GAIQ는 구글 애널리틱스를 효과적으로 활용하여 데이터를 분석하고 웹사이트나 앱을 최적화하는 데 도움을 줍니다. 이를 통해 트래픽의 변화, 이용자 동작 패턴, 컨버전율 등을 파악하고 비즈니스 성과를 개선할 수 있습니다

- 국세청 데이터를 적재 및 PySpark, Hive, SQL, Pandas 등을 활용하여 전처리 - 데이터 헨들링 - 수십억, 수백억건의 데이터를 활용하기에 데이터의 자원적, 속도적인 측면을 효율성 고려하여 개발 - 주제에 대한 상세설명은 보안상 제한됨

- 중고폰 시장의 불투명성을 해결하기 위해 합리적인 가격 책정 모델 개발 - 중고폰 시장의 주요 업체인 폰가비와 세티즌에서 크롤링 - 다중 알고리즘 상호비교를 통한 최적 성능 모델 선정 - 시각화를 통해 실제값과 예측값의 차이를 확인하고 모델의 정확성을 평가 - 예측값과 실제값의 차이가 낮아 서비스화가 가능하다고 판단하여 모델링 완료

- 표준화 작업을 위해 다양한 기법을 고려하였으나, 정확도가 낮아 Kobert 모델을 활용한 한국어 다중분류로 표준화를 시도 - Train 데이터를 Train과 Test로 나눈 후 Kobert 모델을 활용하여 학습 진행 - 학습된 모델로 Test 데이터를 예측하여 79%의 정확도 도출. 샘플 데이터로도 77%의 정확도를 확인 - 표준화 작업에 적합한 Kobert 모델을 성공적으로 적용하여 프로젝트 완료

- 국내 음원 시장의 증가에 따라 음원 플랫폼에서 개인 맞춤형 추천 서비스를 제공하기 위한 프로젝트 수행 - 멜론 사이트에서 음원 데이터 수집 - Pororo의 TextRank 등 다양한 기법을 사용하여 데이터 전처리 수행 - sbert 모델을 활용하여 가사 데이터 임베딩 처리하고, 임베딩 값을 annoy 라이브러리에 저장 - 사용자가 추천을 받고 싶은 데이터를 라벨링하고 강화학습을 진행 - 처리된 데이터를 웹에서 제공하는 추천 시스템 구축