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

각 프로젝트는 독립적으로 수행할 수 있지만, 머신러닝 입문자라면 “정형 데이터 분류 -> 수치 예측 -> 고객 세분화” 순서를 추천합니다.

EDA부터 모델 평가까지 전체 분류 파이프라인

특성 공학 중심의 회귀 프로젝트

클러스터링과 차원 축소 결합 프로젝트

불균형 데이터와 이상치 모델 프로젝트

ARIMA와 머신러닝 모델을 비교하는 시계열 프로젝트