금융·증권 도메인의 복잡한 문제를 ML/LLM으로 재정의한 경험이 있다면, 그 과정에서 어떤 접근 방식을 취했는지 설명해 주세요.

대학원 연구 프로젝트로 금융 거래 내역에서 이상 거래를 탐지하는 모델을 만드는 과제에 참여했습니다. 처음에는 도메인 규칙 기반으로 접근하려 했는데, 규칙이 수백 개로 늘어나면서 유지보수가 어렵다는 한계가 분명해졌습니다. 교수님 제안으로 이상 여부를 이진 분류 문제로 바꾸는 방향을 검토했습니다. 가장 어려운 부분은 정상 거래가 압도적으로 많고 이상 거래 레이블이 희소한 상황이었습니다. 이상 케이스 비율이 전체의 약 0.3%에 불과해서 일반 학습으로는 모델이 전부 정상으로 분류해버렸습니다. 오버샘플링 기법을 써봤는데 처음엔 검증 세트가 학습에 영향을 받는 실수를 저질렀습니다. 세트를 분리하고 다시 실험했더니 재현율이 크게 올랐습니다. 금융 도메인에서 모델을 쓰려면 도메인 전문가의 검토를 꼭 거쳐야 한다는 것을 함께 일한 금융 전공 팀원에게서 배웠습니다.