데이터분석 그리고 인공지능

데이터베이스에서 사용되는 데이터 타입은 각 DBMS(데이터베이스 관리 시스템)마다 다를 수 있지만, 일반적으로 사용되는 데이터 타입은 다음과 같습니다:

1. 문자형 데이터 타입 (String Types)
   - CHAR(n) : 고정 길이 문자열. n은 문자열의 길이.
   - VARCHAR(n) : 가변 길이 문자열. n은 최대 길이를 지정.
   - TEXT : 긴 텍스트 데이터를 저장하는 데 사용 (길이 제한이 없음).
  
2. 숫자형 데이터 타입 (Numeric Types)
   - INT : 정수형 데이터. 크기나 범위는 DBMS에 따라 다를 수 있음.
   - BIGINT : 더 큰 범위의 정수형 데이터.
   - FLOAT : 부동소수점 숫자 (소수점을 포함한 수).
   - DOUBLE : 더 정확한 부동소수점 숫자.
   - DECIMAL(p, s) : 고정 소수점 숫자. p는 총 자릿수, s는 소수점 아래 자릿수.
  
3. 날짜와 시간 데이터 타입 (Date and Time Types)
   - DATE : 날짜(년, 월, 일).
   - TIME : 시간(시, 분, 초).
   - DATETIME : 날짜와 시간을 포함한 데이터.
   - TIMESTAMP : 타임스탬프. 주로 시스템 시간이 자동으로 기록되는 용도로 사용.
   - YEAR: 연도.

4. 불리언 데이터 타입 (Boolean Type)
   - BOOLEAN : 참(True) 또는 거짓(False)을 나타내는 데이터 타입.

5. 이진 데이터 타입 (Binary Data Types)
   - BINARY(n) : 고정 길이 이진 데이터.
   - VARBINARY(n) : 가변 길이 이진 데이터.
   - BLOB : 이진 대용량 객체(Binary Large Object). 이미지, 오디오, 비디오 파일 등을 저장.

이 외에도 각 DBMS에는 특정 기능에 맞는 추가적인 데이터 타입들이 존재할 수 있습니다. 예를 들어, MySQL은 `JSON`, PostgreSQL은 `JSONB`와 같은 JSON 데이터 타입을 지원합니다.

다양한 데이터 타입이 있지만 각 DBMS별로 명칭이 다를 수 있다는 점은 꼭 알아야 합니다. 사실상 데이터타입의 큰 분류만 알면 된다는 점만 꼭 알고 있으면 됩니다.

특히 실무에서 정형데이터를 다루는 데이터분석가들이 문자, 숫자, 날짜에 대한 타입을 자주 사용한다고 알고 있으면 되고요, 데이터타입은 꽤나 민감한 부분이라고 볼 수 있습니다. 데이터 전처리 등을 하는데 오류가 많이 발생할 수 있는 부분이며, sql작성 시 데이터 타입의 형뱐환을 많이 사용하기 때문에 데이터분석가를 꿈꾸는 사람이라면 꼭! 집고 넘어갈 수 있도록 해야 합니다.

  요즘... 아니 몇 해 전 부터 머신러닝, 딥러닝, 인공지능 등이 핫한 기술 이슈였다.

사람이 하는 단순한 데이터 분석이 아니라, 데이터를 통해 기계가 스스로 학습하거나, 추측하여 분석 또는 만족할 만한 결과물을 만들어 준다. 관련해서 파이썬(Python) 언어는 분석가들 뿐만 아니라 학생들도 많이 찾는 언어가 되었고, 텐서플로우(Tensorflow), 아나콘다(Anaconda), 파이참(pycharm) 등 프레임워크, 라이브러리, IDE도구 등 많은 것들이 생겼고, 데이터라벨링, 데이터사이언티스트 등 다양한 형태의 직업 및 보조직업군이 생겼다.

  데이터를 분석할 수 있도록 시스템을 구축하는 일을 하면서 지금보다 더 빨리 관심을 가지고, 포괄적인 지식, 개발능력을 갖추어야 했으나, 사실상 일을 하면서 병행하기란 어렵다. 중간중간 스터디 모임도 하고, 개인 프로젝트도 진행해 보았지만.. 너무나 어려운 것... 그래도 느낀 건 알고리즘을 사용하기 위해 Python으로 데이터 전처리 하는 부분들은 기본적으로 데이터에 대한 이해, 그리고 전처리 과정을 SQL을 통해 상당히 단축시킬 수 있는 부분들이 있다는 점이다. 

  각설하고 머신러닝 강의를 올리기 전에 먼저 주저리주저리 머신러닝 강의를 들어가기 위한 개요를 적어봤다. 크게 의미는 없을 수 있다. 이제 그만하고 머신러닝이 무엇인지, 또 딥러닝, 인공지능이 무엇인지 공부를 해보자.

  먼저  머신러닝(M.L, Machine Learning), 딥러닝(D.L, Deep Learning), 인공지능(A.I, Artificial Intelligence) 에 대한 정확한 구분을 하는 것이 필요하다. 여담이지만 공부를 할 때에는 특정 분야의 마인드맵을 그리고 공부하는 것이 좋다. 내가 지금 딥러닝을 공부하는데, 그 출발은 어디서부터인지, 하위 분류는 어떤 것인지 등이다. 또 중요한 건 공부한 내용을 누군가에게 한 두 마디라도 설명할 수 있는 수준은 되어야 한다. 그래야 어느정도 내가 개념이 잡혀있다는 얘기이다. 어쨌든... 

1. 머신러닝 그리고 인공지능, 딥러닝

  머신러닝(M.L, Machine Learning), 딥러닝(D.L, Deep Learning), 인공지능(A.I, Artificial Intelligence) 을 이해하려면 먼저 아래와 같이 포함관계만 이해하면 된다. 어디서 많이 봤을 것이다. 

  - 인공지능 : 기계를 인간 행동의 지식에서와 같이 행동하게 만드는 것, 즉 기계가 인간과 같이 생각하고, 행동하도록 하는 기술

  - 머신러닝 : 컴퓨터를 인간처럼 학습, 컴퓨터가 스스로 학습할 수 있도록 도와주는 알고리즘이나 기술

  - 딥러닝 : 머신러닝 알고리즘 중 인공신경망 알고리즘을 기반으로 발전 시킨 기술

2. 머신러닝의 개념

  데이터는 대부분... 아니 모두 규칙, 패턴이 존재한다. 사람이 동물을 분류하는 것, 글자를 읽는 것 뿐만아니라 상대의 심리를 예측하고, 카드게임의 확률을 계산하는 것 조차도 데이터에 기반한 규칙, 패턴을 통해 인지, 예측한다. 이 기본적인 생각으로부터 머신러닝을 접근하면 좋다. 내 삶에 발생하는 모든 행동들이 그냥 단순한 선택들이 아니라, 경험(데이터)를 바탕으로 찰나의 생각으로 이루어진다. 기계도 사람과 같이 생각할 수 있도록 수많은 알고리즘을 만들며, 그 알고리즘들을 더 정확하게 발전시켜 가고 있다.

  요약하면, 머신러닝은 알고리즘을 이용하여 데이터를 분석, 그 결과를 스스로 학습하여 이를 기반으로 어떠한 판단이나 예측을 하는 것을 의미한다.

  위의 머신러닝의 정의를 보면 머신러닝의 과정은 간단하다. 머신러닝은 어떠한 판단이나 예측하는 것이 목적이라고 했다. 어떠한 판단이나 예측하는 것을 알고리즘, 즉, 모델이라고 한자. 그 모델 안에 데이터를 넣고 결과로 판단이나 예측값을 얻기 위함이다. 만약 데이터가 잘못된 정보라면 결과가 부정확 할 것이다. 그래서 데이터에 대한 전처리(정제) 과정을 거쳐 모델 안에 데이터를 넣는 것이 중요하다. 모델의 결과로 반복학습을 통해 오류를 최소화하는 과정, 사람과 같은 결과를 만들기 위함이다.

  정리해보자면

    (1) 판단이나 예측을 위한 알고리즘, 모델 설계

    (2) 정답을 얻기 위한 정확한 데이터 추출(데이터 정제, 전처리)

        ※ 비정형데이터(사진, 동영상, 음성 등)에 대해 정형데이터화 하기 위한 정답을 정의하는 작업을 데이터라벨링 이라고 한다.

            사진 속 동물이 개인지, 고양이인지에 대한 정답 정의과정(라벨링) 이 있어야 함

    (3) 반복학습을 통해 오류를 최소화

3. 머신러닝의 학습방법

  머신러닝의 학습방법은 크게 3가지가 있다. 지도학습(Supervised Learning), 비지도학습(UnSupervised Learning), 강화학습(Reinforcement Learning) 세 개 이다. 위키백과의 사전정 정의는 아래와 같다.

  - 지도학습(Supervised Learning) : 훈련 데이터(Training Data)로부터 하나의 함수를 유추해내기 위한 방법.

        데이터와 결과를 알려주고 알고리즘을 최적화 하는 학습방법, 회귀 및 분류하기 위해 사용

  - 비지도학습(UnSupervised Learning) : 데이터가 어떻게 구성되었는지를 알아내는 문제의 범주.

        데이터만 주고 결과를 알려주지 않아 데이터를 기반으로 결과를 얻는 학습방법, 클러스터링하기 위해 사용

  - 강화학습(Reinforcement Learning) : 어떤 환경 안에서 정의된 에이전트가 현재의 상태를 인식하여, 선택 가능한 행동들 중

        보상을 최대화 하는 행동 혹은 행동 순서를 선택하는 방법

  세 가지에 대해 아주 간단하게만 이해하고 다음 강의해서 세가지 학습방법에 대한 개념, 방법, 알고리즘 등을 학습해 보자.

(+) 읽어주셔서 감사합니다.

SQL은 SELECT 구문만 잘 작성하면 된다. 이번에는 SELECT 문법의 기본 구조를 설명하려고 한다.

SQL작성할 때에는

  1. 데이터 추출을 위한 테이블 및 테이블 내 데이터에 대한 이해

  2. 데이터 추출 기준

  3. SQL조회 환경

SQL전문가가 되기 위해서는

  많은 SQL작성 ★

  참고로 필자는 처음 프로젝트에서 SELECT 문을 하루에 10개 이상, 수개월간 바꾸고 수정했더니 추출하지 못한 데이터가 없었다. 

  (거짓말 좀 보탰음.)

처음에 SQL작성 할 때에 손가락이 안움직이면(타자를 못치겠으면) 일단

SELECT ...

  FROM ...

WHERE ...

GROUP BY ...

ORDER BY ...

다섯개를 작성하고 고민하자.

당부할 말은 내가 보기 쉬운 SQL이 남도 보기 쉽다.(가독성) 글씨도 연습하고 습관을 들이듯이, SQL작성도 습관이 중요하다

위의 다섯 개를 작성할 때는 꼭 개행을 하자, 추가되는 정보들도 무조건 개행을 하며 줄을 맞추는 것이 좋다.

SELECT  ... FROM  ... WHERE  ... GROUP BY  ... ORDER BY ...  >> 가독성이 아주 안좋다.

SELECT : (필수) 고르다. 조회하는 칼럼을 입력

   FROM : (필수) (출발지) ~에서. 테이블을 입력

  WHERE : (선택) 어디에서. 조회조건 입력

GROUP BY : (선택) GROUP 정의. SELECT 구문에 집계함수 사용 시(사용하지 않아도 됨)

ORDER BY : (선택) 데이터 정렬

위의 구문을 먼저 작성하고 테이블, 컬럼, 조건등을 입력한다. 위의 구문에 대해 익숙해지고 JOIN 구문에 대해 정확이 이해하면 SQL작성이 두렵지 않을 것이다.

SQL 작성법은 어려울 것이 없다.

1. 위의 5개 구문을 먼저 작성(나중에 지우면 됨)

2. 가독성 (개행은 필수, 위의 5개 구문의 열 맞추기)

3. Step By Step (한번에 하려고 하지 말것)

4. ALIAS는 무조건 입력(이 내용은 이후 강의에서...)

5. SELECT 구문의 결과도 하나의 가상의 테이블(이 내용은 이후 강의에서...)

SQL작성할 땐 일단 5개 쓰기 ! 가독성 좋은 SQL !

  SQL 문법 공부 전에 우리가 눈으로 보는 데이터는 어떻게 생겼을지 이해를 해야한다. SQL은 RDB에서 주로 사용을 한다. 그러면 RDB가 무엇인지, RDB에 데이터는 어떤 구조로 보여지는 지 알면 좋다.

   >> RDB (Relation Database) : 관계형 데이터베이스, 관계형 모델에 기초하는 데이터베이스

        ※ 관계형 모델 : 데이터를 컬럼(column), 로우(row)를 이루는 하나 이상의 테이블(또는 관계)로 정리

                                  고유 키(Primary key)가 각 로우를 식별(주민번호 같은 유일한 값)

  앞에서 RDB에 대한 정의를 위와 같이 설명하였다. 핵심 키워드는 테이블, 컬럼(열), 행, PK(고유키) 이다. 테이블이라는 곳에 행, 열 형태로 데이터가 저장된다고 생각하면 된다. 간단한 설명이지만 대부분 감이 안 오는 경우가 많다. 이럴 때에는 업무 시 자주 사용하는 "엑셀" 과 비교하여 생각하면 좋다. 

  엑셀 화면 기준으로 시트 = 테이블, 열(A~Z, 그 이상) = 컬럼, 행 = 데이터 라고 생각하면 된다. 이 간단한 구조만 이해하면 SQL문법의 종류가 한방에 이해가 될 것이다.

  위는 SQL문법의 종류이다. 생각보다 많아서 흠칫! 놀랐을 수도 있다. 하지만 데이터를 추출하는 분석가는 SELECT 구문만 사용할 것이다. 엑셀로 관리하는 경우에는 직접 데이터를 추가하거나 수정, 삭제를 할 수 있지만 일반적으로 DB에 데이터를 관리하는 경우에는 업무처리시스템에서 내용을 입력, 수정, 삭제하고 버튼을 클릭하여 처리를 한다. (즉, 데이터를 입력, 수정, 삭제를 하지만 SQL을 통해 하지 않고, 버튼 조작을 통해 정해진 명령어가 수행된다)

  결국은 SELECT 구문에 대한 공부만 하면 된다는 이야기다. 필자도 데이터 분석 시스템을 구축하지만 SELECT구문을 99% 사용하고 있다. (다른 구문들은 기능만 알면 검색을 통해 따라할 정도로 간단하다. 외울 필요 조차 없다)

  사실 SQL문법은 굉장히 쉽다. 그 구조를 만들거나, 추출기준을 정하고, 어떤 테이블에서 추출해야하는지 익숙치 않아서 어려울 뿐이다. 우리가 데이터분석을 위한 SQL문을 작성할 때에는 엑셀 내 데이터가 있다고 생각을 하고 순서대로 SQL을 작성하면 접근이 조금 쉬울 것 같다.

  예를 들어 마케팅 고객을 엑셀의 "고객" 시트의 관리를 하고, "고객" 시트에는 고객명, 전화번호, 마케팅수신동의여부, 최근마케팅일자 정보가 있다고 하자. 오늘 마케팅 대상 고객을 뽑으려면 그 기준이 있을 것이다. 1. 마케팅수신동의한 고객, 2. 최근마케팅일자가 3개월 지나간 고객 목록을 뽑으려면 필터를 사용해서 마케팅수신동의고객 and 최근마케팅일자 3개월 지나간 고객을 필터로 하여 추출할 것이다.

  동일선상에서 sql을 작성한다고 생각하면 된다.

  1. 목록을 조회한다 : SELECT

  2. 고객 시트에서 조회한다 : FROM 고객

  3. 추출기준은 마케팅수신동의고객이고 최근마케팅일자가 3개월 지난 고객

     : WHERE 마케팅수신동의여부 = 'Y' AND 최근마케팅경과개월수 >= 3

  합치면 아래와 같다.

  SELECT 고객명, 전화번호, 마케팅수신동의여부, 최근마케팅일자, 최근마케팅경과개월수

  FROM 고객

  WHERE 마케팅수신동의여부 = 'Y' AND 최근마케팅경과개월수 >= 3

  쉽쥬? 물론 점점 어려워지겠지만 눈으로 보면서 학습하면 금방 전문가가 될 거에요.

  물론 JOIN, 함수, 데이터타입, 집계함수, 윈도우함수 등 꼭 알아야 할 것들도 있지만, 몰라도 되는 것들도 많이 있다. 어떤 기능들이 있는지만 알고 필요할 때에 검색을 통해 활용하면 된다.

  필자가 일을 하면서 자주쓰는 기능, 작성요령법 등을 추가하여 엑셀에서 데이터 추출하는 방법과 많이 비교하여 작성을 할 것이고, 추후에는 테이블, 컬럼, 테이블간의 관계만을 보고 데이터를 어떻게 추출할지에 대한 내용도 추가할 예정이다. 데이터를 조회 할 환경, 실습 데이터도 만들고 있다. 빠른시일 내에 제공을...!!!

  내가 원하는 데이터를 추출할 그날까지 화이팅!!!

  이 글을 보고 있는 방문자 님들은 SQL을 어떻게 공부해야 할 지 고민중이거나, 이미 다른 SQL강의를 봤는데 데이터를 어떻게 추출할지 모르는 분들이 많을 것 같다.

  SQL문법을 공부하기 위해서는 DDL, DML, DCL 등의 분류가 있고, DDL을 통해 테이블을 생성/수정/삭제 하고, DML을 통해 데이터를 생성/수정/삭제/조회를 하고, DCL을 통해 트랜잭션을 관리하는 등의 강의를 보았을 것이다. 또, 실습하기 위해서는 Oracle, My-sql 등의 DBMS를 설치하고, 설치가 안되면 삭제하고 재설치하고, 관리자 계정이며 SQL Tool을 설치하고 접속하고 했을 것이다. 과연 이 모든 것들이 "데이터 분석을 하기 위해 필요한 SQL문법인가?" 라고 묻는다면 "절대 아니다!" 라고 대답할 것이다.

  필자는 2011년 즈음 늦은 나이에(28? 29?) JAVA 교육 학원에서 4개월 간 교육을 받았다(궁금하지 않다면 해당 문단을 패스해도 된다). 물론 DB의 SQL은 곁다리로 배운 셈이다. 자그마한 중소기업에 취직을 했다. 개발자들의 90%이상이 하는 SI 프로젝트를 위해 파견되었다. SI는 간단히 특정 기업, 기관의 정보 시스템을 구축해 주는 업무이다.

  그중 DW시스템을 구축하게 되었고, 정형 통계 보고서를 개발하는 업무를 맡았다.

  주 업무는 통계 제공을 위한 SQL을 만들고 Report Designer라는 솔루션에 UI에 맞춰 개발하는 업무였다. 검색조건을 위해 루틴 있는 Javascript를 조금 사용했다. SQL의 SELECT, FROM 도 겨우 쓸 정도의 수준이었다. 업무를 하면서 테이블을 생성하는 SQL, 데이터를 생성/수정/삭제하는 SQL 모두 사용하지 않았다. 처음 SQL을 접하면서 어떻게 공부할지 상당히 많은 고민을 했는데, 결론은 직접 부딪혀 보는 것이었다. 느낀 점은 딱 하나, SQL의 SELECT 구문(조회, 추출)만 잘하면 되겠구나,,,였다. 약 10개월 동안 죽어라 SELECT 구문의 SQL만 작성했다.

  [분석가용] SQL 초급 편에서 공부해야 할 것은 아래와 같다.

   1. SQL SELECT 구문 작성하기

      - DB = Excel

      - SELECT 구문의 루틴 익히기

      - 데이터 타입에 대한 이해

      - 자주 사용하는 함수(명령어는 아니고, 기능 위주)

      - 집계 함수

      - JOIN (진짜 제일 중요, SQL은 이것만 잘하면 됨)

    위의 SQL 문법을 배운다고 데이터 분석을 할 수 있을까? 절대 아니다. 따라 하면서 문법은 어느 정도 익혔겠지만

    내가 필요한 데이터를 어디서 어떻게 추출할지 막막할 것이다. SQL을 만들려고 하는데 막상 하려면 막막할 것이다.

    그래서 필요한 것은 아래와 같다.

   2. 데이터 이해

      - 테이블은 뭐고? pk는 뭐고?

      - 뿅가는 SQL 작성 꿀 팁!ㅎ

      - OLTP Vs OLAP, 계정(기간) 계, 정보(분석) 계, DW

      - E - R다이어그램

      - 업종별 참조모델을 통한 데이터 추출 실습

위의 공부를 하기 위한 데이터는 별도 url을 제공할 예정이며, 테스트 데이터를 제공할 것이다

공부가 끝나면 나도 모르게 내 손이 SQL을 작성하고 있을 것이다.

SQL로 원하는 데이터를 뽑았을 때의 그 기쁨이란....

짜릿해!!

1. SQL 이란

    SQL : Structured Query Language (구조화된 질의어)

    관계형 데이터베이스의 데이터를 관리하기 위해 설계된 특수 목적의 프로그래밍 언어

    직관적으로 와닿지 않을 수 있다.

    간단하게 DB 를 관리 및 이용하기 위한 언어이다.

2. 관계형(R) 데이터베이스(DB) 란? 그리고 연관 단어들...

    흔히 SQL을 사용해야 할 환경일 때에는 DB, DBMS, 오라클, MY-SQL, MS-SQL, 각종 DB Tool (토드, 오렌지 등) 의 이름을 들을 것이다

    SQL만 공부좀 하려는데, 알아야 할 것은 왜이렇게 많은지... 뭐가 뭔지 이해가 안될 것이다.

    아래에 필요한 간단한 용어들을 정리해 보았다.

   >> RDB (Relation Database) : 관계형 데이터베이스, 관계형 모델에 기초하는 데이터베이스

        ※ 관계형 모델 : 데이터를 컬럼(column), 로우(row)를 이루는 하나 이상의 테이블(또는 관계)로 정리

                                  고유 키(Primary key)가 각 로우를 식별(주민번호 같은 유일한 값)

            생소하지만 간단하다. 엑셀과 같이 행, 열 형태로 데이터를 관리하는 모델이다.

   >> DB (Database) : 데이터의 집합

        ※ 과거에는 파일형태의 DB가 있었으나, 동시에 수정이 어렵고, 개별 관리가 되는 등의 단점으로 인해 현재 우리가 흔히

            접하는 DBMS 에서 관리되는 DB를 의미한다

   >> DBMS (Database Management System) : DB를 관리하는 시스템

        다수의 사용자들이 데이터베이스 내의 데이터를 접근할 수 있도록 해주는 소프트웨어 도구의 집합

        아래의 Oracle, MY-SQL과 같은 솔루션을 DBMS라 한다.

   >> Oracle DBMS: 오라클社 에서 만든 제품이다. RDBMS 이며 가격이 비싸고 기업에서 가장 많이 쓰인다.

   >> MY-SQL DBMS : 세계에서 가장 많이 쓰이는 오픈소스 RDBMS.

                         (MY-SQL은 선 마이크로시스템즈에 인수, 선 마이크로시스템즈는 오라클에 인수, 주인은? 오라클)

   >> ANSI SQL : SQL은 위의 DBMS 제품마다 다르다. 그래서 ANSI(American National Standards Institute, 미국국립표준협회) 에서는

                            DBMS 제품마다 SQL표준을 정의하여 그 가이드에 따르도록 규정하고 있다.

                           (Ex. 실제로 DBMS 별로 사용하는 함수가 다르며, 일부 문법도 다르다. 사용해 보지 않은 DBMS의 함수는 구글링을 통해

                                   업무에 활용한다)

   >> DB Tool : 까만색의 커맨드 화면이 아닌 윈도우와 같은 OS내에서 SQL을 수행하고, DBMS를 관리하기 위한 기본적인 도구

        Toad for Orange, Orange for Sybase, D-Beaver 등 회사 내의 데이터에 대한 접근관리 목적의 여러가지 DB Tool 이 있으며

        직접 SQL을 입력하는 Tool이라고 생각하면 된다 (크롬이나 엣지로 접근하는 경우는 제외, 하지만 절대적인 건 아님)

3. 원하는 수준에 맞게 SQL 을 공부해 보자 !!

   >> [언어] SQL : SQL을 이해하는 데 필요한 정보

        SQL에 대한 전반적인 정보를 공유. DBMS별 문법(주로 함수)의 차이가 일부 존재

        (ANSI표준을 따르되 그 외는 솔루션마다 차이가 있음)

        SQL의 문법 자체는 상당히 심플하다. DB의 테이블의 데이터를 잘 이해하고 데이터정합성(옳다, 그르다)에 맞도록 

        작성하는 것이 핵심!!

   >> [분석가용] SQL 초급 : 데이터분석가(현업)를 위해 주로 사용하는 SQL에 대한 내용

        데이터 분석을 위한 SQL은 DML 중 SELECT 만 잘 활용하면 된다,

        기본적으로 알아야 할 JOIN, 데이터 타입, 자주 사용하는 함수, 데이터를 이해하는 방법에 대한 정보를 공유

   >> [분석가용] SQL 고급 : 데이터분석가(현업)를 위해 주로 사용하는 SQL에 대한 작성 법 Tip!!

        데이터 추출을 하는데 필요한 다양한 방법들, 꿀Tip에 대한 정보를 공유

자, 그럼 즐겁게 SQL을 공부해 봅시다!!

살면서 가끔 지나치게 심심할 때가 있거나

무엇이 되었든 시간가는 줄 모르고 한 가지에 집중하고 싶을 때가 있다

수많은 생각에 사로잡혀 실행하지 못할 때에 길게는 한달, 짧게는 1주~2주 동안 미친듯이

집중하는 시간을 갖는다. 그게 누군가에겐 무의미하더라도...

요즘이 나에게는 그러한 때이다. 기억을 거슬러 올라가보면 7년 전이었다.

그러한 때 집중하는 게임은 프리셀이었다. 과하지 않고 가볍지 않은 카드 두뇌게임.

윈도우의 기본게임이었는데, 지금 설치된 윈도우 환경에는 프리셀이 없어서

검색을 했더니 웹 환경에서도 가능했다.

프리셀 하러 가기 : 프리셀 프로젝트 (freecellproject.com)

회원가입을 하면 전적도 표시가 가능

아무도 깨지 못한 게임번호가 있다고 한다. 욕심이 나지만... 무리하지말기

나의 승률은 90% 시작으로 현재 67%

어렵지 않은 게임 규칙

잠깐 하다보면 저녁이 된다.

조금 더 하다보면 새벽이 된다.

집중력 향상을 위해 아주 좋은 게임 프리셀

심심풀이로 딱

2023.06.08 전적

2023.06.09 전적