머신러닝 모델 개발의 전체 생명주기에서 어떤 단계에 가장 강점을 느끼나요?

탐색적 데이터 분석 단계에서 예상하지 못한 패턴을 발견해 모델 방향 자체를 바꾼 경험이 있었습니다. 분류 문제라고 생각하고 전처리를 시작했는데, 분포를 시각화해 보니 클래스 불균형이 심해서 단순 분류기로는 다수 클래스만 예측하는 결과가 나올 게 명확했습니다. EDA 단계에서 발견하지 못했다면 모델을 완성하고 나서야 문제를 알았을 것입니다. 그 이후로는 데이터를 받으면 모델보다 시각화와 통계 요약을 먼저 돌리는 순서를 지키게 됐습니다.

기본 분포 확인 코드를 템플릿으로 만들어 프로젝트마다 첫 단계에 실행합니다. EDA가 모델보다 먼저 와야 하는 이유를 그 경험으로 이해했습니다. 지금은 데이터를 받으면 모델 코드보다 탐색 노트북을 먼저 엽니다.