쥬니어 기획자

[개발공부가 필요한 기획자의 눈물] MCP vs A2A

jyuuni — Thu, 21 Aug 2025 21:59:16 +0900

어쩌다보니 담당 업무가 바뀌어버려 AI 공부가 필요한 불우한 기획자의 첫번째 개발 공부 일지

하기 싫어요 왜 해야 하죠..

1. MCP (Model Context Protocol)

MCP는 간단히 말해서, AI가 실제로 일할 수 있게 도와주는 연결 방식이다.

AI가 상황을 이해하고 외부 시스템이나 도구를 직접 사용할 수 있도록 만들어주는 구조라고 보면 된다.

전통적인 시스템은 사용자가 뭔가를 요청하면 정해진 로직대로 반응하지만
MCP를 쓰면 AI가 알아서 필요한 정보를 찾고, 필요한 도구를 호출해서 실제 작업까지 해낼 수 있다.

예를 들어서, 사용자가 “이번 달 카드 지출 내역 보여줘”라고 자연어로 요청하면,
AI가 ERP 시스템과 연결되어 데이터를 꺼내 보여주는 흐름을 가능하게 해주는 것을 말한다.

구성

호스트: 사용자와 AI가 대화하는 인터페이스, 우리가 명령을 입력하는 창
클라이언트: 명령을 주고받는 전달자 역할, 호스트와 서버 사이에서 다리 역할
서버: 실제로 데이터를 가지고 있는 쪽, 외부 API나 기능을 여기서 실행

특징

정보를 JSON처럼 구조화해서 전달하니까 AI가 “뭘 해야 하는지”를 정확히 이해할 수 있음
단순히 문장만 해석하는 게 아니라 사용자의 의도와 맥락까지 파악해서 행동
복잡한 설정 없이 다양한 기능을 쉽게 연동할 수 있어서 빠르고 유연하게 확장 가능

활용 사례

Claude: 캘린더, 문서 요약기 같은 도구를 연동해 AI가 직접 호출
Cursor: AI가 코드 추천, 수정, 검색 등을 직접 실행하는 코딩 툴
Smithery: 개발자가 MCP 서버를 등록하거나 검색할 수 있게 해주는 플랫폼

2. A2A (Application-to-Application Integration)

A2A는 시스템과 시스템을 직접 연결하는 방식이다.
AI가 개입하지 않아도 두 개의 애플리케이션이 알아서 서로 데이터를 주고받는 구조다.

예를 들면, 우리 회사 인사 시스템이 SAP와 연동되어 있어서 신입 사원 정보를 한 번 입력하면 SAP 쪽에도 자동으로 등록되도록 하는 것이 A2A 방식이다.

특징

시스템끼리 직접 통신하면서 데이터를 주고받음
연동하려는 시스템마다 API 형식, 인증 방식 등을 따로 구성해야 해서 설정이 복잡할 수 있음
하지만 한 번 잘 구성해놓으면 안정적으로 오래 돌아가는 구조라서 기업에서 많이 쓰임

활용 사례

ERP ↔ CRM 시스템 간의 주문·고객 정보 연동
웹 서비스 간 로그인 연동 (예: Google OAuth, REST API 연결)

3. MCP vs A2A 비교

요약하자면,

MCP는 AI가 외부 도구를 직접 불러서 “일을 할 수 있게” 만들어주는 방식
A2A는 시스템 간에 미리 연결선을 만들어두고, 그 안에서 자동으로 데이터가 왔다 갔다 하는 구조

항목	MCP	A2A
연결 구조	중앙 집중형 (호스트-클라이언트-서버)	분산형 (시스템 간 직접 연결)
확장성	높음 – 새로운 기능 쉽게 추가 가능	낮음 – 기능 추가 시 시스템 간 재구성 필요
설정 복잡도	낮음 – 통일된 프로토콜 기반 구성	높음 – 시스템 간 개별 설정 필요
AI 친화도	높음 – AI가 외부 도구 자율 활용 가능	낮음 – 단순 API 호출에 국한
적합한 상황	다양한 기능 연동, AI 중심의 작업 환경	단순한 시스템 간 데이터 교환

*비전공자가 정리한 내용이기에 틀린 부분이 있을 수 있음, 반박 시 내가 다 틀림...

회고

jyuuni — Sun, 29 Jun 2025 18:21:48 +0900

25.04.01 ~ 25.06.30 인턴 생활을 마치며

기획이란 : 문제를 명확히 정의하고, 그에 대한 최적의 해결책을 구체화하는 과정
단순히 좋은 아이디어를 내는 게 아니라, 현실적인 실행 계획으로 연결될 수 있도록 설계하는 것

면접 준비를 하며, "기획"이라는 일이 정말 내가 하고 싶은 일인지 스스로 판단이 필요했다.
그래서 그쯔음 서점에 가서 기획자들이 쓴 책을 이것저것 읽어봤다.
그 중 한 문장이 마음에 깊이 남았다.
"기획은 결국 누군가의 마음을 움직이는 것이다."

이 문장을 읽고 나서야 내가 왜 기획 일을 하고 싶어 했는지 이해할 수 있었다.
“평생”이라는 관점에서 봤을 때, 그래도 내가 즐기면서 할 수 있는 영역이라고 생각했다.

나는 늘 “우리 이거 어때?”라고 먼저 제안하는 사람이었다.
누군가를 설득하는 일이 좋았다.
특히 그 설득이 탄탄한 근거 위에 있을 때, 그리고 내 의견대로 일이 진행되어 좋은 결과로 이어졌을 때의 짜릿함이 좋았다.

자연스럽게 더 나은 것을 제안하고 싶었고, 그 과정에 함께하고 싶었다.
사람들을 만나 다양한 관점을 듣고 싶었던 이유도 결국, 더 넓은 시야와 통찰력을 얻고 싶었기 때문이다.

"이게 최선일까?"를 스스로에게 묻고, 더 나은 방안을 찾기 위해 고민한다.
그 과정이 고단하더라도 그런 노력 끝에 좋은 결과로 인정받는 순간이 참 뿌듯하다.
그렇게 무에서 유를 만들고, 최적의 해답을 찾는 기획이라는 일에 자연스레 빠지게 됐다.

좋은 기획이란 사람의 마음을 움직이는 것.
최고는 아닐지라도, 최선을 다한 결과를 만들어내는 것.
그게 내가 기획을 꿈꾸게 된 본질적인 이유이고, 면접을 준비하며 스스로에게서 다시 찾은 답이었다.

그런 IT기획의 첫 업무 경험을 쌓았던 회사에서 더욱 깊이 배우고 성과를 내며, 기대에 부응하는 기획자로 성장하고 싶다.

돌아보며,
나는 언제나 더 나은 삶을 위해 노력하는 사람이고 싶다.

[2025 상반기] 잡다 AI역량검사 신유형 후기/전략게임 꿀팁/결과표 확인

jyuuni — Tue, 25 Mar 2025 11:35:56 +0900

지원한 회사에서 AI 역검이 있길래 벼락치기로 게임 연습을 하며 합격한 과정에서 느낀 꿀팁과 후기를 정리하려고 한다.

잡다 ㅣ 역량검사만으로 취업되는 매칭 플랫폼

역량검사 한 번으로 쏟아지는 채용 제안. 기업별 채용 정보, 실시간 채팅방, 역량검사 연습, 개발 구현 능력 검사 연습까지 한 곳에서 만나보세요.

www.jobda.im

우선 많은 기업에서는 이제 신역검으로 역량 검사를 본다.

연습을 위해 잡다에 로그인 후, 제휴 인증을 하면 더 많은 연습 기회를 받을 수 있다.

대부분의 대학교는 잡다와 제휴가 되어있어, 나 또한 제휴 인증을 해서 1년 무료 응시 120회를 받았다!

졸업생이라 안될 줄 알았는데, 그런 거 없고 전자메일함만 접근 가능하면 된다 야호

나는 본격 응시 전 4번 연습을 해서 남은 횟수가 116회로 기재가 되어있다.

이제 더이상 연습하지 않아도 되길..

인성검사는 솔직하게만 하면 되고, 면접도 크게 어려울 것이 없어 전략게임에 대해서만 연습을 엄청 했다.

⭐전략게임 꿀팁

1. 가위바위보

가위바위보는 사실 쉬운 게임이다.

나 같은 경우는 나만의 리듬을 만들어서 노래 부르면서 했고, 왼쪽 기준('나' 기준)에서만 생각하면서 하는 게 더 편했다.

하지만 실수하는 것보다는 느린 게 더 나은 듯 하니 빠르게 하려고 하기보다는 정확하게 하도록 연습하는 게 중요하다.

2. 도형 회전하기

알파벳 회전 같은 경우는 어렵지 않았는데, 도형 회전이 어려워서 유튜브 꿀팁을 찾아본 결과

도형 내 특정 무늬만 기준으로 보고 하면 조금 더 빠르게 된다.

또 하나 완전 도움이 된 꿀팁은

오른쪽 위 대각선 대칭(/)의 경우는 왼쪽 45도 회전 - 왼쪽 45도 회전 - 좌우 반전

왼쪽 위 대각선 대칭(\)의 경우에는 왼쪽 45도 회전 - 왼쪽 45도 회전 - 상하 반전

이 공식을 외웠다.

또, 180도 회전은 좌우 반전 + 상하반전 조합을 스면 더 빠르다

모든 도형 회전이 3개 이하의 조합으로 완성되도록 하는게 중요하다고 생각한다.

직접 도형을 그려보고 사진 어플에서 그림 뒤집어가며 공간 감각에 대해 이해를 키우다 보면 머릿속에 자연스럽게 들어오지만,

위 내용을 알고 있으면 빠르게 문제를 풀 수 있다.

3. 약속 정하기

이거는 단순 암기말고는 방법이 없다.

요일, 장소, 메뉴는 후보를 소거하면서 기억했고 , 버스 번호는 무작정 외웠다.

버스 번호 암기의 나름 꿀팁은

버스의 뒷번호만 외우는 것이다.

423 - 7 - 41 - 48 이 문제라면

426 - 7 - 41 -48 이런 식으로 뒤에 숫자 하나만 다른 게 나오는 경우가 종종 있다.

나온 뒷자리 숫자만 외우면 빠르게 나오지 않은 버스 번호를 고를 수 있다.

4. 길 만들기

이거는 사실 처음부터 너무 잘풀렸던 게임이라 따로 꿀팁이 없지만

나는 최대한 한번의 클릭으로 실수 없이 제출하는 것을 목표로 했다.

또, 두 교통수단이 울타리를 공유하는 경우가 많음을 인지하고

느려도 되니 신중하게 머릿속으로 구현 후 클릭하는 것을 추천한다.

5. 마법약 만들기

많은 지원자들이 어려워해서 대부분 찍으면서 푼다는 문제 유형이다.

나도 처음에는 푸는게 아니라 찍었는데, 몇 번 해보니 감이 잡혔다.

위에서부터 각 영역을 1 - 2 - 3 - 4 숫자를 부여해 주고

13 빨, 2 빨 23 빨 이런 식으로 계속 기억해 주며 클릭했다.

1. 처음 보는 조합에 대해서는 무조건 파란색을 누르고,

2. 예측실패, 즉 빨간색이 뜬 조합만 기억해줬다.

3. 또, 확률 기반이기 때문에 빨강으로 기억한 예측 조합에서 예측 실패가 한번 나와도 계속 빨강임을 인지하는 것도 중요하다.

6. 숫자 누르기

사실 이건 하란대로 따라 하기만 하면 된다.

건너뛰기, 2번 누르기 부분을 우선적으로 보고,

천천히 실수 없이 하는 것이 가장 중요하다고 생각한다.

7. 도형 순서 기억하기(N - Back)

제일 어려웠지만 한번 개념을 기억하니 한 번도 안 틀린 문제 유형이다.

유튜브를 참고했는데, 너무너무 도움이 되니 꼭 보고 연습하길 바란다.

간단하게 요약하면

→(3번째 전) ←(2번째 전) 스페이스바(1번째 전)

이 부분을 큐 형식으로 계속 갱신되게 기억해 주며 입으로 중얼중얼 거린다.

세( → ) - 네( ← ) - 원(스페이스바)

이 순서를 기억하다가 원이 나오면 스페이스바를 눌러주고,

(세) - 네 - 원 - 원 이런 식으로 제일 과거의 세모를 날리고 원을 추가해서 기억하는 방식

텍스트로 설명이 어려우니 꼭 영상을 보길

8. 고양이 술래잡기

메타인지가 중요한 영역이라,

모르면 불확실하다를 누르고, 확실하면 매우 그렇다를 눌러주는 게 중요하다.

9. 개수 비교하기

이건 내가 제일 못하는 부분이라 꿀팁이 없다.

자유 - 억압이 있으면 왜인지 자유를 눌러야 할 것 같으나

그런 거 없고 그냥 한눈에 많아 보이는 것을 클릭해 주면 된다.

또한 밀도가 비슷해 보인다면 작은 글씨가 더 많은 쪽을 클릭해 주면 얼추 맞는 것 같다.

결과표 확인하기

결과표 확인 부분에는 크게 응시 점검 결과, 기본 분석 결과, 심층 분석 결과로 나누어져 있다.

응시 점검 결과는 안정적으로 응시했는지, 신뢰도에 문제가 없는지 위주로만 확인이 되어 아래처럼 각 과정에서 다 초록불이 뜬다면 문제가 없는 것 같다!

아래로 스크롤해서 내리면 내가 어떤 부분이 부족한지 알 수 있다.

어려운 게임은 잘하는데, 왜 쉬운 부분에서 자꾸 실수가 나오는지...

기본 분석 결과

기본 분석 결과에서는 개인 맞춤형 결과 리포트가 나온다.

역검버전 MBTI처럼 개인의 유형이 나오고, 각 유형의 특징을 기재해 준다.

나는 당당한 스마트형이 나왔다.

단순히 인성검사의 설문 결과가 아닌 게임을 하면서 보인 강점도 함께 기재되는 것 같다.

나름 정확한 것 같아 객관적으로 내 강점과 약점을 파악하는 데 꽤나 도움이 된다.

그리고 내 역량 기반으로 어울리는 직군을 추천해 준다.

이 부분에 내가 지원하고자 하는 직군이 뜬다면 역검에서 커트가 되지는 않을 것 같다는 생각이 들었다.

심층 결과 분석

심층 결과 분석에서는 앞선 내용에서 조금 더 디테일하게 설명해 준다.

내 강점에 대해 알려주는 부분을 보고, 면접 전 강점을 다시 한번 기억하고 들어가면 일관된 모습을 보여줄 수 있을 것 같다.

그리고 부족한 부분에 대해서 어떤 면접 질문이 나올 수 있는지도 알려준다.

(뇌피셜이지만 AI 역검합 후 본 면접에서 면접관분이 노트북을 살펴보다가 질문을 했는데, 여기서 나온 약점에 대한 질문을 받은 것 같다.)

요약하자면

1. 전략 게임에서 크게 과락이 없으면서도,

2. 역검 결과표에서 나온 직군과 지원 직군이 일치하는지

3. 인성검사에서 신뢰도가 낮지 않은지

이 정도로 보는 것 같다.

역검은 연습하면 되니 꼭꼭 유튜브에서 꿀팁 찾아보고, 최대한 많이 테스트해서 역검탈이 없기를

[2024 하반기] 삼정KPMG MC4 컨설팅 서류합격/인성검사/면접후기

jyuuni — Tue, 25 Mar 2025 10:13:31 +0900

컨설팅 회사 공채 준비는 처음이라..

삼정 KPMG의 신입 컨설턴트 공채 공고가 떠서, 2024 하반기에 지원하게 되었다.

컨설팅 일을 하고 있기도 해서 관심이 생겼고, 디지털본부와 MC4본부 중에 고민했지만 경쟁률이 더 낮은 MC4본부로 결정

자소서 항목은 다른 회사와 비슷하나, 글자수를 바이트(byte) 기준이다.

1. 본인의 강점 3가지를 해시태그(#)를 사용하여 키워드로 표현해 주십시오. (예시: #열정 #존중 #협업)

2. 지원동기 및 입사 후 목표, 경력사항 등의 내용을 자유롭게 작성하여 주시기 바랍니다.

3. 컨설팅에 필요한 자질은 무엇이라고 생각하며, 본인이 현재 가지고 있는 역량, 앞으로 개발해야 하는 역량은 무엇이라고 생각하나요? (자신의 역량이 잘 발휘된 경험을 포함하여 작성하여 주시기 바랍니다.)

4. 삼정KPMG 5 values (Integrity, Excellence, Courage, Together, For Better) 중 본인을 가장 잘 표현하는 value 1개를 선택하고, 그 이유와 실천 사례를 함께 작성해 주시기 바랍니다.

나는 1번에는 성격과 강점이 드러나게 작성했고, 2,3번에는 컨설팅과 최대한 관련지어서 작성했고, 4번은 강조하고 싶은 경험(도전경험/갈등경험) 내용을 조금 다듬어서 작성했다.

서류 발표 10/14

학벌 많이 본다는 소문 아닌 소문이 무서웠는데, 인서울이면 괜찮은 것 같기도?

면접 전 온라인으로 인성검사를 해야 하는데, 삼정은 잡다 인성검사로 본다.

나 알아보기 - 타인관점에서 알아보기 - 여러개 선택하기 - 하나만 선택하기 항목을 하면 되고,

잡다에서 연습해볼 수 있다.

응시 전 충분히 연습하고 결과 보고 진행하길!

https://www.jobda.im/

잡다 ㅣ 역량검사만으로 취업되는 매칭 플랫폼

역량검사 한 번으로 쏟아지는 채용 제안. 기업별 채용 정보, 실시간 채팅방, 역량검사 연습, 개발 구현 능력 검사 연습까지 한 곳에서 만나보세요.

www.jobda.im

인성 발표 10/16

휴우 인성에 문제 없음을 다시 느끼게 되었다.

PT발표 주제는 공개하면 안 될 것 같아 가려뒀지만, 각 본부별로 담당업무를 보면 대충 어떤 내용이 나올지 예상이 가는 질문들이다.

그리고 주제를 미리 정해주기 때문에 꼭꼭 자료조사와 동향파악 꼼꼼히 끝내고 자료 제작하길

그리고 유독 어려워보이는 주제가 있었는데, 다른 사람이랑 안 겹치게 전략적으로 어려운 주제 선택하는 것도 좋을 듯하다

나는 제일 쉬워 보이는 주제로 해서 아마 다른 면접자들이랑 은연중에 비교가 되었을 수도 있다

PT 자료 제출 기한이 있으니 꼭 엄수해야 한다.

자료는 1회만 회신 가능하고 이후 추가 수정을 불가능하다는 안내도 함께 왔다.

이후 개인별 면접 일정에 대한 안내 메일이 온다.

나는 11/1일 면접으로 배정받았다.

[PT 면접 자료 관련]

나는 표지, 목차 포함 총 12페이지를 만들었다.

최대한 깔끔하게 만든다고 만들었는데, 컨설팅펌에서는 컨설팅 특유의 장표 느낌으로 만드는 게 중요하다고 생각한다

나는 너무 대학생처럼 만들어서..

구글에 컨설팅 ppt 치면 관련 양식이 많이 나오니 참고하면 좋을 듯하다

면접 11/1

면접에 가면 바로 15분정도 PT발표를 진행하고, 그다음 면접을 진행한다.

간단한 자기소개 후 자소서에 기반한 질문으로 시작해서 면접 전 자소서 정독이 중요한 것 같다.

다른 질문으로는 왜 컨설팅이 하고 싶은지, 컨설턴트로서 역량이 있는지에 대해 물어봤다.

업무 강도가 높고 개인 단위로 프로젝트를 진행하는 경우도 있어 멘탈이 좋고 주도적인 사람을 선호하는 것 같았다.

본격적인 취준을 하며 얻은 첫 큰회사 면접 기회라, 너무 긴장을 해서 당황하기도 했지만,

면접관 분들도 친절하시고 잘 경청해주셔서 편한 분위기에서 준비한 내용을 다 말할 수 있었다.

면접 결과 발표 11/15

아쉽게도 1차 탈락

그래도 덕분에 빅4 컨설팅 회사 면접도 가보고, 면접 분위기도 느끼며 추진하는 사업, 업무 방향에 대해 알 수 있어서 좋았다

비록 면접에서는 탈락했지만 좋은 경험이었다.

자양분 삼아 다른 면접에서는 꼭 붙을 수 있길

[2024 하반기] 삼성 SDS IT 컨설팅 서류합격/GSAT/면접 후기

jyuuni — Tue, 11 Mar 2025 17:27:10 +0900

2025 상반기 삼성 공채시즌이 온 기념으로, 지난 하반기 삼성 취준 기록을 하러 왔다.

자소서 9.11 마감

삼성 계열사는 중복 지원이 안돼서 다른 회사의 공고와 계속 고민했지만..

내가 지금 하고있는 일이랑 비슷하다고 느껴 경쟁력이 더 있다고 판단한 삼성SDS IT컨설팅 직무로 결정!

삼성SDS의 IT컨설팅 직무 자기소개서는

1. 삼성SDS를 지원한 이유와 입사 후 회사에서 이루고 싶은 꿈을 기술하십시오.

2. 본인의 성장과정을 간략히 기술하되 현재의 자신에게 가장 큰 영향을 끼친 사건, 인물 등을 포함하여 기술하시기 바랍니다. (※작품 속 가상인물도 가능)
3. 최근 사회 이슈 중 중요하다고 생각되는 한 가지를 선택하고 이에 관한 자신의 견해를 기술해 주시기 바랍니다.

이렇게 생각보다 간단하다.

3번은 개인 경험을 녹이기 힘들어서 1,2번에 지원동기와 관련 경험, 전공, 내 강점 등을 어필할 수 있게 자기소개서를 썼다.

서류 발표 10.11

붙을지 몰랐던 서류라 부랴부랴 서점가서 렛유인 인적성 책이랑 해커스 봉모 사고 약 2주간 금주를 달리며 잠시 알코올로 절여진 뇌의 기능을 극대화하기 위해 노력했다.

첫 인적성&벼락치기 준비생이엇지만 어떤 책이든 기본서 하나와 봉모 하나만 있으면 되지 않을까.. 라고 생각한다

그리고 SDS IT컨설팅 직무는 GSAT 컷이 그렇게 높지 않은 것 같다

인적성 공부는 하다보니 너무 재미있었다 (이게맞나?) 특히 추론 문제가 어렵지만 재미있다.

회사랑 병행하며 공부하느라 1주일은 문제집 풀고 문제 유형 익히는 것에 집중했고,

마지막 1주일부터는 타이머재고 시간 맞춰 문제 푸는 연습도 하고, 오답노트도 정리했다

⬇️참고한 사이트

봉봉티비

https://youtube.com/@_bongbong?feature=shared

링커리어 GSAT 기출

https://cbt.linkareer.com/exam/detail/1230

인적성 10/26

대망의 인적성 당일, 시험만 되면 예민해지는 배를 부여잡고 그동안 갈고닦은 나의 두뇌실력을 보여주러 왔다.

면탈도 슬프지만 나는 시험성적으로 커트가 나는 시험에서 떨어지면 그렇게 자존심이 상할 수가 없다..

그런데 너무 긴장한 탓인지 첫 자료해석에서 머리가 너무 안돌아가고, 계산이 자꾸 틀렸다

ㅠㅠ 슬프지만 슬퍼할 겨를도 없이 바로 추리 시간이 왔다.

추리는 사실 "문제 품 = 정답"

이게 너무 확고해서, 그냥 최대한 천천히 그러나 정확하게 풀려고 노력했다.

삼단논법하고 바로 도형부분으로 넘어가서 30번까지 풀고, 그다음 논리 문제로 넘어왔다.

시험 다 보니 진이 빠져서.. 쉬며 집으로 귀가

면접 준비는 붙고 해도 될 것 같아서 미뤘다 (패착의 원인1)

인적성 발표 11/6

GSAT 가채점 결과 15/17 24/25 이였던 것으로 기억한다.

원래 항상 모의시험 때 자료해석 부분은 18개이상 맞았었는데 너무 긴장해서 실수 남발이였다ㅠ

그래도 안정권으로 나름 합격하고, 이제 제대로된 면접 준비 시작

나는 회사와 병행하며 면접준비를 해서 따로 스터디를 구하진 않았다.

사실 스터디를 안구해서 떨어졋다기 보다는 스스로 준비가 부족했다고 생각한다 흠

이때 운이좋게 다른 컨설팅회사 면접준비를 하고있을 때라 산업 관련해서는 크게 준비를 하지 않았고(패착의 원인2) 회사 관련해서랑 내 경험들만 다시 정리해봤다

내가보기에 산업분석 기업분석 직무분석은 절대절대 과해도 부족하니 열심히 하길

면접 11/21

다행히 오후 시간이라 여유있게 준비하고 회사 도착!

멋진 정장을 입고 멋진 건물을 보니 나도 잠시나마 삼스디의 직원이 된 것 같아 기분이 좋았다.

면접 대기실에 들어가서 간단한 안내사항을 숙지하고, 본 대기실로 이동했다.

우선 약식GSAT를 보고, 약 50분 가량의 인성검사를 실시한 후 대기실에서 이름이 불릴 때까지 기다리면 된다.

나는 임원 면접, 직무 면접 순으로 진행되었는데 순서는 사람마다 다른 것 같다

1) 임원면접

처음부터 임원면접을 할 생각에 들어가기 20초전부터 심장이 너무 빨리 뛰었다.

원래 긴장을 잘 하는 성격이 아닌데 심장 부여잡고 진정하느라 멘탈이 나갈대로 나가버렸다...

그래서인지 질문도 제대로 이해 못하고, 횡설수설 다른 얘기만 하다가 끝나서,

탈락을 직감하고,, 어차피 마지막이라면 하고싶은 말이라도 제대로 하고자 마지막 할말을 쏟아내고 나왔다

2) 직무면접

직무면접은 우선 준비실에 들어가서 PT주제를 보고 50분간 내용을 구상해간 뒤 약 10분 내로 면접관분들 앞에서 발표하면 된다

임원면접을 너무 망한터라 멘탈이 갈렸지만, 후회없게 준비하자는 마음에 50분을 꽉꽉 채워 나름의 탄탄한 대본을 완성햇다.

PT발표는 앉아서 해도 되고 서서해도 되는데 나는 앉아서 했다.. 합불에 영향이 있는지는 잘 모르겠지만 다른 분들은 당당하게 서서 하시길

임원면접보다는 편한 마음으로 본 것 같다

약 3-4시간의 눈물의 면접이 끝나고, 면접비를 받고 집으로 귀가했다.

여담이지만 아까워서 면접비 아직도 못썼다.

그리고 간절히 원했던 회사였지만 아직 내가 IT컨설팅 직무로 면접을 준비하기에는 산업 분석과 직무 분석이 부족함을 느꼈다 흑흑

최종발표 12/6

약간의 기대는 했었지만 탈락

탈락화면은 캡쳐를 안햇나봐요 왜 사진이 없지..

사람인지라 이날 하루는 슬퍼하고 술한잔 기울이며 마음을 달랬다

훌훌 털고 일어나기 위해서는 슬픔에 한번 깊게 빠지는 것도 중요하다고 생각한다

<회고>

운이 좋아 하반기 첫 자소서로 면접까지 갈수 있었다

처음 겪는 최탈이라 멘탈이 조금 힘들었지만, 오히려 첫 취준 시작으로 많은 것을 느끼게 해줬다.

내가 진짜 하고 싶은 직무가 뭔지, 취업시장에서 내가 가진 경쟁력이 뭔지를 더 분석하고, 스스로 더 고민해봐야겠다.

많은 것을 느끼게 해준 내 첫 정식 취준의 시작이 되어줘서 고맙다 삼성아..

이제는 더 열심히 준비해서 똑같은 면탈을 겪지 않으리..

그리고 모든 취준을 하는 사람들에게

내가 당장 바꿀 수 없는 스펙(학교,학점)에 너무 연연하지 말고 원하는 공고가 있다면 지원하는 게 중요하다고 생각합니다

스펙보다는 자소서 내용이랑 진정성을 더 보는 것 같다..

그리고 서류가 붙었다면 기본 스펙이 충족이 된것이니 면접에서 본 고학력자들의 스펙과 경험과 비교하지 말자

어차피 나만 잘하면 붙는다~.~..

2025에는 합격 후기로 돌아올 수 있길

삼성

희 망해 요

SQL 프로그래머스 - 서울에 위치한 식당 목록 출력하기

jyuuni — Wed, 11 Dec 2024 16:24:36 +0900

문제

REST_INFO와 REST_REVIEW 테이블에서 서울에 위치한 식당들의 식당 ID, 식당 이름, 음식 종류, 즐겨찾기수, 주소, 리뷰 평균 점수를 조회하는 SQL문을 작성해주세요. 이때 리뷰 평균점수는 소수점 세 번째 자리에서 반올림 해주시고 결과는 평균점수를 기준으로 내림차순 정렬해주시고, 평균점수가 같다면 즐겨찾기수를 기준으로 내림차순 정렬해주세요.

문제풀이

SELECT I.REST_ID,I.REST_NAME,I.FOOD_TYPE,I.FAVORITES,I.ADDRESS,ROUND(AVG(R.REVIEW_SCORE),2) AS SCORE
FROM REST_INFO AS I JOIN REST_REVIEW AS R
ON I.REST_ID = R.REST_ID
WHERE I.ADDRESS LIKE "서울%"
GROUP BY I.REST_ID, I.REST_NAME, I.FOOD_TYPE, I.FAVORITES, I.ADDRESS
ORDER BY SCORE DESC ,I.FAVORITES DESC

*처음에는 LIKE "서울특별시%"로 작성했는데 "서울시"로 기재가 된 주소가 있어서 실패가 떴다.

출처

https://school.programmers.co.kr/learn/courses/30/lessons/131118

SQL 프로그래머스 - 대장균의 크기에 따라 분류하기 1

jyuuni — Wed, 11 Dec 2024 11:24:16 +0900

문제

대장균 개체의 크기가 100 이하라면 'LOW', 100 초과 1000 이하라면 'MEDIUM', 1000 초과라면 'HIGH' 라고 분류합니다. 대장균 개체의 ID(ID) 와 분류(SIZE)를 출력하는 SQL 문을 작성해주세요.이때 결과는 개체의 ID 에 대해 오름차순 정렬해주세요.

문제풀이

SELECT 
    ID,
    CASE 
        WHEN SIZE_OF_COLONY <= 100 THEN 'LOW'
        WHEN SIZE_OF_COLONY > 100 AND SIZE_OF_COLONY <= 1000 THEN 'MEDIUM'
        ELSE 'HIGH'
    END AS SIZE
FROM 
    ECOLI_DATA
ORDER BY 
    ID ASC;

출처

https://school.programmers.co.kr/learn/courses/30/lessons/299307

서비스 기획 프로세스

jyuuni — Mon, 13 May 2024 16:13:44 +0900

서비스 기획에 있어서 필요한 산출물과 전반적인 서비스 기획 프로세스를 정리한 내용입니다.

1단계: 아이디어 발굴 및 타당성 검증

목표: 앱의 핵심 아이디어를 명확히 정의하고, 시장에서 성공 가능성이 있는지 검증합니다.
산출물:
- 아이디어 요약서: 앱의 기능, 타겟 사용자, 차별점 등을 간략하게 요약합니다.
- 시장 조사 보고서: 앱과 관련된 시장 규모, 경쟁 상황, 사용자 트렌드 등을 분석합니다.
- 경쟁 분석: 주요 경쟁 앱을 분석하고, 자체 앱의 차별점을 명확히 합니다.

2단계: 요구사항 정의 및 목표 설정

목표: 앱의 기능, 성능, 디자인 등을 구체적으로 정의하고, 달성해야 할 목표를 설정합니다.
산출물:
- 사용자 시나리오: 대표적인 사용자 유형별로 앱 사용 과정을 시나리오 형태로 작성합니다.
- 목표 및 KPI: 앱의 성공을 측정하기 위한 구체적인 목표와 지표를 설정합니다.

3단계: 정보 아키텍처 설계

목표: 앱의 정보 구조를 설계하고, 사용자가 쉽게 정보를 찾고 이해할 수 있도록 구성합니다.
산출물:
- 기능 정의서: 앱에서 제공해야 할 모든 기능을 상세하게 정의합니다.
- 정보 아키텍처 다이어그램: 앱의 정보 구성 및 흐름을 도식으로 표현합니다.
- 사이트맵: 앱의 모든 페이지 및 콘텐츠를 계층적으로 구성합니다.
- 와이어프레임: 주요 화면의 디자인 및 레이아웃을 간략하게 표현합니다.

4단계: 디자인 및 프로토타입 제작

목표: 앱의 디자인을 구체화하고, 사용자 테스트를 통해 개선합니다.
산출물:
- 디자인 가이드라인: 앱의 브랜드, 색상, 폰트, UI 요소 등을 정의합니다.
- 프로토타입: 실제 앱과 유사한 기능을 가진 시제품을 제작합니다.
- 사용자 테스트 보고서: 사용자 테스트 결과를 분석하고, 개선점을 도출합니다.

5단계: 개발 및 테스트

목표: 앱을 실제로 개발하고, 기능 및 성능을 테스트합니다.
산출물:
- 소스 코드: 앱 개발에 사용된 코드입니다.
- 테스트 케이스: 앱의 기능 및 성능을 테스트하기 위한 시나리오입니다.
- 버그 보고서: 테스트 과정에서 발견된 버그를 기록합니다.

6단계: 유지보수

목표: 서비스를 모니터링하고 CS에 대응합니다.

[찐리뷰] 패스트파이브 공유오피스 9개월 이용 후기

jyuuni — Wed, 24 Apr 2024 14:36:52 +0900

저는 "패스트파이브 여의도점"에서 9개월간 출근하고 있는 직장인입니다.
스파크플러스, 캔버스랩, 패스트파이브 모두 다녀본 공유오피스 유목민이 말하는 공유오피스 비교 및 패스트파이브 장점을 공유드리려고 합니다!

위치

패스트파이브 여의도점 : 네이버

방문자리뷰 3 · 블로그리뷰 74

m.place.naver.com

패스트파이브 가는 길

여의도역에서는 도보로 5분 정도 거리에 있는 CITY PLAZA 건물에 위치에 있지만, 더현대서울/IFC몰 바로 옆에 있어 점심시간에 짬 내서 구경 갈 수 있어요.

✅(꿀팁) 비오는 날 지하통로를 이동하면 비 맞을 필요 없이 10초만에 건물로 편하게 이동할 수 있어요! (ว˙o˙)ว

패파의 장점

패파의 가장 큰 장점은 편리성!
저는 6층에 입주해 있지만, 가끔 사무실 외에 다른 공간에서 근무하고 싶을 땐 4층부터 7층까지 편하게 원하는 라운지에서 근무할 수 있어요!
무엇보다 각 층마다 느낌도 달라서 기분에 따라 원하는 층의 라운지로 갈 수 있는 것도 쏠쏠한 재미 요소 ⸝*

미팅룸의 수도 넉넉해서 급하게 미팅이 잡혔을 때, 호다닥 미팅룸으로 달려가기도 편해요!

팀원들과 위클리 미팅하는 미팅룸

그리고 개인적으로 또다른 좋은 점이 있다면 바로 화장실!
스파크플러스와 캔버스랩은 화장실에 가기 위해 출입키를 찍고 문 밖으로 나가야 해서 생각보다 귀찮았는데,
여의도점 패스트파이브는 라운지 구석에 화장실이 있어서 편리했어요!

(화장실 칸도 3개나 있어서 넉넉했답니다)

구석에 위치한 화장실

점심시간에는 5층 라운지에서 미리 구매해 둔 도시락을 먹어요.
통창 뷰를 보며 여유롭게 밥을 먹는 동안에는 잡생각이 사라지게 되는 마법 -~*

5층 라운지 뷰

각 층마다 냉장고와 전자레인지가 구비되어 있고, 시리얼/우유/커피 등이 기본으로 제공돼요.
5층에는 간단한 스낵류를 파는 심플스토어도 있어서 귀찮게 편의점까지 나갈 필요 없는 것도 하나의 장점!

과자 종류도 엄청 다양해서 좋아요 (야호)

아침을 안 먹고 온 날, 모르고 점심 도시락을 사 오지 못한 날에 애용하곤 해요.
원하는 과자 종류가 있으면 메모를 남길 수도 있어요!_!

저의 최애 공간

패스트파이브에서 제가 가장 좋아하는 공간은 바로 안마의자가 있는 리차징존이에요!
업무 중 머리가 아플 때, 잠시 도망치고 싶을 때, 휴식이 필요할 때, 집중이 안될 때, 일 하기 싫을 때 (매 순간)
리차징존에 가서 안마의자에 누워 마사지를 받으면 피로가 싹- 풀려요.

리차징존 B 내부 모습

여의도점 리차징존은 A, B 두 개가 있는데 B가 조금 더 구석에 있어서 자주 사용해요.
아늑하게 쉴 수 있는 나만의 공간이 사무실 안에 있다니 (감동)
이런 사소한 서비스가 공유오피스 만족도를 향상시켜주는 것 같아요.

저는 안마의자를 사용해야 업무 능률이 올라가는 편입니다.

리차징존 예약방법 및 이용안내

리차징존 사용 팁

리차징존은 반드시 예약을 하고 사용해야 해요!
그리고 한 번에 20분씩 예약이 가능하고, 다른 사용자를 위해 정해진 예약 시간을 지켜서 사용해야 해요!

안마의자 굳

저는 오늘도 리차징존에서 열심히 피로를 풀다가 왔어요 ദ്ദി・ᴗ・)✧
좋은 장소에서 그리고 각자의 위치에서 최선을 다 하는 모두를 응원합니다!~!

총점

1️⃣ 시티뷰 끝판왕의 역세권 위치
2️⃣ 여유 있는 미팅룸의 수
3️⃣ 4층부터 7층까지 넓고 쾌적한 라운지
4️⃣ 공짜 안마의자를 사용할 수 있는 리차징존
5️⃣ 편의점에 나가지 않아도 되는 심플 스토어

[UX] AI 결혼식 축사 생성 서비스 블룸 사용 분석

jyuuni — Mon, 22 Apr 2024 11:23:31 +0900

네이버 포털을 둘러보던 중 발견한 AI 축사 생성 서비스 블룸,

친구들이 결혼식을 하게 되면 내가 축사를 써주겠다고 주위에 떠벌려둔 기억이 너무 많아 자연스럽게 해당 서비스를 이용해보게 되었다.

서비스는 아래 링크 참고

블룸 - 막막한 축사 준비를 손쉽게

내 상황에 맞게 AI가 개인 맞춤형 축사를 생성해 드려요

bloom-wedding.netlify.app

서비스 첫 화면

모바일 기준으로 보이는 화면

축사를 할 사람(본인)과 축사를 받을 사람(지인)의 이름 기입

개인적인 생각으로, 이름에 성을 떼고 작성하는게 최종 결과물이 조금 더 자연스럽게 나오는 것 같았다.
'성+이름'으로 기입 시 -> 안녕 홍길동! 나는 너의 친구 000이야~
'이름'으로만 기입 시 -> 안녕 길동아, 나는 너의 친구 00이야~
이런 느낌?

성별과 호칭 선택

나는 친구로 선택해서 별 다른 차이가 없는데,
오빠/언니/형/누나를 선택하면 이름+호칭으로 부르게 되는 것 같다.

축사의 시간 및 컨셉 선택

유튜브에서 감동적인 축사를 많이 봤던 터라, 축사의 컨셉은 큰 고민 없이 감동으로 선택하였다.

에피소드 삽입

친구 맞춤형 축사를 위해 축사 에피소드로 활용할 내용이 있다면 해당 단계에서 넣어주면 AI가 다듬어서 전달해준다.
회색 글씨로 예시로 어떤 내용이 들어가면 좋을지 함께 보여줘서 작성이 편리하고 좋았다.

나는 이 친구 덕분에 성격이 외향적이게 변했고, 언제나 닮고 싶은 존재였어서 해당 내용을 에피소드로 넣어주었다.

축사 마지막 말

실제로 친구가 결혼하는 것도 아닌데 마지막 말을 쓰면서 벌써 슬펐다.

나중에 진짜 친구가 결혼할 때 어떻게 보내줘야 할지
물론 5년 이상 남은 먼 미래지만..

뚝딱뚝딱 5초도 안걸려서 AI가 축사를 만들어준다.

사실 AI가 가상으로 작성해준 내용이라 맞지 않는 부분과 어색한 부분도 많다.
실제로는 같은 학교를 다녔는데, AI가 생성해 준 축사에서는 서로 다른 학교를 다녔는데 같은 학원에서 만났다는 내용이 있는 것과 문장의 이어짐 부분과 접미사 부분이 어색하기도 했다.

이건 당연하다. AI가 우리의 관계를 아는 것이 아니니..
아마 에피소드 부분에 자세히 적으면 맞지 않는 내용의 비율이 줄어들 것 같다.

그렇지만 중간에 들어갔으면 하는 에피소드 부분도 매끄럽게 넣어주고,
무엇보다 감동이라는 컨셉에 맞게 작성해줘서 감탄했다.

"나는 사실 낯을 많이 가리는 편이라서 새로운 사람들과 쉽게 친해지지 못하는 편인데, 너는 달랐지.
항상 밝고 긍정적인 에너지로 주변 사람들을 끌어당기는 매력이 있었어. 그래서일까? 너와 함께 있으면 언제나 마음이 편안해지고, 웃음이 끊이지 않았어.
너랑 같이 놀면서 너의 밝은 성격 덕분에 나도 너처럼 밝고 당당한 사람이 되고 싶다고 생각하게 됐어. 내가 힘들 때마다 늘 곁에서 위로해 주고, 응원해 줘서 고마워."

해당 부분은 실제로 내가 이친구한테 해주고 싶은 말이여서 놀랐다.

실제로 축사를 하게 될 일이 있을 때, 해당 서비스를 1차적으로 사용해 축사 가이드를 잡아도 좋을 것 같다고 생각했다.
+ 축사 뿐만 아니라 친구 생일 편지에 쓸 말이 없을 때 참고해도 좋을 것 같다.

친구가 결혼을 해서 하루 빨리 진심으로 축사를 써줄 날이 있기를 바라며
오늘의 서비스 사용 분석 정리는 여기서 끝

[NLP/토픽모델링] 리뷰 분석 - LDA 결과 해석

jyuuni — Tue, 26 Mar 2024 10:51:42 +0900

지난 게시물에서는 LDA 시각화를 구현해보았습니다.

LDA 시각화 방법 참고

[NLP/토픽모델링] 리뷰 분석 - LDA 모델링, 하이퍼파라미터 튜닝

지난 게시글에서 집닥 인테리어 고객 후기 데이터를 크롤링하여 데이터프레임으로 추출하였습니다. 이번 게시글에서는 LDA 토픽 모델링을 토대로 집닥 인테리어 후기를 분석해보겠습니다. 1. 텍

jiyoon1ing.tistory.com

이번 게시물에서는 LDA 토픽모델링 시각화를 통해 얻은 각 토픽 별 단어들을 보고 공통점을 찾아 라벨링을 해주고, 유사한 토픽끼리는 그룹을 묶어서 확인해보려고 합니다.

▶ Group 1. 만족도 관련 - Topic 1,2,4

Topic 1 - 시공 전반적 만족도

키워드 : 인테리어, 공사, 진행, 집, 사장, 견적, 감사, 시공, 만족, 생각, 추천

Topic 2 - 인테리어 디자인 관련 만족도

키워드 : 인테리어, 공사, 집, 견적, 디자인, 진행, 생각, 시공, 실장, 사진, 만족, 현장

Topic 4 - 고객 만족도(응대)

키워드 : 집, 공사, 인테리어, 사장, 만족, 감사, 아파트, 친절, 진행, 이사, 리모델링, 신경

▶ Group 2. 특정 공간 인테리어 - Topic 3,9,10

Topic 3 - 특정 공간 인테리어 1 (거실, 주방,화장실..)

키워드 : 사장, 인테리어, 주방, 시공, 거실, 화장실, 집, 화이트, 방, 타일, 톤, 베란다

Topic 9 - 특정 공간 인테리어 2 (공간 전체 단위 ex.북카페, 집, 독서실..)

키워드 : 인테리어, 공사, 집, 북카페, 중간, 감사, 비버, 시작, 신경, 작업, 사물함, 독서실

Topic 10 - 특정 공간 인테리어 3 (계단 ..)

키워드 : 계단, 최고, 문제점, 소장, 작업, 한강, 뷰, 자재, 실장, 학원, 위치, 구조

▶ Group 3. 디자인 관련 - Topic 5,6

Topic 5 - 전체 리모델링 및 조명 관련

키워드 : 인테리어, 공사, 집, 북카페, 중간, 감사, 비버, 시작, 신경, 작업, 사물함, 독서실

Topic 6 - 인테리어 포인트 강조

키워드 : 캔버스, 대표, 집, 주방, 인테리어, 공간, 거실, 현관, 조명, 감사, 예산, 중문, 분위기, 만족

▶ Group 4. 시공 과정 - Topic 7,8

Topic 7 - 세부 시공 진행 과정

키워드 : 사장, 진행, 집, 화장실, 인테리어, 타일, 공사, 시공, 시간, 만족, 견적, 새시, 현관

Topic 8 - 시공 마무리 과정

키워드 : 시공, 인테리어, 작업, 공사, 견적, 감사, 대표, 마무리, 만족, 친절, 신경, 기간, 현장, 사항, 마감

토픽 모델링을 통해 분석해본 결과 집닥 서비스를 사용하는 이유에는 계획대로 디자인 작업 여부, 친절한 의사소통 및 상세한 진행 상황 설명, 그리고 사후 관리 등이 있다고 확인할 수 있었습니다.

또한 주로 인테리어나 시공 관련해서 조명이나 색감 등 디자인 요소를 중요시 하는 것 같고, 북카페/독서실 등 특수 장소보다 아파트 인테리어 관련 후기가 많은 것을 확인해볼 수 있었습니다.

토픽모델링 구현 후 라벨링부터는 개인의 주관이 들어가기 때문에 결과 분석에 어려움이 있었지만그래도 실습을 해보고 토픽모델링 전 과정을 실습해봤다는 것에 의의를 두려고 합니다.

이상으로 토픽 모델링 하이터 파라미터 튜닝부터 LDA 시각화, 결과 해석까지 완료

[NLP/토픽모델링] 리뷰 분석 - LDA 모델링, 하이퍼파라미터 튜닝

jyuuni — Mon, 11 Mar 2024 20:17:28 +0900

지난 게시글에서 집닥 인테리어 고객 후기 데이터를 크롤링하여 데이터프레임으로 추출하였습니다.
이번 게시글에서는 LDA 토픽 모델링을 토대로 집닥 인테리어 후기를 분석해보겠습니다.

1. 텍스트 전처리

import numpy as np
import pandas as pd
from eunjeon import Mecab
mecab = Mecab(dicpath='C:/mecab/mecab-ko-dic')
import re
from collections import Counter

이전 게시물에서 크롤링을 통해 얻은 집닥 인테리어 후기 데이터를 가지고 옵니다.

data = pd.read_csv("집닥 리뷰.csv")

총 510개의 리뷰 데이터에서 한국어 텍스트만 보기 위해 텍스트 정규화를 진행하였습니다.

data['reviews'] = data['reviews'].apply(lambda x: re.sub('[^가-힣 ]', '', str(x)))

이후 문장 토큰화를 진행해줍니다. 저는 Mecab 태그 중 NNP(고유명사),NNG(일반명사)만 추출해서 확인하려 합니다.

reviews = data['reviews']
review_tokenized = []
for document in reviews:
    # 형태소 분석 결과를 리스트로 저장
    result = mecab.pos(document)
    
    # 'NNP' 또는 'NNG'인 경우만 추출하여 리스트에 추가
    selected_words = [word for word, pos in result if pos in ['NNP','NNG']]
    
    # 결과를 전체 리스트에 추가
    review_tokenized.append(selected_words)

# 결과 출력
print(review_tokenized)

이 외에 한 글자 단어, 너무 빈번하게 등장하는 의미가 없는 단어를 제외해줍니다.

stopword_vocab = ['수','것','시','이','안','더,','때','등','듯','분','부분','업체','후','곳','말','습','존']
#불용어 제거
def remove_stopwords(text):
    temp2 = []
    for j in range(len(text)) : 
        meaningful_words = [w for w in text[j] if not w in stopword_vocab]
        temp2.append(meaningful_words)
    return temp2

review_prep_pos=remove_stopwords(review_tokenized)

여기까지 기본 텍스트 전처리를 마쳤습니다 야호

2. LDA 토픽모델링

토픽모델링 시 필요한 패키지를 import해줍니다.

import time
import gensim
from gensim import corpora
import pyLDAvis.gensim 
from gensim.models.coherencemodel import CoherenceModel
import matplotlib.pyplot as plt

텍스트 정제가 끝난 리뷰 데이터 리스트를 활용해 딕셔너리와 코퍼스를 만들어줍니다.

dictionary = corpora.Dictionary(review_prep_pos)
corpus = [dictionary.doc2bow(review) for review in review_prep_pos]

epoch 수 정하기 (coherence,Perplexity)

coherences=[]
perplexities=[]
passes=[]
warnings.filterwarnings('ignore')

for i in range(1,31):
    
    ntopics, nwords = 200, 100
    tic = time.time()
    lda4 = gensim.models.ldamodel.LdaModel(corpus, id2word=dictionary, num_topics=ntopics, iterations=400, passes=i)

    cm = CoherenceModel(model=lda4, corpus=corpus, coherence='u_mass')
    coherence = cm.get_coherence()
    coherences.append(coherence)
    perplexities.append(lda4.log_perplexity(corpus))
    
    print(f'ntopics: {ntopics}, Coherence: {coherence}, Perplexity: {lda4.log_perplexity(corpus)}, Time: {time.time() - tic}\n')
   
# Plotting
plt.figure(figsize=(10, 6))

# Plot Coherence
plt.subplot(2, 1, 1)
plt.plot(range(1, 31), coherences, marker='o')
plt.title('Coherence vs. Epoch')
plt.xlabel('Number of Epoch')
plt.ylabel('Coherence Score')

# Plot Perplexity
plt.subplot(2, 1, 2)
plt.plot(range(1, 31), perplexities, marker='o', color='r')
plt.title('Perplexity vs. Epoch')
plt.xlabel('Number of Epoch')
plt.ylabel('Perplexity Score')

plt.tight_layout()
plt.show()

토픽 수 정하기

coherencesT=[]
perplexitiesT=[]
passes=[]
warnings.filterwarnings('ignore')

for i in range(2,30):
    ntopics = i
    nwords = 100
    tic = time.time()
    lda4 = gensim.models.ldamodel.LdaModel(corpus, id2word=dictionary, num_topics=ntopics, iterations=400, passes=13)

    cm = CoherenceModel(model=lda4, corpus=corpus, coherence='u_mass')
    coherence = cm.get_coherence()
    coherencesT.append(coherence)
    perplexitiesT.append(lda4.log_perplexity(corpus))

    print(f'ntopics: {ntopics}, Coherence: {coherence}, Perplexity: {lda4.log_perplexity(corpus)}, Time: {time.time() - tic}\n')

# Plotting
plt.figure(figsize=(10, 6))

# Plot Coherence
plt.subplot(2, 1, 1)
plt.plot(range(2, 30), coherencesT, marker='o')
plt.title('Coherence vs. Number of Topics')
plt.xlabel('Number of Topics')
plt.ylabel('Coherence Score')

# Plot Perplexity
plt.subplot(2, 1, 2)
plt.plot(range(2, 30), perplexitiesT, marker='o', color='r')
plt.title('Perplexity vs. Number of Topics')
plt.xlabel('Number of Topics')
plt.ylabel('Perplexity Score')

plt.tight_layout()
plt.show()

최적의 반복 수는 13, 최적의 토픽수는 10개로 조정 후 모델링을 진행해보겠습니다.

NUM_TOPICS = 10 # 토픽 개수는 하이퍼파라미터
PASSES = 13

모델 학습

def lda_modeling(review_prep):
    # 단어 인코딩 및 빈도수 계산
    dictionary = corpora.Dictionary(review_prep)
    corpus = [dictionary.doc2bow(review) for review in review_prep]
    # LDA 모델 학습
    model = gensim.models.ldamodel.LdaModel(corpus, 
                                            num_topics = NUM_TOPICS, 
                                            id2word = dictionary, 
                                            passes = PASSES)
    return model, corpus, dictionary
    
model, corpus, dictionary = lda_modeling(review_prep_pos)

토픽 별 구성 단어 비율 출력

def print_topic_prop(topics):
    topic_values = []
    for topic in topics:
        topic_value = topic[1]
        topic_values.append(topic_value)
    topic_prop = pd.DataFrame({"topic_num" : list(range(1, NUM_TOPICS + 1)), "word_prop": topic_values})
    topic_prop.to_excel('./zipdoc_topic_prop.xlsx')
    display(topic_prop)

NUM_WORDS = 10
topics = model.print_topics(num_words = NUM_WORDS)
print_topic_prop(topics)

위 코드를 실행하면 각 토픽들이 어떤 단어들로 구성되어 있는지 확인할 수 있습니다.

LDA 토픽 모델링 결과 시각화

def lda_visualize(model, corpus, dictionary):
    pyLDAvis.enable_notebook()
    result_visualized = pyLDAvis.gensim.prepare(model, corpus, dictionary)
    pyLDAvis.display(result_visualized)
    # 시각화 결과 저장
    RESULT_FILE = './zipdoc_lda_result.html'
    pyLDAvis.save_html(result_visualized, RESULT_FILE)
    
lda_visualize(model, corpus, dictionary)

위 코드를 실행하면 파이썬 파일이 있는 경로 내에 시각화 html 파일이 생성됩니다.

[자격증] SQLD 보수교육 수강 및 자격증 기간 영구

jyuuni — Mon, 4 Mar 2024 12:18:58 +0900

ADsP 자격증은 한 번 취득하면 유효 기간의 제한이 없지만, SQLD 자격증은 보수교육을 통해 유효 기간을 연장할 수 있습니다.

SQLD 자격증의 기간을 영구적으로 변경하기 위한 보수교육을 듣기 위해서는 마이페이지 > 보수교육에 들어가면 됩니다.

저는 중간에 들은 상태에서 캡쳐했기 때문에 진행중이라고 표기되어 있는데

보수교육 버튼을 클릭하면 동영상을 확인할 수 있습니다.

해당 동영상의 길이는 약 4시간인데 시간이 너무 길다고 생각드는 경우 동영상 배속을 설정하여 손쉽게 교육을 들을 수도 있습니다.

동영상 배속 설정

document.getElementsByTagName("video")[0].playbackRate = 16;

해당 보수교육 동영상 화면에서 개발자모드(F12)를 켠 후 위 코드를 콘솔에 작성해주시면 됩니다.

무사히 보수 교육을 들었다면 이제 SQLD 자격증 기간이 영구로 변경됩니다.

야호

[UX] 원티드 UX 분석 및 아쉬운 점

jyuuni — Sat, 17 Feb 2024 15:42:35 +0900

스타트업 정보 많음 & 깔끔한 UI & 유용한 아티클 등 매력적인 요인이 많아 여러 채용 플랫폼 중 원티드를 가장 선호하는 내가 생각하는 원티드의 UX 분석 및 실제 사용자 입장에서 아쉬운 점을 정리해보려고 한다.

아무래도 들어가서 제일 먼저 보이는 페이지이고, 원티드 방문 목적 중 가장 높은 이유인 채용 페이지에 집중해서 서비스 및 UX를 비교해 보겠다.

원티드 채용 홈페이지

원티드의 홈화면이라고 볼 수 있는 채용 페이지 상단에는 채용 공고, 이력서 관리, 커리어 조회, 지원 현황을 볼 수 있는데

원티드의 주요 기능을 손쉽게 접근할 수 있도록 해주고 직관적인 아이콘을 사용해 접근성 및 편리성을 제공해 준다.

방문자가 가장 최근에 본 포지션과 지원 추천 포지션, 원티드 AI를 활용한 내가 관심 있을 만한 포지션 총 3개의 포지션 섹션이 노출된다.

1. 000님, 지금 바로 지원해볼까요?

해당 섹션에서는 총 10개의 포지션을 보여준다.

보여주는 포지션은 내가 북마크 한 포지션과 어떤 로직에 의해 추천된 것 같은 포지션으로 이루어져 있다.

어떤 로직으로 노출되는지는 잘 모르겠지만 세 포지션 섹션 중에서는 가장 내가 원하는 공고가 모여있다.

다만 아쉬운 점이 있다면 다른 섹션에 비해 전체 보기가 안 돼서 좌우로 슬라이딩을 해야 한다.

"전체보기 시 북마크로 랜딩 될 수 있도록 해도 좋지 않았을까?"라는 생각이 들었다.

2. 최근 본 포지션

이 섹션에서는 최근 3주 동안 조회한 포지션을 최대 50개까지 보여주는 페이지이다.

실시간으로 계속 추가되고, 예전에 봤던 기억도 안나는 포지션을 다시 리마인드 해주는 것 같아서 유용했다.

3. 내가 관심 있을 만한 포지션

해당 페이지에는 작성한 이력서를 기반으로 나에게 맞는 포지션을 추천해 준다.

이력서를 기반으로 내가 작성한 내용과 채용 조건이 유사한 포지션이거나, 합격한 이력서와 내 이력서의 일치 정도를 확인하여 포지션을 추천해 주는 것 같다.

가장 합격 확률이 높은 포지션부터 내림차순으로 정렬해 준다.

이력서 작성 후 뜨는 AI 서비스 (AI 이력서 리뷰 신청하기/AI 합격예측 포지션 확인하기)

내가 관심 있을 만한 포지션 내용은 원티드 이력서 작성 후 나오는 합격예측 포지션과 유사한 추천 AI를 사용하는 것 같다.

원티드 이력서로 지원 시 합격확률이 높아진다는 문구도 있어 원티드 이력서 페이지도 들어와 봤다.

이력서 작성 후 제공되는 AI 서비스

이력서를 작성 후 완료 버튼을 누르면 작성한 이력서를 기반으로 AI 서비스를 추천해 준다.

이 중에서 나는 AI 합격예측 포지션 확인하기를 먼저 확인해 보겠다.

뭔가 "합격예측"이라는 말이 가진 후킹성 때문인지 이력서 리뷰 신청 버튼보다 더 클릭을 유도할 수 있는 것 같다.

이력서 작성 후 얻은 합격예측 포지션

약 10초 정도를 기다리면 원티드 AI가 작성한 이력서를 토대로 합격 가능성이 높은 포지션을 보여준다.

어떤 로직에 의해 해당 점수가 나온 지 자세히는 모르겠지만 해당 AI 추천 포지션이 정확하게 맞지는 않다고 느꼈다.

그 이유는 아래와 같다.

내 경력은 총 1년 즈음의 주니어 레벨이지만 5년 이상의 팀장이나 리더의 포지션이 추천으로 뜨는 경우가 많다.

경력 정보는 반영되지 않는 것 같은 추천 서비스

회사 포지션 추천 시 내 경력 사항은 고려하지 않고 추천되는 것 같아 해당 추천 공고는 자세하게 보지 않게 된다.
이력서 내 입력된 정보에서 경력 기간 데이터만 뽑아서 활용할 수 있을 것 같은데
"경력 기간을 고려한 포지션 추천이 있다면 조금 더 의사결정에 도움을 줄 수 있지 않을까?"라고 생각한다.
유사한 로직을 사용한다고 생각한 AI 이력서 리뷰 신청으로 얻은 적합 직무와 합격예측 포지션 내 직무가 너무 다르다.

적합 직무가 반영되지 않는 것 같은 합격예측 포지션

AI 이력서 리뷰 신청으로 확인한 나의 적합 직무는 마케팅 전략 기획자인데 합격예측 포지션에서는 마케팅 관련 포지션을 확인할 수 없었다.
이력서 내용 상 마케팅 직무가 적합한데 합격예측 포지션에는 다른 직무가 노출되니 의문이 생기기도 했다.
PM, 서비스 기획자, 마케팅 담당자, 데이터 분석가, 전략 기획자 등 여러 직종이 섞여서 나오는데 분리가 힘들다.

포지션 추천 직무가 풍부한 것은 장점이지만 사용자의 관심 직무에 맞춰 정보를 필터링할 수 있는 기능이 있어도 좋을 것 같다고 생각한다.

이번 게시물에서는 채용 위주의 내용만을 다루었지만 사실 원티드는 채용 외에도 커뮤니티 기능, 아티클 제공 등 타 채용 플랫폼에 비해 활용할 수 있는 서비스가 많다.

꼭 구직이 목적이 아니라도 다양한 정보를 얻을 수 있기 때문에 주기적으로 방문해 원하는 정보를 얻을 수 있다.

이렇게 원티드 UX 분석 및 아쉬운 점 내용 정리 끝

요약

원티드는 효율적인 정보 검색 및 AI 기반 채용 서비스, 콘텐츠 및 커뮤니티를 통해 개인화되고 차별화된 유저 경험을 제공해 준다.
데이터 기반 개인화 서비스 강화, AI 추천 시스템 세분화 등이 개선된다면 더욱 좋을 것 같다고 생각한다.

개인이 앱 사용 시 느낀 불편 사항을 정리한 내용이라 매우 주관적인 내용

[파이썬/NLP] 텍스트 전처리 - 정제 및 정규화 feat.replace,re

jyuuni — Fri, 16 Feb 2024 19:00:00 +0900

텍스트 정제 - replace( ) 함수

파이썬을 사용하다 보면 문장의 오탈자 수정 및 특정 단어를 다른 단어로 변환하고 싶을 때가 있습니다.
그럴 때 파이썬의 relace() 함수를 사용하면 빠르게 원하는대로 문장을 수정할 수 있습니다.

함수 사용 방법

str.replace(old, new, count)

str: 문자열
old: 바꾸고 싶은 문자열
new: 바꿀 문자열
count (선택 사항): old 문자열을 몇 번 바꿀 것인지 선택/ 기본값은 -1이며, 모든 old 문자열을 new 문자열로 변경

함수 사용 예시

import pandas as pd
text = "데이터분석은 어렵지만 유용해  데이터분석 공부를 으쌰으쌰 열심히해서 멋진 분석가가 될거야~^_^!"

# "데이터분석"을 "마케팅"으로 바꾸기
new_text = text.replace("데이터분석", "마케팅")

print(new_text)

'데이터분석'이 '마케팅'으로 변환된 문장

기존에 “데이터분석”으로 작성되어있던 부분이 모두 “마케팅”으로 변환된 것을 확인할 수 있습니다.
이 외에도 특정 단어를 제외하는 텍스트 전처리를 할 때에도 replace() 함수를 활용할 수 있습니다.

불용어 제거

text = "데이터분석은 어렵지만 유용해  데이터분석 공부를 으쌰으쌰 열심히해서 멋진 분석가가 될거야~^_^!"

# 불용어 설정
stopwords = ["으쌰으쌰 ", "멋진 "]

# 불용어 제거
for word in stopwords:
    text = text.replace(word, "")

print(text)

'으쌰으쌰' 와 '멋진' 단어가 제외된 문장

특정 단어를 삭제하고 싶을 때는 불용어 설정 후 replace로 해당 불용어를 제외하면 됩니다.

저의 경우 워드클라우드 생성 시 유사한 단어는 하나로 묶어서 확인하기 위해 replace를 사용해서 열 전체에 적용했습니다. 예를 들어 “좋았음”, “좋아요”, “좋았어요” 단어 모두 “좋아요”로 통일하고 싶을 때, 아래와 같은 코드를 사용할 수 있습니다.

열 전체에 적용하는 코드

words_to_replace = ["좋았음", "좋아요", "좋았어요"]

# 대체할 단어
replacement_word = "좋아요"

# 텍스트 변환 함수
def replace_words(text, words_to_replace, replacement_word):
    for word in words_to_replace:
        text = text.replace(word, replacement_word)
    return text

# df["text"]열 전체 텍스트에 적용
df["text"] = df["text"].apply(lambda x: replace_words(x, words_to_replace, replacement_word))

'좋았음', '좋았어요' 모두 '좋아요'로 변환된 데이터프레임

정규표현식 - import re

정규 표현식은 특정 문자열을 찾거나, 바꾸거나, 제거하는 등 다양한 작업을 수행하는 데 활용할 수 있습니다.
저는 보통 특수문자를 제거할 때 정규표현식을 사용하곤 합니다.

함수 사용 방법

re.sub(pattern, " ", text)

re.sub() 함수: 첫 번째 인수에 지정된 패턴에 매칭되는 문자열을 두 번째 인수에 지정된 문자열로 바꿉니다.
pattern: 자세한 정규표현식 patten은 아래 게시물 참고
https://wikidocs.net/21703

함수 사용 예시

import re
text = "데이터분석은 어렵지만 유용해  데이터분석 공부를 으쌰으쌰 열심히해서 멋진 분석가가 될거야~^_^!"

# 한글 및 숫자, 기본 특수기호 외에 단어는 제외
new_text = re.sub(r"[^ㄱ-ㅎㅏ-ㅣ가-힣a-zA-Z0-9.,!? ]", " ", text)
new_text1 = re.sub(r"[^ㄱ-ㅎㅏ-ㅣ가-힣a-zA-Z0-9.,!? ]", "", text)

print(new_text)
print("")
print(new_text1)

특수문자를 제거한 문장(공백 포함 및 완전 제거)

new_text와 new_text1의 차이점이 보이시나요?
new_text의 경우는 특정 문자를 공백으로 치환하였고, new_text1은 특정 문자를 완전히 제거했다는 차이가 있습니다.
일반적으로 저는 문장의 형식을 위해서는 공백으로 치환하기 보다는 완전히 제거하는 방식을 주로 선호합니다.

마찬가지로 아래와 같이 열 전체에 정규표현식을 적용하여 손쉽게 텍스트 정규화를 할 수 있습니다.

# 한글 및 숫자를 제외한 단어를 공백으로 치환
df["text"] = df["text"].apply(lambda x: re.sub(r"[^ㄱ-ㅎㅏ-ㅣ가-힣a-zA-Z0-9.,!? ]", " ", x))

이렇게 텍스트 전처리 손쉽게 끄읕

[파이썬/크롤링] 집닥 고객 후기 크롤링 with Selenium, BeautifulSoup

jyuuni — Wed, 14 Feb 2024 17:39:08 +0900

먼저 크롤링을 하기 위한 환경 구성을 위해 webdrvier-manager를 설치해준다.

pip install webdriver-manager

그 후 크롤링을 위해 필요한 라이브러리와 그 외 필요한 time, pandas 라이브러리를 import 해준다.

동적 크롤링을 위한 selenium과 정적 크롤링을 위한 Beautifulsoup 두 개를 사용하였고, webdriver로는 크롬드라이버를 사용해서 진행하였다.

from bs4 import BeautifulSoup
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC

import time
import pandas as pd

인테리어/시공 중개 플랫폼인 집닥의 고객후기를 크롤링하기 위해 집닥 고객후기에 있는 모든 데이터를 가져오려고 한다.

집닥의 고객후기 리뷰 페이지 구조

집닥의 HTML 구조 상 해당 고객후기 페이지에서는 아래와 같이 리뷰가 특정 개수까지만 노출이 되고 잘리는 것으로 확인이 되어 전체 리뷰의 a 태그 내 하이퍼링크를 가져온 후 해당 링크를 하나씩 들어가서 전체 리뷰를 크롤링하는 순서로 진행하였다.

전체 리뷰를 확인하기 위해서는?

총 513개의 전체 후기를 확인하기 위해서는 후기 더보기 버튼이 나오지 않을 때까지 클릭해주어야 한다. 해당 부분 구현을 위해 Selenium의 크롬 웹드라이버를 사용해 아래와 같이 간단하게 작성해 보았다.

load_more_button = driver.find_element(By.CLASS_NAME, "_btn_more_view")
        if load_more_button.is_displayed():
            load_more_button.click()
            time.sleep(2)  # 로딩을 기다리기 위해 잠시 대기
        else:
            break

전체 후기에 대해 하이퍼링크 크롤링하기

후기 더보기 버튼 클릭을 통해 전체 후기를 확인했다면 이제 해당 후기들의 하이퍼링크를 추출해 오는 작업을 해야 한다.

자세한 코드는 아래와 같다.

# 페이지 소스 가져오기
html_content = driver.page_source
# BeautifulSoup을 사용하여 HTML 파싱
soup = BeautifulSoup(html_content, 'html.parser')
# 모든 a 태그 가져오기
a_tags = soup.find_all('a')
# 하이퍼링크 추출하여 리스트에 저장
links = [a.get('href') for a in a_tags]

링크 저장 후 원하는 형식에 맞는 링크만 필터링하여 사용하면 된다.

후기 상세페이지 크롤링

이후 후기 상세페이지에 있는 고개후기 전체 텍스트와 별점, 공사기간, 공사금액 데이터를 크롤링하여 가져와 보려고 한다.

"star-score-title" class 내 텍스트와 dd 태그에 있는 세 번째, 네 번째 값인 공사기간, 공사금액의 텍스트를 가져와 보자.

가져오는 코드는 아래와 같다.

# 리뷰 데이터를 저장할 리스트 초기화
reviews = []
stars = []
details_period =[]
details_cost = []

# "review_detail" 클래스를 가진 div 요소 찾기
review_detail_element = driver.find_element_by_css_selector('div.review_detail')
star_score_element = driver.find_element_by_css_selector('div.star-score-title')

try:
    # <dl> 클래스가 "info_form clearfix"인 요소를 찾습니다.
    dl_element = driver.find_element(By.CLASS_NAME, "info_form.clearfix")

    # 세 번째 <dd> 태그의 텍스트를 가져옵니다.
    third_dd_text = dl_element.find_elements(By.TAG_NAME, 'dd')[2].text.strip()
    # 네 번째 <dd> 태그의 텍스트를 가져옵니다.
    fourth_dd_text = dl_element.find_elements(By.TAG_NAME, 'dd')[3].text.strip()

    # 리뷰 텍스트 값 추출
    review_text = review_detail_element.text
    # 리뷰 데이터를 리스트에 추가
    reviews.append(review_text)
        
    star_score_text = star_score_element.text
    stars.append(star_score_text)
        
    details_period.append(third_dd_text)
    details_cost.append(fourth_dd_text)

이후 해당 리스트를 모아 데이터프레임 형태로 변환하면 아래와 같은 형식으로 출력이 된다.

# 리스트를 데이터프레임으로 변환
df = pd.DataFrame({'Reviews': reviews, 'Star_score': stars,'period':details_period,'cost':details_cost})

필자가 크롤링을 한 당시에는 총 510개의 리뷰 데이터가 있던 상태라 510개가 저장되었다.

전체 리뷰에 대해 하이퍼링크 추출 및 후기 텍스트 크롤링을 한 코드는 아래와 같다.

1. 전체 후기 하이퍼링크 크롤링

# 필요한 라이브러리 가져오기
from bs4 import BeautifulSoup
from selenium import webdriver
from selenium.webdriver.common.by import By
import time

# URL 설정
url = "https://zipdoc.co.kr/postscript?category_cd=90"


#웹드라이버에 옵션 설정
options = webdriver.ChromeOptions()
options.add_argument('window-size=1920, 1080')
options.add_argument('--incognito')

# Chrome 웹드라이버 인스턴스 생성
driver=webdriver.Chrome(options = options)

# 페이지 열기
driver.get(url)


# "후기 더 보기" 버튼 클릭
while True:
    try:
        load_more_button = driver.find_element(By.CLASS_NAME, "_btn_more_view")
        if load_more_button.is_displayed():
            load_more_button.click()
            time.sleep(2)  # 로딩을 기다리기 위해 잠시 대기
        else:
            break
    except Exception as e:
        print(f"Error: {e}")
        break

# 페이지 소스 가져오기
html_content = driver.page_source
# BeautifulSoup을 사용하여 HTML 파싱
soup = BeautifulSoup(html_content, 'html.parser')
# 모든 a 태그 가져오기
a_tags = soup.find_all('a')
# 하이퍼링크 추출하여 리스트에 저장
links = [a.get('href') for a in a_tags]
#postscript 붙어있는 경우만 추출
filtered_links = [link for link in links if link is not None and 'postscript' in link]
# 첫 번째와 마지막 값 제외
filtered = filtered_links[1:-1]

base_url = 'https://zipdoc.co.kr'
complete_links = [base_url + link for link in filtered]

2. 추출한 전체 링크에 대해 후기, 별점 등 상세 크롤링

# 리뷰 데이터를 저장할 리스트 초기화
reviews = []
stars = []
details_period =[]
details_cost = []

# Selenium 웹 드라이버 초기화
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC

# Selenium 웹 드라이버 초기화
driver = webdriver.Chrome()

# 필터링된 링크 리스트에서 'postscript'를 포함하고 None이 아닌 링크만 선택
filtered_links = [link for link in complete_links if link is not None and 'postscript' in link]

for link in filtered_links:
    # 각 링크를 열어서 페이지 로딩 기다리기
    driver.get(link)
    WebDriverWait(driver, 10).until(EC.presence_of_element_located((By.TAG_NAME, 'body')))


    # "review_detail" 클래스를 가진 div 요소 찾기
    review_detail_element = driver.find_element_by_css_selector('div.review_detail')
    star_score_element = driver.find_element_by_css_selector('div.star-score-title')

    try:
        # <dl> 클래스가 "info_form clearfix"인 요소를 찾습니다.
        dl_element = driver.find_element(By.CLASS_NAME, "info_form.clearfix")

        # 세 번째 <dd> 태그의 텍스트를 가져옵니다.
        third_dd_text = dl_element.find_elements(By.TAG_NAME, 'dd')[2].text.strip()
        # 네 번째 <dd> 태그의 텍스트를 가져옵니다.
        fourth_dd_text = dl_element.find_elements(By.TAG_NAME, 'dd')[3].text.strip()

        # 리뷰 텍스트 값 추출
        review_text = review_detail_element.text
        # 리뷰 데이터를 리스트에 추가
        reviews.append(review_text)
        
        star_score_text = star_score_element.text
        stars.append(star_score_text)
        
        details_period.append(third_dd_text)
        details_cost.append(fourth_dd_text)
        
    except Exception as e:
        print("에러 발생:", e)


driver.quit()

# 리스트를 데이터프레임으로 변환
df = pd.DataFrame({'Reviews': reviews, 'Star_score': stars,'period':details_period,'cost':details_cost})
df

[NLP/mecab] 품사 태그

jyuuni — Wed, 14 Feb 2024 11:26:33 +0900

대분류	세종 품사 태그		mecab-ko-dic 품사 태그
대분류	태그	설명	태그	설명
체언	NNG	일반 명사	NNG	일반 명사
	NNP	고유 명사	NNP	고유 명사
	NNB	의존 명사	NNB	의존 명사
	NNB	의존 명사	NNBC	단위를 나타내는 명사
	NR	수사	NR	수사
	NP	대명사	NP	대명사
용언	VV	동사	VV	동사
	VA	형용사	VA	형용사
	VX	보조 용언	VX	보조 용언
	VCP	긍정 지정사	VCP	긍정 지정사
	VCN	부정 지정사	VCN	부정 지정사
관형사	MM	관형사	MM	관형사
부사	MAG	일반 부사	MAG	일반 부사
부사	MAJ	접속 부사	MAJ	접속 부사
감탄사	IC	감탄사	IC	감탄사
조사	JKS	주격 조사	JKS	주격 조사
	JKC	보격 조사	JKC	보격 조사
	JKG	관형격 조사	JKG	관형격 조사
	JKO	목적격 조사	JKO	목적격 조사
	JKB	부사격 조사	JKB	부사격 조사
	JKV	호격 조사	JKV	호격 조사
	JKQ	인용격 조사	JKQ	인용격 조사
	JX	보조사	JX	보조사
	JC	접속 조사	JC	접속 조사
선어말 어미	EP	선어말 어미	EP	선어말 어미
어말 어미	EF	종결 어미	EF	종결 어미
	EC	연결 어미	EC	연결 어미
	ETN	명사형 전성 어미	ETN	명사형 전성 어미
	ETM	관형형 전성 어미	ETM	관형형 전성 어미
접두사	XPN	체언 접두사	XPN	체언 접두사
접미사	XSN	명사 파생 접미사	XSN	명사 파생 접미사
	XSV	동사 파생 접미사	XSV	동사 파생 접미사
	XSA	형용사 파생 접미사	XSA	형용사 파생 접미사
어근	XR	어근	XR	어근
부호	SF	마침표, 물음표, 느낌표	SF	마침표, 물음표, 느낌표
	SE	줄임표	SE	줄임표 …
	SS	따옴표,괄호표,줄표	SSO	여는 괄호 (, [
	SS	따옴표,괄호표,줄표	SSC	닫는 괄호 ), ]
	SP	쉼표,가운뎃점,콜론,빗금	SC	구분자 , · / :
	SO	붙임표(물결,숨김,빠짐)	SY
	SW	기타기호 (논리수학기호,화폐기호)	SY
한글 이외	SL	외국어	SL	외국어
	SH	한자	SH	한자
	SN	숫자	SN	숫자

[파이썬/NLP] 형태소 분석, 노래 가사 워드클라우드 feat.Mecab,Okt,kkma

jyuuni — Thu, 25 Jan 2024 11:12:03 +0900

1. 형태소 분석기 비교

한국어 자연어 처리를 위해서는 KoNLPy라는 파이썬 패키지를 사용할 수 있습니다.

형태소 분석기로는 Okt(Open Korea Text), 메캅(Mecab), 코모란(Komoran), 한나눔(Hannanum), 꼬꼬마(Kkma)가 있습니다.

저는 이 중 Okt, Kkma, Mecab 형태소 분석기를 사용하려고 합니다.

각각의 메소드는 아래와 같은 기능을 갖고 있습니다.

1) morphs : 형태소 추출
2) pos : 품사 태깅(Part-of-speech tagging)
3) nouns : 명사 추출

이제 파이썬에서 형태소 분석기를 사용하여 토큰화를 해보도록 합시다.

아이고 하기싫어

from konlpy.tag import Okt
from konlpy.tag import Kkma
from eunjeon import Mecab

저는 Mecab을 konlpy에 있는 것이 아니라 새롭게 설치하여 사용했습니다.

제 파이썬 버전이 낮아서 그런지 konlpy에서 mecab이 불러와지지 않더라구요.

세 형태소 분석기를 사용해서 동일한 문장에 대해 형태소 추출, 품사 태깅, 명사 추출 모두 진행해 보겠습니다.

1. kkma

print('kkma 형태소 분석 :',kkma.morphs("공부하기 싫어요 티스토리 업로드는 더 싫어요"))
print('kkma 품사 태깅 :',kkma.pos("공부하기 싫어요 티스토리 업로드는 더 싫어요"))
print('kkma 명사 추출 :',kkma.nouns("공부하기 싫어요 티스토리 업로드는 더 싫어요"))

2. Okt

print('OKT 형태소 분석 :',okt.morphs("공부하기 싫어요 티스토리 업로드는 더 싫어요"))
print('OKT 품사 태깅 :',okt.pos("공부하기 싫어요 티스토리 업로드는 더 싫어요"))
print('OKT 명사 추출 :',okt.nouns("공부하기 싫어요 티스토리 업로드는 더 싫어요"))

3. mecab

print('mecab 형태소 분석 :',mecab.morphs("공부하기 싫어요 티스토리 업로드는 더 싫어요"))
print('mecab 품사 태깅 :',mecab.pos("공부하기 싫어요 티스토리 업로드는 더 싫어요"))
print('mecab 명사 추출 :',mecab.nouns("공부하기 싫어요 티스토리 업로드는 더 싫어요"))

각 분석기마다 다르게 추출하는 것을 알 수 있습니다.

본인이 생각하기에 자기와 더 잘 맞는 분석기를 사용하면 될 것 같습니다.

이제는 동일한 문장에 대해 명사 추출만 진행해 보겠습니다.

문장은 제가 좋아하는 문상훈의 책 내용 중 하나인..

내가 짝사랑을 하는 동안에 당신은 아무것도 하지 않아도 된다.

print('OKT 명사 추출 :',okt.nouns("내가 짝사랑을 하는 동안에 당신은 아무것도 하지 않아도 된다."))
print('kkma 명사 추출 :',kkma.nouns("내가 짝사랑을 하는 동안에 당신은 아무것도 하지 않아도 된다."))
print('mecab 명사 추출 :',mecab.nouns("내가 짝사랑을 하는 동안에 당신은 아무것도 하지 않아도 된다."))

동일한 문장인데 명사를 추출해 보니 조금씩 다르게 나오는 것을 알 수 있습니다.

마치 객관식 답안 후보 같은 모습이네요.

저는 이중에 Mecab을 활용해서 형태소분석을 하려고 합니다.

별다른 이유는 없고 그냥 조금 더 정확한 것 같았고, 인식을 잘 못하는 경우가 있더라도 사용자 사전에 추가하면 되니..

2. 노래 가사 워드클라우드

이제 Mecab을 활용해서 간단하게 텍스트 토큰화 후 워드클라우드를 그려보겠습니다.

어떤 거로 그려볼까 고민하다가 한국어만 있는 노래로 그려보고 싶다는 생각이 들었습니다.

그래서 구글 혹은 네이버에 노래 가사 검색 후 복사해서 하나의 txt 파일에 저장하여 불러왔습니다.

노래는 아이유의 밤편지, 윤상의 넌 쉽게 말했지만, 윤종신의 좋니로 가져왔습니다.

# 텍스트 파일 불러오기
file_path = r"C:\Users\바탕 화면\노래가사.txt" # 실제 파일 경로로 변경
with open(file_path, 'r', encoding='utf-8') as file:
    text = file.read()

# 문장 토큰화
sentences = text.split('.')  # 예시로 간단하게 마침표(.)를 기준으로 문장을 나눔

# 형태소 분석 및 토큰화
tokenized_sentences = []
for sentence in sentences:
    tokens = mecab.morphs(sentence)
    tokenized_sentences.append(tokens)

# 결과 확인
print(tokenized_sentences)

단어가 너무 많군요. 전체로 해서 의미 있는 결과가 나올까요?

문장 전체 워드클라우드

# 토큰화된 문장을 하나의 리스트로 펼치기
all_tokens = [token for sentence in tokenized_sentences for token in sentence]

# 리스트를 공백으로 연결하여 문자열로 변환
text_data = ' '.join(all_tokens)

#마스크 적용
im = Image.open(r"C:\Users\JJ\Downloads\동그라미.png") # 이미지 파일 읽어오기

mask = Image.new("RGB", im.size, (255,255,255))
mask.paste(im,im)
mask = np.array(mask)
    
font_path =r"C:\Users\JJ\AppData\Local\Microsoft\Windows\Fonts\PretendardVariable.ttf"
# WordCloud 생성
wordcloud = WordCloud(font_path=font_path, background_color='white', mask = mask,width=800, height=400).generate(text_data)

# 워드클라우드 시각화
plt.figure(figsize=(10, 5))
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis('off')
plt.show()

우리, 사랑, 처럼, 에게, 그리워라는 단어가 많이 나오는 것 같습니다.

으니는 뭐지 생각해 봤는데 좋니에서 나오는 단어였어요.

명사만 추출 후 워드클라우드

nouns_sentences=[]

for sentence in sentences:
    nouns = mecab.nouns(sentence)
    nouns_sentences.append(nouns)

# 결과 확인
print(nouns_sentences)

# 토큰화된 문장을 하나의 리스트로 펼치기
all_nouns = [nouns for sentence in nouns_sentences for nouns in sentence]

# 리스트를 공백으로 연결하여 문자열로 변환
text_data = ' '.join(all_nouns)

#마스크 적용
im = Image.open(r"C:\Users\JJ\Downloads\동그라미.png") # 이미지 파일 읽어오기

mask = Image.new("RGB", im.size, (255,255,255))
mask.paste(im,im)
mask = np.array(mask)
    
font_path =r"C:\Users\JJ\AppData\Local\Microsoft\Windows\Fonts\PretendardVariable.ttf"
# WordCloud 생성
wordcloud = WordCloud(font_path=font_path, background_color='white', mask = mask,width=800, height=400).generate(text_data)

# 워드클라우드 시각화
plt.figure(figsize=(10, 5))
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis('off')
plt.show()

역시 감성 발라드라 사랑이라는 단어가 가장 많이 나오는 것 같네요.

감성을 충전하게 되는 실습이었습니다.

Mecab에서 사용자 사전을 추가하고 싶다면 아래 글을 참고해주세요!

[NLP/Error] Mecab 사용자 사전 추가 , 디렉토리 경로 오류 해결

C:\mecab의 폴더는 아래와 같은 3개의 폴더로 이뤄져 있습니다. 물론 사람마다 폴더의 경로는 다르니 자신의 mecab 폴더 경로를 확인해 주시면 됩니다. mecab-ko-dic : mecab의 단어 사전 tools : 단어 사전

jiyoon1ing.tistory.com

[NLP/Error] Mecab 사용자 사전 추가 , 디렉토리 경로 오류 해결

jyuuni — Thu, 25 Jan 2024 10:34:46 +0900

C:\mecab의 폴더는 아래와 같은 3개의 폴더로 이뤄져 있습니다.

물론 사람마다 폴더의 경로는 다르니 자신의 mecab 폴더 경로를 확인해 주시면 됩니다.

mecab-ko-dic : mecab의 단어 사전
tools : 단어 사전에 단어를 추가시킨 후 컴파일 및 적용을 시켜주는 프로그램들 존재
user-dic : 사용자가 추가적으로 추가한 단어에 대한 단어 사전

필자의 경우 "고대숲"을 하나의 명사로 인식하고 싶었는데 mecab에서 고대/숲 따로 인식해서 이걸 사용자 정의 사전에 추가하려고 합니다.

from eunjeon import Mecab
m=Mecab()
sentence = "오랜만에 페이스북 들어가서 고대숲을 읽었는데 너무 슬프네요"
m.pos(sentence)

단어 사전에 단어를 추가하는 과정은 다음과 같습니다.

1. user-dic 폴더 내에 custom.csv 파일 생성 및 형식에 맞게 추가하고 싶은 단어 추가

위 이미지처럼 마지막 글자의 종성(받침)이 있는 경우 7번째 열에 T, 없는 경우는 F를 입력해 줍니다.

파일 형식 참고) https://docs.google.com/spreadsheets/d/1-9blXKjtjeKZqsf4NzHeYJCrr49-nXeRF6D80udfcwY/edit#gid=6

2. tools의 add-userdic-win.ps1라는 프로그램을 실행하여 컴파일

먼저 powershell을 관리자 권한으로 실행한 후 mecab 파일이 있는 경로로 이동합니다.

cd C:\mecab

그 후 tools 폴더 내에 add-userdic-win.ps1 파일을 실행시켜 줍니다. 아래와 같은 명령어를 입력해 주면 됩니다.

.tools/add-userdic-win.ps1

❗디지털 서명/보안 관련 오류 문구가 뜬 경우는 아래와 같이 입력해주면 됩니다.

필자의 경우 C:\mecab 경로 안에 tools 파일이 있었는데 자신의 mecab 파일 위치 경로에 맞게 바꿔주시면 됩니다.

PowerShell.exe -ExecutionPolicy Bypass -File C:\mecab\tools\add-userdic-win.ps1

위 과정을 마치면 아마 아래와 같은 화면이 뜰 것입니다.

3. done! 확인 후 mecab-ko-dic에 앞에서 user-custom.csv파일이 만들어진 경우 적용 완료

위 과정을 마친 후 아래와 같이 mecab-ko-dic 폴더에 user-custom.csv 파일이 있다면 잘 등록된 것입니다.

만약 위 파일이 없다면 제대로 실행되지 않은 거라 처음부터 다시 해야 합니다.

파일이 정상적으로 생성되었다면 다시 jupyter을 실행시키고 사용자 사전을 추가한 경로를 불러와야 최종적으로 적용이 됩니다.

from eunjeon import Mecab
mecab = Mecab(dicpath='C:/mecab/mecab-ko-dic')
sentence = "오랜만에 페이스북 들어가서 고대숲을 읽었는데 너무 슬프네요"
mecab.pos(sentence)

정상적으로 인식 완료!!

dicpath의 경우 자신의 custom.csv 파일이 저장되어 있는 경로로 설정해 주면 됩니다.

여기까지 정상적으로 실행됐다면 아래 오류는 안 보셔도 됩니다.

4. 3번까지 완료했는데 오류가 뜬 경우는 아래와 같은 방법으로 해결

❗ Mecab을 불러오는 과정에서 디랙토리 경로에 대한 오류

File "C:\anaconda3\Lib\site-packages\eunjeon\_mecab.py", line 106, in __init__
    raise Exception('The MeCab dictionary does not exist at "%s". Is the dictionary correctly installed?\nYou can also try entering the dictionary path when initializing the Mecab class: "Mecab(\'/some/dic/path\')"' % dicpath)
Exception: The MeCab dictionary does not exist at "C:/mecab/mecab-ko-dic". Is the dictionary correctly installed?
You can also try entering the dictionary path when initializing the Mecab class: "Mecab('/some/dic/path')"

오류 코드를 확인해 보니 _mecab.py 파일에 문제가 있다고 해서 위 경로를 따라가 _mecab.py 파일을 찾았습니다.

그 후 RuntimeError 부분의 Tagger 값을 아래와 같이 '--rcfile % s'에서 '-d %s'로 변경해 준 후 저장해 주면 됩니다.

수정 후 다시 Mecab을 불러오면 진짜 진짜 정상적으로 사전에 입력한 단어가 하나의 명사로 나오게 됩니다.

❗ powershell - mecab-ko-dic\char.bin 파일은 다른 프로세스에서 사용 중 관련 오류

이건 주피터에서 사용자 지정 경로로 mecab을 불러온 상태에서 실행하려고 해서 생긴 오류입니다.

이 경우에는 그냥 해당 파이썬 노트를 셧다운 후 다시 powershell에서 작성하면 정상적으로 돌아갑니다.

하나 문제가 있었는데 "아트센터"를 하나의 명사로 보도록 설정한 경우 "아트 센터"처럼 띄어쓰기를 포함하면 하나의 단어로 인식을 못하더라구요.

이건 나중에 다시 찾아보도록 하겠습니다.

[Error] 파이썬 pyLDAvis.gensim 오류

jyuuni — Wed, 29 Nov 2023 15:10:34 +0900

요즘 버전을 다운 받으면 아래와 같은 오류가 안뜨겠지만 나는 파이썬 버전 문제인지 gensim 버전 문제인지

import pyLDAvis.gensim_models 자체가 되지 않았다.

gensim_models은 최신 업데이트 버전이고, 나는 최신 버전이 실행이 안되서

import pyLDAvis.gensim 로 불러오니 1차적으로 import는 되었지만

아래와 같은 오류가 발생했다.

UnicodeEncodeError: 'ascii' codec can't encode characters in position 18-23: ordinal not in range(128)

C:\Anaconda3\lib\site-packages\joblib\externals\loky\backend\resource_tracker.py in _send(self, cmd, name, rtype)
    202 
    203     def _send(self, cmd, name, rtype):
--> 204         msg = '{0}:{1}:{2}\n'.format(cmd, name, rtype).encode('ascii')
    205         if len(name) > 512:
    206             # posix guarantees that writes to a pipe of less than PIPE_BUF
    UnicodeEncodeError: 'ascii' codec can't encode characters in position 18-23: ordinal not in range(128)

시각화 코드를 실행하는 과정에서 자꾸 위와 같은 오류가 떠서 구글링을 해보니 최신 gensim 버전에서는 문제가 없지만 내가 구버전을 써서.. 인코딩이 잘 안먹히는 것 같았다.

msg = '{0}:{1}:{2}\n'.format(cmd, name, rtype).encode('utf-8')

위 코드 부분에서 인코딩 형식을 utf-8로 바꿔주면 바로 해결이 된다고 해서 노가다로 해결 완료

나는 사실 다른 방법은 몰라서

C:\Anaconda3\lib\site-packages\joblib\externals\loky\backend\resource_tracker.py

위 경로를 따라 resource_tracker.py 파일을 찾은 후

인코딩 형식을 'ascii'가 아니라 'utf-8'로 변경해주고 주피터에서 새로 restart를 하니 해결이 되었다.

다음번에는 처음부터 업그레이드된 버전으로 다운받기를 ..

[Error] 파이썬 워드클라우드 오류

jyuuni — Tue, 12 Sep 2023 10:14:15 +0900

'ImageDraw' object has no attribute 'textbbox'
> cmd에서 작성

pip uninstall pillow
pip install pillow
로 해결

그러고나서 나온 다른 오류들

1. cannot open resource
2. Only supported for TrueType fonts

두 오류 모두 한글 폰트 경로를 변경해주면 된다고 했지만 나는 경로를 바꿔도 해결이 안됐다.

수많은 구글링을 한 결과 내 파이썬 버전이 3.6인 경우는 아래 코드 하나로 오류가 바로 해결이 될 수 있었다.
> 파이썬 3.6 버전인 경우
pip install wordcloud==1.8.0

야호 성공!

[HTML] 기초 문법

jyuuni — Thu, 7 Sep 2023 10:58:32 +0900

HTML 기본 구조

<!doctype html>
<html>
  <head>
    <meta charset="utf-8" />
    <title>test page</title>
  </head>
  <body>
    ...
  </body>
</html>

html은 크게 <head>와 <body>로 나뉜다.

<!doctype html> : 브라우저에 선언하는 역할
<html> : 전체 html 문서를 감싸는 태그
<head> :html 문서에 대한 정보를 나타내는 부분입니다. 하나만 존재해야하고, html 바로 아래에 있어야 한다.
- <title> : head 안에 들어가는 태그로 제목표시줄의 내용을 나타낸다.
- <meta> : meta 역시 head 안에 들어가는 태그로 문서에 대한 설명을 표시한다. 기본적으로 한글로 작성할 때는 charset="utf-8"을 사용한다.
<body> : html 문서에서 실제적으로 화면에 보여지는 부분을 나타낸다. <head> 아래에 위치해야 한다.

웹페이지 안에 포함되는 <body> 부분을 조금 더 자세히 살펴보자.

<body>
    <div class="skin">
        안녕하세요
        <div>div를 쓰면 문단이 나눠져요.</div>
        <p>p 태그를 쓰면 문단이 분리돼요. </p>
        <h1>h1을 사용한 가장 큰 제목</h1>
        <h2>h2를 사용한 소제목</h2>
        <h3>h 뒤에 숫자가 커질수록 크기와 굵기가 작아진다 </h3>
        <div><a href="https://www.naver.com/"> 네이버로 가는 길 </a></div>
        <input type="text">
        <div class='button'><button> 버튼입니다 </button></div>

    </div>

</body>

html 문법에서는 각 문장을 태그로 감싸는 형식으로 이루어져 있다.

<p> - 하나의 문단을 나눌 때 사용
<h#> - h1,h2,h3 ... ,h6 까지 뒤로 갈수록 작은 제목 표기
<b> - 텍스트 굵게, <strong>과 유사
<div> - 레이아웃을 나눌 때 사용, 여러 소스를 묶어 css로 한번에 적용해주기 위
<a> - 하이퍼링크 삽입, href :클릭 시 이동할 링크

이 외에도

<br> - 줄바꿈(break), 엔터 효과
<hr> - 가로 줄 표 삽입
<pre> - 입력한 문장 형태 그대로 브라우저에 표현. 엔터,탭,띄어쓰기 모두 그대로 반영됨
<img> - 이미지 태그, scr :이미지 파일 경로 , alt : 대체 텍스트를 포함하여 작성

등등.. 다양한 태그가 있다.

SQL 프로그래머스 - 조건에 맞는 사용자와 총 거래금액 조회하기

jyuuni — Tue, 11 Jul 2023 16:56:29 +0900

조건에 맞는 사용자와 총 거래금액 조회하기

중고거래 게시판 정보를 담은 USED_GOODS_BOARD 테이블

BOARD_ID	WRITER_ID	TITLE	CONTENTS	PRICE	CREATED_DATE	STATUS	VIEWS
게시글 ID	작성자 ID	게시글 제목	게시글 내용	가격	작성일	거래상태	조회수

중고거래 거래 회원 정보를 담은 USED_GOODS_USER 테이블

USER_ID	NICKANME	CITY	STREET_ADDRESS1	STREET_ADDRESS2	TLNO
회원 ID	닉네임	시	도로명 주소	상세 주소	전화번호

문제

USED_GOODS_BOARD와 USED_GOODS_USER 테이블에서 완료된 중고 거래의 총금액이 70만 원 이상인 사람의 회원 ID, 닉네임, 총거래금액을 조회하는 SQL문을 작성해주세요. 결과는 총거래금액을 기준으로 오름차순 정렬해주세요.

문제 풀이

SELECT U.USER_ID, U.NICKNAME, SUM(B.PRICE) AS TOTAL_SALES
FROM USED_GOODS_BOARD AS B JOIN USED_GOODS_USER AS U
	ON B.WRITER_ID = U.USER_ID
WHERE B.STATUS = "DONE"
GROUP BY U.USER_ID
	HAVING SUM(PRICE) >= 700000
ORDER BY 3

출처 : https://school.programmers.co.kr/learn/courses/30/lessons/164668

SQL 프로그래머스 - 조건에 맞는 사용자 정보 조회하기

jyuuni — Tue, 11 Jul 2023 16:52:28 +0900

조건에 맞는 사용자 정보 조회하기

중고거래 게시판 정보를 담은 USED_GOODS_BOARD 테이블

BOARD_ID	WRITER_ID	TITLE	CONTENTS	PRICE	CREATED_DATE	STATUS	VIEWS
게시글 ID	작성자 ID	게시글 제목	게시글 내용	가격	작성일	거래상태	조회수

중고거래 거래 회원 정보를 담 USED_GOODS_USER 테이블

USER_ID	NICKANME	CITY	STREET_ADDRESS1	STREET_ADDRESS2	TLNO
회원 ID	닉네임	시	도로명 주소	상세 주소	전화번호

문제

USED_GOODS_BOARD와 USED_GOODS_USER 테이블에서 중고 거래 게시물을 3건 이상 등록한 사용자의 사용자 ID, 닉네임, 전체주소, 전화번호를 조회하는 SQL문을 작성해주세요.

이때, 전체 주소는 시, 도로명 주소, 상세 주소가 함께 출력되도록 해주시고, 전화번호의 경우 xxx-xxxx-xxxx 같은 형태로 하이픈 문자열(-)을 삽입하여 출력해주세요. 결과는 회원 ID를 기준으로 내림차순 정렬해주세요.

문제 풀이

SELECT U.USER_ID, U.NICKNAME, 
    CONCAT(CITY,' ',STREET_ADDRESS1,' ',STREET_ADDRESS2) AS "전체주소",
    CONCAT_WS("-", SUBSTR(U.TLNO, 1, 3), SUBSTR(U.TLNO, 4, 4), SUBSTR(U.TLNO, 8, 4)) AS "전화번호"
FROM USED_GOODS_BOARD AS B JOIN USED_GOODS_USER AS U
ON B.WRITER_ID = U.USER_ID
GROUP BY U.USER_ID
HAVING COUNT(BOARD_ID) > 2
ORDER BY 1 DESC

출처 : https://school.programmers.co.kr/learn/courses/30/lessons/164670

SQL 프로그래머스 - 가격대 별 상품 개수 구하기

jyuuni — Mon, 19 Jun 2023 13:08:15 +0900

가격대 별 상품 개수 구하기

의류 쇼핑몰에서 판매중인 상품들의 정보를 담은 PRODUCT 테이블

PRODUCT_ID	PRODUCT_CODE	PRICE
상품 ID	상품 코드	판매가

문제

PRODUCT 테이블에서 만원 단위의 가격대 별로 상품 개수를 출력하는 SQL 문을 작성해주세요. 이때 컬럼명은 각각 컬럼명은 PRICE_GROUP, PRODUCTS로 지정해주시고 가격대 정보는 각 구간의 최소금액(10,000원 이상 ~ 20,000 미만인 구간인 경우 10,000)으로 표시해주세요. 결과는 가격대를 기준으로 오름차순 정렬해주세요.

문제 풀이

SELECT (
    CASE WHEN PRICE < 10000 THEN 0
    WHEN PRICE >= 10000 AND PRICE < 20000 THEN 10000
    WHEN PRICE >= 20000 AND PRICE < 30000 THEN 20000
    WHEN PRICE >= 30000 AND PRICE < 40000 THEN 30000
    WHEN PRICE >= 40000 AND PRICE < 50000 THEN 40000
    WHEN PRICE >= 50000 AND PRICE < 60000 THEN 50000
    END) AS PRICE_GROUP,
    COUNT(PRODUCT_ID) AS PRODUCTS
FROM PRODUCT
GROUP BY PRICE_GROUP
ORDER BY 1

*처음엔 각 구간대를 수동으로 나누려고 했는데 그럼 너무 비효율적인 것 같아서 만원대 자릿수만 남기고 버리는 방법(TRUNCATE)을 생각했다.

SELECT (
    CASE WHEN PRICE < 10000 THEN 0
    ELSE TRUNCATE(PRICE,-4)
    END) AS PRICE_GROUP,
    COUNT(PRODUCT_ID) AS PRODUCTS
FROM PRODUCT
GROUP BY PRICE_GROUP
ORDER BY 1

문제 출처 : https://school.programmers.co.kr/learn/courses/30/lessons/131530

SQL 프로그래머스 - 입양 시각 구하기(2)

jyuuni — Mon, 19 Jun 2023 12:48:23 +0900

입양 시각 구하기(2)

동물 보호소에서 입양 보낸 동물의 정보를 담은 ANIMAL_OUTS 테이블

ANIMAL_ID	ANIMAL_TYPE	DATETIME	NAME	SEX_UPON_INTAKE
동물 ID	동물 종	입양일	이름	성별 및 중성화 여부

* ANIMAL_ID는 ANIMAL_INS의 ANIMAL_ID의 외래 키

문제

보호소에서는 몇 시에 입양이 가장 활발하게 일어나는지 알아보려 합니다. 0시부터 23시까지, 각 시간대별로 입양이 몇 건이나 발생했는지 조회하는 SQL문을 작성해주세요. 이때 결과는 시간대 순으로 정렬해야 합니다.

문제 풀이

WITH RECURSIVE CTE AS (
    SELECT 0 AS HOUR
    UNION ALL
    SELECT HOUR + 1 FROM CTE
    WHERE HOUR < 23
)

SELECT HOUR, COUNT(A.DATETIME) AS COUNT
FROM CTE
LEFT OUTER JOIN ANIMAL_OUTS AS A
ON CTE.HOUR = HOUR(A.DATETIME)
GROUP BY HOUR;

*0부터 23까지의 임의의 행을 만들기 위해 WITH RECURSIVE 함수 활용

문제 출처 : https://school.programmers.co.kr/learn/courses/30/lessons/59413

SQL 프로그래머스 - 성분으로 구분한 아이스크림 총 주문량

jyuuni — Mon, 19 Jun 2023 12:12:51 +0900

성분으로 구분한 아이스크림 총 주문량

아이스크림 가게의 상반기 주문 정보를 담은 FIRST_HALF 테이블

SHIPMENT_ID	FLAVOR	TOTAL_ORDER
출하 번호	아이스크림 맛	상반기 아이스크림 총주문량

아이스크림 성분에 대한 정보를 담은 ICECREAM_INFO 테이블

FLAVOR	INGREDIENT_TYPE
아이스크림 맛	아이스크림의 성분 타입

문제

상반기 동안 각 아이스크림 성분 타입과 성분 타입에 대한 아이스크림의 총주문량을 총주문량이 작은 순서대로 조회하는 SQL 문을 작성해주세요. 이때 총주문량을 나타내는 컬럼명은 TOTAL_ORDER로 지정해주세요.

문제 풀이

SELECT I.INGREDIENT_TYPE, SUM(F.TOTAL_ORDER) AS TOTAL_ORDER
FROM FIRST_HALF AS F JOIN ICECREAM_INFO AS I
ON F.FLAVOR = I.FLAVOR
GROUP BY I.INGREDIENT_TYPE
ORDER BY TOTAL_ORDER ASC

문제 출처 : https://school.programmers.co.kr/learn/courses/30/lessons/133026

SQL 프로그래머스 - 3월에 태어난 여성 회원 목록 출력하기

jyuuni — Mon, 19 Jun 2023 11:56:47 +0900

3월에 태어난 여성 회원 목록 출력하기

식당 리뷰 사이트의 회원 보를 담은 MEMBER_PROFILE 테이블

MEMBER_ID	MEMBER_NAME	TLNO	GENDER	DATE_OF_BIRTH
회원 ID	회원이름	회원 연락처	성별	생년월

문제

MEMBER_PROFILE 테이블에서 생일이 3월인 여성 회원의 ID, 이름, 성별, 생년월일을 조회하는 SQL문을 작성해주세요. 이때 전화번호가 NULL인 경우는 출력대상에서 제외시켜 주시고, 결과는 회원ID를 기준으로 오름차순 정렬해주세요.

문제 풀이

SELECT 
    MEMBER_ID, 
    MEMBER_NAME, 
    GENDER, 
    DATE_FORMAT(DATE_OF_BIRTH,'%Y-%m-%d') AS DATE_OF_BIRTH
FROM MEMBER_PROFILE
WHERE DATE_OF_BIRTH LIKE "%-03-%" AND GENDER = "W" AND TLNO IS NOT NULL
ORDER BY MEMBER_ID ASC

문제 출처 : https://school.programmers.co.kr/learn/courses/30/lessons/131120

SQL 프로그래머스 - 재구매가 일어난 상품과 회원 리스트 구하기

jyuuni — Mon, 19 Jun 2023 11:38:59 +0900

재구매가 일어난 상품과 회원 리스트 구하기

의류 쇼핑몰의 온라인 상품 판매 정보를 은 ONLINE_SALE 테이블

ONLINE_SALE_ID	USER_ID	PRODUCT_ID	SALES_AMOUNT	SALES_DATE
온라인 상품 판매 ID	회원 ID	상품 ID	판매량	판매일

문제

ONLINE_SALE 테이블에서 동일한 회원이 동일한 상품을 재구매한 데이터를 구하여, 재구매한 회원 ID와 재구매한 상품 ID를 출력하는 SQL문을 작성해주세요. 결과는 회원 ID를 기준으로 오름차순 정렬해주시고 회원 ID가 같다면 상품 ID를 기준으로 내림차순 정렬해주세요.

문제 풀이

SELECT USER_ID, PRODUCT_ID
FROM ONLINE_SALE
GROUP BY USER_ID, PRODUCT_ID
HAVING COUNT(PRODUCT_ID) > 1
ORDER BY USER_ID ASC, PRODUCT_ID DESC

문제 출처 : https://school.programmers.co.kr/learn/courses/30/lessons/131536

SQL 프로그래머스 - 상품을 구매한 회원 비율 구하기

jyuuni — Wed, 31 May 2023 11:35:01 +0900

상품을 구매한 회원 비율 구하기

의류 쇼핑몰에서 판매중인 상품들의 상품 정보를 담은 PRODUCT 테이블

USER_ID	GENDER	AGE	JOINED
회원 ID	성별	나이	가입일

온라인 상품 판매 정보를 담은 ONLINE_SALE 테이블

ONLINE_SALE_ID	PRODUCT_ID	SALES_AMOUNT	SALES_DATE
온라인 상품 판매 ID	상품 ID	판매량	판매일

문제

USER_INFO 테이블과 ONLINE_SALE 테이블에서 2021년에 가입한 전체 회원들 중 상품을 구매한 회원수와 상품을 구매한 회원의 비율(=2021년에 가입한 회원 중 상품을 구매한 회원수 / 2021년에 가입한 전체 회원 수)을 년, 월 별로 출력하는 SQL문을 작성해주세요.

상품을 구매한 회원의 비율은 소수점 두번째자리에서 반올림하고, 전체 결과는 년을 기준으로 오름차순 정렬해주시고 년이 같다면 월을 기준으로 오름차순 정렬해주세요.

문제 풀이

SELECT 
    YEAR(O.SALES_DATE) AS YEAR, MONTH(O.SALES_DATE) AS MONTH,
    COUNT(DISTINCT O.USER_ID) AS PUCHASED_USERS , 
    ROUND(COUNT(DISTINCT O.USER_ID)/
    	(SELECT COUNT(USER_ID)
         FROM USER_INFO 
         WHERE JOINED LIKE '2021-%' ), 1) AS PUCHASED_RATIO
FROM ONLINE_SALE AS O INNER JOIN USER_INFO AS U 
ON U.USER_ID = O.USER_ID
WHERE U.JOINED LIKE '2021-%' 
GROUP BY 1,2
ORDER BY 1,2

문제 출처 : https://school.programmers.co.kr/learn/courses/30/lessons/131534

SQL 프로그래머스 - 상품 별 오프라인 매출 구하기

jyuuni — Tue, 30 May 2023 18:56:45 +0900

상품 별 오프라인 매출 구하기

의류 쇼핑몰에서 판매중인 상품들의 상품 정보를 담은 PRODUCT 테이블

PRODUCT_ID	PRODUCT_CODE	PRICE
상품 ID	상품 코드	판매

오프라인 상품 판매 정보를 담은 OFFLINE_SALE 테이블

OFFLINE_SALE_ID	PRODUCT_ID	SALES_AMOUNT	SALES_DATE
오프라인 상품 판매 ID	상품 ID	판매량	판매일

문제

PRODUCT 테이블과 OFFLINE_SALE 테이블에서 상품코드 별 매출액(판매가 * 판매량) 합계를 출력하는 SQL문을 작성해주세요.

결과는 매출액을 기준으로 내림차순 정렬해주시고 매출액이 같다면 상품코드를 기준으로 오름차순 정렬해주세요.

문제 풀이

SELECT P.PRODUCT_CODE, P.PRICE*SUM(O.SALES_AMOUNT) AS SALES
FROM PRODUCT AS P JOIN OFFLINE_SALE AS O
ON P.PRODUCT_ID = O.PRODUCT_ID
GROUP BY P.PRODUCT_ID
ORDER BY 2 DESC, 1

문제 출처 :https://school.programmers.co.kr/learn/courses/30/lessons/131533

SQL 프로그래머스 - 보호소에서 중성화한 동물

jyuuni — Tue, 30 May 2023 18:42:02 +0900

보호소에서 중성화한 동물

동물 보호소에 들어온 동물의 정보를 담은 ANIMAL_INS 테이블

ANIMAL_ID	ANIMAL_TYPE	DATETIME	INTAKE_CONDITION	NAME	SEX_UPON_INTAKE
동물 ID	동물 종	보호 시작일	보호 시작 시 상태	이름	성별 및 중성화 여부

동물 보호소에서 입양 보낸 동물의 정보를 담은 ANIMAL_OUTS 테이블

ANIMAL_ID	ANIMAL_TYPE	DATETIME	NAME	SEX_UPON_INTAKE
동물 ID	동물 종	입양일	이름	성별 및 중성화 여부

* ANIMAL_ID는 ANIMAL_INS의 ANIMAL_ID의 외래 키

문제

보호소에서 중성화 수술을 거친 동물 정보를 알아보려 합니다. 보호소에 들어올 당시에는 중성화[1]되지 않았지만, 보호소를 나갈 당시에는 중성화된 동물의 아이디와 생물 종, 이름을 조회하는 아이디 순으로 조회하는 SQL 문을 작성해주세요.

[1] 중성화를 거치지 않은 동물은 성별 및 중성화 여부에 Intact, 중성화를 거친 동물은 Spayed 또는 Neutered라고 표시되어있습니다.

문제 풀이

SELECT I.ANIMAL_ID, I.ANIMAL_TYPE, I.NAME
FROM ANIMAL_INS AS I RIGHT JOIN ANIMAL_OUTS AS O
ON I.ANIMAL_ID = O.ANIMAL_ID
WHERE I.SEX_UPON_INTAKE LIKE '%Intact%' AND O.SEX_UPON_OUTCOME REGEXP 'Spayed|Neutered'
ORDER BY I.ANIMAL_ID ASC

문제 출처 : https://school.programmers.co.kr/learn/courses/30/lessons/59045

SQL 프로그래머스 - 오랜 기간 보호한 동물(1)

jyuuni — Tue, 30 May 2023 18:34:22 +0900

오랜 기간 보호한 동물(1)

동물 보호소에 들어온 동물의 정보를 담은 ANIMAL_INS 테이블

ANIMAL_ID	ANIMAL_TYPE	DATETIME	INTAKE_CONDITION	NAME	SEX_UPON_INTAKE
동물 ID	동물 종	보호 시작일	보호 시작 시 상태	이름	성별 및 중성화 여부

동물 보호소에서 입양 보낸 동물의 정보를 담은 ANIMAL_OUTS 테이블

ANIMAL_ID	ANIMAL_TYPE	DATETIME	NAME	SEX_UPON_INTAKE
동물 ID	동물 종	입양일	이름	성별 및 중성화 여부

* ANIMAL_ID는 ANIMAL_INS의 ANIMAL_ID의 외래 키

문제

아직 입양을 못 간 동물 중, 가장 오래 보호소에 있었던 동물 3마리의 이름과 보호 시작일을 조회하는 SQL문을 작성해주세요. 이때 결과는 보호 시작일 순으로 조회해야 합니다.

문제 풀이

SELECT I.NAME, I.DATETIME
FROM ANIMAL_INS AS I LEFT JOIN ANIMAL_OUTS AS O
ON I.ANIMAL_ID = O.ANIMAL_ID
WHERE O.ANIMAL_ID IS NULL AND I.ANIMAL_ID IS NOT NULL
ORDER BY I.DATETIME ASC LIMIT 3

문제 출처 : https://school.programmers.co.kr/learn/courses/30/lessons/59044

SQL 프로그래머스 - 있었는데요 없었습니다

jyuuni — Tue, 30 May 2023 18:29:05 +0900

있었는데요 없었습니다

동물 보호소에 들어온 동물의 정보를 담은 ANIMAL_INS 테이블

ANIMAL_ID	ANIMAL_TYPE	DATETIME	INTAKE_CONDITION	NAME	SEX_UPON_INTAKE
동물 ID	동물 종	보호 시작일	보호 시작 시 상태	이름	성별 및 중성화 여부

동물 보호소에서 입양 보낸 동물의 정보를 담은 ANIMAL_OUTS 테이블

ANIMAL_ID	ANIMAL_TYPE	DATETIME	NAME	SEX_UPON_INTAKE
동물 ID	동물 종	입양일	이름	성별 및 중성화 여부

* ANIMAL_ID는 ANIMAL_INS의 ANIMAL_ID의 외래 키

문제

관리자의 실수로 일부 동물의 입양일이 잘못 입력되었습니다. 보호 시작일보다 입양일이 더 빠른 동물의 아이디와 이름을 조회하는 SQL문을 작성해주세요. 이때 결과는 보호 시작일이 빠른 순으로 조회해야합니다.

문제 풀이

SELECT I.ANIMAL_ID, I.NAME
FROM ANIMAL_INS AS I JOIN ANIMAL_OUTS AS O
ON I.ANIMAL_ID = O.ANIMAL_ID
WHERE I.DATETIME > O.DATETIME
ORDER BY I.DATETIME ASC

문제 출처 :https://school.programmers.co.kr/learn/courses/30/lessons/59043

SQL 프로그래머스 - 없어진 기록 찾기

jyuuni — Tue, 30 May 2023 18:01:00 +0900

없어진 기록 찾기

동물 보호소에 들어온 동물의 정보를 담은 ANIMAL_INS 테이블

ANIMAL_ID	ANIMAL_TYPE	DATETIME	INTAKE_CONDITION	NAME	SEX_UPON_INTAKE
동물 ID	동물 종	보호 시작일	보호 시작 시 상태	이름	성별 및 중성화 여부

동물 보호소에서 입양 보낸 동물의 정보를 담은 ANIMAL_OUTS 테이블

ANIMAL_ID	ANIMAL_TYPE	DATETIME	NAME	SEX_UPON_INTAKE
동물 ID	동물 종	입양일	이름	성별 및 중성화 여부

* ANIMAL_ID는 ANIMAL_INS의 ANIMAL_ID의 외래 키

문제

천재지변으로 인해 일부 데이터가 유실되었습니다. 입양을 간 기록은 있는데, 보호소에 들어온 기록이 없는 동물의 ID와 이름을 ID 순으로 조회하는 SQL문을 작성해주세요.

문제 풀이

SELECT O.ANIMAL_ID, O.NAME
FROM ANIMAL_INS AS I RIGHT JOIN ANIMAL_OUTS AS O
ON I.ANIMAL_ID = O.ANIMAL_ID
WHERE O.ANIMAL_ID IS NOT NULL AND I.ANIMAL_ID IS NULL
ORDER BY 1

문제 출처 : https://school.programmers.co.kr/learn/courses/30/lessons/59042

SQL 프로그래머스 - 조건에 맞는 도서와 저자 리스트 출력하기

jyuuni — Tue, 30 May 2023 17:50:52 +0900

조건에 맞는 도서와 저자 리스트 출력하기

서점에서 판매 중인 각 도서의 정보를 담은 BOOK 테이블

BOOK_ID	CATEGORY	AUTHOR_ID	PRICE	PUBLISHED_DATE
도서서 ID	카테고리	저자 ID	판매가	출판일

서점에서 판매 중인 도서의 저자 정보를 담은 AUTHOR 테이블

AUTHOR_ID	AUTHOR_NAME
저자 ID	저자

문제

'경제' 카테고리에 속하는 도서들의 도서 ID(BOOK_ID), 저자명(AUTHOR_NAME), 출판일(PUBLISHED_DATE) 리스트를 출력하는 SQL문을 작성해주세요.
결과는 출판일을 기준으로 오름차순 정렬해주세요.

문제 풀이

SELECT 
	B.BOOK_ID, A.AUTHOR_NAME, 
	DATE_FORMAT(B.PUBLISHED_DATE,'%Y-%m-%d') AS PUBLISHED_DATE
FROM BOOK AS B JOIN AUTHOR AS A
ON B.AUTHOR_ID = A.AUTHOR_ID
WHERE B.CATEGORY = "경제"
ORDER BY 3 ASC

문제 출처 : https://school.programmers.co.kr/learn/courses/30/lessons/144854

SQL 프로그래머스 - 자동차 종류 별 특정 옵션이 포함된 자동차 수 구하기

jyuuni — Tue, 30 May 2023 17:40:44 +0900

자동차 종류 별 특정 옵션이 포함된 자동차 수 구하기

자동차 대여 회사에서 대여중인 자동차들의 정보를 담은 CAR_RENTAL_COMPANY_CAR 테이블

CAR_ID	CAR_TYPE	DAILY_FEE	OPTIONS
자동차 ID	자동차 종류	일일 대여 요금	자동차 옵션 리스트

문제

CAR_RENTAL_COMPANY_CAR 테이블에서 '통풍시트', '열선시트', '가죽시트' 중 하나 이상의 옵션이 포함된 자동차가 자동차 종류 별로 몇 대인지 출력하는 SQL문을 작성해주세요.

이때 자동차 수에 대한 컬럼명은 CARS로 지정하고, 결과는 자동차 종류를 기준으로 오름차순 정렬해주세요.

문제 풀이

SELECT CAR_TYPE, COUNT(*) AS CARS
FROM CAR_RENTAL_COMPANY_CAR
WHERE OPTIONS REGEXP '통풍시트|열선시트|가죽시트'
GROUP BY 1
ORDER BY 1 AS

* 정규표현식 활용하여 코드 줄이기

문제 출처 : https://school.programmers.co.kr/learn/courses/30/lessons/151137

SQL 프로그래머스 - 자동차 평균 대여 기간 구하기

jyuuni — Wed, 17 May 2023 20:08:55 +0900

자동차 평균 대여 기간 구하기

자동차 대여 회사의 자동차 대여 기록 정보를 담은 CAR_RENTAL_COMPANY_RENTAL_HISTORY 테이블

HISTORY_ID	CAR_ID	START_DATE	END_DATE
자동차 대여 기록 ID	자동차 ID	대여 시작일	대여 종료일

문제

CAR_RENTAL_COMPANY_RENTAL_HISTORY 테이블에서 평균 대여 기간이 7일 이상인 자동차들의 자동차 ID와 평균 대여 기간(컬럼명: AVERAGE_DURATION) 리스트를 출력하는 SQL문을 작성해주세요.

평균 대여 기간은 소수점 두번째 자리에서 반올림하고, 결과는 평균 대여 기간을 기준으로 내림차순 정렬해주시고, 평균 대여 기간이 같으면 자동차 ID를 기준으로 내림차순 정렬해주세요.

문제 풀이

SELECT CAR_ID, 
    ROUND(SUM(DATEDIFF(END_DATE,START_DATE)+1)/COUNT(CAR_ID),1) AS AVERAGE_DURATION
FROM CAR_RENTAL_COMPANY_RENTAL_HISTORY
GROUP BY CAR_ID
HAVING AVERAGE_DURATION >= 7
ORDER BY AVERAGE_DURATION DESC, CAR_ID DESC

* DATEDIFF 값에서 1을 더해주는 이유는 대여시작일도 대여 기간에 포함되기 때문

문제 출처 : https://school.programmers.co.kr/learn/courses/30/lessons/157342

SQL 프로그래머스 - 조건에 부합하는 중고거래 상태 조회하기

jyuuni — Wed, 17 May 2023 19:42:24 +0900

조건에 부합하는 중고거래 상태 조회하기

중고거래 게시판 정보를 담은 USED_GOODS_BOARD 테이블

BOARD_ID	WRITER_ID	TITLE	CONTENTS	PRICE	CREATED_DATE	STATUS	VIEWS
게시글 ID	작성자 ID	게시글 제목	게시글 내용	가격	작성일	거래상태	조회수

문제

USED_GOODS_BOARD 테이블에서 2022년 10월 5일에 등록된 중고거래 게시물의 게시글 ID, 작성자 ID, 게시글 제목, 가격, 거래상태를 조회하는 SQL문을 작성해주세요.

거래상태가 SALE 이면 판매중, RESERVED이면 예약중, DONE이면 거래완료 분류하여 출력해주시고, 결과는 게시글 ID를 기준으로 내림차순 정렬해주세요.

문제 풀이

SELECT BOARD_ID,WRITER_ID,TITLE,PRICE,
    (CASE
     WHEN STATUS = "SALE" THEN "판매중"
     WHEN STATUS = "RESERVED" THEN "예약중"
     ELSE "거래완료"
    END) AS STATUS
FROM USED_GOODS_BOARD
WHERE CREATED_DATE = "2022-10-05"
ORDER BY BOARD_ID DESC

문제 출처 : https://school.programmers.co.kr/learn/courses/30/lessons/164672

SQL 프로그래머스 - 년, 월, 성별 별 상품 구매 회원 수 구하기

jyuuni — Sun, 7 May 2023 14:43:18 +0900

년, 월, 성별 별 상품 구매 회원 수 구하기

의류 쇼핑몰에 가입한 회원 정보를 담은 USER_INFO 테이블

USER_ID	GENDER	AGE	JOINED
회원 ID	성별	나이	가입일

온라인 상품 판매 정보를 담은 ONLINE_SALE 테이블

ONLINE_SALE_ID	USER_ID	PRODUCT_ID	SALES_AMOUNT	SALES_DATE
온라인 상품 판매 ID	회원 ID	상품 ID	판매량	판매일

문제

USER_INFO 테이블과 ONLINE_SALE 테이블에서 년, 월, 성별 별로 상품을 구매한 회원수를 집계하는 SQL문을 작성해주세요. 결과는 년, 월, 성별을 기준으로 오름차순 정렬해주세요. 이때, 성별 정보가 없는 경우 결과에서 제외해주세요.

문제 풀이

SELECT 
	YEAR(O.SALES_DATE) AS YEAR,
    MONTH(O.SALES_DATE) AS MONTH, 
    U.GENDER, 
    COUNT(DISTINCT U.USER_ID) AS USERS
FROM USER_INFO AS U
JOIN ONLINE_SALE AS O
ON U.USER_ID = O.USER_ID
WHERE GENDER IS NOT NULL AND SALES_DATE IS NOT NULL
GROUP BY YEAR(O.SALES_DATE),MONTH(O.SALES_DATE),U.GENDER
ORDER BY YEAR(O.SALES_DATE),MONTH(O.SALES_DATE),U.GENDER

문제 출처 : https://school.programmers.co.kr/learn/courses/30/lessons/131532

SQL 프로그래머스 - 동명 동물 수 찾기

jyuuni — Thu, 4 May 2023 20:57:32 +0900

동명 동물 수 찾기

동물 보호소에 들어온 동물의 정보를 담은 ANIMAL_INS 테이블

ANIMAL_ID	ANIMAL_TYPE	DATETIME	INTAKE_CONDITION	NAME	SEX_UPON_INTAKE
동물 ID	동물 종	보호 시작일	보호 시작 시 상태	이름	성별 및 중성화 여부

문제

동물 보호소에 들어온 동물 이름 중 두 번 이상 쓰인 이름과 해당 이름이 쓰인 횟수를 조회하는 SQL문을 작성해주세요.

이때 결과는 이름이 없는 동물은 집계에서 제외하며, 결과는 이름 순으로 조회해주세요.

문제 풀이

SELECT NAME , COUNT(NAME) AS COUNT
FROM ANIMAL_INS
GROUP BY NAME
HAVING COUNT > 1
ORDER BY NAME

문제 출처 : https://school.programmers.co.kr/learn/courses/30/lessons/59041

SQL 프로그래머스 - 고양이와 개는 몇마리 있을까

jyuuni — Tue, 2 May 2023 17:31:15 +0900

고양이와 개는 몇 마리 있을까

동물 보호소에 들어온 동물의 정보를 담은 ANIMAL_INS 테이블

ANIMAL_ID	ANIMAL_TYPE	DATETIME	INTAKE_CONDITION	NAME	SEX_UPON_INTAKE
동물 ID	동물 종	보호 시작일	보호 시작 시 상태	이름	성별 및 중성화 여부

문제

동물 보호소에 들어온 동물 중 고양이와 개가 각각 몇 마리인지 조회하는 SQL문을 작성해주세요.

이때 고양이를 개보다 먼저 조회해주세요.

문제 풀이

SELECT ANIMAL_TYPE, COUNT(*) AS COUNT
FROM ANIMAL_INS
GROUP BY ANIMAL_TYPE
ORDER BY (CASE WHEN ANIMAL_TYPE = "Cat" THEN 1 ELSE 2 END)

문제 출처 : https://school.programmers.co.kr/learn/courses/30/lessons/59040

SQL 프로그래머스 - 자동차 대여 기록에서 대여중 / 대여 가능 여부 구분하기

jyuuni — Tue, 2 May 2023 17:16:45 +0900

자동차 대여 기록에서 대여중 / 대여 가능 여부 구분하기

자동차 대여 회사의 자동차 대여 기록 정보를 담은 CAR_RENTAL_COMPANY_RENTAL_HISTORY 테이블

HISTORY_ID	CAR_ID	START_DATE	END_DATE
대여 기록 ID	자동차 ID	대여시작일	대여종료일

문제

CAR_RENTAL_COMPANY_RENTAL_HISTORY 테이블에서 2022년 10월 16일에 대여 중인 자동차인 경우 '대여중' 이라고 표시하고, 대여 중이지 않은 자동차인 경우 '대여 가능'을 표시하는 컬럼(컬럼명: AVAILABILITY)을 추가하여 자동차 ID와 AVAILABILITY 리스트를 출력하는 SQL문을 작성해주세요.

이때 반납 날짜가 2022년 10월 16일인 경우에도 '대여중'으로 표시해주시고 결과는 자동차 ID를 기준으로 내림차순 정렬해주세요.

문제 풀이

SELECT CAR_ID,
    MAX(IF ("2022-10-16" BETWEEN START_DATE AND END_DATE,"대여중","대여 가능")) AS AVAILABILITY
FROM CAR_RENTAL_COMPANY_RENTAL_HISTORY
GROUP BY CAR_ID
ORDER BY CAR_ID DESC

문제 출처 : https://school.programmers.co.kr/learn/courses/30/lessons/157340

SQL 프로그래머스 - 과일로 만든 아이스크림 고르기

jyuuni — Tue, 2 May 2023 16:31:21 +0900

과일로 만든 아이스크림 고르기

아이스크림 가게의 상반기 주문 정보를 담은 FIRST_HALF 테이블

SHIPMENT_ID	FLAVOR	TOTAL_ORDER
출하 번호	아이스크림 맛	상반기 아이스크림 총주문량

아이스크림 성분에 대한 정보를 담은 ICECREAM_INFO 테이블

FLAVOR	INGREDIENT_TYPE
아이스크림 맛	아이스크림의 성분 타입

문제

상반기 아이스크림 총주문량이 3,000보다 높으면서 아이스크림의 주 성분이 과일인 아이스크림의 맛을 총주문량이 큰 순서대로 조회하는 SQL 문을 작성하세요.

문제 풀이

SELECT I.FLAVOR
FROM FIRST_HALF AS F
INNER JOIN ICECREAM_INFO AS I
ON F.FLAVOR = I.FLAVOR
WHERE F.TOTAL_ORDER >= 3000 and I.INGREDIENT_TYPE = "fruit_based"
ORDER BY F.TOTAL_ORDER DESC

SQL 프로그래머스 - 평균 일일 대여 요금 구하기

jyuuni — Tue, 2 May 2023 16:10:21 +0900

자동차 대여 회사에서 대여중인 자동차들의 정보를 담은 CAR_RENTAL_COMPANY_CAR 테이블

CAR_ID	CAR_TYPE	DAILY_FEE	OPTIONS
자동차 ID	자동차 종류	일일 대여 요금	자동차 옵션 리스트

문제

CAR_RENTAL_COMPANY_CAR 테이블에서 자동차 종류가 'SUV'인 자동차들의 평균 일일 대여 요금을 출력하세요.

이때 평균 일일 대여 요금은 소수 첫 번째 자리에서 반올림하고, 컬럼명은 AVERAGE_FEE 로 지정해주세요.

문제 풀이

SELECT ROUND(AVG(DAILY_FEE),0) AS AVERAGE_FEE
FROM CAR_RENTAL_COMPANY_CAR
WHERE CAR_TYPE = "SUV"

문제 출처 : https://school.programmers.co.kr/learn/courses/30/lessons/151136

SQL 프로그래머스 - 자동차 대여 기록에서 장기/단기 대여 구분하기

jyuuni — Tue, 2 May 2023 15:38:53 +0900

프로그래머스 - 자동차 대여 기록에서 장기/단기 대여 구분하기

자동차 대여 회사의 자동차 대여 기록을 담은 CAR_RENTAL_COMPANY_RENTAL_HISTORY 테이블

HISTORY_ID	CAR_ID	START_DATE	END_DATE
자동차 대여 기록 ID	자동차 ID	대여 시작일	대여 종료일

문제

CAR_RENTAL_COMPANY_RENTAL_HISTORY 테이블에서 대여 시작일이 2022년 9월에 속하는 대여 기록에 대해서 대여 기간이 30일 이상이면 '장기 대여' 그렇지 않으면 '단기 대여' 로 표시하는 컬럼(컬럼명: RENT_TYPE)을 추가하여 대여기록을 출력하는 SQL문을 작성해주세요.

결과는 대여 기록 ID를 기준으로 내림차순 정렬해주세요.

문제 풀이

SELECT 
	HISTORY_ID,CAR_ID,
    DATE_FORMAT(START_DATE,"%Y-%m-%d") AS START_TIME,
    DATE_FORMAT(END_DATE,"%Y-%m-%d") AS END_DATE,
    IF(DATEDIFF(END_DATE,START_DATE)>=29, "장기 대여","단기 대여") AS RENT_DATE
FROM CAR_RENTAL_COMPANY_RENTAL_HISTORY
WHERE START_DATE LIKE "2022-09%"
ORDER BY HISTORY_ID DESC

문제 출처 : https://school.programmers.co.kr/learn/courses/30/lessons/151138

SQL 프로그래머스 - 오프라인/온라인 판매 데이터 통합하기

jyuuni — Sat, 29 Apr 2023 22:16:46 +0900

프로그래머스 - 오프라인/온라인 판매 데이터 통합하기

온라인 상품 판매 정보를 담은 ONLINE_SALE 테이블

ONLINE_SALE_ID	USER_ID	PRODUCT_ID	SALES_AMOUNT	SALES_DATE
온라인 상품 판매 ID	회원 ID	상품 ID	판매량	판매일

오프라인 상품 판매 정보를 담은 OFFLINE_SALE 테이블

OFFLINE_SALE_ID	PRODUCT_ID	SALES_AMOUNT	SALES_DATE
오프라인 상품 판매 ID	상품 ID	판매량	판매일

문제

ONLINE_SALE 테이블과 OFFLINE_SALE 테이블에서 2022년 3월의 오프라인/온라인 상품 판매 데이터의 판매 날짜, 상품ID, 유저ID, 판매량을 출력하는 SQL문을 작성하세요.

OFFLINE_SALE 테이블의 판매 데이터의 USER_ID 값은 NULL 로 표시하고, 판매일을 기준으로 오름차순 정렬, 판매일이 같다면 상품 ID를 기준으로 오름차순 정렬, 상품ID까지 같다면 유저 ID를 기준으로 오름차순 정렬하세요.

문제 풀이

SELECT 
    DATE_FORMAT(SALES_DATE,'%Y-%m-%d') AS SALES_DATE,
    PRODUCT_ID,USER_ID,SALES_AMOUNT
FROM ONLINE_SALE
WHERE SALES_DATE LIKE "2022-03%"
UNION
SELECT 
    DATE_FORMAT(SALES_DATE,'%Y-%m-%d') AS SALES_DATE,
    PRODUCT_ID,NULL,SALES_AMOUNT
FROM OFFLINE_SALE
WHERE SALES_DATE LIKE "2022-03%"
ORDER BY SALES_DATE, PRODUCT_ID, USER_ID

문제 출처 : https://school.programmers.co.kr/learn/courses/30/lessons/131537

SQL 프로그래머스 - 조건에 부합하는 중고거래 댓글 조회하기

jyuuni — Sat, 29 Apr 2023 21:47:17 +0900

조건에 부합하는 중고거래 댓글 조회하기

중고거래 게시판 정보를 담은 USED_GOODS_BOARD 테이블

BOARD_ID	WRITER_ID	TITLE	CONTENTS	PRICE	CREATED_DATE	STATUS	VIEWS
게시글 ID	작성자 ID	게시글 제목	게시글 내용	가격	작성일	거래상태	조회수

중고거래 게시판 첨부파일 정보를 담은 USED_GOODS_REPLY 테이블

REPLY_ID	BOARD_ID	WRITER_ID	CONTENTS	CREATED_DATE
댓글 ID	게시글 ID	작성자 ID	댓글 내용	작성일

문제

USED_GOODS_BOARD와 USED_GOODS_REPLY 테이블에서 2022년 10월에 작성된 게시글 제목, 게시글 ID, 댓글 ID, 댓글 작성자 ID, 댓글 내용, 댓글 작성일을 조회하세요.

댓글 작성일을 기준으로 오름차순 정렬, 댓글 작성일이 같다면 게시글 제목을 기준으로 오름차순 정렬하세요.

문제 풀이

SELECT 
    A.TITLE, A.BOARD_ID, B.REPLY_ID, B.WRITER_ID, B.CONTENTS, 
    DATE_FORMAT(B.CREATED_DATE, '%Y-%m-%d') AS CREATED_DATE
FROM USED_GOODS_BOARD AS A
INNER JOIN USED_GOODS_REPLY AS B
ON A.BOARD_ID = B.BOARD_ID
WHERE A.CREATED_DATE LIKE "2022-10%"
ORDER BY B.CREATED_DATE ASC, A.TITLE ASC

문제 출처 : https://school.programmers.co.kr/learn/courses/30/lessons/164673

SQL study - day 1. RANK 함수

jyuuni — Thu, 23 Mar 2023 21:31:17 +0900

Q. 미국 영화 중에서 showing_count와 audience_num의 합계가 높은 상위 50개 영화 데이터를 추출하세요.

select seq_no, ranks, movie_name, countries as country 
from box_office 
where countries = '미국' 
order by showing_count+audience_num DESC 
limit 50;

- 합계가 높은 순으로 ranks 할당하기 - rank() over(order by ___ ) 사용하기

select seq_no, rank() over(order by showing_count+audience_num DESC) ranks, movie_name, countries 
from box_office 
where countries = '미국'
limit 50;

showing_count와 audience_num의 합이 높은 순서대로 순위 할당

순위 함수?

1. rank : 순위를 매기면서 같은 순위가 존재하면 존재하는 수만큼 다음 순위를 건너뛴다 ex. 1,2,2,4,5,6,7

2. dense_rank : 같은 순위가 존재하더라도 다음 순위를 건너뛰지 않고 이어서 매긴다 ex. 1,2,2,3,4,5,6

3. row_number : 순위를 매기면서 동일한 값이라도 각기 다른 순위를 부여한다 ex. 1,2,3,4,5,6,7

Q. 나라별로 sale_amount가 최대인 영화 데이터 추출하기

1. 나라별 sale_amount 최대값 열 추가하기

select movie_name,
       countries,
       sale_amt, 
       max(sale_amt) over(partition by countries) max_amount
from box_office

나라별로 하나의 영화가 나오는 것이 아니라 포함된 모든 데이터가 뽑히게 된다.

2. sale_amount = max(sale_amt) 인 데이터만 추출하기

select movie_name, countries, sale_amt
from(
   select movie_name, 
    	countries, 
        sale_amt, 
        max(sale_amt) over(partition by countries) as max_amount 
   from box_office) as sub 
where sale_amt = max_amount;

같은 countries 별로 sale_amt가 최대인 데이터만 추출