diff --git a/contains-duplicate/okyungjin.py b/contains-duplicate/okyungjin.py
new file mode 100644
index 0000000000..92991d53af
--- /dev/null
+++ b/contains-duplicate/okyungjin.py
@@ -0,0 +1,30 @@
+# 문제: https://leetcode.com/problems/contains-duplicate/
+
+# 아이디어:
+# 1. nums를 정렬한 다음 [1, len(nums)) 범위를 순회하며, 앞 순서의 번호와 일치하는지 확인한다.
+# 2. set 자료구조 사용해서 탐색한 숫자를 기록한다. for문을 돌며 이전에 탐색한 숫자라면 early retrun
+
+
+# 1) 정렬 사용, 이 경우에는 정렬에 의해 시간 복잡도 O(nlogN), 공간복잡도 O(1)
+class Solution:
+    def containsDuplicate(self, nums: List[int]) -> bool:
+        nums.sort() # 정렬에 의해 시간 복잡도 O(nlogN)
+
+        for idx in range(1, len(nums)):
+            if nums[idx] == nums[idx-1]:
+                return True
+
+        return False
+
+
+# 2) set 사용, 시간 복잡도 O(N), 공간 복잡도 O(N)
+class Solution:
+    def containsDuplicate(self, nums: List[int]) -> bool:
+        seen = set() # 탐색한 숫자를 기록하는 set
+
+        for n in nums:
+            if n in seen:
+                return True
+            seen.add(n)
+
+        return False
diff --git a/house-robber/okyungjin.py b/house-robber/okyungjin.py
new file mode 100644
index 0000000000..22e65a2e33
--- /dev/null
+++ b/house-robber/okyungjin.py
@@ -0,0 +1,31 @@
+# https://leetcode.com/problems/house-robber/description/
+
+# 훔칠 수 있는 최대 금액을 구한다
+# 단 연속된 집을 훔치면 경찰에 체포됨
+
+# 앞집, 앞앞집의 최대 수익을 아래 변수들에 기록한다
+# prev2, prev1, curr
+
+# Time: O(N)
+# Space: O(1)
+class Solution:
+    def rob(self, nums: List[int]) -> int:
+        prev2 = 0 # 앞앞집 최대 수익
+        prev1 = 0 # 앞집 최대 수익
+        
+        for num in nums:
+            # 현재 최대 수익은
+            # 1) 앞집 수익
+            # 2) 앞앞집 수익 + 현재수익
+            curr = max(prev1, prev2 + num)
+
+            # 다음 턴을 위해 값을 슬라이딩(?)
+            # prev3 prev2 prev1 curr
+            #         a     b    c
+            #  a      b     c 
+            prev2 = prev1
+            prev1 = curr
+
+        # 순회 끝나면 직전 최대 수익이 prev1에 저장됨
+        return prev1
+            
diff --git a/longest-consecutive-sequence/okyungjin.py b/longest-consecutive-sequence/okyungjin.py
new file mode 100644
index 0000000000..456921e0c8
--- /dev/null
+++ b/longest-consecutive-sequence/okyungjin.py
@@ -0,0 +1,52 @@
+from typing import List
+
+# [문제]
+# https://leetcode.com/problems/longest-consecutive-sequence/description/
+
+# [요구사항]
+# - 정수 배열 nums가 주어진다.
+# - nums의 숫자를 사용해서 연속된 숫자를 만들 수 있는 가장 긴 길이를 반환한다.
+# - 시간 복잡도가 O(N)인 알고리즘을 작성해야 한다. > 정렬 불가능
+
+# [접근법]
+# 문제 요구사항에 O(N)으로 풀게 되어있지만 당장 떠오르는 방식
+# 1. 배열을 오름차순으로 정렬한다.
+# 2. 정렬된 배열을 순회하며 연속된 숫자일 경우 curLen, maxLen을 갱신하며 가장 긴 길이를 구한다.
+# 3. 같은 숫자가 나올 경우 curLen을 유지하며 다음 루프로 넘긴다.
+# 4. for문이 종료되면 가장 긴 길이인 maxLen을 반화한다.
+
+# [더 알아볼 것]
+# - O(N)으로 푸는 방법 고민해보기
+
+
+# Time: O(n log n)
+# Space: O(N)
+class Solution:
+    def longestConsecutive(self, nums: List[int]) -> int:
+        if not nums:
+            return 0
+        
+        nums.sort() # Time: O(NlogN)
+
+        maxLen = 1
+        curLen = 1
+
+        for idx in range(1, len(nums)):
+            # 중복 숫자는 길이에 포함하지 않음
+            if nums[idx] == nums[idx - 1]:
+                continue
+
+            # 이전 숫자 + 1이면 연속
+            if nums[idx] == nums[idx - 1] + 1:
+                curLen += 1
+            else:
+                curLen = 1
+
+            maxLen = max(maxLen, curLen)
+
+        return maxLen
+
+
+# Solution().longestConsecutive([1,100])
+# Solution().longestConsecutive([0,3,7,2,5,8,4,6,0,1])
+# Solution().longestConsecutive([])
diff --git a/top-k-frequent-elements/okyungjin.py b/top-k-frequent-elements/okyungjin.py
new file mode 100644
index 0000000000..efb9e38ec4
--- /dev/null
+++ b/top-k-frequent-elements/okyungjin.py
@@ -0,0 +1,117 @@
+from collections import Counter
+import heapq
+from typing import List
+
+# [요구사항]
+# - 정수 배열 nums과 정수 k가 주어진다.
+# - 가장 자주 나타나는 k개의 숫자를 반환한다.
+# - 결과는 아무 순서로 정렬해도 된다.
+
+# [접근법]
+# 1. for문을 순회하며 숫자의 빈도수를 계산한다
+# 2. 빈도를 내림차순으로 정렬해서 상위 k개를 추출한다.
+
+# [더 알아볼 것]
+# - most_common(k)의 시간 복잡도가 왜 O(nlogK)일까?
+
+# [알게된 것]
+# - 역순 탐색은 `for n in reversed(nums)` 구문으로 간결하게
+# - collections에 Counter를 사용하면 간결한 구문으로 빈도를 셀 수 있다
+# - Counter는 most_common() 메서드를 제공한다.
+# - dict는 `counter.get(n, 0)`를 사용해서 기본값을 편하게 설정할 수 있다.
+
+
+# Solution A: collections Counter 사용해서 집계 후 most_common 메서드 사용
+# - Time: O(nlogK) TODO
+# - Space: O(N)
+# - Runtime: 2ms  / Beats 91.48%
+# - Memory: 22.83MB / Beats 60.93%
+class SolutionA:
+    def topKFrequent(self, nums: List[int], k: int) -> List[int]:
+         # Counter가 counter 이터러블을 반환함
+        counter = Counter(nums) # Space: O(N)
+
+        # most_common 메서드로 빈도수 높은 k개 추출 -> (num, count) 튜플
+        # Testcase1에서 counter.most_common(k)는 [(1, 3), (2, 2)]을 반환한다.
+        # for 문으로 튜플을 까서 num만 사용한다
+        return [num for num, _ in counter.most_common(k)] # Time: O(nlogK)
+
+# Solution B: 빈도수 집계 -> 내림차순 정렬 -> k개 슬라이스
+# - Time: O(nlogN)
+# - Space: O(N)
+# - Runtime: 3ms  / Beats 89.31%
+# - Memory: 22.75MB / Beats 80.99%
+class SolutionB:
+    def topKFrequent(self, nums: List[int], k: int) -> List[int]:
+        counter: dict[int, int] = {} # Space: O(N)
+
+        # 숫자의 빈도수를 기록
+        for n in nums:
+            counter[n] = counter.get(n, 0) + 1 # dict 기본값 함수
+        
+         # 빈도수로 내림차순 정렬 후 k개 슬라이스
+        return sorted(counter, key=counter.get, reverse=True)[:k] # Time: O(nlogN) by 정렬
+     
+# Solution C: 빈도별 숫자 목록을 저장하는 freqList 생성 (count sort)
+# - Time: O(N)
+# - Space: O(N)
+# - Runtime: 8ms  / Beats 33.04%
+# - Memory: 22.89MB / Beats 60.93%
+class SolutionC:
+    def topKFrequent(self, nums: List[int], k: int) -> List[int]:
+        # 숫자별 카운트 집계
+        counter: dict[int, int] = {} # Space: O(N)
+        maxCnt = 1 
+        for n in nums:
+            counter[n] = counter.get(n, 0) + 1
+            maxCnt = max(counter[n], maxCnt) # 최대 빈도수를 기록한다 (freqList 최적화를 위함)
+
+        # maxCount 길이인 [[], [], ..., []] 배열을 미리 생성해둔다
+        # nums[idx]는 빈도수가 idx + 1인 숫자들이 들어간다.
+
+        freqList = [[] for _ in range(maxCnt)]
+
+        for num, cnt in counter.items():
+            freqList[cnt - 1].append(num)
+
+        # 예시)
+        # nums=[1, 1, 1, 2, 2, 3], k=2 이라면 1은 3번, 2는 2번, 3은 1번 등장한다.
+        # freqList는 [[3], [2], [1]] 가 된다.
+            
+        result = [] # Space: O(N)
+        for bucket in reversed(freqList): # Time: O(N), 역순 탐색은 reversed로 간결하게
+            if len(result) == k: # 해가 유니크하므로 등치로 비교
+                return result # result도 slice 안 하고 그대로 반환
+            result.extend(bucket)
+
+        return result
+
+# Solution D: 파이썬의 heapq 라이브러리 사용하여 최소힙으로 정렬
+#  - Time: O(N logN)
+# - Space: O(N)
+# - Runtime: 7ms  / Beats 51.93%
+# - Memory: 23.00MB / Beats 42.12%
+class Solution:
+    def topKFrequent(self, nums: List[int], k: int) -> List[int]: 
+        counter = Counter(nums)
+
+        # heapq 라이브러리는 최소힙으로 구현되어 있어서
+        # 우선순위를 높아려면 count를 음수로 저장해야함
+        heap = []
+        for num, count in counter.items():
+            heapq.heappush(heap, (-count, num))
+
+        result = []
+        for _ in range(k):
+            _, num = heapq.heappop(heap)
+            result.append(num)
+        
+        return result
+    
+
+print(Solution().topKFrequent([1, 1, 1, 2, 2, 3], 2))          # [1, 2]
+# print(Solution().topKFrequent([1], 1))                         # [1]
+# print(Solution().topKFrequent([1, 2, 1, 2, 1, 2, 3, 1, 3, 2], 2)) # [1, 2]
+# print(Solution().topKFrequent([4, 4, 4, 6, 6, 7], 1))           # [4]
+# print(Solution().topKFrequent([1, 1, 2, 0, 0, 0], 2))           # [0, 1]
+# print(Solution().topKFrequent([-1, -1, -1, 2, 2, 3], 2))        # [-1, 2]
diff --git a/two-sum/okyungjin.py b/two-sum/okyungjin.py
new file mode 100644
index 0000000000..de4864efbf
--- /dev/null
+++ b/two-sum/okyungjin.py
@@ -0,0 +1,28 @@
+# 링크: https://leetcode.com/problems/two-sum/
+
+# [요구사항]
+# - 정수 배열 nums에서 두 숫자를 더했을 때 target이 되는 두 수의 "인덱스"를 반환한다.
+# - 반환하는 배열의 순서는 아무렇게나
+# - 같은 원소를 두 번 사용하면 안 된다.
+#   - ex) nums: [3,3] / target: 6 일 때 [0, 1]은 정답, [0, 0]은 오답
+# - 단 하나의 해만 존재함
+
+# [접근법]
+# 1. hashMap을 선언
+# 2. 배열을 순회하며 숫자를 hashMap에 담는다
+    # 3. 현재 숫자와 합쳐서 target이 되는 숫자가 hashMap에 있는지 탐색
+    # 4. step3을 만족하는 숫자가 있으면 즉시 반환, 아니면 hashMap에 저장
+
+# [복잡도] 
+# - Time: O(N), for문 순회하는 비용
+# - Space: O(N)
+
+class Solution:
+    def twoSum(self, nums: List[int], target: int) -> List[int]:
+        num_map = {} # Space: O(N)
+
+        for i, num in enumerate(nums): # Time: O(N)
+            pair = target - num # 쌍을 만족하는 숫자 추출
+            if pair in num_map: # 쌍을 만족하는 숫자가 이미 존재하면 즉시 종료
+                return [i, num_map[pair]]
+            num_map[num] = i