매일 코딩 테스트 문제를 풀고 학습 과정을 기록하는 저장소입니다.

• 하나의 문제를 여러개의 논리적인 분석, 사고 단계로 나누어서 접근하자.

• 문제를 푸는 과정을 게속해서 기록하자.

  • 내가 어디까지 문제 풀이 과정을 생각했고, 왜 그 이상으로 넘어가지 못했는지 파악할 수 있도록 기록해야 한다.
  • 문제를 보고 어떤 알고리즘을 사용하려 했는지, 그 근거와 과정을 코드로 어떻게 구현하려 했는지를 기록해야 한다.

• 시험 치듯이 공부하자.

  • 실제 시험 시간 처럼 제한된 시간내에 생각하고 테스트 케이스를 만들고, 구현하고 해결하자.

• 이해할 때 까지 게속하자.

  • 문제를 이해 하지 못했다면, 자료 조사를 하고 AI에게 물어보고, 왜 내가 이해하지 못했는지 등을 문서로 보관한다.
  • 필요에 따라서는 글 뿐만 아니라 시각적인 텍스트, 이미지로 기록한다.

• 변수 및 함수 작명법
• 문제 풀이 방법
• 이진 트리 자료구조
• 입력 크기에 따른 알고리즘 선택

코테도 고등학교 수학처럼 문제풀이 절차가 있어야 합니다.

고정 루틴: 문제 읽기 → 유형 판별 → 풀이 틀 선택 → 검증 → 구현

정답은 운으로 맞출 수 있어도, 실력은 루틴으로만 쌓입니다.

1. 문제 번역 (2~3분)

   • 입력/출력 한 줄 요약
   • 제약 확인 (N, 시간/메모리 제한)
   • 정답이 만족해야 할 조건 정의

2. 유형 판별 (1분)

   • 연속 구간 최적화 → 슬라이딩 윈도우
   • 빠른 존재 확인/빈도 → 해시
   • 최소/최대 + 정렬 가능 → 그리디 검토
   • 최단거리/연결성 → 그래프(BFS/DFS/Dijkstra)
   • 경우의 수/최적 부분구조 → DP
   • 정답 범위 탐색 → 이분탐색(파라메트릭)

3. 풀이 틀 선택 (3분)

   • 브루트포스 먼저 작성(사고용)
   • 왜 안 되는지 복잡도로 컷
   • 알고리즘 후보 2개 비교 후 1개 선택 + 근거 기록

4. 정당성 체크 (2분)

   • 핵심 불변식 1~2개
   • 엣지 케이스 3개: 최소 입력 / 중복·동일값 / 최대 N

5. 구현 (10~20분)

   • 뼈대 먼저 작성
   • 손추적 테스트 2~3개
   • 시간/공간 복잡도 최종 확인

유형당 아래 5문제로 뼈대를 고정합니다.

• 대표문제 1개 (교과서)
• 변형문제 2개 (조건 1개씩 변경)
• 함정문제 1개 (반례 중심)
• 복기문제 1개 (3일 뒤 재풀이)

문제마다 아래 5줄을 기록합니다.

• 유형
• 핵심 아이디어
• 정답 근거(불변식)
• 자주 틀리는 포인트
• 재풀이 트리거 문장

예)

• 유형: 투포인터
• 트리거: 정렬된 배열에서 합/차 조건을 만족하는 쌍 찾기

처음 보는 문제를 푸는 힘 = 처음 보는 문장을 익숙한 유형으로 변환하는 능력

그래서 목표는 정답 개수보다:

• 1분 안에 유형 후보 2개로 좁히기
• 복잡도로 틀린 방법 빠르게 버리기

코테는 문제 자체를 외우는 게 아니라, 유형별 풀이 공식(패턴)을 암기하고 적용하는 훈련으로 접근합니다.

• 트리거 문장: 어떤 문장을 보면 이 유형을 의심할지
• 핵심 불변식: 왜 이 풀이가 정답이 되는지
• 템플릿 코드: 15~30줄 기본 뼈대
• 실수 포인트: 경계값/초기화/중복 처리 등 자주 틀리는 부분

• 10분: 오늘 유형 트리거/불변식/템플릿 암기
• 30~40분: 대표 1문제 + 변형 1문제 적용
• 10분: 문제당 5줄 노트 정리
• 5분: 템플릿 백지 재작성

• Day 0: 처음 학습
• Day 1: 템플릿 재작성 + 1문제
• Day 3: 복기문제 재풀이
• Day 7: 함정문제 재풀이

필수 암기 템플릿은 _learning 폴더에서 관리합니다.

• _learning/BFS/skeleton.md
• _learning/DFS/skeleton.md
• _learning/다익스트라/skeleton.md
• _learning/다이나믹 프로그래밍/skeleton.md
• _learning/완전탐색/skeleton.md
• _learning/구현_시뮬레이션/skeleton.md
• _learning/투포인터/skeleton.md
• _learning/슬라이딩윈도우/skeleton.md
• _learning/이분탐색/skeleton.md
• _learning/해시/skeleton.md

필요하면 위 템플릿을 기준으로 문제 유형별 체크리스트를 계속 확장합니다.

• 다양한 알고리즘과 자료구조 이해 및 습득
• 문제 해결 능력 및 사고 과정 정리
• 시간과 공간 복잡도 분석 능력 개발
• 꾸준한 학습과 성장 기록

# 템플릿 폴더 복사 (번호_주제_문제명으로 이름 변경)
cp -r _template_programmers 001_해시_두개뽑아서더하기
cd 001_해시_두개뽑아서더하기

# test.py에서 test_cases 배열을 채우기
test_cases = [
    # 여러 매개변수: 튜플 사용
    {"name": "...", "input": (1, 2, 3), "expected": 6},

    # 단일 매개변수: 리스트/문자열/숫자 등
    {"name": "...", "input": [1, 2, 3], "expected": [1, 2, 3]},
]

# 규칙: 튜플 = 언팩(여러 인자), 그 외 = 단일 인자

# test.py 실행 (테스트 케이스 정의한 후)
python3 test.py

# 출력: 통과/실패, 시간, 메모리 측정
# test.py가 solution.py의 함수를 run_tests에 전달하여 실행

다른 구현으로 테스트 (선택):

# test.py에 추가로 작성
def my_solution(nums):
    return sorted(nums)

run_tests(my_solution, test_cases)  # 다른 구현 테스트

• README.md: 문제명, 해시태그, 풀이 과정, 회고 작성
• solution.py: 순수 풀이 코드만 작성 (프로그래머스 제출용)

• solution.py의 solution 함수 코드를 프로그래머스에 복사해서 제출

# 완료 후 메인 README.md 테이블에 추가하고 커밋
git add .
git commit -m "add(001_해시) : 두개뽑아서더하기 문제 풀이"

• 총 풀이 문제 수: 0
• 평균 풀이 시간: -
• 가장 자주 사용한 알고리즘: -

각 문제별 상세한 풀이 과정은 해당 폴더의 README.md를 참고하세요.