권상혁
안녕하세요! 대학교 2학년 2학기를 다니고 있는 학생입니다.
- ADsP
- JLPT N1
- GDGoC PKNU 7기 비기너
권상혁
부경대학교 컴퓨터·인공지능공학부
GDGoC PKNU 7기 비기너
<aside>
자기소개
2022년 일어일문학부 입학
2023년 국제무역물류학과 복수전공
2024년 카투사 입대 ( - 2025.03.03)
2025년: 컴퓨터·인공지능공학부 전과
고신뢰성 인공지능 반도체 융합 전공
</aside>
<aside>
Contact
Skill
<aside>
Python
⬜⬜🔳🔳🔳
</aside>
<aside>
C++
⬜⬜🔳🔳🔳
</aside>
Project
<aside>
CLI 기반 TODO 리스트 프로그램
25.08.13 - 25.08.24
- 사용자가 명령어를 입력하여 할 일 추가, 수정, 삭제, 완료 처리 등의 작업을 수행할 수 있도록 구현
- JSON 파일을 활용하여 TODO 리스트의 저장 및 불러오기 기능을 제공 → 프로그램 종료 후에도 데이터가 유지됨
- 단순한 기능 구현을 넘어 사용자 친화적인 인터페이스와 **예외 처리(try-except)**를 통해 안정성을 강화
- 프로젝트 내용
- Python 기반으로 CLI 환경에서 동작하는 TODO 리스트 관리 프로그램 개발
- 할 일 추가, 완료 처리, 삭제, 저장/불러오기 기능 구현
- JSON 형식을 통한 데이터 영속성 보장
- 사용 기술
- Python: 파일 입출력, JSON 직렬화/역직렬화
- 구현 기능: add, list, done, delete, save/load
- 안정성 강화: 예외 처리(try - except), 입력 검증, 무한 루프 방지
- 학습 포인트
- CLI 기반 프로그램 설계 경험
- JSON 활용 및 에러 핸들링 능력 향상
- 사용자 친화적인 인터페이스 구현 연습
CLI 기반 TODO 리스트 프로그램
</aside>
<aside>
주택 가격 예측 모델링
25.09.10 - 25.010.09
- 과적합 문제 해결을 통한 회귀 모델 성능 개선
- 프로젝트 내용
캐글(Kaggle)의 주택 가격 데이터를 활용하여 주택 가격을 예측하는 회귀 모델을 개발했습니다. 초기 모델링에서 발견된 과적합(Overfitting) 문제를 진단하고, 하이퍼파라미터 튜닝을 통해 이를 해결하여 모델의 일반화 성능과 안정성을 향상시키는 데 집중했습니다.
- 사용 기술
- 데이터 분석: ****Python, Pandas, Numpy
- 머신러닝: Scikit-learn (RandomForesRegressor, RandomizedSearchCV)
- 데이터 시각화: Matplotlib, Seaborn
- 주요 과정 및 결과
- 데이터 전처리: 상관관계 분석을 통해 핵심 피처 4개를 선정하고, IQR 방식으로 이상치(Outlier)를 제거하여 데이터의 질을 높였습니다.
- 초기 모델링: 3가지 기본 모델의 성능을 비교하여 최적 모델(Random Forest)을 선정하고, 과적합이라는 명확한 개선 목표를 설정했습니다.
- 모델 성능 개선: RandomizedSearchCV를 활용하여 과적합을 해소하고, 최종 모델의 검증 R2 점수를 0.8420에서 0.8576으로 향상시켰습니다.
- 최종 예측: 개선된 모델을 사용하여 테스트 데이터의 가격을 예측하고 제출용 파일을 생성했습니다.
- 학습 포인트
이번 프로젝트를 통해 데이터에 근거하여 문제를 진단(과적합)하고, 적절한 해결책(하이퍼파라미터 튜닝)을 적용하여 모델 성능을 체계적으로 개선하는 문제 해결 역량을 확보했습니다.
🧑💻github repo - Housing-Price-Prediction
</aside>
More Info
프로그래밍 노트