철학과 학생의 개발자 도전기
패스트캠퍼스 환급챌린지 13일차 : 10개 프로젝트로 한 번에 끝내는 MLOps 파이프라인 구현 초격차 패키지 Online. 강의 후기 본문
패스트캠퍼스 환급챌린지 13일차 : 10개 프로젝트로 한 번에 끝내는 MLOps 파이프라인 구현 초격차 패키지 Online. 강의 후기
Younghun 2025. 3. 17. 23:21본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.
커리어 성장을 위한 최고의 실무교육 아카데미 | 패스트캠퍼스
성인 교육 서비스 기업, 패스트캠퍼스는 개인과 조직의 실질적인 '업(業)'의 성장을 돕고자 모든 종류의 교육 콘텐츠 서비스를 제공하는 대한민국 No. 1 교육 서비스 회사입니다.
fastcampus.co.kr
수강 인증
수강 후기
안녕하세요. 환급챌린지 13일차 포스팅입니다.
오늘은 HR Data Classification에 대해 실습했습니다.
퇴사 예측 모델을 만들면서 느낀 점
이번 실습은 단순한 분류 모델을 넘어, 데이터 기반 의사결정이 기업 운영에서 얼마나 중요한 역할을 할 수 있는지를 체감할 수 있는 경험이었다. 머신러닝을 활용하면 단순히 "이 직원이 퇴사할까?"를 예측하는 것이 아니라, 퇴사를 유발하는 주요 요인을 분석하고 이를 바탕으로 선제적인 대응이 가능하다는 점이 흥미로웠다.
데이터를 살펴보면서 가장 먼저 느낀 점은, 퇴사자 수가 현저히 적다는 것이었다. 퇴사 예측은 본질적으로 불균형 데이터 문제를 내포할 수밖에 없는 문제인데, 이 상태에서 단순히 정확도(Accuracy)만 높이는 것은 의미가 없다는 걸 다시 한번 실감했다. 모델이 그냥 "대부분 퇴사 안 함"이라고 예측하면 높은 정확도를 가질 수 있지만, 이는 비즈니스적으로 전혀 가치가 없는 모델이다.
이런 상황에서는 Precision, Recall, F1-score 같은 적절한 평가 지표를 선택하는 것이 중요하다. 특히 **재현율(Recall)**을 높이는 것이 핵심인데, 퇴사 가능성이 높은 직원을 놓치는 것보다, 조금 과하게 탐지하더라도 예방 조치를 취할 수 있는 것이 기업 입장에서 더 가치 있기 때문이다. 이번 실습을 통해 머신러닝의 목표는 단순한 성능 최적화가 아니라, 실제 활용 가능성을 높이는 것이라는 점을 다시금 느꼈다.
데이터에서 얻은 인사이트
데이터를 분석하면서, 퇴사자와 비퇴사자의 특성이 확연히 다르다는 점이 흥미로웠다.
예를 들어, 근속 연수가 짧고, 급여가 낮으며, 최근 승진이 없었던 직원들이 퇴사할 가능성이 높았다.
이런 패턴을 보면, "그럼 급여를 올려주면 해결될까?"라는 단순한 접근이 떠오를 수도 있지만, 사실 조직 관리의 문제는 그렇게 단순하지 않다.
👉 퇴사율이 높은 부서가 존재한다면, 단순히 개인의 문제보다 조직 문화나 리더십 문제가 있는 것은 아닐까?
👉 성과 평가가 낮은 직원이 퇴사하는 것이 아니라, 오히려 높은 직원이 퇴사하는 패턴이 있다면, 그들은 더 나은 기회를 찾아 떠나는 것은 아닐까?
이런 질문들을 던져보면서, 머신러닝 모델이 단순한 숫자 예측을 넘어서 비즈니스 전략을 수립하는 도구가 될 수 있다는 점을 실감했다.
이번 실습을 통해 얻은 교훈
✔ 머신러닝 모델은 비즈니스 가치를 중심으로 설계해야 한다.
단순한 정확도를 높이는 것이 아니라, 실제로 활용 가능한 결과를 도출해야 의미가 있다.
✔ 불균형 데이터 문제를 해결하는 접근법이 중요하다.
데이터 증강(SMOTE), 가중치 조정, 평가 지표 선택 등 다양한 방법을 고려해야 한다.
✔ 데이터의 패턴을 읽는 능력이 머신러닝만큼 중요하다.
모델이 도출한 결과를 단순한 예측값으로 보지 않고, 이를 바탕으로 조직 운영을 개선할 방법을 고민해야 한다.
이번 실습을 통해 머신러닝이 단순한 기술이 아니라, 기업의 의사결정 도구로써 강력한 역할을 할 수 있다는 점을 배울 수 있었다.
다음 실습에서는 모델을 더 정교하게 개선하는 방법을 깊이 탐구해 보고 싶다.
