 |
데이터를 활용한 이슈 분류 모델’을 개발한 경험이 있습니다. 해당 프로젝트는 Python과 Scikit-learn 기반으로 TF-IDF 벡터화 기법과 SVM 알고리즘을 활용하였으며, 80% 이상의 분류 정확도를 달성하였습니다. 이 과정을 통해 데이터를 전처리하고,
|
|
 |
논문 프로젝트인 ‘가스설비 위험성 평가 모델 개발’ 과정에서였습니다.
B. 구체적으로 어떤 일을 진행하고 있었습니까?
저는 LNG 저장탱크의 위험요인을 평가하는 모델을 개발하며, 화재·폭발 시 피해 범위를 예측하는 시뮬레이션을 수행했
|
|
 |
한 알고리즘을 원했고, 일부는 단순화된 모델을 주장했습니다. 저는 두 입장을 절충해 단계별 접근 방식을 제안했습니다. 초기에는 단순 모델로 빠르게 시도하고, 이후 복잡한 모델을 추가 적용했습니다. 이 방식으로 프로젝트를 성공적으로
|
|
 |
시장 데이터와 고객 피드백을 분석하여, 어떤 사업 모델이 시장에서 가장 잘 받아들여질지에 대한 통찰력을 얻었고, 이를 통해 성공적인 사업 전략을 수립할 수 있었습니다. 예를 들어, 특정 시장에서의 수요 예측을 바탕으로 사업 계획을 조
|
|
 |
중요한 역량은 무엇인가요?
A1. 가장 중요한 역량은 ‘AI 모델 최적화’와 ‘하드웨어-소프트웨어 협업’이라고 생각합니다. AI 모델을 최적화하여 연산 속도를 높이고, 하드웨어 가속기와 연계된 효율적인 소프트웨어 개발이 필수적입니다.
|
|
 |
수 있는 기회였으며, 특히 텍스트 데이터 처리와 신경망 모델에 대한 실무 경험을 넓혔습니다.
이 외에도, 분석 도구로는 Python과 R, TensorFlow, Keras 등을 사용하여 모델을 개발하고, Scikit-learn과 Pandas로 데이터 전처리 및 분석을 수행한 경험이 있
|
|
 |
coder, Isolation Forest)을 적용하여, 기존의 지도학습 모델보다 적은 이상 데이터로도 효과적인 탐지가 가능하도록 개선하였습니다.
3. 모델의 성능을 정량적으로 평가하기 위해 Precision-Recall Curve 및 ROC Curve를 활용하여 모델의 이상 탐지 성능을
|
|
 |
히 ‘글로벌 헬스케어 유통채널 진입 전략’ 프로젝트에서는, ▲현지 파트너와의 JV 모델 타당성 분석, ▲현지 약가 및 유통 규제 검토, ▲시장별 채널 시뮬레이션을 수행하며 현실 기반의 사업확장 전략을 수립했고, 해당 안은 실제로 베트남
|
|
 |
이를 통해 불량률을 크게 줄일 수 있습니다.
6) AI 모델 개발과 운영 중 어느 쪽에 더 강점이 있나요?
운영 단계에서 강점이 있습니다. 개발된 모델은 환경 변화에 따라 성능이 떨어질 수 있으므로, 성능 모니터링과 재학습이 필요합니다. 저는 M
|
|
 |
번의 회의와 논의를 거쳤습니다. 그 중에서 가장 중요한 변화는 AI 기반의 데이터 분석 모델을 도입하는 것이었습니다. 당시에는 이 AI 시스템이 성공할지에 대한 의문과 불확실성이 많았고, 여러 번의 데이터 전처리 및 모델 개선 과정에서 어
|
|
메뉴펼치기
