Update README with blog purpose

_config.yml

@@ -17,12 +17,12 @@ minimal_mistakes_skin    : "default" # "air", "aqua", "contrast", "dark", "dirt"
 # Site Settings
 locale                   : "en-US"
 rtl                      : # true, false (default) # turns direction of the page into right to left for RTL languages
-title                    : "Site Title"
+title                    : "Blog"
 title_separator          : "-"
 subtitle                 : # site tagline that appears below site title in masthead
-name                     : "Your Name"
-description              : "An amazing website."
-url                      : # the base hostname & protocol for your site e.g. "https://mmistakes.github.io"
+name                     : "21"
+description              : "과제블로그"
+url                      : "https://frismaugment.github.io"
 baseurl                  : # the subpath of your site, e.g. "/blog"
 repository               : # GitHub username/repo-name e.g. "mmistakes/minimal-mistakes"
 teaser                   : # path of fallback teaser image, e.g. "/assets/images/500x300.png"
@@ -113,11 +113,11 @@ analytics:
 
 # Site Author
 author:
-  name             : "Your Name"
+  name             : "jsj99"
   avatar           : # path of avatar image, e.g. "/assets/images/bio-photo.jpg"
-  bio              : "I am an **amazing** person."
-  location         : "Somewhere"
-  email            :
+  bio              : "Just do it."
+  location         : #
+  email            : "990711jsj@naver.com"
   links:
     - label: "Email"
       icon: "fas fa-fw fa-envelope-square"

_posts/2023-03-23-1-1.md

@@ -0,0 +1,111 @@
+---
+title: "캡스톤디자인 1.1과제"
+layout: post
+date: "2025-03-23"
+---
+
+# 캡스톤디자인 1.1과제
+
+주사위 두 개를 굴려서 나온 눈의 수를 사용해서 두 자리 숫자를 크게 만드는 사람이 이기는 게임이다. 주사위를 처음 굴려서 나온 눈의 수를 10의 자리와 1의 자리 중 어느 곳에 사용할 지 먼저 결정해야 한다. 그런 다음 두 번째로 주사위를 굴려서 나온 눈의 수는 자동으로 남은 자리의 숫자로 사용된다.
+
+### 1. 최선의 전략 짜기
+
+
+```r
+two_dice <-read.csv("C:/Users/jsj99/Documents/two_dice.csv")
+head(two_dice)
+```
+
+```
+##   dice1 dice2
+## 1     1     4
+## 2     1     2
+## 3     5     3
+## 4     6     2
+## 5     3     3
+## 6     1     5
+```
+
+#### 전략구상
+
+##### 1.첫 번째 주사위 눈이 4 이상일때 십의 자리에 배치하기
+
+
+```r
+result_1 <- ifelse(two_dice$dice1 >= 4,
+                 two_dice$dice1 * 10 + two_dice$dice2,
+                 two_dice$dice1 + two_dice$dice2 * 10)
+sum(result_1)
+```
+
+```
+## [1] 45241257
+```
+
+##### 2.첫 번째 주사위 눈이 5 이상일때 십의 자리에 배치하기
+
+
+```r
+result_2 <- ifelse(two_dice$dice1 >= 5,
+                 two_dice$dice1 * 10 + two_dice$dice2,
+                 two_dice$dice1 + two_dice$dice2 * 10)
+sum(result_2)
+```
+
+```
+## [1] 44482521
+```
+
+##### 3.첫 번째 주사위 눈이 6 이상일때 십의 자리에 배치하기
+
+
+```r
+result_3 <- ifelse(two_dice$dice1 >= 6,
+                 two_dice$dice1 * 10 + two_dice$dice2,
+                 two_dice$dice1 + two_dice$dice2 * 10)
+sum(result_3)
+```
+
+```
+## [1] 42228705
+```
+
+첫 번째 주사위 눈이 4 이상일 때 십의 자리에 배치하는 것이 총합이 가장 높으므로 최선의 전략이다. 
+### 2.최선의 전략일 때 확률분포
+
+
+```r
+library(ggplot2)
+
+score <- c()
+
+for (dice1 in 1:6) {
+  for (dice2 in 1:6) {
+    if (dice1 >= 4) {
+      score <- c(score, dice1 * 10 + dice2)
+    } else {
+      score <- c(score, dice2 * 10 + dice1)
+    }
+  }
+}
+
+score_df <- as.data.frame(table(score))
+score_df$pro <- score_df$Freq / 36
+
+ggplot(score_df, aes(x = as.numeric(as.character(score)), y = pro)) +
+  geom_bar(stat = 'identity') +
+  labs(title='확률분포', x='점수', y='확률')
+```
+![cs-1-1](/assets/images/cs-1-1.png)
+
+### 3.기댓값 구하기
+
+
+```r
+exp_value <- sum(as.numeric(as.character(score_df$score))*score_df$pro)
+exp_value
+```
+
+```
+## [1] 45.25
+```

_posts/2023-03-23-1-2.md

@@ -0,0 +1,152 @@
+---
+title: "캡스톤디자인 1.2과제"
+layout: post
+date: "2025-03-23"
+---
+
+# 캡스톤디자인 1.2과제
+
+주사위 3개를 굴려서 나온 눈의 수를 사용해서 세자리 숫자를 가장 크게 만드는 사람이 이기는 게임이다. 주사위를 처음 굴려서 나온 눈의 수를 세자리 숫자에서 어느 곳에 사용할 지 먼저 결정한다. 그런 다음 두 번째로 굴린 주사위에서 나온 눈의 수는 남은 두자리의 숫자 중 하나로 결정한다. 세 번째 나온 주사위 눈수는 자동으로 남은 숫자로 사용된다.
+
+### 1.최선의 전략 짜기
+
+#### 1. dice1 >= 5 이면 백의 자리, 5 > dice1 >= 3 이면 십의 자리, 3 > dice1 이면 일의 자리, dice2>=4 이면 남은 자리 중 높은 자리
+
+#### 2. dice1 >= 5 이면 백의 자리, 5 > dice1 >= 3 이면 십의 자리, 3 > dice1 이면 일의 자리, dice2 >= 5 이면 남은 자리 중 높은 자리
+
+#### 3. dice1 == 6 이면 백의 자리 5 > dice1 >=4 이면 십의 자리, 4 > dice1 이면 일의 자리, dice2 >= 4 이면 남은 자리 중 높은 자리
+
+
+```r
+three_dice <-read.csv("C:/Users/jsj99/Documents/three_dice.csv")
+head(three_dice)
+```
+
+```
+##   dice1 dice2 dice3
+## 1     5     2     4
+## 2     4     2     3
+## 3     4     2     5
+## 4     2     5     4
+## 5     5     5     5
+## 6     1     1     6
+```
+
+
+```r
+result<- function(dice1, dice2, dice3) {
+  if (dice1 >= 5) {
+    if (dice2 >= 4) {
+      score <- dice1 * 100 + dice2 * 10 + dice3
+    } else {
+      score <- dice1 * 100 + dice3 * 10 + dice2
+    }
+  } else if (dice1 == 3 | dice1 == 4) {
+    if (dice2 >= 4) {
+      score <- dice2 * 100 + dice1 * 10 + dice3
+    } else {
+      score <- dice3 * 100 + dice1 * 10 + dice2
+
+    }
+  } else {
+    if (dice2 >= 4) {
+      score <- dice2 * 100 + dice3 * 10 + dice1
+    } else {
+      score <- dice3 * 100 + dice2 * 10 + dice1
+    }
+  }
+  return(score)
+}
+```
+
+
+```r
+three_dice$score <- mapply(result,three_dice$dice1, three_dice$dice2, three_dice$dice3)
+sum(three_dice$score)
+```
+
+```
+## [1] 503895228
+```
+1번 방법이 가장 총합이 높으므로 적합한 방식
+
+```r
+mean(three_dice$score)
+```
+
+```
+## [1] 503.8952
+```
+### 2.적합한 방식일 때 확률분포 그래프
+
+```r
+dice_values <- 1:6
+combinations <- expand.grid(dice1 = dice_values, dice2 = dice_values, dice3 = dice_values)
+combinations$score <- mapply(result, combinations$dice1,combinations$dice2, combinations$dice3)
+probability_distribution <- table(combinations$score) / nrow(combinations)
+print(probability_distribution)
+```
+
+```
+## 
+##         111         112         121         122         131         132 
+## 0.004629630 0.004629630 0.004629630 0.004629630 0.009259259 0.009259259 
+##         133         141         142         143         211         212 
+## 0.004629630 0.004629630 0.004629630 0.004629630 0.004629630 0.004629630 
+##         221         222         231         232         233         241 
+## 0.004629630 0.004629630 0.009259259 0.009259259 0.004629630 0.004629630 
+##         242         243         311         312         321         322 
+## 0.004629630 0.004629630 0.004629630 0.004629630 0.004629630 0.004629630 
+##         331         332         333         341         342         343 
+## 0.009259259 0.009259259 0.004629630 0.004629630 0.004629630 0.004629630 
+##         411         412         421         422         431         432 
+## 0.009259259 0.009259259 0.009259259 0.009259259 0.018518519 0.018518519 
+##         433         434         435         436         441         442 
+## 0.009259259 0.004629630 0.004629630 0.004629630 0.013888889 0.013888889 
+##         443         444         445         446         451         452 
+## 0.009259259 0.004629630 0.004629630 0.004629630 0.004629630 0.004629630 
+##         461         462         511         512         513         521 
+## 0.004629630 0.004629630 0.013888889 0.013888889 0.004629630 0.013888889 
+##         522         523         531         532         533         534 
+## 0.013888889 0.004629630 0.023148148 0.023148148 0.013888889 0.004629630 
+##         535         536         541         542         543         544 
+## 0.004629630 0.004629630 0.023148148 0.023148148 0.018518519 0.009259259 
+##         545         546         551         552         553         554 
+## 0.009259259 0.009259259 0.013888889 0.013888889 0.009259259 0.004629630 
+##         555         556         561         562         563         564 
+## 0.004629630 0.004629630 0.013888889 0.013888889 0.009259259 0.004629630 
+##         565         566         611         612         613         621 
+## 0.004629630 0.004629630 0.013888889 0.013888889 0.004629630 0.013888889 
+##         622         623         631         632         633         634 
+## 0.013888889 0.004629630 0.023148148 0.023148148 0.013888889 0.004629630 
+##         635         636         641         642         643         644 
+## 0.004629630 0.004629630 0.023148148 0.023148148 0.018518519 0.009259259 
+##         645         646         651         652         653         654 
+## 0.009259259 0.009259259 0.013888889 0.013888889 0.009259259 0.004629630 
+##         655         656         661         662         663         664 
+## 0.004629630 0.004629630 0.013888889 0.013888889 0.009259259 0.004629630 
+##         665         666 
+## 0.004629630 0.004629630
+```
+
+```r
+df <- as.data.frame(probability_distribution)
+colnames(df) <- c("score", "probability")
+
+ggplot(df, aes(x = as.numeric(score), y = probability)) +
+  geom_bar(stat = "identity", fill = "steelblue") +
+  labs(title = "Score Probability Distribution", x = "Score", y = "Probability") +
+  theme_minimal()
+```
+
+![cs-1-2](/assets/images/cs-1-2.png)
+## 3 기대값 구하기
+
+```r
+expected_value <- sum(as.numeric(names(probability_distribution)) * probability_distribution)
+cat("기대값 (Expected Value):", expected_value, "\n")
+```
+
+```
+## 기대값 (Expected Value): 504
+```

_posts/2023-03-23-1-3.md

@@ -0,0 +1,44 @@
+---
+title: "캡스톤디자인 1.3과제"
+layout: post
+date: "2025-03-23"
+---
+# 1. PPDAC
+PPDAC 통계적 문제 해결 과정을 구조적으로 정리하는 프레임워크다. 이 과정은 문제를 정의하고, 계획을 세우고, 데이터를 수집 및 분석한 후 결론을 도출하는 순서로 진행된다.
+### 온라인 쇼핑몰에서 특정 브랜드 구매율 감소하는 상황
+#### 1.Problem (문제 정의)
+해당 브랜드의 구매율이 감소한 이유
+감소한 구매율이 회복 가능 여부
+#### 2.Plan (계획 수립)
+최근 3년간의 매출 데이터 확보 (경쟁사 포함)
+고객 리뷰 
+#### 3.Data (데이터 수집)
+쇼핑몰 매출 데이터 (요일, 월, 연도 단위) -> 계절, 연도, 월, 요일이 영향이 미치는지
+해당 브랜드 제품의 조회수, 판매량
+고객 리뷰 데이터
+할인정보
+#### 4.Analysis (데이터 분석)
+시계열 분석 -> 계절은 상관X, 전체적인 하향세
+할인 기간에만 판매율 급증
+경쟁사 제품 동일 기간 판매율 상승세 -> 경쟁사 선택이 증가
+부정적인 리뷰 증가 (배송, 품질)
+#### 5.Conclusion (결론 도출)
+할인 정책 재개
+물류 파트너사 변경 및 배송 지연 보상 정책 도입
+제품 품질 개선 및 강조
+
+
+# 2. PPDAC의 단점
+데이터 분석 및 모델링에 대한 세부적인 가이드 부족
+특정 분야(머신러닝, 실험 설계)에서 추가적인 기법 필요
+대규모 데이터 분석 프로젝트에는 부족할 수 있음
+
+# 3. PPDAC과 유사한 프레임워크
+| 프레임워크 | 주요특징 | PPDAC과의 차이점 |
+|:------|:------|:------|
+| GAISE | 통계 교육을 위한 단계별 접근 | 교육 목적, 실습 중심 |
+| DDDM | 데이터 기반 의사결정 과정 | 비즈니스 분석 최적화 |
+| 가설 검정 과정 | 통계적 검정을 통한 문제 해결 | 특정 검정 방법론 중심 |
+| DOE(실험 설계) | 실험을 통한 통계적 검정 | 실험 데이터 중심 |
+| CRISP-DM | 데이터 마이닝 및 머신러닝 적용 | 모델링 과정 강조 |
+| DCOVA | 데이터 분석 및 시각화 포함 | 시각화 과정 강조 |

_posts/2025-03-23-first.md

@@ -0,0 +1,10 @@
+---
+layout: post
+title:  "첫 포스팅!"
+---
+
+# Welcome
+
+**Hello world**, this is my first blog post.
+
+I hope you like it!

_posts/2025-03-30-2-1.md

@@ -0,0 +1,6 @@
+---
+layout: post
+title: "캡스톤 디자인 2.1"
+---
+
+<iframe src="/assets/my_page.html" width="100%" height="600px"></iframe>

_posts/2025-03-30-2-2.md

@@ -0,0 +1,6 @@
+---
+layout: post
+title: "캡스톤 디자인 2.2"
+---
+
+<iframe src="/assets/my_v2.html" width="100%" height="600px"></iframe>

_posts/2025-03-30-2-3.md

@@ -0,0 +1,6 @@
+---
+layout: post
+title: "캡스톤 디자인 2.3"
+---
+
+<iframe src="/assets/my_page.html" width="100%" height="600px"></iframe>

_posts/2025-03-30-2-4.md

@@ -0,0 +1,6 @@
+---
+layout: post
+title: "캡스톤 디자인 2.4"
+---
+
+<iframe src="/assets/my_analysis.html" width="100%" height="600px"></iframe>

_posts/2025-03-30-2-5.md

@@ -0,0 +1,6 @@
+---
+layout: post
+title: "캡스톤 디자인 2.5"
+---
+
+<iframe src="/assets/my_analysis_v2.html" width="100%" height="600px"></iframe>

_posts/2025-03-30-2-6.md

@@ -0,0 +1,6 @@
+---
+layout: post
+title: "캡스톤 디자인 2.6"
+---
+
+<iframe src="/assets/my_dashboard.html" width="100%" height="600px"></iframe>