이번 주는 데이터 소스와 씬파일러 정의를 다시 확정하는 데 대부분의 시간을 썼다.
데이터 소스 확정
금융합성데이터와 모의DB 중 어떤 데이터를 사용할지 팀 내에서 논의했다. 기획서 방향에 맞춰 AI Hub 금융합성데이터의 Sheet09, Sheet11을 사용하기로 최종 확정했고, 이후 팀원별로 각자 담당 데이터의 구조를 확인하기로 분담했다.
씬파일러 정의 재검토
데이터 구조를 확인하는 과정에서 기존에 KCB Score 기준으로 세우려 했던 씬파일러 정의에 문제가 있음을 발견했다. 실제로 확인해보니 KCB Score 값 자체가 이상하게 나왔고, 팀원이 작성한 문서에서도 씬파일러 정의가 원래 방향과 다르게 잡혀 있었다는 것을 확인했다. Sheet09, Sheet11 두 시트 모두 기존 방식으로는 정의가 어렵다는 결론에 이르렀다.
이에 따라 데이터 전체 구조를 다시 검토했고, 각 시트별로 씬파일러 정의변수를 5개씩 선정해 확정했다.
타겟변수 이슈
정의변수를 확정한 뒤에는 타겟변수 문제가 새롭게 발생했다. Sheet09는 PERF 값이 모델 학습에 유의미하게 나오지 않는 문제가 있어 해결 방안을 각자 조사한 후 논의하기로 했고, Sheet11도 별도로 타겟변수를 정해야 하는 상황이다.
그 외
씬파일러 등급을 어떻게 산정할지에 대한 방법을 논의했다.
각자 조사한 대안변수 후보를 노션에 정리해 업로드했다.
프로젝트 협업을 위한 GitHub 저장소를 이번 주에 생성했다.
강사님과의 상담도 진행했다. 각 시트의 데이터셋이 여러 개로 나뉘어 있으니 하나로 합쳐서 확인하는 것이 좋겠다는 의견을 주셨고, 씬파일러 정의변수 기준으로 합친 데이터셋을 제공해주셨다. 또한 대안변수 선정보다 타겟변수(PERF) 문제를 먼저 명확히 확인하는 것이 우선이라는 조언을 받아, 대안변수 논의는 타겟변수 확정 이후로 순서를 조정했다. 현재는 PERF 방안을 각자 조사하고 있는 단계다. 강사님은 이와 함께 Sheet09와 Sheet11 두 시트를 합칠 수 있는 방법도 검토해볼 것을 권고했다.
다음 주 계획
다음 주에는 PERF 타겟변수 문제 해결 방안을 팀 내에서 최종 결정하고, Sheet11의 타겟변수도 확정할 계획이다. 강사님이 제공한 통합 데이터셋을 기준으로 씬파일러 정의변수를 재검증하고, 두 시트의 결합 가능 여부도 검토할 예정이다.
