솔직 경험형
약 65초
*ML 파이프라인 설계*를 학부 캡스톤 경험으로 답한다.
기업 ML 파이프라인 실무는 없습니다. 학부 캡스톤에서 작은 분류 모델 학습·평가 파이프라인 8주가 가장 가까운 자리입니다.
데이터 12만 건·5개 피처로 전처리·학습·평가·실험 기록 한 사이클을 pandas·scikit-learn·MLflow로 묶었습니다. 5개 실험을 비교 화면 한 곳에서 본 자리가 결정 시간을 30분 줄인 자리였습니다.
첫 모델 정확도 88%가 학습·검증 데이터 중복으로 부풀려진 실패가 있었고, 진짜 정확도 73%였던 자리가 있었습니다. 그 일이 모델보다 데이터 점검이 먼저라는 자세를 만들었습니다. 실무에서도 사수의 양식과 순서를 첫 자리에서 손에 익히고, 그 흐름이 매일의 자세로 굳어지게 만드는 자리부터 들어가고 싶습니다.
이 결의 특징
실패 상황에서 원인을 파악하고 실제 개선 행동을 취한 구체적인 과정이 드러납니다.
이 결이 통하는 자리
실제 소요 시간이나 진행 단계가 구체적으로 나올 때 현실감 있는 이야기로 통하는 자리로 통합니다.