 |
모델 설계 및 최적화 능력이 핵심입니다. 이론과 실습을 균형 있게 익히고, 문제 해결에 창의적으로 접근하는 자세도 중요합니다. 더불어 최신 기술 동향에 대한 민감성과 자기주도 학습 능력, 그리고 협업을 통한 지식 공유 능력도 필수입니
|
|
 |
학습하고, 공개된 데이터셋을 활용하여 간단한 이미지 분류 모델을 직접 구현해 보여주었습니다. 기존 방식 대비 월등한 분류 정확도와 처리 속도를 실제 데이터로 증명하며 설득했습니다. 이후 팀원들과 함께 머신러닝 모델 학습을 위한 데
|
|
 |
모델을 효율적으로 개발하고 운영할 수 있는 ML Platform을 구축하였습니다.
해당 ML 플랫폼이 제공하는 핵심 서비스는 다음과 같습니다.
- 쿠버네티스 환경을 통한 효율적 자원 활용
- 주피터 학습 환경 제공 / 모델의 파라미터 자동 튜닝
- 데이
|
|
 |
모델 학습에 활용했습니다.
이 프로젝트의 주요 도전 과제는 바로 자연어 처리에서의 모델링이었습니다. 처음에는 단순한 나이브 베이즈 모델을 적용해보았지만, 성능이 만족스럽지 않아서 더 발전된 기법인 로지스틱 회귀와 SVM(Support Vector M
|
|
 |
모델을 커스터마이징했습니다. 학습 구조는 기존 영상 분석 모델과 달리, 네트워크 트래픽의 특성을 반영해 입력 구조를 재정립하고 시퀀스 기반 이상 탐지 로직을 구현했습니다. 모델 학습은 TensorFlow 기반으로 진행했고, 실시간 이상 감지를
|
|
 |
모델 학습에 필요한 데이터를 빠르게 확보할 수 있었고, 기존 데이터셋의 부족한 부분을 보완할 수 있었습니다. 또한, 데이터셋 변경 후에는 새로운 데이터를 기반으로 다시 모델을 학습시키면서 예측 정확도를 기존보다 25% 이상 향상시켰습
|
|
 |
학습을 적용할 때 가장 주의해야 할 점은 '유저 경험을 해치지 않는 것'이라고 생각합니다. 강화학습 모델이 최적화된 결과를 도출해도, 그것이 플레이어에게 불합리하거나 불쾌한 경험을 주면 오히려 게임 전체의 재미를 훼손할 수 있습니다
|
|
 |
디지털 학습 도구와 혼합형 학습 모델을 도입하여 직원들이 보다 쉽게 학습할 수 있도록 했습니다. 이를 위해 외부 전문가와 협력하고, 전문적인 교육 콘텐츠를 수집하여 직원들이 업무에 바로 적용할 수 있는 실질적인 내용을 제공하려 했습
|
|
 |
이를 기반으로 AI 모델을 학습시키는 일을 맡았습니다. 이를 통해 머신러닝 알고리즘의 이해는 물론, 데이터 전처리, 특징 엔지니어링, 모델 평가 등 전반적인 데이터 분석 및 모델 개발 과정에 대한 실무 경험을 쌓았습니다.
나. IoT 시스템 및
|
|
 |
행해보는 데서 멈추지 않고, Kaggle 대회의 간단한 데이터셋을 직접 활용하여 모델을 학습시켜본 경험이 있습니다. 이 과정에서 모델이 잘 작동하지 않는 이유를 찾아내고, 하이퍼파라미터를 조정하거나 다른 알고리즘을 적용해보는 과정이 단
|
|
메뉴펼치기
