서로 다른 경험을 연결해,
복잡한 문제를 풀어가겠습니다.

데이터 특성에 맞춘 전처리와 모델 비교

“분석의 깊이와 기술적 완성도가 돋보이는 훌륭한 과제입니다. 특히 RMSLE 지표에 대한 이해도가 매우 높습니다. 타겟 변수뿐만 아니라 왜도(Skewness)가 심한 windspeed 변수에도 로그 변환(log1p)을 적용하는 등 데이터의 특성을 고려한 전처리 방식이 인상적입니다.”

미션 3 · 자전거 대여 수요 분석 평가 발췌

변수를 단계적으로 통제한 실험

“모델 훈련에 있어서도 Baseline(Stage1)부터 시작하여 Label Smoothing, L2 정규화, Hidden Size 확대(Stage2), 양방향 인코더(Stage3) 등 변수를 단계적으로 통제하며 Teacher Forcing 스케줄링을 비교한 실험 설계가 매우 논리적입니다.”

미션 11 · 멘토 평가 발췌

정량·정성 평가를 함께 활용한 분석

“데이터 분석 및 모델링 과정 전반에 걸쳐 논리적이고 체계적인 접근이 돋보이는 훌륭한 프로젝트입니다. 특히, KoBART, ke-T5, mT5 세 가지의 서로 다른 특성을 가진 모델을 선정하여 비교 분석한 점, 정량적 지표(ROUGE, BERTScore)뿐 아니라 정성적 평가까지 진행하여 깊이 있는 인사이트를 도출한 점이 인상적입니다.”

미션 12 · 멘토 평가 발췌

분석 결과를 실행 방안으로 구체화

“또한, Targeting(타겟 정밀화), Timing(시기 선정), Cost Cut(비용 절감)으로 카테고리를 나누어 제안한 5단계 개선 방안은 실제 현업 보고서로 사용해도 손색이 없을 만큼 훌륭합니다.”

미션 4 · 은행 마케팅 분석 평가 발췌