머신러닝 체크리스트

1. 프로젝트 개요

• 프로젝트 제목 :
• 해결하려는 문제 :
• 평가 지표 :

2. 데이터 구조 탐색

• 데이터 폴더 구축
• 파일 별 용도 설명
• 특성 설명 (이름, 의미, 자료형, 결측값 개수, 고윳값 개수, 데이터 범위 등)
• 훈련, 검증, 테스트 분할
• 타깃값

3. 데이터 시각화

• 시각화를 위한 피처 엔지니어링
• 수치형 데이터 시각화
• 범주형 데이터 시각화
• 피처 간 관계 시각화
• 타겟과의 관계 시각화

4. 모델링

• 평가 방식 설정
  • 교차 평가
• 초기 모델
  • 베이스라인 모델을 위한 피처 엔지니어링
  • 베이스라인 모델 구축
  • 베이스라인 모델 성능 평가
• 모델 개선
  • 하이퍼파라미터 최적화:
    • Grid Search
    • Random Search
    • Baysian Optimization
  • 피처 엔지니어링
    • 데이터 인코딩
    • 데이터 다운캐스팅
    • 이상치 제거
    • 결측값 처리
    • Feature Scaling
    • 파생 피처 생성
    • 피처 선택

5. 모델 배포

• 경진대회 제출
  • 최종 예측
  • 제출 파일 생성
  • 제출
• 서비스 배포
  • 모델 직렬화
  • 배포 환경 설정
  • 모니터링 시스템

6. 유지 보수

• 초기 가정 검토
• 배포 후 성능
• 사용자 피드백