 가격보다 높거나 같은지 확인한다. 만약 같다면 count+1을한다.4) 만약 떨어졌다면 1초 동안 가격을 유지한 것이므로 count+1을 하고 break를 해서 나온다5) answer에 co..

CH04 모델 모델, 혹은 LLM 단계는 이전 프롬프트 단계에서 구성된 입력을 기반으로 대규모 언어 모델을 활용하여 응답을 생성하는 과정을 의미 RAG 시스템의 핵심적인 부분, 언어 모델의 능력을 최대한 활용하여 사용자의 질문에 대해 정확하고 자연스러운 답변을 생성  LLM의 필요성1. 사용자 의도 이해: LLM은 다양한 언어의 구조와 의미를 깊이 이해하고 있으며, 이를 바탕으로 복잡한 질문에 답할 수 있음. 자연어 이해와 자연어 생성 능력이 결합되어, 자연스럽고 유익한 응답 제공  2. 문맥적 적응성: LLM은 주어진 문맥을 고려하여 응답을 생성, 사용자의 질문에 더욱 정확하게 대응 가능하며 사전학습된 지식외 사용자가 제공한 정보에 기반한 답변을 문맥을 참고하여 답변   LLM의 중요성LLM단계는 사용..

CH03 출력 파서 (output parser)LangChain의 출력 파서는 언어 모델의 출력을 더 유용하고 구조화된 형태로 변환하는 중요 컴퍼넌트이다.  1. 출력파서의 역할LLM의 출력을 받아 더 적합한 형식으로 변환구조화된 데이터 생성에 매우 유용LangChain 프레임워크에서 다양한 종류의 출력 데이터를 파싱하고 처리  2. 주요 특징1) 다양성: LangChain은 많은 종류의 출력 파서를 제공2) 스트리밍 지원: 많은 출력 파서들은 스트리밍을 지원3) 확장성: 최소한의 모듈부터 복잡한 모듈까지 확장 가능한 인터페이스를 제공  3. 출력파서의 이점 1) 구조화:LLM의 자유 형식 텍스트 출력을 구조화된 데이터로 변환2) 일관성: 출력 형식을 일관되게유지, 후속 처리를 용이하게 함3) 유연성: ..