01 학습 내용 machine_learning/08_k_means_clustering.ipynb at main · dataosean/machine_learningmachine learning study . Contribute to dataosean/machine_learning development by creating an account on GitHub.github.com 02 회고- 파이널 프로젝트 때 군집화 학습 내용을 바탕으로 직접 수집한 데이터에 군집번호를 매기는 일을 했던 게 생각났다. 당시 게임 도메인에 계셨던 튜터님께 1일 1자문 이상을 구하면서 궁금했던 점을 여쭤보고 코드를 계속 반복, 수정하는 작업을 했었다. 그때 경험을 바탕으로 학습하는 Kmeans는 감회가 새로웠고, 학습 분량이 ..

01 오늘의 아티클 R 데이터 분석과 파이썬 데이터 분석 비교R 데이터 분석과 파이썬 데이터 분석 비교언어의 목적과 역사 - R: 통계 계산과 그래픽을 위한 프로그래밍 언어로 설계되었습니다. 통계학자와 데이터 분석가를 위해 만들어졌으며, 다양한 통계study4silver.tistory.com 02 아티클 정보 요약- R은 데이터분석과 시각화에 특화된 프로그램으로 빠른 분석이라는 장점을 가지고 있지만 범용적인 프로그래밍은 어렵다는 단점이 있다.- Python은 사용자 친화적인 언어로 초보자가 쉽게 습득할 수 있으며, 특히 데이터 과학과 머신러닝 분야에서 활용성이 높다는 장점이 있다. 03 인사이트- 프로젝트 요구 사항에 따라 툴을 바꿔가며 데이터 분석을 할 수 있음을 알게 됐고, 어떤 차이점이 있는지 배울..

01 학습 내용 machine_learning/07_principal_component_analysis.ipynb at main · dataosean/machine_learningmachine learning study . Contribute to dataosean/machine_learning development by creating an account on GitHub.github.com 02 회고- 원본 데이터와 PCA한 데이터 분류 결과가 어떻게 차이 나는지 코드를 실습하는 과정이 특별히 기억에 남았다. 차근차근 공부하면서 언제 어떻게 사용해야 할지를 배워가고 있다. 수식에 대한 이해 파트에서 공분산 행렬에 대한 부분이 어려웠다. 공분산 행렬의 고윳값 분해부터 과정에 대한 이해는 어느 정도 됐는..

01 오늘의 아티클 개발자가 문제 해결 과정에서 겪는 어려움 3가지 | 요즘IT개발자로 살아가면서 어려움을 겪는 것은 피할 수 없는 일입니다. 기술적 실력이 모자라서 그럴 수도 있고, 개발하고 있는 분야에 대한 도메인 지식이 부족해서 그럴 수도 있죠. 또한 동료와의yozm.wishket.com 02 아티클 정보 요약- 문제 자체가 어려운 경우 : 불필요한 부분부터 제거하며 문제를 작은 단위부터 시작한다.- 문제에 대한 배경지식이 갖춰지지 않은 경우: 도메인 지식 학습- 문제 해결방법이 여러 가지인 경우: 우선순위에 따라 참고 레퍼런스를 정한다. 03 인사이트- 다소 추상적일 수 있는 해결 방법이나 막상 문제에 직면하면 해결 방법을 바로 떠올리기 힘들다. 이때 참고할 수 있는 좋은 방법론을 배울 수 있었다.

01 학습 내용 machine_learning/06_k_nearest_neighbors.ipynb at main · dataosean/machine_learningmachine learning study . Contribute to dataosean/machine_learning development by creating an account on GitHub.github.com 02 회고- 기억에 남는 것은 K수에 따라 오차율이 달라지는데 이걸 리스트로 묶어 그래프로 시각화한 코드를 실습해 본 일이다. KNN 알고리즘으로 회귀도 분류도 모두 가능한 이진 분류를 하면서 시각적으로 나타내니 어떤 K값이 가장 최선의 수를 가지는지 한번에 확인할 수 있었다. 그 외에도 민코프스키와 유클리드 거리 측정 방법 두 ..

01 오늘의 아티클 데이터 파이프라인 개념 정리들어가며 우리는 주로 BI 툴이나 대시보드 툴을 통해 데이터를 확인하고 분석합니다. 하지만 이 데이터, …playinpap.github.io 02 아티클 정보 요약- 빅데이터를 지탱하는 기술 책을 바탕으로 데이터 웨어하우스를 주축으로 한 데이터 파이프라인 1번과 데이터 레이크를 주축으로 한 데이터 파이프라인 2번을 설명했다. 1번은 원천 데이터를 장기 보관의 목적으로 ETL프로세스를 거쳐 테이블을 데이터 웨어하우스에 저장한다. 데이터 웨어하우스의 용량이 무척 방대하며 중요도가 높아 함부로 접근하기 어렵다. 그래서 또다시 ETL을 거쳐 데이터 마트에 목적에 따른 테이블을 저장한다. 이렇게 저장된 테이블을 통해 BI툴을 이용해 시각화할 수 있는 것이 1번 데이터..

01 학습 내용 machine_learning/05_support_vector_machine.ipynb at main · dataosean/machine_learningmachine learning study . Contribute to dataosean/machine_learning development by creating an account on GitHub.github.com 02 회고- 실제로 데이터를 분석하는 과정에서는 모델링보다 전처리에 더 많은 시간이 소요된다고 한다. 이번엔 공부하는 시간만큼이나 코드 실습 시간도 상당히 길었다. 특히, 코드를 실습하는 과정 중 전처리와 탐색적 데이터 분석(EDA) 부분이 정말 오래 걸렸다. 기존에 이론과 실습을 진행했던 부분이지만, 오랜만에 다시 보니 복..

01 오늘의 아티클 도메인은 모르지만 인과추론은 하고 싶어도메인 없이 인과추론이 가능할까? 인과추론은 도메인에 상당 부분 의존할 수 밖에 없는 방법론입니다. 도…playinpap.github.io 02 아티클 정보 요약1. 교란변수란?교란변수는 연구에서 독립변수와 종속변수 간의 관계를 왜곡시키는 제3의 변수이다. 교란변수는 실험 결과나 통계적 분석에서 독립변수와 종속변수 사이에 잘못된 인과 관계가 나타나도록 할 수 있으니 주의가 필요하다. 2. 예시예를 들어, 아이스크림 판매량과 익사 사고 수 사이의 상관 관계를 조사한다고 가정해보자. 두 변수 사이에 상관 관계가 있을 수 있지만, 이는 인과 관계를 의미하지 않는다. 실제로는 다음과 같은 교란변수가 존재할 수 있다 날씨(온도) 교란변수: 더운 날씨가 되면..

01 학습 내용 machine_learning/04_random_forest.ipynb at main · dataosean/machine_learningmachine learning study . Contribute to dataosean/machine_learning development by creating an account on GitHub.github.com 02 회고- 랜덤 포레스트를 공부하기 위해서는 앙상블 학습 유형부터 배워야했다. 보팅과 배깅부터 시작해서 차차 넓혀나갔다. 랜덤 포레스트는 배깅의 대표적인 학습 유형이라는 점부터 보팅과 배깅이 어떻게 다른지도 배웠고 결정트리의 단점이었던 성능을 높이려다 과적합 되는 경우도 완화할 수 있는 앙상블 학습에 대해 배우니 랜덤 포레스트의 작동 원리..

2024-07-25 업데이트 완료 편향-분산 트레이드오프 (Bias-Variance Tradeoff)란?편향(Bias)과 분산(Variance)은 모델이 데이터를 학습하는 과정에서 발생할 수 있는 두 가지 주요 오류를 설명하기 위해 사용된다. 01 한 줄 요약편향 : 실제값과 예측값 사이 차이를 나타내는 지표 분산 : 예측값들이 평균을 중심으로 얼마나 퍼져 있는 지에 대한 지표 02 개념 설명편향 (Bias)1. 정의: 편향은 모델의 예측값의 평균이 실제 값과 얼마나 차이나는지를 나타내는 지표이다. 즉, 모델이 실제 값을 얼마나 정확하게 예측하는지를 보여준다. 편향이 높으면 모델의 예측이 실제 값에서 멀리 떨어져 있다는 뜻다.2. 수식: "실제 값 - 모델의 예측값의 평균"으로 계산된다. 이는 모델이 여..

01 오늘의 아티클 데이터를 통해 고객의 행동 패턴 파악하기: 코호트 분석고객을 더 깊이 이해할 수 있는 가장 좋은 행동분석방법 | 코호트 분석(Cohort Analysis)이란? 코호트 분석은 동일한 기간동안 동일한 특성을 가진 사람들을 모아 분석하는 것을 의미하며, 일종의 ‘brunch.co.kr 02 아티클 정보 요약 - 신규 가입자수는 증가하는 추세이나 앱 사용률을 날마다 감소하고 있다.- 고객 세분화는 전체 고객을 특정 기준에 따라 이다.- 코호트 분석은 을 가진 사람들을 특정 에 따라 나누는 것이다.- 때문에 코호트 분석은 기간과 특성 유형에 대한 정의가 필요하다. 03 인사이트- 예를 들어, 지난 10일 동안 가입한 신규 이용자의 10일 간의 앱 사용률 현황 그래프만 본다면?- 실험 기간 총..

01 수박 반복하는 방법의 차이def solution(n): return ''.join(['수' if i%2!=0 else '박' for i in range(1, n+1)])def solution(n): return ('수박' * n)[:n]- 전자는 글자의 위치가 짝수인지 홀수인지에 따라 '수'와 '박'을 구분하고 join()으로 붙여준다.- 후자는 주어지는 수만큼 반복시키고 문자열 슬라이딩을 통해 간단하게 출력시켰다. 02 약수를 구하는 공식의 차이def solution(left, right): result=[] for i in range(left,right+1): num=[e for e in range(1,i+1) if i%e==0] if len(num..

01 학습 내용 machine_learning/03_decision_tree.ipynb at main · dataosean/machine_learningmachine learning study . Contribute to dataosean/machine_learning development by creating an account on GitHub.github.com 02 회고- 정보의 균일도 개념을 잘 이해한다면 결정 트리 알고리즘의 원리를 이해하기 쉽겠다. graphviz도 처음 써봤는데 기존에 써봤던 라이브러리와 다르게 리프노드에 결정된 클래스의 이름이 같이 적혀나와서 시각적으로도 친절해서 좋았다.- 실습을 하기 위해 데이터세트를 다운받고 전처리 하는 과정에서 사용자 정의 함수 2가지를 만들었다. ..

01 오늘의 아티클 코호트 분석 Cohort Analysis고객을 세분화하면 개선이 필요한 고객군을 발견할 수 있습니다. | 안녕하세요. 데이터리안의 윤선미입니다. 지난 글에서 보민님이 RFM 분석을 소개해주셨어요. 고객들을 Recency, Frequency, Monetarybrunch.co.kr 02 아티클 정보 요약- 코호트 분석은 고객 세분화를 '시간의 흐름'을 기준으로 하는 것을 말한다.- 넓은 의미에서 고객 세분화와 코호트 분석은 다르지 않다고 본다는 것에 동의한다.- 고객을 세분화하여 한 그룹과 다른 그룹을 비교해 가면서 마케팅 전략을 세워본다.- 지역별, 가입시기별, 플랫폼 별 유의미한 성공을 거둔 그룹이 있다면 분석해 본다.- 데이터 분석은 데이터를 바탕으로 사용자를 이해하고, 설득의 방법..

01 학습 내용 machine_learning/02_logistic_regression.ipynb at main · dataosean/machine_learningmachine learning study . Contribute to dataosean/machine_learning development by creating an account on GitHub.github.com 02 회고- 독립변수가 행과 열이 존재하는 2차원 데이터 배열이니까 종속변수도 2차원 배열로 맞춘 다음, fit으로 적합시킬 때 다시 1차원 배열로 풀어주는 이유를 이번에 배웠다.- ROC 곡선을 그래프로 직접 그려보고 그래프를 어떻게 해석해야 하는지, 어떤 기준으로 완벽한 모델에 가까운지 혹은 근사치에 가까운지 판단하는 법을 배..

정답쿼리SELECT YEAR(SALES_DATE) AS YEAR, MONTH(sales_date) AS MONTH, COUNT(DISTINCT SAL.USER_ID) AS PURCHASED_USERS, ROUND((COUNT(DISTINCT SAL.USER_ID)) / (SELECT COUNT(*) FROM USER_INFO WHERE YEAR(JOINED) = 2021),1) AS PUCHASED_RATIOFROM USER_INFO AS INFRIGHT JOIN ONLINE_SALE AS SALON INF.USER_ID = SAL.USER_IDWHERE YEAR(JOINED) = 2021GROUP BY YEAR, MONTHORDER BY YEAR, MONTH 1. 하나의 값을 가..

01 오늘의 아티클 [지금 무료] GA4 미니 코스 강의 | Grace Shin - 인프런Grace Shin | GA4 vs UA의 주요 차이점을 알아봐요. GA4의 중요 개념을 배워볼 수 있는, 비개발자와 마케터를 위한 미니 코스입니다!, GA4로 넘어간지도 어언 몇 달째..이제는 되돌아갈 수 없다! GA4 뽀개www.inflearn.com 02 아티클 정보 요약- 기존의 UA랑 GA4의 차이점: 이벤트 기반의 사용자 중심 모델이 되었다.- GA4의 인터페이스를 살펴본다.- 맞춤 이벤트를 설정할 때 파라미터가 어떻게 작용하는지 알아봤다. 03 인사이트- GA4가 어떤 정보를 수집해서 제공하는지 인터페이스는 어떻게 구성되어 있는지 알아보는 시간이었다. UA랑 다르게 개인정보 보호를 하기 위해 노력하는 점..

01 학습내용 Educational_Achievements/machine_learning/study_machine_0710.ipynb at main · dataosean/Educational_Achievements데이터 분석 학습. Contribute to dataosean/Educational_Achievements development by creating an account on GitHub.github.com 02 회고저번엔 전체적으로 훑고 실습하고 프로젝트를 하는 순서였다면 이번에는 좀 더 세세한 내용을 배우고 실습 코드를 작성해보는데 중점을 뒀다. 유형별로 어떻게 나뉘고 그 다음 규제 유무에 따라 또 어떻게 나뉘는지 알게 되었고, 특히 모델을 평가하고 검증하는 부분의 원리와 수식을 이해하기 위..

01 오늘의 아티클 AARRR vs. RARRA 우리 사업에 맞는 성과 측정 프레임워크 선택하기해적 지표라고도 불리는 AARRR 프레임은 중요한 사용자 행동을 추적하고 적절한 조치를 취해 제품 주도 성장(product-led growth)을 이루는 데 활용할 수 있는 일군의 지표입니다. 전세계 많은 기업들mokeya.tistory.com 02 아티클 정보 요약1. AARRR이냐 RARRA냐 정해진 답은 없지만 최대한 알맞은 프레임워크를 선택할 수 있다.2. 현재의 사업 단계가 초기의 스타트업이라면 AARRR이 나을 수 있는 것처럼 현재의 사업 단계나 비즈니스 목표, 시장 상황에 따라서 선택지는 달라질 수 있다.3. 특히, 고객 획득에 드는 비용이 증가하고 유지율이 기준에 못 미친다면 RARRA로 전환을 ..

✏️도전한 점1. 채용 공고 정리하기2. 유의수준, 유의확률 스터디원에게 설명하며 다시 정리3. 파이썬 코드훈련4. 이력서 피드백, 학습방향 수정5. 오늘 이후로 TIL이 아닌 학습내용 중심으로 블로그 시작 01 아티클 스터디 🔎아티클 스터디: 'AARRR' 프레임워크 재조립, 'RARRA' 모델01 오늘의 아티클- 데이터분석&마케팅 인턴쉽 교육을 받고 계시는 수강생분의 이야기를 듣고 RARRA란 무엇일까? 어떤 프레임워크인지 알아보기 위해 찾아봤던 아티클이다. ‘AARRR’ 이제는 비지specialda.tistory.com- 선형관계가 아니란 점을 주의하라는 이전 아티클에 이어서 봐도 좋은 내용이었다. 02 파이썬 코드훈련 알쿼리즘: 파이썬 코드훈련 28, 29, 30번01 없는 숫자 더하기def s..

01 없는 숫자 더하기def solution(numbers): answer=[0,1,2,3,4,5,6,7,8,9] for i in numbers: answer.remove(i) return sum(answer)↓def solution(numbers): return 45 - sum(numbers)💡모든 수를 더해서 주어진 수의 합계를 빼는 방법을 배웠다.더보기def solution(numbers): # 결과담을 answer를 0으로 초기화 answer = 0 # 1부터 9까지의 숫자가 있는지 없는지만 확인 # 만약에 없으면 그 숫자를 answer 누적해서 더하기 for i in range(1,10): if i not in n..

01 오늘의 아티클- 데이터분석&마케팅 인턴쉽 교육을 받고 계시는 수강생분의 이야기를 듣고 RARRA란 무엇일까? 어떤 프레임워크인지 알아보기 위해 찾아봤던 아티클이다. ‘AARRR’ 이제는 비지니스에 따른 재조립이 필요하다. - 매드타임스(MADTimes)마케터라면 누구나 한번쯤은 AARRR이라는 용어를 들어봤을거라 생각됩니다.이미 수 많은 스타트업 회사에서 활용하고 있는 데이터 분석 프레임워크 AARRR (해적지표 : Pirates Metrics)은 스타트업 회www.madtimes.org 02 아티클 정보 요약- 프레임워크 AARRR은 스타트업 회사들이 효과적인 서비스 제공 및 꾸준한 사용자 확보를 위해 사용되는 데이터 기반의 분석지표로, 확실한 의사결정을 위해 사용되고 있다. - AARRR의 지표..

✏️도전한 점1. 아티클 스터디 및 요약2. 알쿼리즘 스터디 완료3. ADsP 학습: 유의 수준과 유의확률의 관계4. 이력서, 포트폴리오 정비 및 제출 01 유의수준과 유의확률 (답답 → 해결완료)- 유의수준이란? 연구자가 미리 정하는 값으로, 귀무가설이 참인데도 불구하고 기각하는 '1종 오류'가 발생할 확률을 미리 설정한 값이다. 예를 들어, 유의 수준을 0.05로 설정했다면 귀무가설이 참일 때 5%의 확률로 잘못된 결정을 내리는 것을 허용한다는 의미이다.- 유의확률(p-value)이란? 실제 데이터에 기반하여 계산된 값으로, 귀무가설이 참일 때 극단적인 데이터(대립가설을 지지하는 데이터)가 (우연히) 발생할 확률이다.- 결론: 극단적인 데이터가 우연히 발생할 확률(p-value)이 매우 적다. = 우..

01 오늘의 아티클 ‘머신러닝’ 기초 지식 톺아보기 | 요즘IT인공지능(AI)과 머신러닝(ML) 기술의 급속한 발전은 소프트웨어 개발 프로젝트에 큰 변화를 불러오고 있습니다. 이러한 변화는 개발자들에게 새로운 숙제를 안겨주는 동시에 많은 기회를 제공할yozm.wishket.com 02 아티클 정보 요약1. 머신러닝의 기본 개념: 컴퓨터가 데이터로 부터 패턴을 학습하여 분류나 예측을 수행하는 모델2. 머신러닝 분류와 유형: 지도학습, 비지도학습, (준지도학습: 지도학습+비지도학습), 강화학습3. 머신러닝 개발 프로세스: 데이터 수집 및 전처리 → 모델 선택 및 학습 → 평가 및 검증 → 배포 및 유지보수4. 머신러닝 활용 사례: 추천 시스템, 이상탐지 및 부정행위 감지, 감성분석, 동영상과 이미지 인식 0..

✏️도전한 점1. 알쿼리즘: 파이썬, SQL 코드훈련2. 아티클 스터디 진행 중3. ADsP 자격증 신청 및 강의 수강 ✏️좋았던 점- 풀었던 문제들, 또는 풀지 않은, 풀지 못한 문제들을 다시 돌아보며 3+1 코드문제를 꾸준히 풀어보는 스터디를 하고 있다. 막연히 어렵다는 인식을 가지고 접근하기 어려웠던 문제를 다 같이 풀어보고 어려운 점에 대해 이야기해보는 시간이 얼마나 유익한지를 배우고 있다. 요즘 들어하는 생각은 다음과 같다. 성공 경험은 내 자존감을 높여주고 실패 경험은 두려움을 잘게 조각낸다. 비록 소멸시키지 않더라도 이겨내는 크기로 만든다는 말이다. 요즘 두려움에 대해 많이 생각하는데 이와 관련한 내용이 '듄'이라는 영화의 '베네게세리트 기도문'에서도 나온다. 두려움은 정신을 죽인다.두려움은..

✏️도전한 점1. 아티클 스터디 및 요약2. 파이썬 코드훈련3. 알쿼리즘: SQL 코드 훈련 01 아티클 스터디 🔎아티클 스터디: '대체 불가 개발자'를 만드는 AI 활용법01 오늘의 아티클 ‘대체 불가 개발자’를 만드는 4가지 제미나이 활용법 | 요즘ITAI 도구는 제 개발 방식을 획기적으로 바꾸었습니다. 눈에 띄는 개발 생산성 향상을 경험할 수 있었죠. 특히 최specialda.tistory.com- 제미나이를 어떻게 잘 활용하고 있으며 현업에서는 어떤 방법으로 활용하고 있는지, 그리고 다른 이들에게 추천하는 이유들이 일목요연하게 정리되어 있어서 매우 유익했다. 02 파이썬 코드훈련 알쿼리즘: 파이썬 코드훈련 25, 26, 27번01 나누어 떨어지는 숫자 배열def solution(arr, divi..

01 나누어 떨어지는 숫자 배열def solution(arr, divisor): answer = sorted([x for x in arr if x%divisor == 0]) if len(answer) == 0: return [-1] else: return answer 02 음양 더하기def solution(absolutes, signs): return sum([absolutes[i] if signs[i] == True else -absolutes[i] for i in range(len(absolutes))])1. 삼항 연산자를 사용할 경우 if else문이 for문보다 뒤에 올 수 없다.2. zip함수를 사용하면 한 번에 두 변수를 받을 수 있어서 간단하다...

01 오늘의 아티클 ‘대체 불가 개발자’를 만드는 4가지 제미나이 활용법 | 요즘ITAI 도구는 제 개발 방식을 획기적으로 바꾸었습니다. 눈에 띄는 개발 생산성 향상을 경험할 수 있었죠. 특히 최근에는 구글에서 출시한 ‘제미나이’를 개발 프로젝트에 도입하여 사용하고 있는yozm.wishket.com 02 아티클 정보 요약1. 프로그래밍, 문서작성 틀부터 내용까지 채워줘서 일처리의 속도를 높인다.2. 메일, 유튜브 등 요약 및 정리도 사람이 할 일을 대신하여 시간을 단축시킨다.3. 하나의 언어만 사용할 줄 알아도 다양한 컴퓨터 언어로의 치환을 돕는다.4. 구글 개발 AI라서 서비스의 통합을 이루어 활용도가 더욱 높아졌다. 03 인사이트- 한 시간이 소요될 일도 단 몇 분만에 해내는 AI의 개발을 그저 바라..

✏️도전한 점1. 아티클 스터디 및 요약2. 알쿼리즘 스터디 진행3. ADsP 강의 듣기 01 데이터분석 스터디 활동 🔎아티클 스터디: 적성따라 직군 바꾸기01 오늘의 아티클 적성따라 직군 바꾸기: MS 서지영 AI&데이터 스페셜리스트 | 요즘IT이번에 소개할 인물, 서지영 님은 개발자로 시작해 DBA를 거쳐 AI&데이터 스페셜리스트로 커리어를 쌓아 나가고specialda.tistory.com- 직무를 변경한 경험자의 아티클을 읽으면서 위의 링크에도 설명했지만 내가 어떤 점을 본받아야 할 지 생각을 정리할 수 있어서 좋았다. 그리고 알쿼리즘 스터디 시간에 프로그래머스 문제에 대해 각자 코드를 설명하고 이야길 나누는 시간을 가졌다. 나는 어떤 부분에서 코드 오류가 있었는지, 특히 대여 시작일짜와 종료일자..

01 오늘의 아티클 적성따라 직군 바꾸기: MS 서지영 AI&데이터 스페셜리스트 | 요즘IT이번에 소개할 인물, 서지영 님은 개발자로 시작해 DBA를 거쳐 AI&데이터 스페셜리스트로 커리어를 쌓아 나가고 있습니다. 무려 두 번의 직군 전환을 성공적으로 이뤄낸 건데요. 물론 쉽지는 않았yozm.wishket.com 02 아티클 정보 요약1. 학습 분야에 대해 궁금증을 가지고, 그 분야를 집중적으로 파고들 것.2. 내 일이 미래에도 가치가 있는 일일지, 미래 발전 가능성도 고려할 것.3. 단기적인 목표를 세우고 달려갈 것. 기간이 길면 길을 잃기 쉬우니까.4. 고등 수학과 영어를 공부할 것. 오래 버틸 수 있는 힘이 될 거니까.5. 내가 말한 것이 무조건 정답은 아닐 거라는 열린 마인드를 가질 것. 03 인..