Data Engineering
다양한 소스로부터 시계열 데이터를 수집 및 정제하고, 모델 학습에 적합한 파생 변수를 생성했습니다.
- 공공기관 및 기상청 데이터 통합 및 결측치, 이상값 처리
- 누적 강수량, 유량 증감 비율 등 시계열 특성을 반영한 파생 변수 생성 (Feature Engineering)
- Python
- Pandas
- NumPy
- Matplotlib
- Seaborn
전체 프로젝트
완료
댐 유량 예측 모델
XGBoost, LSTM 등 머신러닝 모델을 활용하여 댐 유입량을 예측하고, 기존 물리 모델 대비 성능을 개선한 데이터 분석 프로젝트입니다.
- Period
- 2021-08 - 2021-09
- Scope
- 2 areas
- Python
- Pandas
- Scikit-learn
- XGBoost
- LSTM
Contributions
수행한 역할
Machine Learning Modeling
다양한 회귀 모델을 학습하고 성능을 비교 분석하여 최적의 예측 모델을 도출했습니다.
- XGBoost, LightGBM, LSTM 등 모델 학습 및 교차 검증 기반 튜닝
- Stacking 앙상블 및 Bayesian Optimization 전략을 적용하여 예측 성능 극대화
- Python
- Scikit-learn
- XGBoost
- LightGBM
- TensorFlow