1. 포인터 배열#include // 포인터 배열과 각 요소의 주소 출력int main() { int a[5] = { 1, 2, 3, 4, 5 }; for (int i = 0; i  2. 배열의 첫 번째 요소 가리키는 포인터#include // 배열 첫 번째 요소 가리키는 포인터를 통해 값 출력int main() { int a[5] = { 1,2,3,4,5 }; int* b = &a[0]; printf("a[0]의 주소값은 %d\n",b); printf("a[0]의 주소값은 %d\n",&a[0]); printf("a[0]의 주소값은 %d\n",a); printf("a[0]에 저장된 값은 %d\n",*b); printf("a[0]에 저장된 값은 %d\n",a[0]); return 0;}3. 포인..

보호되어 있는 글입니다.

프로젝트 개요과거 3개월치 판매 데이터를 기반으로 4월 판매량을 예측하고,안전재고와 현재고를 고려하여 필요 생산 수량 값 산출함으로써 재고 관리의 효율성을 높이는 것이 목표. 기술 스택프로그래밍 언어: Python라이브러리: Pandas, NumPy, Scikit-Learn, OpenPyXL모델링 기법: 선형 회귀 (Linear Regression)프로젝트 상세 설명데이터 분석 및 초기 계산값 활용데이터 로드 및 정리: Excel 파일에서 데이터를 불러와 필요한 열을 정리하고, 결측치를 제거하여 분석에 적합한 데이터셋을 생성엑셀 계산값 활용: Excel에서 판매 이동평균과 안전재고를 미리 계산하여 Python에서 추가로 활용더보기=STDEV(D3:F3)*SQRT(K3)*T3' D3:F3 1M, 2M, 3..

1. 프로젝트 소개boston 범죄데이터를 활용하여 범죄 유형을 예측하는 모델 구축,머신러닝 모델의 하이퍼파라미터를 조정하여 모델의 예측 정확도를 향상시킴  - 기술 스택프로그래밍 언어: Python라이브러리: Scikit-Learn, Matplotlib, Seaborn모델링 기법: 랜덤 포레스트, 그래디언트 부스팅2. 프로젝트 상세 설명1. 데이터 로드 및 전처리데이터의 기본 구조를 파악하고 결측치를 처리하여, 모델 학습에 적합한 형태로 데이터를 전처리더보기코드from sklearn.preprocessing import LabelEncoderfrom sklearn.model_selection import train_test_split# 결측치 처리New_DF['REPORTING_AREA'] = pd.t..

보호되어 있는 글입니다.

보호되어 있는 글입니다.