[플레이데이터 SK네트웍스 Family AI캠프 16기] 7주차 회고

✅ 일주일 동안 한 일과 느낀 점

7주차는 본격적으로 딥러닝 실습의 범위가 넓어진 한 주였다.
초반에는 시계열 예측 모델을 다양한 방식(Multi-layer Perceptron, RNN, LSTM)으로 구현하며 시간 흐름에 따른 데이터를 어떻게 다룰 수 있는지 경험했고, 후반에는 구조화 데이터, 이미지, 텍스트 등 다양한 입력 형태에 딥러닝 모델을 적용해보며 딥러닝의 실전 감각을 넓혀가는 시간이었다.

PyTorch의 기본 개념부터 직접 모델을 설계하고 학습해보는 전 과정을 실습하면서, 이론으로만 알고 있던 개념들이 손에 익기 시작한 전환점 같은 주차였다.

---

✅ 주요 실습 내용 및 기술 회고

📌 1. 시계열 예측 모델 실습 (7월 29일)

• MLP 기반 온도 예측
  • create_dataset 함수로 시계열 분할
  • TempDataset, TempPredictor 구성
  • predict_next_temps()로 실제 예측 수행
• RNN/LSTM 기반 시계열 예측
  • 공기 질 데이터: 기본 RNN 구조로 예측
  • LSTM으로 장기 패턴 예측 능력 향상
  • 농작물 성장 데이터에도 모델 확장 적용

📌 2. 구조화 데이터 분류 & ROC 분석 (7월 30일)

• 건강검진/당뇨병/이탈률 예측
  • 정형데이터 기반 분류 문제 다수 실습
  • 전처리(정규화, 범주형 인코딩)도 직접 수행
  • MLP, Logistic Regression, Random Forest 등 비교 적용
• 모델 성능 평가 지표 학습
  • Confusion Matrix로 정확도, 정밀도, 재현율 등 해석
  • ROC Curve / AUC / PR Curve 시각화로 모델 비교
  • 불균형 데이터에 대한 분석 관점도 함께 배움

📌 3. PyTorch 실전 응용 (8월 1일)

• 기초 이론 복습 후 다양한 데이터 실습
  • 텐서 연산, 모델 구성, 시각화 등 PyTorch 기초 다지기
  • 캘리포니아 집값 예측: 회귀 문제로 모델 구성
  • 타이타닉 생존 예측: 분류 문제로 정확도 비교
  • CNN 모델 구현 및 이미지 분류 실습 진행
  • 텍스트 데이터 토큰화 및 임베딩 처리 실험
  • 심장병 예측 문제에 다양한 모델 앙상블 적용

---

✅ 아쉬웠던 점 & 개선 포인트

• 시계열 입력 형태나 차원 관련 개념이 처음엔 헷갈렸음
• LSTM 등의 하이퍼파라미터 튜닝(epochs, hidden size 등)에 대한 감각 부족
• 구조화 데이터 처리 시, 전처리 과정이 미흡하면 모델 성능에 미치는 영향 실감
• 다양한 모델을 비교하는 실험이 부족해 성능 해석이 단편적일 수 있었음

---

✅ 마무리

7주차는 딥러닝이 실제 데이터에 어떻게 적용되는지를 입력 형태별로 직접 체험하며 전방위로 훈련할 수 있었던 실습 위주 주차였다.

모델을 만들고 결과만 보는 것이 아니라, 왜 이 구조를 선택했는지, 어떤 기준으로 평가할 수 있는지를 고민하게 되면서 단순 구현자에서

한 걸음 더 나아갈 수 있었던 시기였다.

다양한 프로젝트형 과제에서도 모델 선택 & 평가 기준을 명확히 세울 수 있는 실력을 쌓고 싶다.

다음주 두번째 미니프로젝트에서 지금까지 배운 것을 잘 활용해 진행됐으면 좋겠다.

 

** 첫 PCCE 접수 완료 !