 |
해 심혈관계 질환이나 수면 장애 등을 조기에 진단하는 AI 시스템을 연구하고자 합니다.
두 번째 연구 관심사는 설명 가능한 인공지능(XAI)입니다. 특히 의료와 같이 결과 해석이 중요한 분야에서는 모델의 예측이 왜 그렇게 나왔는지에 대한
|
|
 |
요한 역할을 할 것입니다.
Git을 활용한 버전 관리, Agile 방법론을 통한 프로젝트 관리 경험도 있으며, 팀 단위로 진행되는 협업에서도 큰 강점을 가지고 있습니다. 여러 프로젝트에서 지속적인 테스트와 개선을 통해 모델 성능 최적화에 성공
|
|
 |
전과 혁신 측면에서, 저는 기존 기술을 뛰어넘는 혁신적인 해결책을 모색하며 새로운 기술을 도입하는 데 주저하지 않았습니다. 예를 들어, AI 비전 시스템을 구축할 때, 기존의 규칙 기반 시스템을 기계 학습 모델로 개선하여, 결함 인식 정확
|
|
 |
ainable AI(XAI)에 관심이 많습니다. 특히 보험은 서류와 상담 기록 등 비정형 텍스트가 많기 때문에, NLP기반 기술이 핵심이 될 수 있다고 생각합니다. 또한 고객의 의사결정에 영향을 주는 AI에서는 모델의 판단 근거를 설명할 수 있어야 하기에, X
|
|
 |
전체 파이프라인을 현장에서 경험하고, 둘째, 다양한 도메인에서 AI가 어떤 식으로 문제 해결에 활용되는지 실제 사례를 통해 배우는 것을 목표로 하고 있습니다.
특히 저는 단순히 기술만 잘 다루는 엔지니어가 아닌, ‘왜 이 모델을 쓰는가
|
|
 |
모델 개발에 참여하고, 특수사업 영역에서의 경쟁력 강화를 위한 전략을 제시하겠습니다. 저는 기아가 진출하는 새로운 시장이나 기술 분야에서 기술 혁신과 사업 모델의 차별화를 통해 기아만의 경쟁 우위를 점하는 데 적극적으로 기여할
|
|
 |
진행합니다.
(3) 연구의 기대 효과
제 연구가 성공적으로 수행될 경우, 다음과 같은 기대 효과를 얻을 수 있습니다.
- AI 시스템의 신뢰성 향상
불확실성 평가 기법을 활용하여 AI의 예측 신뢰도를 높일 수 있습니다.
AI 모델이 신뢰성 높은 결과
|
|
 |
모델을 만들어 드렸습니다. 전문적인 모델은 아니었지만 품목별 수량만 변경하여 기입하면 총 품목 수가 자동으로 산출되는 모델이었습니다. 컴퓨터에 익숙하지 않으셨던 매니저님은 처음에 적응기간이 좀 있었습니다. 그러나 금방 적응하
|
|
 |
모델 학습을 위한 기반을 다졌습니다.
모델링 과정에서는 Random Forest, XGBoost, Logistic Regression 등을 활용해 성능을 비교했으며, 최종적으로는 F1-score가 가장 높았던 XGBoost를 선택했습니다. 모델의 해석력을 높이기 위해 SHAP 값을 활용하여 예측에
|
|
 |
모델 개발, 배포까지 유기적으로 연결된 협업 덕분에 가능하였으며, 이를 통해 사용자의 만족도를 높이고 회사의 데이터 활용 방안을 한층 더 발전시킬 수 있었습니다. 또한, 이 경험을 통해 팀원 간의 신뢰와 협력의 중요성을 깊이 깨달았고,
|
|
메뉴펼치기
