허진영(Jinyeong Heo)

실시간 탐지 가능성을 염두에 둔 모델 개발

고차원·불균형 데이터(1558개 피처, 불량 8%) 환경에서 웨이퍼 이상 탐지 모델을 개발하였습니다. XGBoost를 기반으로 연속형 변수 표준화 및 KMeans-SMOTE를 활용해 데이터 불균형을 개선했습니다. Optuna를 활용한 하이퍼파라미터 튜닝과 임계값 최적화를 통해 모델 성능을 고도화했습니다. 평가지표로 F1 Score를 중심으로 설정하여 불균형 데이터에서의 탐지 성능을 강화했습니다. 그 결과 Mean F1 0.8997 → 0.9403, Test F1 0.9152로 성능을 향상시켰습니다.

3기 신도시 내 지식산업센터의 공실률을 최소화할 수 있는 계획 수립 방향을 제시

수도권 지식산업센터의 공실 증가 문제를 데이터 기반으로 분석하고 예측 모델을 구축하였습니다. 유동인구, 상권, 매출 등 다양한 요인을 통합하여 공실률과의 관계를 도출했습니다. RandomForest로 결측 매출을 보정하고, Grid 단위 매출 예측 데이터를 생성했습니다. LSTM 기반 시계열 모델을 활용해 공실률 예측 모델을 설계하고 학습했습니다. 그 결과 지역별 공실 패턴을 구분하고, 입지 선정 및 의사결정에 활용 가능한 인사이트를 도출했습니다.

점포 폐업 위험 요인 분석 및 예측 모델 개발

자영업 점포의 폐업 위험을 사전에 진단하기 위한 데이터 기반 예측 모델을 구축하였습니다. 매출·유동인구·상권 데이터를 통합하고, SVM과 RandomForest를 활용해 결측 보정 및 중요 변수를 도출했습니다. KMeans 군집화를 통해 점포 유형을 구분하고, 군집별 폐업률을 기반으로 위험도를 정량화했습니다. RandomForest Classifier로 신규 점포의 폐업 위험을 예측하고, Flask 기반 웹 서비스로 시각화했습니다. 그 결과 점포별 리스크 진단과 맞춤형 개선 전략을 제시할 수 있는 시스템을 구현했습니다.