 |
분석을 기반으로 맞춤형 금융 서비스를 제공하며, 고객 중심의 디지털 금융 전략을 강화하고 있습니다. 특히, AI 및 데이터 기반 신용평가 모델을 활용한 금융 서비스가 인상 깊었으며, 이는 고객 맞춤형 금융 서비스의 핵심 요소라고 생각합
|
|
 |
모델과 소프트웨어를 활용하여 데이터 분석 및 모니터링에 탁월한 능력을 갖추고 있습니다. 특히 Python 및 R과 같은 프로그래밍 언어를 사용하여 자동화된 투자 전략을 개발하고 실행하는 경험이 있습니다.
이러한 다양한 경험을 통해 자금 운
|
|
 |
분석 프로젝트에서는 다양한 금융 데이터를 수집하고 분석하여, 특정 자산군의 리스크를 예측하고 운용 전략을 제시한 경험이 있습니다. 또한, Python을 활용한 금융 데이터 분석, Excel을 이용한 리스크 분석 및 포트폴리오 최적화 모델 개발 등
|
|
 |
분석이 설득력을 잃는다고 생각하기 때문에, 커뮤니케이션도 분석가의 중요한 역량이라 여깁니다.
5) 입사 후 단기적으로 기여할 수 있는 영역은?
고객 이탈 예측, 상품 추천, 채널 성과 분석 등 머신러닝 기반 모델 구축과 비정형 데이터 분석
|
|
 |
분석을 통해 KISTI에서 기여할 수 있는 부분은 무엇인가요?
답변: 연구자들에게 효율적인 데이터 활용 환경을 제공하고, R&D 성과 분석 및 예측 모델을 구축하여 연구 효과성을 극대화하는 역할을 수행하고 싶습니다.
저는 KISTI에서 연구 데이
|
|
 |
분석을 보완하기 위해, 랜덤 포레스트(Random Forest) 및 LSTM(Long Short-Term Memory) 모델을 적용하여 시계열 데이터를 보다 정밀하게 분석하였습니다.
또한, 데이터 노이즈를 줄이기 위해 Feature Engineering을 수행하여 주요 변수만을 선별하고, 경제 지표
|
|
 |
분석 및 머신러닝 모델링 작업 관련하여 본인이 수행한 부분에 대해 상세하고 구체적으로 기술해 주시기 바랍니다.
"SK C&C - Cloud Architecture Unit-쿠버네티스를 이용한 ML 개발 플랫폼 구축"
퍼블릭 클라우드 환경에서 Kubeflow를 활용하여 분석 모델
|
|
 |
모델을 수정하자 성능이 개선되었습니다. 이 경험을 통해 실패는 개선과 학습의 기회이며, 반복적인 검증이 성과를 만든다는 교훈을 얻었습니다.
7) 입사 후 이루고 싶은 목표는 무엇인가요?
입사 후 단기적으로는 방위산업 설계 및 제어 분야
|
|
 |
분석 프로젝트로, RNN을 활용한 DDoS 이상 트래픽 탐지 시스템 개발에 참여했습니다. Python 기반 환경에서 scapy, pandas 등 라이브러리를 사용해 대량의 패킷 데이터를 가공하고, 시계열 성격을 반영한 RNN 모델을 커스터마이징했습니다. 학습 구조
|
|
 |
모델을 분석하고, 노인 맞춤형 교육 및 취업 연계 방안을 탐색하여 지속 가능한 고령친화 산업 모델을 구축하고자 합니다.
이러한 연구를 통해 고령화 사회에서 지속 가능한 산업적 해결책을 모색하고, 실질적으로 적용 가능한 정책 및 서비
|
|
메뉴펼치기
