diff --git a/combination-sum/thispath98.py b/combination-sum/thispath98.py
new file mode 100644
index 000000000..8a1904c18
--- /dev/null
+++ b/combination-sum/thispath98.py
@@ -0,0 +1,41 @@
+class Solution:
+    def combinationSum(self, candidates: List[int], target: int) -> List[List[int]]:
+        """
+        Intuition:
+            리스트의 각 원소는 중복해서 사용할 수 있다.
+            그렇다면 target은 재귀적으로 원소를 사용해서
+            모든 경우의 수를 탐색한다.
+
+        Time Complexity:
+            O(N^2 log N):
+                초기에 리스트의 원소를 정렬하는 데에 O(N log N)이 소요된다.
+                또한, 재귀 함수는 최대 N번 호출될 수 있으며
+                각 재귀 함수에서는 정렬하여 세트에 추가하는 경우
+                O(N log N)이 소요되고,
+                N개의 원소에 대해 for문을 반복한다.
+                따라서 O(N^2 log N)의 시간복잡도가 소요된다.
+
+        Space Complexity:
+            O(N):
+                최악의 경우 answer set에 대략 N개의 tuple이 저장된다.
+                따라서 O(N)의 공간복잡도가 소요된다.
+        """
+        candidates.sort()   # O(N log N)
+        answer_set = set()
+
+
+        def dfs(n, arr):
+            if n == 0:
+                answer_set.add(tuple(sorted(arr)))  # O(N log N)
+                return
+
+            for candidate in candidates:    # O(N)
+                if n >= candidate:
+                    arr.append(candidate)
+                    dfs(n - candidate, arr)
+                    arr.pop()
+
+
+        dfs(target, []) # O(N)
+        answer = list(answer_set)
+        return answer
diff --git a/maximum-subarray/thispath98.py b/maximum-subarray/thispath98.py
new file mode 100644
index 000000000..1cae0041b
--- /dev/null
+++ b/maximum-subarray/thispath98.py
@@ -0,0 +1,37 @@
+class Solution:
+    def maxSubArray(self, nums: List[int]) -> int:
+        """
+        Intuition:
+            이전까지의 누적합에서 현재 원소를 추가할지 말지에 대한
+            결정을 매 iteration마다 반복한다.
+            현재 원소를 추가했을 경우(누적합 + 현재 원소)와
+            현재 원소를 시작으로 하는 경우(현재 원소)를 비교하여
+            dp 배열을 갱신한다.
+
+        Time Complexity:
+            O(N):
+                리스트를 1번 순회하며 답을 찾으므로,
+                O(N)의 시간복잡도가 소요된다.
+
+        Space Complexity:
+            O(N):
+                dp 배열에 N개의 time step을 저장하므로
+                O(N)의 공간복잡도가 소요된다.
+
+        Key takeaway:
+            초기에는 two pointer 방식을 생각했으나
+            해결을 하지 못해서 답안을 확인했다.
+            O(N)의 시간복잡도를 가지는 경우, DP도 풀이가
+            될 수 있음을 인지하자.
+        """
+        dp = [0 for _ in nums]
+        dp[0] = nums[0]
+        for i in range(1, len(nums)):
+            cumsum = dp[i - 1] + nums[i]
+            cur = nums[i]
+            if cumsum > cur:
+                dp[i] = cumsum
+            else:
+                dp[i] = cur
+
+        return max(dp)
diff --git a/product-of-array-except-self/thispath98.py b/product-of-array-except-self/thispath98.py
new file mode 100644
index 000000000..c74d6616a
--- /dev/null
+++ b/product-of-array-except-self/thispath98.py
@@ -0,0 +1,35 @@
+class Solution:
+    def productExceptSelf(self, nums: List[int]) -> List[int]:
+        """
+        Intuition:
+            i번째 인덱스의 값을 계산하기 위해서는
+            0 ~ i-1 까지의 값과 i+1 ~ N 까지의 값을 모두 곱해야 한다.
+            이의 누적곱을 저장하여, 계산한다.
+
+        Time Complexity:
+            O(N):
+                리스트를 1번 순회하며 답을 찾으므로,
+                O(N)의 시간복잡도가 소요된다.
+
+        Space Complexity:
+            O(N):
+                forward 배열과 backward 배열에 N개의 원소를 저장하므로
+                O(N)의 공간복잡도가 소요된다.
+
+        Key takeaway:
+            스캔하여 값을 저장해두는 방식을 숙지하자.
+        """
+        for_val = 1
+        back_val = 1
+        forward = []
+        backward = []
+        for i in range(len(nums)):
+            forward.append(for_val)
+            backward.append(back_val)
+
+            for_val *= nums[i]
+            back_val *= nums[-(i + 1)]
+        backward = backward[::-1]
+
+        answer = [forward[i] * backward[i] for i in range(len(nums))]
+        return answer
diff --git a/reverse-bits/thispath98.py b/reverse-bits/thispath98.py
new file mode 100644
index 000000000..38be2e89a
--- /dev/null
+++ b/reverse-bits/thispath98.py
@@ -0,0 +1,26 @@
+class Solution:
+    def reverseBits(self, n: int) -> int:
+        """
+        Intuition:
+            비트를 역순으로 순회한다.
+            answer에는 최대값(2^31)부터 최소값(2^0)으로 감소하는
+            방식으로 업데이트한다.
+
+        Time Complexity:
+            O(N):
+                n을 1번 순회하며 답을 찾으므로,
+                O(N)의 시간복잡도가 소요된다.
+
+        Space Complexity:
+            O(1):
+                answer에 값을 업데이트 하므로, 상수의
+                공간복잡도가 소요된다.
+
+        Key takeaway:
+            숫자를 binary string으로 만드는 bin() 메소드를
+            알게 되었다.
+        """
+        answer = 0
+        for i, bit in enumerate(bin(n)[2:][::-1]):
+            answer += int(bit) * 2 ** (31 - i)
+        return answer
diff --git a/two-sum/thispath98.py b/two-sum/thispath98.py
new file mode 100644
index 000000000..cca31e787
--- /dev/null
+++ b/two-sum/thispath98.py
@@ -0,0 +1,23 @@
+class Solution:
+    def twoSum(self, nums: List[int], target: int) -> List[int]:
+        """
+        Intuition:
+            기존에 풀었던 3sum 문제와 유사하게,
+            해시에 현재 숫자와 더해서 target이 되는 값을 찾는다.
+            만약 없을 경우, 해시에 현재 값과 인덱스를 저장한다.
+
+        Time Complexity:
+            O(N):
+                해시는 접근하는 데에 O(1)이 소요되고,
+                총 N번 반복해야 하므로 시간복잡도는 O(N)이다.
+
+        Space Complexity:
+            O(N):
+                최악의 경우 해시에 N개의 숫자와 인덱스를 저장해야 한다.
+        """
+        complement_dict = {}
+        for i, num in enumerate(nums):
+            if target - num in complement_dict:
+                return [complement_dict[target - num], i]
+            else:
+                complement_dict[num] = i