"안녕하세요 이지윤입니다👋 "
*2023년 하반기에 성균관대학교 인공지능융합학과 입학했습니다. 관심 분야는 시계열, 이상탐지, 멀티모달입니다.
Email [email protected] LinkedIn linkedin.com/in/jiyoon-lee-2b2571209/ Blog https://uni-datastudy.tistory.com/
📁 PDF 버전 포트폴리오 다운 ⏬
0️⃣ 목차(클릭 시 이동합니다)
1️⃣ 성공적인 비즈니스를 위해서는 맞춤 전략이 필요하다는 것을 배울 수 있었습니다.
**광운대학교 경영학과 졸업 (**2017.03~2021.08)
<aside> 💄 코스메틱 대외활동 2018.02~2020.08 코스메틱 기업(에뛰드, 이니스프리, 잇츠스킨 등)에서 대학생 대외활동 진행 → 주요 내용: BM회의 참여, 프로모션 전략, CSR전략, 브랜딩 논의
</aside>
<aside> 🇨🇳 중국 생활 및 SNS활동 2019.08~ 단기어학연수, 교환학생
→ 주요 내용: 중국어(HSK6급), 한국 기업의 중국 현지화 전략, 한국 소비자와의 차이점
</aside>
2️⃣ 맞춤 전략을 위한 근거를 찾고 분석하여 보고서를 작성하는 일을 담당하였습니다.
하지만 집계화된 통계 자료만 사용하다보니 한계를 많이 느껴 데이터 분석 역량의 필요성을 알게 되었습니다.
이커머스 분야에서 데이터 라벨러로 일하면서 데이터 라벨링 뿐만 아니라 EDA, 퀵사이트를 활용한 시각화를 진행 중에 있습니다.
**플랜인피닛 글로벌마케팅팀 (**2021.03~2021.10)
<aside> 📊 해외진출전략 보고서 작성 수출입 통계지표, 세분화 시장별 시장 규모, 유통 채널, 경쟁사, 소비자 분석 등을 바탕으로 SWOT, STP전략, 바이어군 제안 사용 TOOL: 엑셀, 파워포인트
→ 주요 내용: 시장 지표 분석을 통한 전략 도출
</aside>
<aside> 💰 바이어 발굴 보조 타겟 설정, 온라인 바이어 발굴, 이메일·줌·메신저 컨택 → 주요 내용: 실험을 통한 이메일 내용, 형식 최적화
</aside>
<aside> 🧷 카카오스타일 데이터 품질 운영 2023.01.10~ 2023.07.07
</aside>
https://github.com/JiyoonLee18/TIL
3️⃣ 데이터 분석 역량을 기르기 위해 자격증, 공모전, 프로젝트, 교육 이수 등의 경험을 쌓아왔습니다.
<aside> 🛠️ Tool
SQL: 조인, 서브쿼리, 임시테이블, With 구문 활용 가능
Python: 반복문을 통한 자동화 구문 생성, 함수 및 판다스pandas를 통한 효율적인 전처리 , api를 활용한 외부 데이터 수집, 웹 스크래핑 등
Tableau: 매개변수, 필터, 동작 등을 활용한 인터렉티브 대시보드 생성
Google Analytics: 로그 데이터 분석, GA4 학습
분석 방법론: 퍼널분석, 코호트 분석, LTV, RFM 등에 대한 이론과 예제 학습, 프로젝트 가설 검증 시 활용
기타: 머신러닝, 딥러닝에 대한 전반적인 이해, 코드 조사 및 변형을 통한 서비스 구현 경험
AWS: RDS 생성, 쥬피터 pymysql 연결
</aside>
<aside> 📜 Certificate
Google Analytics Individual Qualification
빅데이터 분석 기사
SQLD (SQL 개발자)
ADsP (데이터분석준전문가)
그래픽기술자격 GTQ 1급
</aside>
<aside> 🏆 제 3회 AI SPARK챌린지 공모전 (대상)
2022.02~2022.04
→ 주요 내용: 직접 사회적 문제를 찾고 해결하는 알고리즘을 제시하는 공모전
</aside>
<aside> 📕 혁신성장 인재양성 데이터분석 (with 파이썬)
2021.10~2022.04 (6개월, 3개월 학습 3개월 프로젝트)
주관: 과학기술정보통신부, SK플래닛 T아카데미
→ 주요 내용: 파이썬, SQL, 머신러닝, 딥러닝
</aside>
<aside> 📗 데잇걸즈 6기
2022.07~2022.11 (4개월, 3개월 학습 1개월 프로젝트)
주관: 과학기술정보통신부 NIA 한국지능정보진흥원
→ 주요 내용: 통계적 검증을 통한 인사이트 도출, GITHUB 활용, SQL을 활용한 데이터 전처리
</aside>
✅ 통계적 검증을 통해 가설 검증을 하여 유의미한 인사이트를 도출하였습니다.
✅ 분석 결과를 바탕으로 트랙 계산기, 자체 트랙 제작 등의 서비스를 개발하였습니다.
<aside> 🎮 카트라이더 트랙 분석 3가지 방법(API, 웹스크래핑, 자체수집)으로 데이터를 수집한 뒤, 회귀분석을 진행하여 인기 트랙 요소 추출
🔍 자세히 보기
TOOL
: Python
SQL
Git
Bubble io
팀 구성: 데잇걸즈 6인조
역할: API 수집, 워드클라우드 시각화, 트랙 계산기 서비스 개발 (기여도 30%)
데이터 수집: 넥슨 API 수집, 설문조사, 자체 데이터 수집, 웹스크래핑
배운점
프로젝트 배경
넥슨은 지속적으로 신규 트랙을 출시, 하지만 현재 가장 사용 빈도가 높은 트랙은 출시가 오래된 트랙들 인기 트랙들의 요소를 추출하여 신규 트랙에 적용
분석 내용
단일 회귀 분석 결과, 트랙 사용 수에 가장 크게 영향을 주는 요소는 “평균 주행 시간” (평균 주행 시간이 낮을수록 트랙 사용수 증가)
가설1) 직선 구간 비율이 높을수록 평균주행시간이 줄어들 것이다. 기각: 직선구간비율 10%▲ ⏩ 평균주행시간 11.6초▲
가설2) 내리막길 비율이 높을수록 평균주행시간이 줄어들 것이다.
기각: 내리막비율 10%▲ ⏩ 평균주행시간 0.176초▲
결과
평균주행시간과 난이도 요소에 영향을 주는 요인들을 고려하여 트랙 계산기 제작 및 자체 트랙 제작
</aside>
✅ 서비스의 페인포인트를 데이터 분석을 통해 발견했습니다.
✅ 로그데이터를 활용하여 새로운 인기도 지표를 개발하였습니다.
✅ 문제를 해결하는 알고리즘을 구현했습니다.
Copyright ⓒ 이지윤 All rights reserved.