여연찌

Today1. SQL 코드카타2. 태블로 4주차3. 태블로 개인과제 Today I Learned SQL JOIN 후 평균 내기Write an SQL query that reports the average experience years of all the employees for each project, rounded to 2 digits. 1. JOIN 한 테이블SELECT *FROM project p LEFT JOIN employee eON p.employee_id=e.employee_id2. GROUP BY 후 평균 계산한 테이블SELECT p.project_id , ROUND(SUM(experience_years)/COUNT(experience_years),2) AS average_years..

Today1. SQL 코드카타 2. Tableau 3주차 수강, 4주차 4-1 수강 Today I Learned SQL 평균 판매 가격을 구하기Write a solution to find the average selling price for each product. average_price should be rounded to 2 decimal places.SELECT p.product_id , CASE WHEN start_date    원하는 형식처럼 나오기는 했지만, 여기서 원하는 값이 나오지 않았다.. CASE WHEN 을 사용하는 것은 맞는 것 같은데 조건이 잘 못 들어 간듯하다.     join 후 테이블의 상태를 확인해보니 group by 를 하기 전에는 위와 같은 상태였고, group..

Today1. SQL 코드카타 1문2. project 정리3. 태블로 2주차 강의 수강 Today I Learned SQL  조건이 포함되지 않는 데이터 출력하기Write a solution to report the movies with an odd-numbered ID and a description that is not "boring".SELECT *FROM CinemaWHERE id % 2 != 0 AND description NOT LIKE "%boring%"ORDER BY rating DESC;같지 않다 라는 의미에서 != 또는 을 사용 하면 된다..NOT LIKE 를 사용하면 해당 단어가 포함되지 않는 것을 출력함 파이썬만 주구장창 보다보니 SQL을 점점 잊어가는 느낌이다ㅠㅠ이번 프로젝트에서..

Keep 이번 프로젝트도 팀원들과의 끊임없는 소통으로 잘 마무리 될 수 있었던 프로젝트이다.초반에 한번 뒤엎는 작업이 있었으나 무사히 발표회까지 마무리 하였다. 머신러닝의 이해를 위해 튜터님의 노션강의본을 찾아보고, 열심히 구글링을 통해 프로젝트를 진행했다. 코드부터 분석, ppt 제작, script 까지 모두 참여했는데 지난번 프로젝트에 비해 조금더 다양하게 그리고 많이 참여를 했던 것 같아 다행이라는 생각을 했다. 지난번 프로젝트때 피드백을 받았었던 목적설정을 확실하게 잡고 갔고, 마지막 마케팅 방안 제시까지 끝냈기때문에 조금더 완성도 있는 프로젝트가 나왔다고 생각한다. Problem  전처리 진행부터 머신러닝 코드를 짜는 것 까지 이번에는 gpt의 도움을 많이 받았던 것 같아 아쉬움이 크다. 조금씩..

프로젝트명: 구매 성향에 따른 분류와 그에 따른 마케팅 방안 제시기간: 2024-06-17~24활용 데이터: https://www.kaggle.com/datasets/quangvinhhuynh/marketing-and-retail-analyst-e-comerce  Marketing and Retail Analyst E-comerce www.kaggle.com 마케팅 실무에 가장 가까운 내용이며, 실무에 투입하게 된다면 가장 기본적으로 분석해야하는 내용으로 확인되어 이 데이터를 선정 후 분석하게 되었다.이번 프로젝트에서는 전처리 후 군집분석을 하여 우리가 놓치고 있는 중요한 고객의 패턴을 확인하여 새로운 기준에 따라 유저를 그룹화를 한 후 그 기준을 통해 인사이트를 찾고, 마케팅 방안까지 생각해보았다. 프..

Today 프로젝트Today I Learned 프로젝트 군집분류의 중요하게 봐야하는 것! 1. 점이 섞여있는지?>> 섞여있지 않을 수록 좋음!!!2. 점끼리 잘 뭉쳐있는지?-> 그래프가 비슷하게 나왔다-> 실루엣 계수(군집별로 얼마나 잘 뭉쳐있느냐/ 얼마나 잘 뭉쳐있는지 구분하는 것!) 결측치&이상치> 표준화> PCA > K 값 선정 > k-means clustering 시행 > scatter plot 으로 군집 분포 확인 위와 같은 과정을 반복하면서 제일 좋은 결과값을 도출해야한다!좋은 결과값이 나오도록 변수의 조합을 변경해보는 것 이제 노가다의 시작이라고 하더라 ..  Next 프로젝트

Today 프로젝트 진행 Today I Learned 프로젝트 주제 선정 과 분석방향 정리 raw data 확인이상치 처리(특정 기준을 세워 이상치를 정의하고 그 이유를 설명)컬럼별 raw data 분포 시각화컬럼 간 상관계수 히트맵 구현군집 분류Python 머신러닝 라이브러리를 활용하여 진행기존 컬럼과 파생변수 활용상관관계분석나뉜 군집과 다른 컬럼 간의 상관관계 분석연관이 있다면 그것이 군집의 특성이 될 것(인사이트 도출)군집별 차이를 수치화ex) A 그룹 평균 접속일수와 B 그룹 평균 접속일수추가적인 군집별 특성을 알아보기 위한 RFM 스코어화ex) 결제성향별( heavy, medium, row ) 로 나누었고, 각 그룹별 RFM score 는 몇 점이다.군집 특성에 맞는 마케팅 방안 제시마케팅 푸시..