O V E R | V I E W |
S K I L L S | ㅤ |
Python | ◼︎◼︎◼︎◼︎◻︎ |
SQL | ◼︎◼︎◼︎◻︎◻︎ |
Tableau | ◼︎◼︎◼︎◻︎◻︎ |
M. L | ◼︎◼︎◼︎◻︎◻︎ |
MS Office | ◼︎◼︎◼︎◼︎◻︎ |
AutoCAD | ◼︎◼︎◼︎◼︎◻︎ |
ㅤ | ㅤ |
L A N G . | ㅤ |
한국어 | ◼︎◼︎◼︎◼︎◼︎ |
English | ◼︎◼︎◼︎◼︎◻︎ |
Español | ◼︎◻︎◻︎◻︎◻︎ |
ㅤ | ㅤ |
C E R T . | ㅤ |
Associate | |
- | |
- | |
- | |
IH (Eng) | |
965 | |
- |
E X P E R I E N C E S |
W O R K ㅤ E X P E R I E N C E |
2019.12 ~ 2021.07 ㅤㅤ (사)한국교육시설학회 ㅤ 연구원
ㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤ∙ 관리 : 정부 용역 사업 50건의 진행 관리 역할 수행
ㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤ∙ 사무 : 사업 공문서 작성(제안∙계획∙결과보고∙지출내역서)
ㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤ∙ 연구 : (학교 건축물 공간계획 관련) 연구 자료 조사 및 시각화 |
ㅤ |
E D U C A T I O N |
2022.12 ~ 2023.05 ㅤㅤ 멋쟁이사자처럼 ㅤ AI스쿨 데이터분석가 과정 ㅤ 수료
ㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤ∙ 이론 : 확률 ∙ 통계 ∙ 알고리즘
ㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤ∙ 분석 : Python ∙ Pandas ∙ Numpy ∙ SQL ∙ Tableau
ㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤ∙ M.L / D.L : Scikit-learn ∙ Tensorflow ∙ PyTorch |
2012.03 ~ 2020.02 ㅤㅤ 성균관대학교 ㅤ 건축학과 ㅤ 졸업 (GPA 87.8 / 100)
ㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤ∙ 전공 : 도시∙건축∙계획∙통합설계∙구조∙설비∙환경∙재료
ㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤ∙ 교양 : 확률∙통계, 프로그래밍 기초와 실습 |
ㅤ |
O T H E R S |
2021.07 ~ 2022.12 ㅤㅤ (기타활동) ㅤ 온라인판매업 운영
ㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤ∙ 인테리어 소품을 수입, 네이버∙쿠팡∙소매점에 판매 |
2020.02 ~ 2020.06 ㅤㅤ (해외경험) ㅤ 중남미 배낭여행
ㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤ∙ 아르헨티나, 칠레, 볼리비아, 페루, 콜롬비아, 멕시코, 쿠바 |
2006.07 ~ 2007.08 ㅤㅤ (해외경험) ㅤ 캐나다 벤쿠버 거주
ㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤ∙ 현지 학교(Burnaby Mountain Secondary School) 재학
|
ㅤ
ㅤ | S K I L L S | I N ㅤ D E T A I L |
수ㅤ집
| ∙ 웹 크롤링
∙ API
| ∙ Python, Pandas, requests, BeautifulSoup을 활용해 웹 데이터를 수집할 수 있습니다.
ㅤ- HTML, CSS 코드를 이해합니다.
∙ API를 호출하여 XML, JSON 포맷의 데이터를 수집할 수 있습니다.
|
분ㅤ석
| ∙ SQL
| ∙ JOIN, UNION, 서브쿼리 를 활용하여 여러 개의 테이블로부터 집계∙조회할 수 있습니다.
∙ WINDOW함수를 활용하여 행 간의 관계를 정의하고 연산할 수 있습니다. |
ㅤ | ∙ Python
∙ Pandas
∙ Numpy
| ∙ 데이터를 수집, 원하는 형태로 추출, 가공하여 분석할 수 있습니다.
∙ 대용량 데이터는 downcast, Parquet을 활용하여 효율적으로 관리합니다.
∙ 클래스와 함수를 정의하여 코드를 구조화하고 재사용성을 높입니다.
ㅤ- ex. 데이터 전처리 과정, 플롯 생성, 머신러닝 모델의 최적 하이퍼파라미터 값 탐색 과정 |
ㅤ | ∙ Scikit-learn
∙ Tensorflow
| ∙ 분류, 회귀, 군집화, 차원축소 알고리즘을 활용하고 적절한 측정지표를 선택할 수 있습니다.
∙ 오버샘플링, 인코딩, 스캐일링, 결측치 처리 등 데이터의 특성을 이해하고 적절한 피처 엔지니어링 방법을 선택할 수 있습니다.
|
시각화
| ∙ Matplotlib
∙ Seaborn
∙ Plotly | ∙ 파이썬 라이브러리를 활용하여 데이터형와 전달목적에 맞게 시각화 할 수 있습니다.
ㅤ- Subplot, Facet을 활용하여 분할된 화면에 필요한 비교대상을 동시에 플롯 합니다.
∙ Plotly로 생성한 동적인 시각화를 Chart Studio를 활영하여 웹으로 공유할 수 있습니다. |
ㅤ | ∙ Tableau
∙ Streamlit
| ∙ 코드를 사용하지 않아도 분석 결과를 동적으로 확인 가능한 대시보드를 구현할 수 있습니다.
∙ Tableau의 예측, 클러스터링 등 자동분석 기능을 활용합니다. Streamlit에 학습된 모델을 업로드하여 새로운 입력 데이터에 대한 모델의 예측결과를 확인 가능하도록 할 합니다.
|
리포팅
| ∙ 보고서
∙ 문서작업 | ∙ 프로젝트 관련 공문서 작성 경험이 있습니다.
∙ 프로젝트와 문서의 목적에 맞도록 간결하게 작성하고자 합니다. |
ㅤ | ∙ 리서치
| ∙ 영문으로 작성된 자료의 리서치가 가능합니다.
∙ 저작권과 출처 표기의 중요성을 인지하고 있습니다.
|
ㅤ
P R O J E C T S | ㅤ |
예술의전당 콘서트홀
좌석 그룹핑∙가격수립
프로젝트
(빅콘테스트 2023)
| ∙ 기간 | 2023.08.23 - 2023.09.27 (5주)
∙ 인원/기여도 | 4명(팀 프로젝트) / 35%
∙ 분석방법 | 군집분석(knn, k-means), 차원축소(PCA), DNN
∙ 데이터셋 | 공연예매데이터, 공간정보(도면∙좌석배치도), 코로나19 거리두기, 검색어트렌드
- 원가격 추정1 : 할인 전 가격 추정 (정규표현식, 텍스트 전처리로 예상 예매율 추출 후 역산)
- 원가격 추정2 : 판매되지 않은 좌석의 가격 추정 (KNN알고리즘을 활용하여 인접 좌석 가격에 거리에 따른 weight를 반영하여 추정)
- 공간데이터 수집 : AutoCAD, Excel, knn알고리즘을 활용한 좌석별 좌표, 시야각도, 시야방해정도 수집
- 등급 부여 : 차원축소(촤석별 공간정보, 선호도, 예매율 등의 변수에 대한 주성분 추출), K-means 군집화(PCA로 추출된 주성분을 기반으로)를 활용하여 새로운 좌석별 그룹핑
ㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤ자세히 보기
|
라이프로그∙MRI 데이터
활용 치매 판별 모델
프로젝트
| ∙ 기간 | 2023.04.10 - 2023.05.09 (4주)
∙ 인원/기여도 | 6명(팀 프로젝트) / 15%
∙ 분석방법 | DNN(정형데이터), CNN(이미지데이터), Streamlit
∙ 데이터셋 | AI허브 치매위험군 웨어러블기기 데이터, OASIS-2 뇌 MRI 데이터
- 이미지 전처리 : 로드, 중앙정렬, 불필요한 부분 삭제, 외곽선 추출 등의 과정 함수화
- 모델링 : CNN 모델 구현 및 수집한 MRI 데이터 학습
- Augmentation : 이미지 데이터 증강(각도, 위치, 배율 변환)으로 모델 예측 정확도 향상
ㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤ자세히 보기
|
ㅤ
D A T A ㅤ V I Z U A L I Z A T I O N |
Share article