diff --git a/contains-duplicate/wozlsla.py b/contains-duplicate/wozlsla.py
new file mode 100644
index 000000000..ee5dffcfc
--- /dev/null
+++ b/contains-duplicate/wozlsla.py
@@ -0,0 +1,3 @@
+class Solution:
+    def containsDuplicate(self, nums: List[int]) -> bool:
+        return len(nums) > len(set(nums))
diff --git a/longest-consecutive-sequence/wozlsla.py b/longest-consecutive-sequence/wozlsla.py
new file mode 100644
index 000000000..5d13a440c
--- /dev/null
+++ b/longest-consecutive-sequence/wozlsla.py
@@ -0,0 +1,64 @@
+class Solution:
+    def longestConsecutive(self, nums: List[int]) -> int:
+
+        # Edge case
+        if not nums:
+            return 0
+
+        # 1. HashSet
+        table = set(nums)
+
+        logest_seq = 0
+
+        # 2. 연속 시퀀스의 시작점 탐색
+        for num in table:
+            if (num - 1) not in table:  # !!
+                current_num = num
+                seq = 1
+
+                # 시퀀스 확장
+                while (current_num + 1) in table:
+                    current_num += 1
+                    seq += 1
+
+            # 시퀀스 길이 업데이트
+            logest_seq = max(logest_seq, seq)
+
+        return logest_seq
+
+
+"""
+Time complexity : O(N)
+- step 1 (iteration) : O(N)
+  - 모든 숫자를 해시셋(set)에 저장
+  - 해시셋 사용 이유 : 중복을 제거하고 O(1) 탐색 가능
+    - 요소의 추가, 삭제, 존재 여부 확인에 평균적으로 O(1) 시간이 걸리는 자료구조
+    - 이 성질 덕분에 하단의 풀이가 간단해질 수 있음
+- step 2 (iteration) : O(N)
+  - 각 요소는 for, while 에서 최대 두번 처리됨
+
+Space Complexity)
+- 해시셋(딕셔너리): O(N) (최악의 경우, 모든 숫자가 고유할 때)
+"""
+
+
+""" 첫번째 풀이 
+- 시간복잡도 고려 X. O(NlogN)
+- Edge case 대응 필요
+- 연속된 요소 시퀀스가 하나가 아닐 경우 고려 필요
+
+class Solution:
+    def longestConsecutive(self, nums: List[int]) -> int:
+
+        nums.sort()  # 오름차순
+
+        cnt = 1
+        tmp = nums[0]
+
+        for i in range(1, len(nums)):
+            if nums[i] == tmp + 1:
+                cnt += 1
+                tmp = nums[i]
+
+        return cnt
+"""
diff --git a/top-k-frequent-elements/wozlsla.py b/top-k-frequent-elements/wozlsla.py
new file mode 100644
index 000000000..dbe225d39
--- /dev/null
+++ b/top-k-frequent-elements/wozlsla.py
@@ -0,0 +1,49 @@
+import heapq
+
+
+class Solution:
+    def topKFrequent(self, nums: List[int], k: int) -> List[int]:
+
+        table = {}  # 1. Initialize
+
+        # 2. Populate frequency map
+        for i in range(len(nums)):
+            table[nums[i]] = table.get(nums[i], 0) + 1
+
+        # 3. Find top K frequent elements
+        topk = heapq.nlargest(k, table, key=table.get)
+        return topk
+
+
+"""
+* 초기 아이디어 *
+- 하나씩 전부 돌면서 빈도수 저장, k개 만큼만 -> 비교/정렬 과정 고려 필요
+- count 함수를 써서 비교후 저장 -> 더 많은 반복? O
+- 일단 한번은 다 돌아야함. 가장 적게 돌 수 있는 방법?
+- 전체 순차 비교?
+- Counter, 빈도수 + top K개
+
+Time complexity : O(N + MlogK)
+- step 2 (iteration) : O(N)
+  - 리스트의 길이가 N 일때, nums 모두 순회
+- step 3 (iteration) : O(NlogK)
+  - heapq.nlargest 함수는 table의 모든 M개의 요소(키-값 쌍)를 순회하며, 크기 k의 최소 힙을 유지
+  - 힙에 삽입(or 제거 후 삽입) 연산은 힙의 크기 k에 비례, O(logK)
+  - 각 요소에 적용 O(MlogK), 최악의 경우 O(NlogK). M은 N을 초과할 수 없음.
+  
+Space Complexity)
+- 빈도수 맵 (딕셔너리): O(N) (최악의 경우, 모든 숫자가 고유할 때)
+- 힙 (heapq.nlargest 내부에서 사용): O(K)
+
+* heapq.nlargest *
+- 가장 큰 k개의 요소를 찾는 함수  
+  1. 힙 초기화. 크기가 k인 (최소)힙 생성
+  2. 순회 및 힙 관리
+    - table 전체를 순회하며 key=table.get 값을 기준으로 비교
+    - 힙이 k개 미만일 경우 요소 추가, 다 찼을경우 비교후 재정렬
+      - 현재 요소 b의 값과 힙의 루트에 있는 요소 a를 비교
+      - b > a 이면, a를 제거하고 b를 추가 및 재정렬
+      - b <= a 이면, b를 버림
+    - 힙에 있는 요소들을 정렬된 리스트로 반환
+- max heap이 아닌 min heap을 사용하는 이유
+"""
diff --git a/two-sum/wozlsla.py b/two-sum/wozlsla.py
new file mode 100644
index 000000000..2b4c6f656
--- /dev/null
+++ b/two-sum/wozlsla.py
@@ -0,0 +1,9 @@
+class Solution:
+    def twoSum(self, nums: List[int], target: int) -> List[int]:
+        # idx를 따로 저장해두는 게 좋을까? X -> i를 사용하면 될듯
+        # 만약, 거꾸로 계산한다면?
+
+        for i in range(len(nums) - 1):
+            for j in range(i + 1, len(nums)):
+                if nums[i] + nums[j] == target:
+                    return [i, j]