Skip links

  • Skip to primary navigation
  • Skip to content
  • Skip to footer
개발 기술 블로그 입니다. Developer Hong amiro
  • Introduction
  • Categories
  • Tags
  • Posts by Year
  • Table of Contents
      1. Home
      2. /
      3. Ko
      4. /
      5. 2021
      6. /
      7. Mysql
      8. /
      9. MySQL AUTO_INCREMENT 초기화
      amiro

      amiro

      I hope my writing will be helpful to someone.

      처음 블로그를 찾아 헤맸던 저처럼
      이곳에서 정리한 글들이
      누군가에게 작은 길잡이가 되기를 바랍니다.
      부족하지만 제가 정리한 글들이
      누군가에게 작은 도움이 된다면 기쁘겠습니다.

      • Republic of Korea
      • Email
      • GitHub
      • Tistory

      MySQL AUTO_INCREMENT 초기화

      최대 1 분 소요

      목차

      • mysql AUTO_INCREMENT 초기화

      mysql AUTO_INCREMENT 초기화

      ALTER TABLE test_table AUTO_INCREMENT = 1;

      SET @cnt = 0;

      UPDATE test_table SET id = @cnt:=@cnt+1;

      태그: MySQL

      카테고리: MySQL

      업데이트: June 30, 2021

      공유하기

      Twitter Facebook LinkedIn
      이전 다음

      댓글남기기

      참고

      머신러닝 - EDA부터 분류 모델까지(Seaborn 라이브러리와 펭귄 데이터)

      7 분 소요

      펭귄 데이터 탐색 및 전처리 seaborn 라이브러리에 내장된 펭귄(penguins) 데이터셋을 사용해 데이터의 특성을 파악하고 머신러닝 모델에 적용할 수 있도록 데이터를 가공하는 탐색적 데이터 분석(EDA) 및 전처리 과정을 살펴보도록 하겠습니다. 주요 분석 목표는 펭귄의 신...

      예측에서 분류까지 - 선형 회귀를 S-커브로 바꾸는 시그모이드

      2 분 소요

      예측에서 분류까지: 선형 회귀를 S-커브로 바꾸는 시그모이드 From Prediction to Classification: Sigmoid Transforms Linear Regression into S-Curves 통계학과 머신러닝의 세계에서 우리는 숫자를 예측하기도 하고, ‘...

      AI - 선형 회귀와 로지스틱 회귀 핵심 정리

      2 분 소요

      AI 기초 다지기: x 핵심 정리 🤖 인공지능과 머신러닝의 가장 기본이 되는 두 가지 모델, 선형 회귀와 로지스틱 회귀에 대해 알아보겠습니다. 이 두 모델은 데이터의 패턴을 파악하고 미래를 예측하는 가장 직관적인 방법 중 하나입니다. 1. 선형 회귀: 데이터의 패턴을 직선으...

      AI는 어떻게 예측할까? 모든 예측의 시작, y = wx + b

      2 분 소요

      AI는 어떻게 예측할까? 모든 예측의 시작, y = wx + b AI의 첫걸음: 레모네이드 가게로 배우는 y = wx + b 인공지능(AI)의 복잡한 세계를 떠받치는 아주 단순하고도 강력한 공식이 있습니다. 바로 y = wx + b 입니다. 이 공식이 어떻게 AI의 핵심이 되는...

      English Posts

      • Algorithm 03 - (Basic Pattern 02) - (5) Graph Traversal, BFS (Breadth-First Search) - Difference Between "Visited Nodes" and "Visit Status" - January 11, 2025
      • Algorithm 03 - (Basic Pattern 02) - (4) Graph Traversal, BFS (Breadth-First Search) vs Sliding Window - January 11, 2025
      • Algorithm 03 - (Basic Pattern 02) - (3) Graph Traversal, BFS (Breadth-First Search) - When Does a Value Leave the Queue? - January 11, 2025
      • Algorithm 03 - (Basic Pattern 02) - (2) What is a Graph in BFS (Breadth-First Search)? - January 11, 2025
      • Algorithm 03 - (Basic Pattern 02) - (1) Graph Traversal, BFS (Breadth-First Search) - January 11, 2025

      한국어 포스트

      • 머신러닝 - EDA부터 분류 모델까지(Seaborn 라이브러리와 펭귄 데이터) - August 10, 2025
      • 예측에서 분류까지 - 선형 회귀를 S-커브로 바꾸는 시그모이드 - August 07, 2025
      • AI - 선형 회귀와 로지스틱 회귀 핵심 정리 - August 07, 2025
      • AI는 어떻게 예측할까? 모든 예측의 시작, y = wx + b - August 07, 2025
      • 인공지능 - 뇌에서 정보를 처리하는 방식은? - August 07, 2025
      • 팔로우:
      • GitHub
      • 피드
      © 2025 amiro. Powered by Jekyll & Minimal Mistakes.