| 분석명 | 목적 | 결과 |
|---|---|---|
| 물류 유통량 예측 경진대회 X 제주도 물류 허브 공장 구축 | 제주시 내 택배 운송 데이터를 이용하여 운송량 예측 AI개발 및 아이디어 제공 | Top 5% |
| 소스 데이터 | 데이터 입수 난이도 | 분석방법 | 데이터 출처 |
|---|---|---|---|
| CSV,Json,XML | 중 | EDA, Visualization, Regression | 데이콘, 국토연구원, 한살림, 제주도허브데이터 |
| 분석 적용 난이도 | 분석적용 난이도 사유 | 분석주기 | 분석결과 검증 Owner |
| 상 | 실제 물류허브 공장의 위치를 예측하여 적절한 위치 찾기 | Daily | 실습코치님, 이재원강사님, 고려대학교 강필성 교수님의 대학원생분들 |
진행: 애자일 방법론
| 프로젝트 순서 | Point | 세부 내용 |
|---|---|---|
| 문제 정의 | 해결할 점, 찾아내야할 점 | 제주도와 그 외 지역의 유통 제품 및 건수 예측하는 지도학습 |
| 데이터 수집 | 공개 데이터, 자체 수집, 제공된 데이터 | 데이콘data, 한살림data(수집), 국토연구원data(수집), 제주도허브데이터(수집) |
| 데이터 전처리 | 문제에 따라서 처리해야할 방향 설정 | 제주도와 활발히 유통하는 지역, 제주도의 물류 문제를 해결할 허브를 어떻게 구축할까? |
| Feature Engineering | 모델 선정 혹은 평가 지표에 큰 영향 | 항구별로 오는 유통 제품 파악하여 labeling and Encoding |
| 연관 데이터 추가 | 추가 수집 | 제주도민의 유통 제품, 쿠팡의 제주도 물류 허브를 구축하기 위한 시도 |
| 알고리즘 선택 | 기본적, 현대적 | Catboost, DNN, Blending |
| 모델 학습 | 모델을 통해서 얻고 싶은 것 | 기존 데이터의 양이 적어서 국토연구원 데이터를 추가하여 항구별 유통 파악 및 지역별 운송장 건수 파악 |
| 모델 평가 | 확률 | 상위 9.5% |
| 모델 성능 향상 | 성능 지표, 하이퍼파라미터, 데이터 리터러시 재수정 | 하이퍼파라미터 조정 및 추가 Ensembling, Top5% |
공식기간: 2022.06.03 ~ 2022.06.24
- 인원:김호민, 이근희, 이기수, 안세호, 이세현
- 직책: PL(Project Leader)
- 데이터: Dacon 유통 데이터, 국토연구원, 도로교통부
- 주 역할:Project Leading, Data 수집 및 가공 , 데이터 파이프라인 구축, ML/DL
- 보조 역할: Data Preprocessing, EDA, Feature engineering
- 추가 역할:회의록 작성, 창업 대회 참가 계획서
- 협업장소: Github, GoogleMeet
- 소통: Slack, Notion,Git project, Google OS
- 저장소: Github, Google Drive
- 개발환경: Visual studio code, Juypter Notebook, colab
- 언어 :python 3.8.x
- 라이브러리:Numpy,Pandas, Scikit-learn 1.1.x, lazypredict, Pycaret,Keras, Tensorflow, Pytorch
- 시각화 라이브러리: Seaborn, Matplotlib, Plot,Plotly, Tensorboard
- 시각화 도구: Tableau, GA
- 웹 크롤링: Slunimue
- docs: 문서화 작업
- conf: 환경설정 관련
- build: 데이터 집산
- Definition: 프로젝트의 전반적인 문제 정의 및 내용 설정
- Data: 전처리 파일 및 모델링을 위한 파일
- models: 여러 모델들의 집합
- src :scripts