 |
남습니다. 또한, 팀원들이 만든 프로토타입을 빠르게 검증하고 피드백을 제공하며 모델의 성능을 지속적으로 향상시켰습니다. 이와 더불어, 성능 향상 뿐만 아니라 모델의 해석 가능성과 안정성도 중요시했기 때문에, 모델의 설명력을 높이
|
|
 |
활동, 온라인 구매 패턴 등)를 활용한 대안 신용평가 모델 개발에 참여하여 신용평가 시스템의 확장성을 높이고자 합니다.
10년 차에는 신용평가 모델 개발을 총괄하며, 금융소외 계층까지 포용할 수 있는 신뢰성 높은 CB 시스템을 구축하는
|
|
 |
부분에 대해 적극적으로 의견을 제시하며, 다양한 실험을 수행하였습니다. 중요한 점은 모델 성능에 관한 피드백을 빠르게 반영하는 동시에, 사용자 피드백과 실 사용자 데이터를 활용하여 모델을 지속적으로 개선하는 작업이었습니다. 이
|
|
 |
의미한 방향을 제시할 수 있다고 생각합니다. 기술이 아무리 정교해도, 잘못된 문제 정의는 잘못된 모델을 만들기 때문입니다. 고객 행동 예측, 신용 평가, 이상 거래 탐지 등 어떤 과업이 주어지더라도 저는 기술자 이전에 문제 해결자로서
|
|
 |
1. 지원 동기 및 입사 후 포부
SK네트웍스에 지원하는 것은 이 회사가 지닌 독창적인 비즈니스 모델과 지속 가능한 성장 전략에 대한 깊은 인상과 관심에서 비롯됩니다. 제가 경영학과 국제무역학을 전공하며 쌓은 지식과 경험은 SK네트웍스의
|
|
 |
러닝 기법을 적극 활용할 수 있습니다. 예를 들어, 사용자 행동 데이터를 기반으로 개인화 추천 모델을 구축하거나, 텍스트 유사도를 측정하는 자연어 처리 기법을 활용하여 검색어와 콘텐츠의 관련성을 높일 수 있습니다. 향상 방안으로는
|
|
 |
있는 전략을 제시한 경험이 있습니다. 이를 통해 광고 성과를 향상시키는 데 기여한 바 있습니다.
둘째, 머신러닝 모델을 활용한 광고 예측 모델 개발 경험이 있습니다. 광고 데이터를 분석하고, 이를 토대로 광고 성과를 예측하는 모델을 구
|
|
 |
. 이 과정을 통해 최종적으로 테스트 정확도를 87%까지 향상시켰고, 현장 적용을 위한 기준치를 만족할 수 있었습니다.
이 경험을 통해 단순히 모델을 만드는 것이 아닌, 모델이 현실에서 어떻게 동작할 수 있을지에 대한 고민과 실험이 필요함
|
|
 |
게 다루었습니다. 이 과목에서는 CNN(합성곱 신경망), RNN(순환 신경망), GAN(생성적 적대 신경망) 등 다양한 딥러닝 모델을 구현하고 실험하면서, 복잡한 데이터셋을 처리하는 기술을 배웠습니다. 특히 이미지 처리와 자연어 처리 분야에서 딥러
|
|
 |
는 AI와 빅데이터를 활용한 혁신적인 서비스를 통해 전 세계적으로 큰 영향을 미치는 기업입니다. 저는 카카오의 AI 엔지니어로서 이와 같은 혁신적인 기술을 더욱 발전시키고, AI 모델을 최적화하여 고객 맞춤형 서비스의 질을 높이는 데 기여
|
|
메뉴펼치기
