중고트럭 거래 플랫폼 회사 인턴 프로젝트입니다.

요약

• 사용자 설문 기반 추천 시스템 모델링, 시계열 예측 모델링, 모델 Serving

시기

• 프로젝트 진행 기간 : 2022.11~ 2023.02
• 참여 인원 : 1

역할

• KNN을 활용한 사용자 설문 기반 추천 서비스 모델링
• RNN LSTM을 활용한 시계열 예측 모델링
• Node.js, Javascript, Mysql을 활용한 Model Serving
• 백엔드 API 구축
• DB 구축
• React를 활용한 WEB Front 구현

데이터 소개

✔️ 본 회사의 축적된 트럭 정보(트럭 유형, 길이, 톤, 바퀴 갯수 등등..)의 DB 데이를 활용하였습니다.

주요 내용

✔️ 개요

1. 중고 트럭 거래 플랫폼을 통해 유저들이 구입하려는 중고트럭을 쉽게 탐색할 수 있도록 차량 구매자 요구에 따른 근접매물 추천 서비스를 제공하고자 개발 목표 수립

2. 트럭 번호판 시세 및 트럭 수요 분석 및 Trend 보고서를 매 분기마다 발행하는 것을 목표 수립

✔️ 주요기능

1. 사용자 설문 기반 추천 서비스

   • 데이터 전처리

     • 서로 다른 단위의 차량 데이터 정보를 Min-Max Scaling하여 통일 및 정규화
     • 차량의 톤수, 브랜드, 딜러의 신뢰도, 차량 상태, 유저의 보유자산 상태를 측정하고 EDA

   • 모델링

     • 3차원 공간의 5개의 축(EDA된 데이터)을 통해 5차원으로 표현하여 정량적인 데이터를 0~1사이의 점수를 Scaling 통해 도출 하였습니다.’
     • KNN 공식을 이용해서 설문을 통해 유저가 선택한 차량의 총 점수와 본 회사 DB에 저장되어 있는 차량의 점수와 비교하는 작업을 통해 유저가 원하는 차량에 근접한 매물을 찾아주는 알고리즘을 구현하였습니다.

   • 결과

     • 가장 가까운 거리에 있는 차량 6대를 추천하여 서버에 전송

   • 검증

     • precision@k와 recall@k를 활용한 검증
     • 각 0.8 이상의 결과 도출

2. 시계열 예측 모델링

   • 데이터

     • 통계청 화물 자동차 등록 데이터와 본 회사 DB의 번호판 가격, 시계열 데이터를 이용
     • 스타트업의 단점인 부족한 데이터 문제를 해결하기 위해 배치성 데이터를 추가로 사용

   • 모델링

     • RNN의 LSTM 모델을 사용하여 차량 번호판 가격의 12개월치의 시퀀스 데이터로부터 1개월치의 데이터를 예측하는 모델을 구현하였습니다.
     • 다변량 변수 추가와 하이퍼 파라미터 튜닝으로 모델을 개선

   • 검증

     • MAPE를 활용한 검증
     • 10%의 정확도 결과 도출

3. 모델 서빙

   • 추천 시스템 모델 검증 이후 회사의 웹, 앱 백엔드에 모델을 붙이고 API를 설계하였습니다.
   • Node.js와 JavaScript를 활용하여 CRUD를 바탕으로 백엔드 API 설계
   • 유저가 원하는 차량(톤수, 브랜드, 차량상태 등)에 대한 설문이 필요하기 때문에 설문을 저장할 Mysql DB table을 구축
   • POST 형식으로 유저들이 선택할 질문에 대한 파라미터를 설계
   • 정답을 받아오면 DB에 create해주고 추천 시스템 모델이 동작할 때 DB에 저장되어 있는 유저가 선택한 질문을 read하여 추천이 되도록 설계하였습니다.
   • 개발 서버에 배포

   ✅결과

   1. KNN을 활용한 사용자 설문 기반 추천 서비스를 성공적으로 배포하여 실전에서의 인공지능에 대한 역량을 키울 수 있었던 경험이었습니다.
   2. 모델 서빙 능력 또한 갖출 수 있었던 프로젝트였습니다.

🛠 기술 스택

▪ 언어

▪ 주요 라이브러리

▪ 개발 툴

▪ 협업 툴