반응형 IT13 [TIL] 데이터 리터러시_23일차(데이터 리터러시 Part2) 이전 시간에 이어서 데이터 리터러시에 대해 공부한 내용을 정리하겠습니다. 📚 목차 - 문제 정의 1. 문제 정의란? 2. 문제 정의 예제 3. 문제 정의 방법론 : MECE , 로직 트리, 로직 트리 예제 4. 로직트리 Cheet Sheet 5. 문제정의 정리와 관련 팁🙌🏻🚨 데이터 분석에 실패하는 이유 : 전 시간에 정리했던 것처럼, 풀고자 하는 문제를 명확하게 정의하지 않습니다.1. 문제 정의란?1) 데이터 분석 프로젝트의 성공을 위한 초석2)분석하려는 특정 상황이나 현상에 대한 명확하고 구체적인 진술3) 프로젝트의 목표를 설정하고 분석 방향을 설정4) 문제 정의 사례 ① 상황: 매출 증가가 목표인 패션 플랫폼 A ② 문제 정의: 매출을 어떻게 늘릴 수 있을까?문제 정의는 했지만, 모호하고 구.. 2024. 4. 29. [TIL] 데이터 리터러시_22일차(데이터 리터러시 Part1) 이번 시간부터는 새로이 데이터 리터러시에 대해 공부한 내용을 정리하겠습니다. 📚 목차1. 데이터 리터러시의 정의2. 데이터 분석에 대한 착각3. 데이터 해석 오류 사례4. 데이터 리터러시 활용 예제5. 데이터 리터러시가 필요한 이유 1. 데이터 리터러시의 정의 1) 데이터 리터러시(Data Literacy) ① 데이터를 읽는 능력 ② 데이터를 이해하는 능력 ③ 데이터를 비판적으로 분석하는 능력 ④ 결과를 의사소통에 활용할 수 있는 능력 2) 데이터 리터러시란? ① 데이터 수집과 데이터 원천을 이해하고 ② 주어진 데이터에 대한 다양한 활용법을 이해하고 ③ 데이터를 통한 핵심지표를 이해하는 것⇒ 데이터 리터러시는 올바른 질문을 자신에게 던질 수 있도록 만들어 줌2. 데이터 분석에 대한 착각1) 데이터 .. 2024. 4. 26. [TIL] kaggle 와인 데이터 분석_18일차(탐색적 데이터 분석(EDA),논문을 통한 인사이트) 저번 시간(TIL_16일차)에 이어서 와인 데이터 분석을 시작하겠습니다. 분석에 앞서 문제 상황을 인식 • 이해하고 여기(목적)에 맞는 주제를 찾고 컬럼 간의 어떤 연결고리가 있을지 추론해 보고 분석하여 의미 있는 인사이트와 액션을 도출해야 합니다. 이번 블로그에는 탐색적 데이터 분석(EDA)을 하겠습니다.✏️목차 📖1. 탐색적 데이터 분석(EDA) 2. 와인 데이터 탐색적 데이터 분석(EDA) 3. 논문을 통한 인사이트4. 결론 5. 와인 분석을 위한 참고문헌1. 탐색적 데이터 분석(EDA) 🧩1) 탐색적 데이터 분석(EDA)이란?1-1) 탐색적 데이터 분석 = Exploratory Data Analysis = EDA1-2) 수집한 로우데이터(raw data)가 접했.. 2024. 4. 23. [TIL] kaggle 와인 데이터 분석_17일차(프로젝트 진행 순서,전처리,데이터 형식) 저번 시간(TIL_14일차)에 이어서 와인 데이터 분석을 시작하겠습니다. 분석에 앞서 문제 상황을 인식 • 이해하고 여기(목적)에 맞는 주제를 찾고 컬럼 간의 어떤 연결고리가 있을지 추론해 보고 분석하여 의미 있는 인사이트와 액션을 도출해야 합니다. ✨ ✏️목차 📖 1. 프로젝트 진행 순서2. 와인 가격 분석 배경3. 데이터 분석 과정 4. 데이터 형식 설명 5. 전처리 과정1. 프로젝트 진행 순서🧩1) 분석 목적 : 목적과 목표를 설정하여 분석 방향성을 설정 1-1) 프로젝트 개요 : 왜? 이 프로젝트를 수행하는지 간단히 설명 1-2) 목적과 목표 설정 : 예상되는 결과에 대한 간략한 언급 2) 데이터 수집 : 데이터를 수집하는 과정과 데이터 형식 설명 .. 2024. 4. 23. [TIL/SQL코딩 테스트] Lv.1 문제 해설_16일차(DISTINCT,HAVING,LIMIT,COALESCE ) 프로그래머스에서 코딩 테스트 연습을 한동안 했는데 이걸 정리해볼까합니다.저는 Oracle이 아닌 MySQL로 코딩합니다.우선 프로그래머스에서는 Lv.1부터 Lv.5까지 있습니다. ( Lv.5 문제는 별로 없습니다.) 저번에 역순정렬은 블로그에 올려서 그거 빼고 정리하겠습니다. 역순정렬을 보고싶다면 여기를 클릭💨 제가 오늘 정리할 건 Lv.1 의 정답률 80%이상의 문제들입니다.너무 비슷한 문제는 빼고 정리합니다.🔎 목차 📖1. 이름이 있는 동물의 아이디2. 중복 제거하기3. 동물 수 구하기4. 동명 동물 수 찾기5. 상위 n개 레코드 6. 최솟값 구하기 7. 어린 동물 찾기8. 이름에 el이 들어가는 동물 찾기 9. 나이 정보가 없는 회원 수 구하기 10. 경기도에 위.. 2024. 4. 16. [TIL] kaggle 데이터 분석[와인]_15일차(DBeaver에 csv 파일 연동,kaggle에서 데이터 다운, 와인 데이터 오류 해결) 오늘 처음 kaggle에서 데이터를 가져오고 가져온 데이터를 DBeaver 에 연동시키는 방법을 배웠습니다.정말 복잡하고 신경써야 할 부분이 많이서 인내심이 매우 필요한 하루네요.오늘 kaggle 에서 가져온 데이터는 와인 정보 데이터(Wine Information) 입니다.✍🏻학습 내용📚1. DBeaver에 csv 파일 연동 2. kaggle에서 데이터 다운로드 1. DBeaver에 csv 파일 연동1) DBeaver에 MySQL 을 설치하는 이유 : 그냥 csv파일을 DBeaver 업로드하면 csv파일에 있는 컴럼 형식들이 자동적으로 int 즉 123 형식으로 바꿔지 않고 문자 즉 ABC형식으로만 나타납니다. 그런데 이 파일에서 cast함수로 수정도 할 수 없어 반드시 My.. 2024. 4. 16. [SQL/프로그래머스]역순 정렬하기(with 메타코드M) SQL코딩테스트가 궁금해서 프로그래머스에서 처음 해봅니다. 🔥 저는 SQL공부를 학교에서 배우고 더 공부하고 싶어서 메타코드M에서 배웠는데 선생님이 친절하고 자세하게 잘 가르쳐 주셔서 좋았어요!!👍 처음 SQL 공부하신다면 메타코드M에서 SQL강의 추천드려요!! SQL 풀 때 중요한 점✨ SQL 쿼리문을 짤 때는 딱 두 가지만 우선 생각하세요. 어떤 정보(SELECT)를 뽑을 건지, 그 정보는 어느 테이블(FROM)에 있는지. 그 후에 어떤 문제 조건(WHERE)인지 찾습니다. 여기에서는 추가적으로 ANIMAL_ID 역순으로 정렬하라는 조건이 있으니 마지막에 ORDER BY절을 이용하고 내림차순(또는 역순)으로 정렬하고 싶다면 속성값으로 DESC를 입력하면 됩니다. 참고로 속성값을 주지 않으면 자동으로 .. 2024. 2. 16. [데이터분석 준전문가(ADsP)공부]제2-1과목 데이터 분석 기획의 이해[Part 1] (with 메타코드M) ADsP 제2과목 데이터 분석 기획의 1장에서는 데이터 분석 기획의 이해에 대해 배웁니다. 여기서부터는 제1과목과 달리 외워야하는 부분이 상대적으로 많이 있습니다. 🔔 제가 '빈출'이라고 한 부분은 무조건 암기하는 걸 추천합니다.✏️✨🔔📌 ✏️ 목표 시점별 기획방안 ✏️ 분석방법론 • 데이터 분석을 위한 체계화된 절차 및 방법 ‣ 어느 정도의 지식만 갖추면 활용 가능해야 함 ‣ 일정수준 이상의 산출물이 지속적으로 나와야 함→공유 가능, 과물이 나와야 함 • 상세한 절차, 방법, 도구, 기법, 템플릿, 산출물 • 방법론의 생성 과정 ‣ 암묵지 → (형식화) → 형식지 → (체계화) → 방법론 → (내재화) → 암묵지 📌 데이터 기반 의사결정의 중요성 • 경험과 감에 따른 의사결정 아닌 데이터 기반(사실 기.. 2024. 2. 13. [데이터분석 준전문가(ADsP)공부]제1과목 데이터의 이해[Part 3] (with 메타코드M) ADsP 제1과목 데이터의 이해의 Part 3에서는 가치창조를 위한 데이터 사이언스와 전략 인사이트, 기타 중요 개념에 대해 배웠습니다. 이 파트는 이해를 중심으로 공부하면 좋습니다. ✨가치창조를 위한 데이터 사이언스와 전략 인사이트 ✏️빅데이터 분석과 전략 인사이트 • 빅데이터 분석은 결국 데이터에서 가치, 통찰, 인사이트를 끌어내 성과를 창출하는 것이 핵심 ‣ 어떻게 이를 활용할지에 대한 고민이 첫번째 • 핵심은 Big이 아니다. 알고리즘도 아니다. ‣ 목표 기반의 데이터 분석, 모델링, 알고리즘 선택 등 데이터 분석 기획을 기반으로 한 가치 창출이 중요함 ✏️일차원 분석 • 금융서비스: 신용점수 측정, 가격책정 • 제조업: 공급망 최적화, 수요예측, 재고관리 • 병원: 가격책정, 수익관리 • 에너지.. 2024. 2. 13. [데이터분석 준전문가(ADsP)공부]제1과목 데이터의 이해[Part 2] (with 메타코드M) ADsP 제1과목 데이터의 이해의 2번째 파트에서는 데이터의 가치와 미래에 대해 배웠습니다. 빅데이터 ✏️빅데이터 활용 사례 • 기업 ‣ 넷플릭스, 유튜브의 콘텐츠 추천 ‣ 고객 맞춤 마케팅 전략 수립 • 정부 ‣ 공공 의료 서비스 향상, 기후예보 등 • 개인 ‣ 정치 활동에 활용 📌⭐ 빅데이터 테크닉 3과목에서 상세히 설명, 테크닉들은 상호 배타적 X • 연관규칙: A와 B의 발생 간 상관관계를 분석 ‣ 기저귀를 구매한 사람이 맥주를 더 사는가? • 유형분석 (분류분석): 특정 개체가 어떤 범주에 속할지 판단 ‣ 키 xxx, 몸무게 yyy인 사람의 MBTI는? • 유전알고리즘: 생물의 진화 원리를 모방한 최적화 알고리즘 ‣ 최적의 경로 찾기 • 기계학습: 데이터로부터 패턴을 인식하고 학습하여 예측이나 .. 2024. 2. 3. [데이터분석 준전문가(ADsP)공부] 제1과목 데이터의 이해[Part 1](with 메타코드M) 메타코드M 인강에서는 3과목부터 수업을 하는데 저는 순서대로 공부하고 싶어서 1과목부터 공부합니다. ADsP 제1과목 데이터의 이해의 1번째 파트에서는 데이터의 정의와 데이터베이스에 대해 배웁니다. ⭐ 시험 준비 꿀팁⭐ 데이터의 정의 데이터베이스 Data Base = DB • 체계적으로 정리되고 개별적으로 접근(정보 추출을 위해 접근)할 수 있는 독립된 저작물, 데이터 • 동시에 복수의 적용 업무를 지원할 수 있도록 복수 이용자의 요구에 대응해서 데이터를 받아들이고 저장, 공급하기 위하여 일정한 구조에 따라서 편성된 데이터의 집합 • 단순 텍스트, 숫자 등을 넘어 이미지, 동영상(멀티미디어 자료) 까지 확대 • 단순 저장 X, 저장 및 접근(검색) O • 컴퓨터 기반의 데이터베이스 형태 ‣ DB관리 소프.. 2024. 1. 31. [SQL 공부] SQL의 강의 커리쿨럼 | DataType, DataBase 생성, Table 생성, Alter 실습(with 메타코드M) 먼저 제가 공부하는 SQL의 강의 상세 내용과 커리쿨럼을 알아보겠습니다! 오늘은 지난번에 설치한 MYSQL과 Heidei SQL에 사용하는 CREATE, INSERT, DROP, TRUNCATE, UPDATE, ALTER 의 이론과 약간의 실습을 하겠습니다. DataType 우선 DataType에는 문자형, 숫자형(정수형, 실수형), 날짜형이 있습니다. Database • Database는 데이터를 저장하는 저장소. • 여러 Database를 만드는 이유는 접근 권한(백업)을 쉽게 나누기 위함! Database 생성 우선 Heidei SQL을 접속해서 root 밑에 암호를 입력하고 새로운 데이터 베이스를 생성해줍니다. 계정명 우클릭 -> 새로생성 -> 데이터베이스 'test'라는 이름의 데이터베이스를 생.. 2024. 1. 21. 이전 1 2 다음 반응형
