본 캠프 3주차 WIL

WIL 종합 정리 (Python 및 SQL)

Python

1. 문자열 순회 및 위치 기록 (15일차)
   • 배운 점: 문자열을 순회하며 각 문자의 마지막 위치를 기록하고, 이를 활용하여 가장 가까운 같은 글자의 위치를 찾는 방법을 익혔습니다.
   • 적용 예시: 주어진 문자열에서 각 문자의 마지막 위치를 저장한 후, 특정 문자의 가장 가까운 동일 문자의 위치를 찾는 알고리즘을 구현할 수 있습니다.
2. 문자열 대칭 배치 (16일차)
   • 배운 점: 문자열을 사용하여 대칭적으로 배치하는 방법을 배웠습니다. 대칭 구조를 만들기 위한 문자열 처리 방법을 이해했습니다.
   • 적용 예시: 문자열을 거꾸로 뒤집거나, 특정 패턴을 만들어 대칭적인 구조를 만드는 프로그램을 작성할 수 있습니다.
3. 조건에 따른 값 갱신 (17일차)
   • 배운 점: 반복문을 사용하여 조건에 따라 값을 갱신하는 방법을 배웠습니다. 나눗셈 연산과 나머지 연산을 통해 문제를 해결하는 방법을 익혔습니다.
   • 적용 예시: 조건에 따라 리스트의 값을 업데이트하거나, 특정 조건을 만족하는 값을 찾는 프로그램을 작성할 수 있습니다.
4. pop() 함수의 활용 (18일차)
   • 배운 점: pop() 함수의 기능과 역할에 대해서 배웠습니다.
   • 적용 예시: 리스트에서 특정 위치의 요소를 제거하고 그 값을 반환하는데 사용됩니다.
5. 날짜 계산 문제 해결 (19일차)
   • 배운 점: 날짜 계산 문제를 해결하기 위해 리스트와 나머지 연산을 활용하는 방법을 배웠습니다.
   • 적용 예시: 리스트와 나머지 연산을 이용해 주기적인 날짜 계산이나 특정 조건을 만족하는 날짜를 찾는 프로그램을 작성할 수 있습니다.
6. 리스트 동시 순회 (20일차)
   • 배운 점: 두 개의 리스트를 동시에 순회하면서 조건을 확인하는 방법이 있다는 사실을 배웠습니다.
   • 적용 예시: 두 개의 리스트를 병렬로 순회하면서 각 리스트의 요소를 비교하거나 조합하는 프로그램을 작성할 수 있습니다.
7. 리스트 내림차순 정렬 (21일차)
   • 배운 점: 리스트를 내림차순으로 정렬하여 최대 이익을 계산하는 방법을 배웠습니다.
   • 적용 예시: 주어진 데이터셋을 내림차순으로 정렬하여 특정 조건에서 최적의 값을 찾는 알고리즘을 구현할 수 있습니다.

SQL

1. 서브 쿼리 및 데이터 그룹화 (15일차)
   • 배운 점: 서브 쿼리를 사용하여 특정 조건에 맞는 데이터를 그룹화하고, 그 결과를 바탕으로 정렬하는 방법을 익혔습니다.
   • 적용 예시: 서브 쿼리를 사용하여 특정 조건을 만족하는 데이터를 추출하고 이를 그룹화하여 정렬된 결과를 도출할 수 있습니다.
2. NOT IN 절 및 서브쿼리 활용 (16일차)
   • 배운 점: NOT IN 절을 사용하여 한 테이블에만 존재하는 데이터를 필터링하는 방법을 배웠습니다. 서브쿼리를 사용하여 조건을 만족하는 데이터를 조회하는 방법을 익혔습니다.
   • 적용 예시: 두 테이블 간의 데이터 차이를 확인하거나, 특정 조건에 맞는 데이터를 서브쿼리로 추출하여 조회할 수 있습니다.
3. GROUP BY와 다중 컬럼 (18일차)
   • 배운 점: GROUP BY에 2가지 컬럼을 묶을 수 있다는 사실을 알게 되었습니다.
   • 적용 예시: 다중 컬럼을 사용하여 데이터를 그룹화하고, 각 그룹에 대한 집계 결과를 계산할 수 있습니다.
4. 문자열 변환 함수 CONCAT (20일차)
   • 배운 점: 문자열 변환 함수 CONCAT을 사용하여 데이터의 형식을 특정한 형식으로 변환하여 출력하는 방법을 익혔습니다.
   • 적용 예시: 여러 컬럼의 문자열 데이터를 결합하여 새로운 형식의 문자열을 생성하고 출력할 수 있습니다.

추가 학습 및 프로젝트 계획

1. 데이터 기반 의사결정 및 SQL 질문 잘하는 법 아티클 스터디
   • 활동 내용: 데이터 기반 의사결정의 중요성을 이해하고, 효과적으로 SQL 질문을 작성하는 방법을 학습했습니다.
2. 라프텔 데이터 분석가 프로젝트
   • 활동 내용: 라프텔의 데이터 분석가로서 기획을 진행하며, 라프텔의 단점과 타 플랫폼과의 차이점을 조사했습니다. 각 플랫폼의 추천 알고리즘 구성의 차이점을 분석했습니다.
3. 향후 계획
   • 계획 내용: 다음 주에는 데이터 분석가의 중요한 사항을 정리한 아티클에 추천 알고리즘 구성의 차이점을 추가하고, 이를 바탕으로 가상 시나리오를 기획하여 팀원들과 의견을 나눌 예정입니다. 또한, 머신러닝 알고리즘에 대한 호기심이 생겨 추가적으로 학습할 계획입니다.