📅 스터디 개요
- 기간: 2024년 11월 1일 ~ 2025년 1월 31일 (3개월)
- 참여자: 박재홍 (리더), 최동철, 김경민 (총 3명)
- 목표: 머신러닝 강의 커리큘럼 완주 및 지식 내재화
- 장소: 강남 커피빈 3층, 매주 토요일 오후 1시 30분
🌟 스터디 진행 과정
1. 지피지기 전략
- 목표 설정: 각자의 학습 목표를 공유하며 강한 동기 부여
- 학습 패턴 분석: 매주 강의와 연습문제 진행 후, 결과를 팀 단위로 점검
- 공부량 관리: 주어진 분량을 효과적으로 나누어 3명이 균등하게 학습
2. 계획 수립과 실행
- 개인 페이지 활용: 학습 내용을 문서화하여 히스토리를 투명하게 관리
- 소통 채널: 카카오톡을 통해 실시간 소통과 피드백
- 스터디 시간 관리: 자유롭고 유연한 환경 속에서 서로를 격려하며 학습 부담 완화
3. 결과 및 성과
- Predict Consumer Electronics Sales Dataset
- 정확도: 93.33%
- Confusion Matrix 분석: 오프라인 구매 9개 정확, 온라인 구매 19개 모두 정확
- F1-Score: Macro Avg 0.93, Weighted Avg 0.93
- 활용 방안:
- 고객 선호도 분석으로 재고 확보 및 광고 예산 최적화
- 구매 의도가 낮은 상품군은 캠페인 전략으로 전환
📸 스터디 사진과 이야기
스터디 공간
- 강남 커피빈 3층, 탁 트인 창가 자리에서 진지하게 학습 중인 모습.
- 커피와 디저트를 곁들이며 진행된 유쾌한 시간들.
발표 후 2025년 새로운 스터디 장소
- 각자의 학습 내용을 발표하고 서로 피드백을 주고받는 순간을 기록.
- 최동철님의 유머 덕분에 늘 웃음이 끊이지 않았던 시간들.
📘 스터디를 통해 배운 내용
1. 핵심 머신러닝 알고리즘의 이해
- 회귀 모델: 단순 선형 회귀부터 랜덤 포레스트까지의 다양한 회귀 모델을 학습하고, 데이터 예측의 기초를 다짐.
- 분류 알고리즘: SVM, 나이브 베이즈, 랜덤 포레스트 분류기를 활용해 데이터를 분류하는 과정 이해.
- 클러스터링: K-Means와 계층적 클러스터링을 통해 데이터 군집화를 시각적으로 확인.
2. 데이터 전처리와 실전 활용
- 데이터의 결측치를 처리하고 스케일링, 원핫 인코딩 등으로 머신러닝 모델에 적합한 형태로 변환.
- 실전 프로젝트로 주어진 데이터를 분석하고, 예측 모델을 학습하여 결과를 시각화.
3. 모델 성능 평가 및 튜닝
- Confusion Matrix, Precision, Recall, F1-Score 등을 활용하여 모델의 성능을 체계적으로 평가.
- 하이퍼파라미터 튜닝 및 교차 검증 기법을 적용해 최적의 모델 도출.
💡 후기와 배운 점
1. 학습의 기초는 신뢰와 소통
스터디를 진행하면서 팀원 간의 신뢰가 무엇보다 중요하다는 것을 깨달았습니다.
모두의 의견을 존중하고 피드백을 수용하는 과정이 큰 동력을 제공했습니다.
2. 개인 목표와 팀 목표의 조화
각자의 작은 성취가 모여 팀의 큰 목표를 이룰 수 있음을 실감했습니다.
3. 유연한 피드백 시스템의 필요성
플랜을 매주 조정하며 현실적인 목표를 설정하는 유연함이 동기 부여에 효과적이었습니다.
📝 마무리와 감사 인사
“같이 가야 멀리 간다.”라는 슬로건처럼, 이번 스터디는 서로의 성장을 함께 축하하는 시간이었습니다.
함께 해준 최동철님, 김경민님께 깊은 감사의 마음을 전하며, 앞으로도 지속적으로 성장하기를 기대합니다.
이번 3개월간 유데미 러닝 크루 1기로 활동하며 정말 뜻깊고 값진 시간을 보냈습니다. 팀원들과 함께 성장하고 서로의 목표를 응원하며 배운 경험들은 앞으로도 제게 큰 자산이 될 것이라고 확신합니다.
유데미 러닝 크루는 단순히 학습의 장을 넘어, 도전과 열정이 함께하는 특별한 경험을 제공합니다. 다음 2기 모집이 시작되었으니, 학습과 성장에 관심이 있는 분들의 많은 지원을 기대합니다!
"함께라면 더 멀리, 더 높이 도달할 수 있습니다." 유데미 러닝 크루 2기에도 여러분의 멋진 도전과 열정을 기다립니다. 감사합니다! 😊
유데미 러닝 크루 2기 리더 지원 링크
'외부 활동🚀 > Udemy 머신러닝의 모든 것 스터디' 카테고리의 다른 글
| 유데미 러닝 크루 리더 (우수 사례 선발) (0) | 2024.12.29 |
|---|
