AI 모델 중심의 문제 정의와 수학적 구조 설계를 기반으로, 데이터를 정량 지표로 변환하고 모델 성능을 체계적으로 개선하는 개발자입니다.
피처 엔지니어링, 교차 검증 기반 실험 설계, 앙상블 전략을 통해 모델의 일반화 성능과 해석 가능성을 동시에 확보합니다.
LLM 응용에서도 단순 API 사용이 아닌, 검색 구조와 컨텍스트 설계를 통해 응답 품질 개선을 수행해왔습니다.
Repository : https://github.com/5-Sin-e-Kait/early_warning_ai_v2
Role : 모델 설계 및 전체 ML 파이프라인 주도
Tech : Python, Scikit-Learn, XGBoost, LightGBM, RandomForest, SHAP
Description & Contributions
위험 점수 수식 설계
비즈니스 지표(매출, 이용 빈도, 고객 이탈률 등)를 정규화하여 Risk Score 구조 설계
$Risk = \alpha S + \beta U + \gamma C$(S : 매출, U : 이용 패턴, C : 고객 변동 지표)
Full ML Pipeline 구축
데이터 전처리 → 피처 엔지니어링 → 교차 검증 기반 학습 → 평가
실험 조건 관리 및 CV 전략을 통한 모델 안정성 확보
앙상블 전략 수립
단일 모델 성능 비교 후 앙상블 기반 최적 조합 도출 및 튜닝