실무 프로젝트 가이드
앞서 학습한 데이터 준비, 모델 선택, 평가, 파이프라인 기법을 종합하여 실제 문제를 처음부터 끝까지 해결하는 프로젝트입니다.
프로젝트 선택 가이드
| 프로젝트 | 난이도 | 핵심 기법 | 사용 알고리즘 | 예상 소요 |
|---|
| 정형 데이터 분류 | 입문 | EDA, 전처리, 모델 비교 | 로지스틱 회귀, RF, XGBoost | 2-3시간 |
| 수치 예측 | 입문 | 특성 공학, 정규화 | 선형 회귀, Ridge, GBM | 2-3시간 |
| 고객 세분화 | 중급 | 클러스터링, 차원 축소 | K-Means, PCA, DBSCAN | 3-4시간 |
| 이상 탐지 | 중급 | 불균형 처리, 이상치 모델 | Isolation Forest, SMOTE | 3-4시간 |
| 시계열 예측 | 고급 | 시계열 분해, 시계열 CV | ARIMA, Prophet, LightGBM | 4-5시간 |
학습자 유형별 추천 순서
| 학습자 | 추천 시작 프로젝트 | 이유 |
|---|
| ML 완전 초보 | 정형 데이터 분류 | 가장 기본적인 워크플로우를 체험 |
| 데이터 분석가 | 고객 세분화 | 분석 경험을 ML로 확장 |
| 통계 전공자 | 시계열 예측 | 통계 지식을 활용 가능 |
| 실무 적용 목적 | 이상 탐지 | 비즈니스 임팩트가 높은 문제 |
각 프로젝트는 독립적으로 수행할 수 있지만, ML 입문자라면 “정형 데이터 분류 -> 수치 예측 -> 고객 세분화” 순서를 추천합니다.
