본인이 진행한 ML 또는 데이터 분석 프로젝트 중 가장 자신 있는 사례를 골라, 문제 정의·데이터 수집·전처리·모델링·평가 과정을 설명해주세요.

가장 자신 있는 프로젝트는 고객 이탈 예측 모델입니다. 이커머스 데이터를 이용해서 RFM 피처를 직접 만들고 LightGBM으로 이탈 확률을 예측했습니다. 처음에는 정확도만 보다가 클래스 불균형 문제를 무시했더니 실제로 중요한 이탈 고객을 못 잡는 문제가 생겼습니다. SMOTE와 클래스 가중치 조정을 병행한 후 Recall이 실질적으로 올라갔습니다. 비즈니스 맥락에서는 정밀도보다 재현율이 중요한 이유를 데이터로 직접 확인한 경험이었습니다. 모델 성능보다 어떤 지표를 최적화해야 하는지를 먼저 결정하는 것이 ML 프로젝트의 진짜 시작이라는 것을 배웠습니다. 앞으로도 비즈니스 맥락에서 최적화할 지표를 먼저 결정하고 모델을 설계하는 방식을 유지하겠습니다.

정밀도보다 재현율이 중요한 이유를 데이터로 직접 확인한 경험이 ML 프로젝트의 본질을 이해하게 해줬습니다. 클래스 불균형 문제를 직접 경험한 것이 다음 프로젝트에서 데이터 탐색을 먼저 하는 습관의 이유입니다.