머신러닝 프로젝트 워크 플로우비즈니스 문제 정의 : 해결해야 할 문제를 명확히 한다ML 문제 프레이밍: 비즈니스 문제를 머신러닝 문제로 변환데이터 수집: 문제 해결에 필요한 데이터를 수집데이터 통합: 문제 해결에 필요한 데이터를 통합데이터 준비 및 정제: 수집한 데이터를 머신러닝 모델에 적합하게 처리하고 오류를 수정데이터 정제: 수집한 데이터에서 오류, 누락값, 이상치 등을 식별하고 처리데이터 증강: 데이터의 양을 늘리거나 다양성을 확보하기 위해 데이터를 변형데이터 시각화 및 분석: 데이터를 시각적으로 분석하여 패턴을 파악특징 증강: 기존 특징에서 새로운 특징을 생성하여 모델 성능을 향상모델 훈련 및 매개변수 조정: 머신러닝 모델을 훈려하고 최적의 성능을 위해 매개변수를 조정모델 평가: 모델의 성능을 평..
