Boostcamp의 두 번째 프로젝트인 Online Retail Prediction Project를 무사히 마쳤다. 그래도 두번째 프로젝트여서 일까, 분명히 첫 번째 프로젝트 보다는 조금 더 계획적이고 자신감 있게 Flow를 만들어서 진행한 것 같다. 괜히 뿌듯하기도 하고 조금씩 능숙해지는 모습을 이렇게 회고를 하면서 자신감이 생기기도 한다. 물론 현업에서 하는 작업의 일부분만 경험하고 있다는 것도 잘 알기에 프로젝트를 하나씩 진행하면서 앞으로 딥러닝 엔지니어로써 갖춰야 할 것들 하나씩 생각해보게 된다.
모든 Task에 대해 딥러닝이 항상 정답인 것은 아니다. 딥러닝의 파워가 필요 없는 부분에서도 딥러닝이 최고라는 믿음을 가지고 무조건적으로 적용하려는 시도는 주의가 필요하다. 그렇기에 전통적인 ML 기법들을 활용해서 진행한 이번 프로젝트는 나한테 더 의미있는 과정이었다고 생각한다. 이번 Wrap up을 통해서 프로젝트에서 경험한, 전통 머신러닝을 사용하여 Raw 데이터로 부터 시작해서 최종 prediction이 나오기 까지의 전체적인 Process를 잘 숙지해두고 앞으로도 체계적으로 적용해보자.
<aside> 💡
정형 데이터를 다루는데 적용한 전체적인 Process
</aside>
<aside> 💡 모든 데이터를 다루는 Task의 시작, Exploratory Data Analysis
</aside>