[KT AIVLE School 7기] 1차 미니프로젝트 후기

안녕하세요. 오늘은 AIVLE School에서 진행된 1차 AI 미니프로젝트 후기를 간단히 남겨보려고 합니다.
강의에서 배운 내용을 직접 활용해보는 첫 프로젝트였고, 짧은 시간이었지만 많은 것을 경험할 수 있었어요.

---

🛠 사용한 기술 스택

이번 프로젝트에서는 다음과 같은 기술을 실습해보았습니다:

• EDA (Exploratory Data Analysis)
  변수 중요도 확인, 시각화, 상관관계 분석 등
• 데이터 전처리
  • 결측값 처리
  • 가변수화
  • 정규화/표준화
  • 라벨 변환
• 머신러닝 모델링
  다양한 분류 알고리즘을 적용해 성능 비교
  • RandomForestClassifier
  • LogisticRegression
  • KNeighborsClassifier
  • XGBoostClassifier
• 모델 저장 및 재활용
  joblib을 활용한 모델 저장/불러오기
• 2단계 모델링 파이프라인 설계 
  다중 분류를 단순화해 단계별로 분리하여 예측 정확도를 높이는 전략 사용

---

📂 데이터 구성 

데이터는 여러 개의 수치형 변수로 이루어진 시계열 기반 센서 데이터였습니다.
수집된 센서 신호에서 다양한 통계 기반 특성을 추출한 형태였고, 이 데이터를 바탕으로 여러 개의 클래스로 분류하는 작업을 수행했습니다.

---

📌 배운 점 & 느낀 점

• 전처리와 EDA의 중요성을 다시 한 번 체감할 수 있었습니다.
  특히, 변수 선택과 분포 확인이 모델 성능에 얼마나 큰 영향을 주는지 직접 실험하면서 깨달았어요.
• 모델을 무작정 돌리는 게 아니라, 데이터의 성격을 이해한 뒤 설계해야 성능이 올라간다는 걸 느꼈습니다.
• 여러 모델을 적용해보고 성능을 비교하면서, 각각의 장단점도 조금씩 감이 잡히기 시작했습니다.
• 단순히 높은 정확도를 넘어서, 현실 적용 시 어떤 구조가 더 효과적일지 고민하는 시간이었던 것 같아요.

---

✍️ 마무리하며

짧은 시간이었지만 직접 손으로 데이터를 다뤄보고, 모델을 설계하고, 성능을 비교하고, 발표까지 해보는 과정이 꽤 실전 같았어요.
다음 프로젝트에서는 이 경험을 발판 삼아 좀 더 해석 가능한 모델, 그리고 현실 적용 가능성까지 고민하는 방향으로 발전해보고 싶습니다.

---

혹시 미니프로젝트가 처음이시라면, 완벽하게 하려고 하기보다는, 작은 실험을 많이 해보는 마인드셋이 더 좋은 결과를 만드는 것 같아요.
그럼 다음 프로젝트 후기로 또 만나요! 👋