일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 |
- Python
- 미라클 모닝
- 알파줄거리
- 독서
- 구글애널리틱스4
- 영화 올드 줄거리
- 얼음여왕
- 티스토리
- 수명예측 인공지능
- 코딩
- 6시 기상
- 프로그래머스
- GA4
- 니다
- 벚꽃개화시기
- 기사스크랩
- 데이터 분석
- 벚꽃
- 채용공고
- 감사인사
- 구글애널리틱스
- 데이터문해력
- ㅂㅂ
- 명상
- 코오롱베네트
- GA
- Google Analytics
- Today
- Total
목록분류 전체보기 (455)
Data Analyst KIM
오늘은 '발표 잘하는 법'에 대해서 강의를 들었다. 유튜브의 스티브잡스의 강연을 토대로 알려주셨다. '스티브 잡스'의 강연을 통해 발표의 중요한 요소들에 대해 배웠다. 먼저 첫 슬로건, 마지막 슬로건의 중요성이다. 내가 하고자 하는 이야기를 슬로건으로 전달한다면 더 와닿을 것이다. 그리고 시각적 자료가 매우 중요하다고 배웠고 간결한 설명이 필요하다고 알 수 있었다. 청중과의 공감이 매우 중요한 요소이고 이렇게 발표를 잘 할 수있었던 것은 발표를 하기 수개월전부터 끝없이 연습한 덕분이라고 했다. 앞으로 나는 많은 사람들 앞에서 발표를 통해 설득을 해야한다. 이 영상을 토대로 앞으로 발표를 할 때 참고해서 꾸준히 연습해야겠다고 느꼈다. 1. purpose(목적) : 발표내용의 핵심을 인지하고 목적을 분명히 ..
나는 전반적인 흐름에 대해서 이야기를 했다. 팀원들이 알아온 내용을 토대로 어떻게 활용이 가능하며 어떤 데이터를 필요로 하는지 정의를 해보았다.
프로그래머스 코드 중심의 개발자 채용. 스택 기반의 포지션 매칭. 프로그래머스의 개발자 맞춤형 프로필을 등록하고, 나와 기술 궁합이 잘 맞는 기업들을 매칭 받으세요. programmers.co.kr def solution(dots): answer = 0 x1 , y1 = dots[0][0] , dots[0][1] x2 , y2 = dots[1][0] , dots[1][1] x3 , y3 = dots[2][0] , dots[2][1] x4 , y4 = dots[3][0] , dots[3][1] if (y2-y1)/(x2-x1) == (y4-y3)/(x4-x3) : return 1 elif (y3-y1)/(x3-x1) == (y4-y2)/(x4-x2) : return 1 else : return 0
프로그래머스 코드 중심의 개발자 채용. 스택 기반의 포지션 매칭. 프로그래머스의 개발자 맞춤형 프로필을 등록하고, 나와 기술 궁합이 잘 맞는 기업들을 매칭 받으세요. programmers.co.kr def solution(arr, query): result = [] for i in range(len(query)): if i % 2 == 0: # 짝수 인덱스인 경우, query[i] 인덱스를 제외한 나머지 부분을 삭제합니다. arr = arr[:query[i]+1] else: # 홀수 인덱스인 경우, query[i] 인덱스를 제외한 나머지 부분을 삭제합니다. arr = arr[query[i]:] return arr
t1-결측치 문제 주어진 데이터에서 결측치가 80%이상 되는 컬럼은 삭제하고, 80% 미만인 결측치가 있는 컬럼은 'city'별 중앙값으로 값을 대체하고 'f1'컬럼의 평균값을 출력해라 데이터 : basic1.csv # 라이브러리 및 데이터 불러오기 import numpy as np import pandas as pd ex = pd.read_csv("C:/Users/USER/OneDrive/바탕 화면/6688/PART 02 파이썬 분석/csv1/basic1.csv") ex id age city f1 f2 f3 f4 f5 0 id01 2.0 서울 NaN 0 NaN ENFJ 91.297791 1 id02 9.0 서울 70.0 1 NaN ENFJ 60.339826 2 id03 27.0 서울 61.0 1 NaN..
T1-1. 이상치를 찾아라 데이터에서 IQR을 활용해 Fare컬럼의 이상치를 찾고, 이상치 데이터의 여성의 수를 구해라. 타이타닉 데이터활용 # 라이브러리 불러오기 import numpy as np import pandas as pd import matplotlib.pyplot as plt #데이터셋 불러오고 살펴보기 df1 = pd.read_csv("C:/Users/USER/OneDrive/titanic.csv") df1.head() PassengerId Survived Pclass Name Sex Age SibSp Parch Ticket Fare Cabin Embarked 0 1 0 3 Braund, Mr. Owen Harris male 22.0 1 0 A/5 21171 7.2500 NaN S 1 2..