예시 답변 1
약 65초
경험 기반 구체화
Kaggle 대회에 직접 참가한 경험은 없지만, 학교 머신러닝 수업의 프로젝트를 Kaggle 환경에서 진행한 적이 있습니다. 집값 예측 대회(Housing Price)의 공개 데이터셋을 활용해 결측치 처리·피처 엔지니어링·모델 앙상블까지 전 과정을 팀으로 진행했습니다. 가장 인상적이었던 것은 EDA(탐색적 데이터 분석)의 중요성인데, 모델을 바로 돌리기보다 데이터 분포와 이상값을 먼저 파악하는 것이 최종 성능을 더 크게 높인다는 것을 경험했습니다. 또 Kaggle 커뮤니티의 공개 노트북이 실질적인 학습 자료로 유용했는데, 같은 데이터로 다양한 접근 방식을 비교하면서 특정 기법이 왜 효과적인지를 맥락과 함께 배울 수 있었습니다. 향후 실제 대회에 참가해 순위 경쟁을 통한 피드백을 경험해보고 싶습니다.
이 결의 특징
정식 대회 참가는 없지만 공개 데이터셋으로 EDA·피처 엔지니어링·앙상블 전 과정을 경험한 흔적이 있습니다. 공개 노트북을 통해 같은 데이터에서 다른 접근을 비교한 결이 보입니다.
이 결이 통하는 자리
모델을 바로 돌리기 전에 데이터 분포와 이상값을 먼저 파악하는 것이 성능을 더 크게 높이는 자리에서 통합니다.