처음이어도 괜찮아요 · 그림부터 시작해요
후보 semantics·
correctness precondition·time case·space·mutation·implementation risk를 같은 표에서 비교한다. 이를 생략하면 Big-O 한 열만 보고 전제나 부작용이 다른 후보를 선택한다.에서도 그럴듯한 Big-O나 벤치마크 숫자는 만들 수 있지만 실행 가능한 선택과 반증 가능한 근거를 남길 수 없습니다.
아직 답을 몰라도 괜찮아요. 아래 작은 예시를 보고 먼저 예상해 보세요.01 · 가볍게 시작하기
정답을 보기 전에 먼저 골라볼까요?
cx59 · frozen n/q/U bounds · fixed seed · four scale points · one adversarial family- 1먼저 골라보기
틀려도 괜찮아요. 지금 생각한 답 하나를 정해요.
- 2그림으로 확인하기
움직이는 순서와 달라지는 곳만 천천히 찾아요.
- 3내 말로 다시 말하기
한 문장으로 말해 보면 내가 이해한 곳을 확인할 수 있어요.
02 · 그림으로 보기
그림이 움직이는 순서를 직접 확인해요
- 01관찰candidate matrix · semantic fit · implementation risk
- 02추론correctness precondition·time case·space·mutation·implementation risk를 같은 표에서 비교한다. 후보 semantics·비용 matrix의 결론은 입력 family와 primitive operation을 먼저 고정한 뒤 exact count·상한/하한·실측을 서로 다른 evidence로 연결한다. candidate decision matrix와 rejected-reason ledger는 Big-O 한 열만 보고 전제나 부작용이 다른 후보를 선택한다. 반례를 포함하고 원자료·계산식·환경·사람 verdict를 재현 가능하게 남긴다. duplicate detection·search index·graph representation로 전이할 때 semantics를 먼저 보존하고 time·space·I/O·energy budget이 달라지는 지점을 새로 계산한다.
- 03검증후보 semantics·비용 matrix의 입력 family·비용 단위·case·budget을 AI 없이 먼저 고정한다. Big-O 한 열만 보고 전제나 부작용이 다른 후보를 선택한다.를 최소 반례로 재현하고 최초 잘못된 가정과 판정 변화를 설명한다. exact count·점근 경계·실측 중 해당하는 evidence를 구분해 세 후보의 semantics와 multi-resource cost를 비교해 탈락 이유를 기록한다.을 다시 실행한다. candidate decision matrix와 rejected-reason ledger와 사람의 accept·revise·reject 판정 및 잔여 한계를 함께 제출한다.
처음 보는 말도 책 읽듯 풀어봐요
이 수업은 쉬운 뜻과 생활 예를 아직 함께 준비하지 못했어요. 설명 없는 정확한 이름은 먼저 보여 주지 않을게요.
그림에서 찾을 쉬운 규칙
- 01correctness precondition·time case·space·mutation·implementation risk를 같은 표에서 비교한다.
- 02후보 semantics·비용 matrix의 결론은 입력 family와 primitive operation을 먼저 고정한 뒤 exact count·상한/하한·실측을 서로 다른 evidence로 연결한다.
- 03candidate decision matrix와 rejected-reason ledger는 Big-O 한 열만 보고 전제나 부작용이 다른 후보를 선택한다. 반례를 포함하고 원자료·계산식·환경·사람 verdict를 재현 가능하게 남긴다.
- 04duplicate detection·search index·graph representation로 전이할 때 semantics를 먼저 보존하고 time·space·I/O·energy budget이 달라지는 지점을 새로 계산한다.
03 · 같이 풀어보기
한 단계씩 따라가면 어렵지 않아요
duplicate detection·search index·graph representation의 축소된 입력 family에서 후보 semantics·비용 matrix 판단을 수행한다.
cx59 · frozen n/q/U bounds · fixed seed · four scale points · one adversarial family04 · 이제 내가 해볼 차례
여기까지 오면 이런 일을 할 수 있어요
세 후보의 semantics와 multi-resource cost를 비교해 탈락 이유를 기록한다.을 수행하고 candidate decision matrix와 rejected-reason ledger로 correctness precondition·time case·space·mutation·implementation risk를 같은 표에서 비교한다.을 독립 검증한다.
- 후보 semantics·비용 matrix의 입력 family·비용 단위·case·budget을 AI 없이 먼저 고정한다.
- Big-O 한 열만 보고 전제나 부작용이 다른 후보를 선택한다.를 최소 반례로 재현하고 최초 잘못된 가정과 판정 변화를 설명한다.
- exact count·점근 경계·실측 중 해당하는 evidence를 구분해 세 후보의 semantics와 multi-resource cost를 비교해 탈락 이유를 기록한다.을 다시 실행한다.
- candidate decision matrix와 rejected-reason ledger와 사람의 accept·revise·reject 판정 및 잔여 한계를 함께 제출한다.
05 · 자주 헷갈리는 지점
틀린 답도 이유를 알면 다음에는 맞힐 수 있어요
01candidate matrix 기호 하나만 쓰면 후보 semantics·비용 matrix 분석은 끝난다.
한 번 더 생각해 볼 질문후보 semantics·비용 matrix에서 같은 Big-O를 갖지만 실제 선택이 달라지는 두 조건을 쓰세요.
이렇게 고쳐 생각해요correctness precondition·time case·space·mutation·implementation risk를 같은 표에서 비교한다. 입력 family·비용 모델·case·상한/하한·예산을 함께 명시해야 같은 기호의 의미가 고정된다.
02한 번 더 빠르게 실행된 구현이 후보 semantics·비용 matrix 관점에서도 더 좋은 알고리즘이다.
한 번 더 생각해 볼 질문단일 측정값이 뒤집히는 최소 입력 family 또는 환경 교란을 제시하세요.
이렇게 고쳐 생각해요candidate decision matrix와 rejected-reason ledger는 이 환경의 관찰일 뿐이며 Big-O 한 열만 보고 전제나 부작용이 다른 후보를 선택한다.와 입력 규모 변화에 대한 이론적 경계를 대신하지 않는다.
03AI가 만든 코드·복잡도 설명·테스트가 서로 일치하면 독립 검증은 생략해도 된다.
한 번 더 생각해 볼 질문AI 분석을 깨는 미공개 반례와 사람이 확인할 판정값을 쓰세요.
이렇게 고쳐 생각해요같은 생성 가정에서 나온 산출물은 함께 틀릴 수 있으므로 사람이 contract를 봉인하고 독립 반례와 비용 계수로 검증해야 한다.
06 · 더 궁금할 때만 보기
선생님과 검토자를 위한 믿을 만한 원문
원문과 어디까지 참고했는지 펼쳐 보기처음 배우는 동안에는 열지 않아도 괜찮아요.
AL-Complexity의 분석 기초, asymptotic bound, time-space trade-off와 알고리즘 선택 범위. 이 한 모듈이 CS2023 Algorithmic Foundations 전체를 충족한다고 주장하지 않는다.
AL1의 upper-bound 분석·time-space trade-off·실측과 AL8의 amortized analysis를 선택적으로 정렬한다. recurrence relation을 이용한 recursive algorithm 분석은 명시적 제외 항목이며, 참가 자격·문항 적중·성과를 뜻하지 않는다.