머신러닝 주제 후보
-
음악 추천시스템: 음악 개인화 서비스
1-1. 데이터셋:
a) Million Song Dataset: http://millionsongdataset.com/
-> 데이터 크기: 280GB, 1.8GB(10000songs) - AWS 이미지 클론, h5 파일형식
b) 캐글: https://www.kaggle.com/competitions/msdchallenge
-> 데이터 크기: 39.29MB - zip, txt. pdf
c) Spotify: https://open.spotify.com/
-> API 사용 데이터 수집
d) Last.fm: https://www.last.fm/
-> API 사용 데이터 수집1-2. 장점:
-
현재 많은 기업에서 사용 하고 있는 개인화(추천, 맞춤) 서비스에 대해 연습해 볼 수 있음
-
데이터셋을 구할 수 있음
-
사람들에게 적당히 알려진 머신러닝 프로젝트 (레퍼런스-중)
1-3. 단점:
-
익숙하지 않은 데이터 형태
-
크롤링을 할 수도 있음
- 소비자 구매 행동 예측: 소비자 구매를 예측해서 마케팅 진행
2-1. 데이터셋:
a) 캐글: https://www.kaggle.com/datasets/vijayuv/onlineretail
-> 데이터 크기: 45.58MB - CSV
b) 캐글: https://www.kaggle.com/c/instacart-market-basket-analysis/data
-> 데이터 크기: 205.77MB - CSV1-2. 장점:
-
이커머스 마케팅 관련 업무에 많이 사용 되고 있음
-
데이터셋을 구할 수 있음
-
사람들에게 잘 알려진 머신러닝 프로젝트 (레퍼런스-상)
1-3. 단점:
-
많이 알려져 있음
- 애완견 상태 파악: 애완견이 현재 어떤 상태인지(행복, 슬픔 등) 예측
3-1. 데이터셋:
a) 캐글: https://www.kaggle.com/datasets/arashnic/animal-behavior-analysis?resource=download&select=DogInfo.xlsx (행동 분석이라 적합X)
b) 더미 데이터 직접 생성1-2. 장점:
-
실제 상품화, 관련 앱 생성 아이템 좋음
1-3. 단점:
-
데이터 구하기 어려움
-
이미지 판별 및 키워드 생성
4-1. 데이터셋: 인스타, 구글 이미지 -
자전거 대여 수요 예측
5-1. 데이터셋: 공공데이터 포탈 -
배달 시간 예측
6-1. 데이터셋: 캐글 -
해파리 출몰 예측
7-1. 데이터셋: 공공데이터포털(https://www.data.go.kr/data/15059041/openapi.do)
