전체 글 119

[TIL]250115_통계학 개인과제 문제4,5

- FACTS :🔺 오전 통계학 개인과제 문제4, 문제5, 문제6✅ 오전 머신러닝 기초 VOD 1주차 완강[ ] 오후 파이썬 베이직 라이브세션 복습✅ 오후 QCC 3회차 1문[ ] 오후 머신러닝 심화 VOD 1주차- FEELINGS : QCC3회차를 다시 풀어보면서 주어진 문제를 잘 뜯어보면서 내가 만족해야할 조건들을 나눠서 주석으로 쓰고 코드를 짜는 연습을 했다.확실히 이렇게 하니까 조건을 모두 만족시켰는지 확인하기 편했다. 단,, 쿼리를 짜는 시간이 부족해진다는 것이 단점... 코딩테스트라는게 과정이 아무리 좋아도 정답과 다르면 틀린답이 되어버리니까 결과만 봤을 때는 좀 힘든것 같다. (부분 점수가 있었으면..ㅎㅎㅎ) - FINDINGS :[Python] plt.subplots()의 사용법[SQL]..

[TIL]250114_SQL,알고리즘 코드카타, 통계학 개인과제1~3번

- FACTS :✅ 오전 SQL, 알고리즘 코드카타 각 1문✅ 오후 라이브세션 복습✅ 오후 머신러닝 VOD강의 기초 1주차 완강✅ 오후 통계학 개인과제 1-3문- FEELINGS : 알고리즘 코드카타 한문제를 경우의 수를 구하려고 한시간동안 머리를 굴려가며 겨우 구현했는데, 알고보니 combination이란 아주 편리한 함수가 있었다. 아는만큼 보인다... 아는 것이 힘이다... 아무튼 많이 풀어보고 기억하는 수 밖에!!머신러닝 VOD강의에서는 회귀분석을 배우며 실습을 해봤는데 이론과 실습의 개념들이 이어지지 않은 기분이 들었다. 실습을 따라 해봐도 모델 설계도를 가져오고 학습, 평가, 예측하는 과정이 코드 하나로 끝나버리니까 맞는 결과값인지 확인하기 힘들었다. 이론 개념이 확실하게 잡히지 않았기 때문일..

[TIL]250113_코드카타, 파이썬 베이직 라이브세션

- FACTS :✅ 오전 SQL, 알고리즘 코드카타 각1문[ ] 오후 QCC 3회차 복습✅ 오후 파이썬 라이브세션 복습✅ 오후 머신러닝 VOD강의 1주차 1-10까지- FEELINGS : 머신러닝 기초 강의를 듣기 시작했는데 너무 어려워서 기본서 책을 질러버렸다. 도저히 듣는것만으로는 머릿속에 안들어와서 필기를 하면서 들으려고 강의자료도 프린트하기 시작했다.지난 주 TIL을 쓰면서 단계별 task를 짜는 것을 잘 못하는 것 같아서 구체적인 해결방안을 생각해봤다. 다른 분들을 보니 markdown이나 주석을 적극적으로 활용해서 단계를 나누는듯 했다. 나도 해봐야지.⭐️코드 짤 때 mark down이나 #(주석)을 이용해서 문제의 조건을 모두 만족했는지 확인하기!나중에 실무에서는 여러사람이 내 코드를 같이 ..

[TIL]250110_코드카타, 파이썬 개인과제 6번

- FACTS :✅ 오전 SQL 코드카타 3문✅오전 통계학 VOD 5주차✅ 오후 통계학 VOD 6주차✅ 오후 파이썬 개인과제 6번[ ] 오후 기초 프로젝트 정리- FEELINGS : QCC 3화차를 했는데 난이도가 높아서 멘탈이 갈릴뻔했다. 3문제 만점자는 단 1명밖에 없었다고 한다...다음주에 다시 처음부터 풀어봐야지. 풀어보면서 느낀 나의 약점은 문제를 읽고 단계별 task를 쪼개서 쿼리를 짜는 연습이 부족하다고 느꼈다.CLASS 개념이 아직 확실하게 잡하지 않은것 같아서 교재나 추가 자료를 보면서 한번 더 복습해야겠다.- FINDINGS : LENGTH함수와 CHAR_LENGTH함수의 차이, class 79. Big CountriesSELECT name, population, areaFROM WOR..

[TIL]250109_코드카타, 파이썬 베이직반 2회차, 통계학 3회차

- FACTS :✅ 오전 코드카타 2문✅ 오전 통계학 VOD 강의 4주차[ ] 오후 파이썬 개인과제 6번✅ 오후 파이썬 기초 라이브세션 복습✅  오후 통계학 라이브세션 복습[ ] 오후 QCC 준비 : SQL 코드카타- FEELINGS : 파이썬 베이직 반에서 사소하지만 헷갈렸던 개념들을 다시 복습하면서 수강하는게 너무 좋았다. 기초가 탄탄하게 다져지는 기분이랄까. 코드카타 하면서 코드를 간단하게 쓰는 법을 연습하려고 했는데 마침 오늘 수업에서 Refactored code를 다뤄서 좋았다. 지금까지 '간단하게 쓰는 법'이라고 말하고 다녔는데 저런 멋진 용어가 있었다니. 챌린지반도 녹화본으로 보고 따라갈 수 있게 파이팅 파이팅!통계학 부분은 검정 통계량, 표준 오차, p-value 등... 용어의 개념들을 ..

[아티클 스터디] 예시로 이해하는 기초 마케팅 용어 TOP7

원문 : https://1point.kr/blog/insights/marketing-indicators/ 예시로 이해하는 기초 마케팅 용어 TOP 7 - 원포인트 블로그실무에서 바로 활용할 수 있는 퍼포먼스 마케팅 용어를 배워보세요.1point.kr요약 : 마케팅 주요 지표 정리주요 포인트 :CTR이 무조건 높더라도 알맞은 타켓층에서 반응이 일어나지 않으면 구매 전환까지 일어날 확률이 적기 때문에 판매하는 타겟과 맞는 (*)크리에이티브를 활용하는 것이 중요CPC, CTR등 광고 전반의 성과는 좋지만 ROAS가 아쉬운 상황에서 AOV를 살펴보는 것이 좋다. 객단가를 높이는 방법으로는 1+1 프로모션, 특정 금액 이상 사은품 증정, 무료배송 이벤트 등…1+1 프로모션으로 구매했을 경우 구매 건수는 1? 2?..

[TIL]250108코드카타, 파이썬 개인과제 문제5(Numpy)

- FACTS : 코드카타와 이전에 못 푼 개인과제 5,6번을 도전해봤다. 개인과제 5번은 다른 부분은 수월하게 풀렸지만 마지막에 이상치 계산하는 부분에서 numpy 배열의 개념을 확실히 몰라서 한참 시간이 걸렸다.- FEELINGS : 오늘 푼 코드카타와 개인 과제 문제에서는 2차원 데이터들을 다루는 함수들을 많이 접했다. 1차원도 머리 아픈데 2차원이라니..! 그래도 현실에는 엑셀만 봐도 2D데이터가 많으니 제대로 공부해두면 다양하게 활용할 수 있을 것 같은 내용이었다. 어려워질수록 쉬워지는(?) 신기한 파이썬...행렬에 대한 코드를 짤 때는 머리가 안돌아가서 한참 동안 종이에 적어가며 어떤 값을 기준으로 잡고 for문을 돌려야 하는지 생각했다. 그럴 때는 그냥 단순하게 적어보는게 이해가 빨리 되는것..

[TIL]250107_QCC 2회차 문제풀이, 코드카타

- FACTS : 지난번 결석한 날짜에 하필 QCC를 진행했어서 늦게나마 혼자서 문제를 풀어봤다.시간내에 전부 다 풀지는 못했고,, 20분정도 더 시간을 써서 2문제를 풀었다.- FEELINGS : 잊을만하면 다시 돌아오는 SQL.. 파이썬 판다스에게 뚜들겨 맞다가 SQL 문제를 풀면 살짝 편안한 기분도 들지만 아직 여러 테이블을 합쳐서 결과값을 내야할 때는 머리가 안돌아간다. SQL도 파이썬도 코드를 짧고 간결하게 써보는 연습을 따로 진행해봐야겠다는 생각이 많이 드는 요즘이다.- FINDINGS :  문제1) 자꾸 중복값 제거 distinct를 안한다..전체 데이터 수에 영향이 가는 부분이니까 신경쓰기 문제2) 여러가지 테이블을 join해야하는 부분에서 잠시 머리가 안돌아가서 종이에 적어가면서 풀이는 ..

[TIL]250103기초프로젝트_발표 및 회고

발표 내용에 대한 튜터님의 피드백- (전체 피드백) ERD에서 value값을 풀어서 작성하길 원했음- (전체 피드백) 포트폴리오에는 프로젝트를 하면서 얻게 된 소프트스킬들도 적기 메인 튜터[데이터 EDA 및 전처리]다른팀과 다르게 offer-name에 의미를 담아 태깅하고 식별하기 좋도록 만든 점이 눈이 띕니다. 또한 테이블간의 1:N 종속관계등 정보 설명을 덧붙여서 이해하기 편한 점이 있습니다.[결과 해석 및 보고]고객 세그멘테이션 유저 특징을 서술한 것은 좋으나 누적그래프는 서로비교하지 좋지 않은점이 있습니다. 이부분은 백분률을 이용해서 보여주거나 혹은 서로 테이블을 구별하여 개별로 보여주는게 더 나을 때도 많습니다.[총평]최종적인 프로모션까지 정리한 점이 눈에 띕니다. 스타벅스 조 중에서 가장 Ac..

[TIL]250102기초프로젝트_코드정리 및 발표자료 완성

오늘의 목표- 파이썬 파일에 Low 고객 중 50대의 비율과 숫자, Potential 고객 중 20대 비율과 숫자 추가- python 코드 파일 정리해서 팀원들과 합치기- ppt완성하기- 발표문 작성 및 발표 준비 - 파이썬 파일에 Low 고객 중 50대의 비율과 숫자, Potential 고객 중 20대 비율과 숫자 추가.transform('sum').transform()은 그룹화된 데이터의 통계 값을 원래 DataFrame의 각 행에 맞춰 유지하고 싶을 때 사용 groupby(level=0)DataFrame에서 그룹화하는 첫 번째 레벨(가장 첫번째 언급한 레벨)으로 그룹화할 때 사용. valueA one 1 two 2B one 3 two 4 level=0..