BDAI 금융 데이터 분석 심화반에서 데이터 프로젝트를 경험하며 느낀 점은 데이터 처리 구조와 함께, 모델링 역시 문제 해결 과정에서 핵심적인 역할을 한다는 것이었다. 특히 이상거래 탐지(FDS) 프로젝트를 진행하면서 단순히 모델을 학습시키는 수준을 넘어, 모델을 어떻게 설계하고 평가하며 실제 환경에서 활용 가능한 형태로 만드는지가 중요하다는 것을 체감했다.
이러한 경험을 바탕으로 BDAI학회 12기 데이터 분석 모델링반(ML 모델 배포 중심)에 참여하게 되었다. 빅데이터 분석 학회 활동을 통해 모델링 이론을 적용하는 것을 넘어, 모델을 실제 서비스 환경에서 동작 가능한 구조로 구현하는 경험을 쌓는 것이 목적이다.
FDS 프로젝트에서 느낀 모델링의 중요성
문제 정의에 따른 모델 설계의 필요성
이상거래 탐지는 단순 분류 문제가 아니라, 거래 흐름과 시간성을 고려해야 하는 문제였다. 모델 구조를 어떻게 설정하느냐에 따라 탐지 성능뿐 아니라 경보 발생 비율, 실제 활용 가능성이 달라졌다.평가 지표 선택의 중요성
데이터 불균형 상황에서 단순 정확도는 의미가 없었고, PR-AUC, 재현율, 경보 비율과 같은 지표를 함께 고려해야 했다. 모델링은 단순 성능 비교가 아니라 비즈니스 상황에 맞는 평가 기준 설정 과정이라는 점을 경험했다.피처 설계와 모델 성능의 직접적인 연결
거래 이력 기반 변수, 시간대 위험도 변수 등 피처 엔지니어링이 모델 성능에 큰 영향을 미쳤다. 모델링은 알고리즘 선택뿐 아니라 데이터 표현 방식을 설계하는 과정이라는 점을 체감했다.모델 결과의 활용 가능성 문제
모델 성능이 높더라도 실시간 처리 속도나 시스템 적용 가능성을 고려하지 않으면 실제 서비스에 적용하기 어렵다는 점을 느꼈다. 모델링은 분석 단계에서 끝나는 것이 아니라 배포와 운영까지 연결되어야 의미가 있다는 것을 경험했다.
모델링반 수업에서 얻고 싶은 부분
- 문제 유형에 맞는 모델 구조 설계 경험
- 불균형 데이터 및 실제 서비스 환경을 고려한 평가 방법 이해
- 모델 학습 결과를 서비스 환경에 적용하는 배포 과정 경험
- 모델 성능과 처리 속도 사이의 trade-off를 고려한 설계 경험
데이터 핸들링과 자동화 경험을 기반으로, 이번 모델링반 활동에서는 모델을 실제로 활용 가능한 수준까지 구현하는 과정을 중점적으로 경험하고자 한다. 분석 결과를 넘어 모델의 배포와 운영까지 고려하는 모델링 역량을 강화하는 것이 이번 활동의 목표다.