https://www.hackerrank.com/challenges/japanese-cities-attributes/problem?h_r=next-challenge&h_v=zen&h_r=next-challenge&h_v=zen&h_r=next-challenge&h_v=zen&h_r=next-challenge&h_v=zen Japanese Cities' Attributes | HackerRank Query the attributes of all the cities in Japan. www.hackerrank.com select * from city where countrycode = 'JPN';

https://www.hackerrank.com/challenges/select-by-id/problem?h_r=next-challenge&h_v=zen&h_r=next-challenge&h_v=zen&h_r=next-challenge&h_v=zen Select By ID | HackerRank Query the details of the city with ID 1661. www.hackerrank.com SELECT * FROM CITY WHERE ID = 1661;

https://www.hackerrank.com/challenges/select-all-sql/problem?h_r=next-challenge&h_v=zen&h_r=next-challenge&h_v=zen Select All | HackerRank Query all columns for every row in a table. www.hackerrank.com SELECT * FROM CITY

https://www.hackerrank.com/challenges/revising-the-select-query-2/problem Revising the Select Query II | HackerRank Query the city names for all American cities with populations larger than 120,000. www.hackerrank.com select NAME from CITY where POPULATION > 120000 and COUNTRYCODE = 'USA'

https://www.hackerrank.com/challenges/revising-the-select-query/problem Revising the Select Query I | HackerRank Query the data for all American cities with populations larger than 100,000. www.hackerrank.com select * from CITY where POPULATION > 100000 and COUNTRYCODE = 'USA'

지난 캐글 대회인 New York City Taxi Duration에 대해서 여행기간 예측을 하였습니다. 본 글은 캐글 커널을 참조하였으며 아래의 순서로 데이터 분석을 진행하였습니다. III. 모델링 IV. 예측 제출 결과 rmsle score 0.38135가 나왔습니다. 데이터 이상치 조절을 하고 각 피처들에 대해 데이터 처리를 더 해준다면 모델의 성능을 더 올릴 수 있을거같습니다. 본 글의 코드는 다음 캐글 커널에서 확인 할 수 있습니다. https://www.kaggle.com/munmun2004/nyc-taxi NYC Taxi 한글커널 Explore and run machine learning code with Kaggle Notebooks | Using data from New York City..

지난 캐글 대회인 New York City Taxi Duration에 대해서 여행기간 예측을 하였습니다. 본 글은 캐글 커널을 참조하였으며 아래의 순서로 데이터 분석을 진행하였습니다. I.데이터 불러오기 및 확인 II. EDA & FE 본 글의 코드는 다음 캐글 커널에서 확인 할 수 있습니다. https://www.kaggle.com/munmun2004/nyc-taxi NYC Taxi 한글커널 Explore and run machine learning code with Kaggle Notebooks | Using data from New York City Taxi Trip Duration www.kaggle.com 본 커널은 아래 커널들을 참고 하였습니다. Beat the benchmark!(https:..

캐글 자전거 수요 예측 데이터 분석을 하였습니다. 코드는 캐글 노트북을 참조하였습니다. Predict Future Sales 데이터는 sales 데이터를 가지고 미래의 salse 양을 예측하는 대회인데 L.point 공모전을 진행하면서 많이 공부해보고 싶은 분야이기도 했었고 FE과정이 어렵고 배울게 많아서 필사를 하게 되었습니다. 데이터 sales_train.csv - train 데이터, 2013년 1월부터 2015년 10월 까지의 일일 데이터 test.csv - test데이터, 2015년 11월에 상점과 제품의 판매량을 예측해야한다 sample_submission.csv - submission 샘플 데이터 items.csv - 품목 / 제품에 대한 정보 item_categories.csv - item ..