 |
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,
|
- 가격 4,000원
- 등록일 2025.04.09
- 파일종류 한글(hwp)
- 직종구분 기타
|
 |
IDF 기반의 불만비율을 새로 정의하고, 고객의 관련지표(성, 지역, 차종)별 불만 level을 분류했습니다. 이를 바탕으로 계층적 군집분석을 실시하여 불만간의 유사성을 정량적으로 측정하고, 분산분석을 실시하여 실제 불만간 유의미한 차이가
|
- 가격 2,500원
- 등록일 2025.04.07
- 파일종류 한글(hwp)
- 직종구분 전문직
|
 |
IDF 기반의 불만비율을 새로 정의하고, 고객의 관련지표(성, 지역, 차종)별 불만 level을 분류했습니다. 이를 바탕으로 계층적 군집분석을 실시하여 불만간의 유사성을 정량적으로 측정하고, 분산분석을 실시하여 실제 불만간 유의미한 차이가
|
- 가격 2,500원
- 등록일 2025.04.10
- 파일종류 한글(hwp)
- 직종구분 서비스, 기타 특수직
|
 |
IDF(Term Frequency-Inverse Document Frequency) 방법을 사용해 단어의 중요도를 계산하고, 이를 바탕으로 각 리뷰를 벡터화하여 모델 학습에 활용했습니다.
이 프로젝트의 주요 도전 과제는 바로 자연어 처리에서의 모델링이었습니다. 처음에는 단순한
|
- 가격 2,500원
- 등록일 2025.06.18
- 파일종류 한글(hwp)
- 직종구분 서비스, 기타 특수직
|
 |
IDF 기반의 불만비율을 새로 정의하고, 고객의 관련지표(성, 지역, 차종)별 불만 level을 분류했습니다. 이를 바탕으로 계층적 군집분석을 실시하여 불만간의 유사성을 정량적으로 측정하고, 분산분석을 실시하여 실제 불만간 유의미한 차이가
|
- 가격 2,500원
- 등록일 2025.04.10
- 파일종류 한글(hwp)
- 직종구분 교육 강사직
|