미리보기

AI바우처 사업참여

• 빅데이터 기반 국제물류 운임/일정 예측 AI솔루션 제작 프로젝트

• 화주들이 포워딩사에 견적을 요청할 시 영업사원이 직접 선사와 지사에 연락을 하여 견적을 받아 화주에게 견적을 제공함. 혹은 경험에서 나오는 감으로 대략적인 견적을 안내해 불확실하고 시간이 오래걸리는 문제가 있었습니다.

• 빅데이터를 기반으로 운임/일정 예측 AI모델을 제작하게 되면 높은 정확도와 빠른 시간내에 화주들에게 견적 안내가 가능해졌습니다.

• 고객사 내부의 ERP데이터(2000년대 초반 ~ 현재), 필요 외부데이터(유가, 환율, 선박운항정보, 기상 등)수집하여 결합했습니다.

• 고객사 내부 데이터에서 필요한 column을 정의하는 작업, out-lier 데이터와 human error데이터를 정제하는 작업을 진행하였습니다.

• pycaret을 이용하여 적합한 모델을 탐색하여 RandomForest Classifier모델을 사용하기로 결정하였습니다.

• 구축된 AI모델을 웹페이지에서 서비스를 개시하였습니다.

한국정보통신진흥협회 - 빅콘테스트 - 생성형 AI분야

• 주최측에서 제공한 신한카드 가맹점정보 데이터를 기반으로 프로젝트를 진행했습니다.

• 2023년 월별 데이터가 있었기 때문에 중복된 식당들의 수치데이터를 평균값을 이용하여 통합하였습니다. 이후 데이터 내부의 정보를 이용하여 휴무일과 영업시간 column을 생성하는 데이터 전처리 과정을 거쳤습니다. 추가적으로 필요한 데이터인 위/경도 데이터를 수집하기 위해 Naver map API를 이용해 위/경도 데이터를 수집하여 추가하였습니다. 마지막으로 완성된 data를 이용하여 embedding모델이 인식할 수 있도록 자연어 형태의 column을 제작하였습니다.

• FAISS인덱스를 활용해 유사도 검색을 통해 사용자의 질문에 적합한 식당 정보를 추출하고, 생성형 AI 모델인 Gemini 1.5 flash를 통해 사용자 맞춤형 응답을 생성했습니다.

• streamlit의 기능들을 이용하여 사용자의 위치, 방문예정 시간대와 요일에 따라 필터링 된 기능을 제공하여 사용자에게 맞춤형 식당을 찾아서 제공하는 기능을 제작하였습니다. 이후 github에 코드를 게시하였고 streamlit cloud를 통해 웹서비스로 배포해 실시간으로 사용자가 접근할 수 있는 형태로 구현하였습니다.

  결과물링크 - https://gen-jejusotre.streamlit.app/

pandas를 이용한 데이터 전처리하는 과정에 대해 스터디를 진행했습니다.
matplotlib, seaborn을 이용한 데이터 시각화하는 방법에 대해 스터디를 진행했습니다.
scikit-learn을 이용한 머신러닝 / GridSearch등을 이용한 하이퍼 파라미터 튜닝, 앙상블 기법 등 스터디를 진행했습니다.
pycaret을 이용한 AutoML에 대한 방법을 공부했습니다.