좀 더 많은 기법 및 데이터 분석 방법론에 대해 공부하기 위해 해당 자격증을 취득하게 되었습니다

기업측으로부터 센서 데이터를 전달받아 프로젝트를 수행하였습니다. 전달받은 데이터셋의 경우 학습/테스트/검증용으로 분리하여 사용하였으며, 다중공선성 고려, 시각화를 통한 독립변수의 특징 파악 등의 과정을 통해 학습에 사용할 독립변수를 선정하였습니다. ai의 경우 CatBoost, LGMB 등 ML 기반 모델을 사용하였으며 가장 나은 F1 Score를 보여준 모델을 최종 모델로서 선정하게 되었습니다. 현재 데이터셋의 경우 악취를 판단하는 기준이 모호하여 민원 데이터 등을 활용하여 모델링 작업을 보완하는 중입니다.

해당 기업의 경우 소규모 기업이라 확보해 놓은 이미지 데이터셋이 소량이어서 cnn 등의 이미지 딥러닝 모델을 쓰기에는 높은 분류 정확도를 기대하기 어렵다고 판단하여 opencv 및 numpy를 기반으로 이미지 전처리를 수행하였습니다. 박스 이미지의 네 꼭지점의 좌표를 도출하여 perspective transformation을 적용, 모든 이미지를 동일한 크기로 맞춘 후 가상의 격자를 만들어 각 격자의 rgb값의 총합을 산출하였으며, 다른 박스 이미지와의 비교를 통해 이상치라고 판단될 경우 해당 박스 이미지를 불량이라고 판별했습니다.

기업 측으로부터 한 국가의 세관 신고 데이터를 받아 수행한 프로젝트입니다. 해당 데이터셋의 경우 적발 데이터가 전체 데이터셋의 1% 미만으로 데이터 불균형이 심한 상태였고, 이러한 문제를 해결하는 것이 이 프로젝트의 핵심 과제였습니다. 우선적으로 다중공선성을 고려하여 독립변수를 선정하였고, 계층추출법을 통해 학습/테스트 데이터셋 분리시에도 라벨의 분포가 고르도록 하여 ai 학습에 반영이 될 수 있도록 하였습니다. ai 모델의 경우 LGBM, CatBoost, DNN을 선정하였으며 하이퍼파라미터 튜닝을 통해 성능 개선을 추구하였습니다

상위 자격증인 ADP에 도전하기 위해 우선적으로 해당 자격증을 취득하게 되었습니다