공부천재

feat. 1년 안에 되파는 토지투자의 기술 *토지투자를 시작하기 전 반드시 알아야 할 것들최소한의 지식을 습득하고 전문가를 활용하라돈을 벌 수 있는 원석부터 잘 골라야 한다최종 소비자가 만족할 만한 개발을 해야 한다토지의 외모와 성격을 파악할 수 있어야 한다토지투자의 기본은 토지이용계획확인원의 분석부터다개발이 가능한 용도지역을 매입해야 한다 용도지역, 용도지구, 용도구역으로 구분하는데, 용도지역으로 토지를 구분할 수 있어야 함o 용도지역: 도시지역, 관리지역, 농림지역, 자연환경보전지역 o 도시지역: 주거지역, 상업지역, 공업지역, 녹지지역(장기투자대상-모자랄때수용)o 관리지역: 계획관리지역, 생산관리지역, 보전관리지역 - 계획관리지역: 계획적인 개발을 유도하기 위해 웬만한 건축물 다 허용(불가능 몇개..

1차 - 책 검색하다 시간 다감 → 정리해서 가자2차 - 전처리에서 시간 오래 걸림 → 전처리 연습 좀 하자. Jupyter 한 줄씩 실행해서 데이터 계속 달라지는 문제 발견3차 - 시계열 전처리 → 시계열 데이터 처리 부분 출력 안 함. Merge 못해서 -20점.. 합격할 수 있었는데 ^^4차 - 머신러닝 중간에 데이터 확인 안 해서 마지막에 결과 잘 안 나옴 + 통계분석은 원래 거의 만점인데 나락감.. 5차 - 기억 안 남.. ㅋㅋㅋ 기타 새로운 문제 또 나오고 시험에 대한 회의감 느끼고 이제 안 하기로 다짐 - 4차→ 데이터를 함수에 잘 못 넣어서 함수가 안 돌아감→ 전체 문제 잘 읽기→ 데이터 확인하기, 빈도수로 ==0, ==1, ==2 잘 되었나→ #2-2부터는 마지막에 정리? 1번 – 머신..

*날짜 데이터로 변환df[‘date’].astype(‘datetime64[ns]’) # 날짜 데이터로 변환df[‘date’] = pd.to_datetime(df[‘date’]) df[‘date_str’].dt.time.astype(str) # 문자열로 변환df2.strftime(‘%y년 %m-%d %H:%M’) # 날짜 형태 변환df2.replace(year=2022, minute=2) # 년도, 분 변경 d3 = dt.datetime.combine(date_only, time_only) df['날짜'] = df['(년-월-일:시)'].str.split(':').str[0] df['시'] = df['(년-월-일:시)'].str.split(':').str[1].astype(int) df['날짜'] = pd..

*제30회 문제 – 최소 비용 구하기3개의 공장에서 생산한 제품을 3지역으로 가능한 조건에 맞게 최대로 배송한다. 각 공장과 각 지역 사이의 1개 제품 배송 비용이 아래와 같을 때, 최소 배송 비용은 얼마인가?from pulp import LpProblem, LpVariable, lpSum, LpMinimize# 각 공장에서 각 지역으로의 배송 비용 (비용 행렬)costs = [ [20, 5, 35], [15, 2, 20], [3, 14, 17] ]production = [75, 55, 60]demand = [80, 50, 60]# 공장의 수와 지역의 수num_factories = len(costs)num_regions = len(costs[0])# 선형 프로그래밍 문제 생성pro..

*부호검정: n ≤ 100 – 이항분포, n > 100 – 정규분포*부호순위검정: n ≤ 20 – 이항분포, n > 20 – 정규분포*윌콕슨 순위합검정: n ≤ 25 – 이항분포, n > 25 – 정규분포*프리드먼: 3개 범주 – 9개 이하, 4개 범주 – 5개 이하 이외는 카이제곱*크루스칼 월리스: 3개 범주 – 15개 이하, 4개 범주 – 14개 이하 이외는 카이제곱*카이제곱: 각 셀 최소 5개 이상*Run 검정 (연관분석?)import pandas as pdfrom statsmodels.sandbox.stats.runs import runstest_1sampdata=['a','a','b','b','a','a','a','a','b','b','b','b','b','a','a','b','b','a','b..

(1) 데이터 탐색*데이터 확인import pandas as pdimport numpy as npimport warningswarnings.filterwarnings('ignore')hotel = pd.read_csv('data/hotel_bookings.csv')hotel.isna().sum()hotel.info()hotel.deposit_type.describe() hotel.groupby(hotel['deposit_type']).mean()['adr']※ pd.set_option(‘display.max_columns’, None)※ pd.set_option(‘display.max_colwidth’, None) *시각화 확인import matplotlib.pyplot as pltimport seab..

*베르누이 분포 (p.114)동등한 실험 조건 하에서 실험 결과가 단지 두 가지의 가능한 결과 만을 가질 때*이항분포베르누이 시행을 n번 반복했을 때, k번 성공할 확률어떤 실험에서 성공 확률이 p인 베르누이 시행을 독립적으로 n번 반복 시행했을 때, 성공 횟수를 확률변수 X라 하면, 확률변수 X는 시행횟수 n과 성공 확률 p를 모수로 갖는 이항분포를 따른다이항 시행에서 성공 확률이 p인 경우의 확률 분포를 설명예제) 근로자가 내년에 회사를 떠날 확률이 0.1이라고 추정한 경우, (n = 3, p = 0.1) n: 3명 무작위 뽑음– 1명이 금년에 회사를 떠날 확률은?– 1명 이하로 떠날 확률은? 예제) 특정 지역의 성별에 따른 감기 검사 결과가 아래와 같을 때, 각 문제를 구하여라from scipy.s..

*1개년 50억, 2개년 60억, 3개년 70억의 예산을 가지고 NPV가 가장 높아지는 안을 제시하시오가장 높은 값을 갖는 안을 찾기 위해서는 할인율(discount rate)이 필요– 할인율이 주어지지 않았으므로, 일반적으로 사용되는 할인율을 가정– 일반적으로 기업의 비용 기준으로 10%의 할인율을 사용할 수 있음import numpy as np# 현금 흐름 설정cash_flows = np.array([ [10, 20, 15], [15, 14, 19], [12, 11, 30], [13, 25, 20], [16, 30, 24]])# 할인율discount_rate = 0.1# NPV 계산 함수 정의def calculate_npv(cash_flows, discount_rate): ..

데이터: 객실 사용 여부 관련 데이터 (1) 데이터를 탐색하고, 결과를 제시하시오.(2) 결측치를 탐색하고, 대체 방법 및 근거를 제시하시오.import pandas as pdimport numpy as nphotel = pd.read_csv('data/hotel_bookings.csv')print(hotel.isna().sum())hotel.info()print(hotel.deposit_type.describe()) # 종속변수 특징 분석print(hotel.groupby(hotel['deposit_type']).mean()['adr'])## 결측치가 1% 미만이면, 결측치가 있는 행 단순 삭제## 결측치가 1% 이상이면, 최빈값이나 평균으로 대체hotel_nonull = hotel.copy()hot..

데이터: 당뇨병 유무와 신체검사 데이터 1. 데이터 탐색(1) 시각화 포함 탐색적 자료분석을 시행하시오(EDA)import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as snsimport warningswarnings.filterwarnings('ignore')df = pd.read_csv('data/diabetes_for_test.csv')print(df)diabetes = df.groupby('Outcome').mean()print(diabetes)fig, axes = plt.subplots(2, 4, figsize=(20, 14))for i in range(4): sns.barplot(x=diabet..