분류 전체보기
African Cities, Average Population of Each Continent, Weather Observation Station 5, Binary Tree Nodes, New Companies
African Cities, Average Population of Each Continent, Weather Observation Station 5, Binary Tree Nodes, New Companies
2022.10.31African Cities 📝 https://www.hackerrank.com/challenges/african-cities/problem?isFullScreen=true ➡️ city,country 테이블 출력 : name 출력 (city.name or country.name) 조건 1 : 테이블 JOIN city.countrycode = country.code 조건 2 : continent = 'Africa' Given the CITY and COUNTRY tables, query the names of all cities where the CONTINENT is 'Africa'. Note: CITY.CountryCode and COUNTRY.Code are matching key columns. I..
KT 에이블스쿨 AI트랙 2기 10주차(9.26-9.29) 🎞
KT 에이블스쿨 AI트랙 2기 10주차(9.26-9.29) 🎞
2022.10.25이번주에는 미니프로젝트 3차를 4일동안하고 30일 하루만 언어지능 딥러닝을 배우는 날이었다. 📁 프로젝트 개요 매 회 동일한 코너(코너이름,출연진 등)이 반복되는 시리즈 영상물을 분석하고 코너 구간을 분류하는 모델 제작 🗂 Dataset 코미디빅리그 방송 train : 220206.mp4(51분 56초) ,220220.mp4(55분 53초) | test : 220320.mp4(53분) ✂️ 데이터 전처리 과정 코너 제목이 나타나고 사라지는 시간을 기준으로 클래스 별 나눠서 저장 ( 두분사망토론,결혼해두목,코빅엔터,사이코러스 ) 전처리 전략 제한된 학습 이미지 데이터 증강을 위해 Image augmentation 기법 사용 (회전,좌우이동,상하이동,반시계방향각도,좌우반전) 이미지를 코너 별 제목 부분만 잘..
Weather Observation Station 16,17,18,19 | Population Census
Weather Observation Station 16,17,18,19 | Population Census
2022.10.24Weather Observation Station 16 📝 https://www.hackerrank.com/challenges/weather-observation-station-16/problem?isFullScreen=true ➡️ station 테이블 38.7780보다 큰 lat_n 중 가장 작은 값 ( 단, 소숫점 5자리에서 반올림) => min,round 함수 사용 Query the smallest Northern Latitude (LAT_N) from STATION that is greater than 38.7780. Round your answer to 4 decimal places. Input Format The STATION table is described as follows: where..
KT 에이블스쿨 AI트랙 2기 9주차(9.19-9.23) 🖼
KT 에이블스쿨 AI트랙 2기 9주차(9.19-9.23) 🖼
2022.10.23시각지능 딥러닝 🖼 이번주에는 시각지능 딥러닝에 대해 배우는 시간이었다. 저번주에 배운 딥러닝은 기존의 연결된 것으로부터 기존에 없던 새로운 feature 추출하고 생성한다면 시각지능 딥러닝은 위치정보를 보존하여 유용한 feature을 추출한 것이라고 생각하면 된다고 하셨다. 간단하게 CNN 작동원리와 stride,zero padding에 대해 배우고 난 후에 YOLO를 배웠다. YOLO = Classification + Localization(bounding box를 그려줌 ) Class Classification : 어떤 클래스인지 알려주는 것이 필요 Label 종류 → One-hot Encoding 필요 Integer Encoding Cat(0.83) , Dog(0.02) ,Human(0.05)…...
HackerRank - Top Earners,Weather Observation Station 2, 13, 14, 15
HackerRank - Top Earners,Weather Observation Station 2, 13, 14, 15
2022.10.03Top Earners 📝 ⭐️ https://www.hackerrank.com/challenges/earnings-of-employees/problem?isFullScreen=true ➡️ employee 테이블 salary * months 의 최댓값과 이 최댓값을 가진 사람 수 구하기 참고 1) 필드명 alias 할 경우 HAVING은 alias을 사용하여야 한다, GROUP BY 안에는 alias 필드명 사용해도 안사용해도 무관(MYSQL 기준), ORACLE에서는 GROUPBY alias 사용하면 안된다(salary*months) ⭐️ 참고 2) 상위 뽑기 할 때, MYSQL - LIMT 사용, ORACLE - rownum ⭐️ We define an employee's total earnings ..
KT 에이블스쿨 AI트랙 2기 8주차(9.13-9.16) 🖼
KT 에이블스쿨 AI트랙 2기 8주차(9.13-9.16) 🖼
2022.09.20딥러닝 🖼 이번주에는 추석연휴를 제외한 4일동안 딥러닝에 대해 배우는 시간이었다. 13일 : 일단 Sequential API, Functional API를 쓰는 방법에 대해 배웠다. 초반에는 Sequential API를 많이 사용했지만 나중에 배우는 것들을 하기 위해서는 Functional API에 익숙해져야 했다. 그리고 Sequential API, Functional API 각각 선형회귀, 로지스틱 회귀, 멀티 클래스 분류로 나누어서 쓰는 방법에 대해 배웠다. 선형회귀 (Linear Regresssion) 로지스틱 회귀 (Logistic Regression) 멀티 클래스 분류 (Multi-Class Classification) Output Layer activation X or ‘linear’ ‘si..
KT 에이블스쿨 AI트랙 2기 7주차(9.5-9.7) 🍗
KT 에이블스쿨 AI트랙 2기 7주차(9.5-9.7) 🍗
2022.09.19AI 모델 해석/ 평가 & AIVLE Day 🍗 이번주에는 추석이 껴있기에 월,화에는 AI 모델 해석/ 평가를 배우고 수요일에는 AIVLE Day로 특강과 반별 친목Time을 가지는 시간이었다. 5일,6일 : 미니프로젝트 이전에 배운 머신러닝 심화파트였다. 즉, 이미 최적화가 되어있다고 가정된 상태에서 진행되는 작업들이라고 할 수 있었다. 밑에 세가지에 대해 크게 나눌수 있었다. 실습에서 어떻게 사용되는지?에 대해 배우는 시간이었다. ( 어려웠고 이 수업도 다시 들어봐야할 것 같다.. ) 모델 전체에서 어떤 feature가 중요할지 -> 변수 중요도 판단 특정 feature 값의 변화에 따라 예측 값은 어떻게 달라질까? -> PDP 이 데이터는 왜 그러한 결과로 예측되었을까? -> SHAP 7일 그렇게 ..
Revising Aggregations - Averages,Average Population,Japan Population,Population Density Difference,The Blunder
Revising Aggregations - Averages,Average Population,Japan Population,Population Density Difference,The Blunder
2022.09.17Revising Aggregations - Averages📝 https://www.hackerrank.com/challenges/revising-aggregations-the-average-function/problem?isFullScreen=true ➡️ city 테이블 population 평균 구하기 -> AVG 함수 활용 district 이 'california' Query the average population of all cities in CITY where District is California. Input Format The CITY table is described as follows: SELECT AVG(population) FROM city WHERE district='califor..
Employee Salaries,Type of Traingle,The PADS,Revising Aggregations - (The Count Function,The Sum Function)
Employee Salaries,Type of Traingle,The PADS,Revising Aggregations - (The Count Function,The Sum Function)
2022.09.12Employee Salaries📝 https://www.hackerrank.com/challenges/salary-of-employees/problem?isFullScreen=true ➡️ Employee 테이블,조건 : salary>2000 & month 출력: name column,ORDER BY employee_id ASC Write a query that prints a list of employee names (i.e.: the name attribute) for employees in Employee having a salary greater than per month who have been employees for less than months. Sort your result by asce..
HackerRank- Weather Observation Station 10,11,12,Higher Than 75 Marks,Employee Names
HackerRank- Weather Observation Station 10,11,12,Higher Than 75 Marks,Employee Names
2022.09.12Weather Observation Station 10📝 https://www.hackerrank.com/challenges/weather-observation-station-10/problem?isFullScreen=true ➡️ STATION 테이블, 조건 : a,e,i,o,u로 끝나지 않는 city 이름 -> 출력 : 중복되지 않는 city -> Weather Observation Station 7번(이전게시물) 에 not 또는 ^을 붙인다. Query the list of CITY names from STATION that do not end with vowels. Your result cannot contain duplicates. Input Format The STATION table is d..
KT 에이블스쿨 AI트랙 2기 6주차(8.29-9.02) 👭👫👬🚶♂️
KT 에이블스쿨 AI트랙 2기 6주차(8.29-9.02) 👭👫👬🚶♂️
2022.09.06전통적 시계열 모델링⏱ & 미니프로젝트 2차 이번주에는 남은 머신러닝을 하루 배우고 미니프로젝트 하는 주였다. 지난주에 배운 머신러닝을 복습하고 시계열 데이터 머신러닝에 대해 배웠다. 그리고 나머지 4일동안은 이틀씩 나누어서 진행되었다. 앞선 이틀은 '악성사이트 탐지'를 주제로 혼자 kaggle에서 프로젝트를 진행하고 나머지 이틀은 '미세먼지 예측'을 주제로 팀 프로젝트로 진행하였다. 29일 : 전통적 시계열 모델링,ML기반 시계열 모델링,딥러닝 기반 시계열 모델링에 대해 배우고 전통적 시계열 모델링 실습을 진행하였다. 하지만 사실 전통적 시계열 모델링이 좀 와닿지 않은 주였다.. 지금도 그렇게 이해가 되지않고 알겠는데 대체 그걸 어떻게 쓰는걸까? 이런 느낌이 더 강하다. 30일 ,31일 30일 오전에는..
REGEXP,REGEXP_LIKE,REGEXP_INSTR,REGEXP_SUBSTR,REGEXP_REPLACE()
REGEXP,REGEXP_LIKE,REGEXP_INSTR,REGEXP_SUBSTR,REGEXP_REPLACE()
2022.09.05참고 블로그 : https://goodteacher.tistory.com/232 MySQL :: MySQL 8.0 Reference Manual :: 12.8.2 Regular Expressions 12.8.2 Regular Expressions Table 12.14 Regular Expression Functions and Operators Name Description NOT REGEXP Negation of REGEXP REGEXP Whether string matches regular expression REGEXP_INSTR() Starting index of substring matching regular expression REGE dev.mysql.com * 모든 쿼리는 match_type..
HackerRank- Weather Observation Station 6,7,8,9
HackerRank- Weather Observation Station 6,7,8,9
2022.09.04REGEXP 관련 정리된 게시물 REGEXP,REGEXP_LIKE,REGEXP_INSTR,REGEXP_SUBSTR,REGEXP_REPLACE() 참고 블로그 : https://goodteacher.tistory.com/232 MySQL :: MySQL 8.0 Reference Manual :: 12.8.2 Regular Expressions 12.8.2 Regular Expressions Table 12.14 Regular Expression Functions and Operato.. coooco.tistory.com Weather Observation Station 6📝 ➡️ STATION 테이블, 조건 : city a%, e% , i%, o%, u% -> 출력 : 중복되지 않는 city Query t..
KT 에이블스쿨 AI트랙 2기 5주차(8.22-8.26) 🧠
KT 에이블스쿨 AI트랙 2기 5주차(8.22-8.26) 🧠
2022.08.29머신러닝 이번주에는 머신러닝 배웠다. 앞서 배운 주는 CRISP-DM 단계에서 Modeling 전단계인 데이터를 전처리하는 과정을 배웠다면 이번주에는 전처리한 데이터를 가지고 Modeling 하는 법을 배우는 주였다. ( * 다음주 미니프로젝트가 끝난 후에는 비지니스 관점의 Evaluation(평가)는 어떻게 할 것인가에 대해 배운다고 하였다. * ) 22,23,24일 모델링에는 지도학습과 비지도학습이 있으며 지도학습이라 하면 답을 찾는 것, 비지도학습은 비슷한것끼리 묶는것이라고 이해하면 된다. 지도학습의 답의 종류에 따라 두가지로 나누게 되는데 숫자 답을 찾을 경우 Regression(회귀) , 범주형 답을 찾는 경우 Classification( 분류 ) 이다. 회귀냐 분류냐에 따라 사용되는 알고리즘이..
HackerRank-Japanese Cities' Attributes, Japanese Cities' Names, Weather Observation Station 1, Weather Observation Station 3, Weather Observation Station 4 (COUNT(*))
HackerRank-Japanese Cities' Attributes, Japanese Cities' Names, Weather Observation Station 1, Weather Observation Station 3, Weather Observation Station 4 (COUNT(*))
2022.08.28Japanese Cities' Attributes📝 ➡️ CITY 테이블, 조건: COUNTRYCODE= 'JPN' Query all attributes of every Japanese city in the CITY table. The COUNTRYCODE for Japan is JPN. The CITY table is described as follows: SELECT * FROM city WHERE countrycode='JPN'; Japanese Cities' Names📝 ➡️ CITY 테이블, 조건: COUNTRYCODE= 'JPN' , 출력 : name Query the names of all the Japanese cities in the CITY table. The COUNTRYCODE fo..
HackerRank - Revising the Select Query I, Revising the Select Query II, Select All, Select By ID
HackerRank - Revising the Select Query I, Revising the Select Query II, Select All, Select By ID
2022.08.23Revising the Select Query I🗒️ -> CITY 테이블, 조건: ( populations >100000 & CountryCode for America is USA ) Query all columns for all American cities in the CITY table with populations larger than 100000. The CountryCode for America is USA. The CITY table is described as follows: SELECT * FROM CITY WHERE POPULATION>100000 AND COUNTRYCODE='USA'; Revising the Select Query II🗒️ -> CITY 테이블, 조건: ( popul..