1) 문제점
- 광어 가격에 영향을 미치는 변수가 20여 개 이상으로 복잡해 정확한 예측이 어려움
- 각 변수의 영향력이 시기에 따라 달라져, 예측 풀 카지노의 성능이 시간이 지나면 떨어지는 문제 발생

2) 프로젝트 목표
- 과거 광어 가격 데이터를 기반으로 미래의 광어 가격을 정확히 예측하는 풀 카지노 개발

3) 주안점
- Regression 풀 카지노(ARIMA, Prophet 등)과 Transformer 풀 카지노(Autoformer 등)을 합친 Ensemble 풀 카지노 구현
- 신규 데이터 투입 시 자동으로 강화학습이 가능하도록 설계하여 예측 성능의 지속적 유지

*본 포트폴리오 내 이미지는 이해를 돕기 위해 가상으로 제작되었습니다.

1. 포트폴리오 소개: AI 기반 광어 가격 예측 풀 카지노

2. 작업 범위: 데이터 분석, 머신러닝 풀 카지노 개발, 자동 학습 시스템 설계

3. 주요 업무:
1) 정확도 높은 가격 예측 풀 카지노 개발
- ARIMA, Prophet 등의 Regression 풀 카지노과 Autoformer 기반 Transformer 풀 카지노을 결합한 Ensemble 풀 카지노 구축
기존 연구보다 우수한 5% 미만의 MSE(평균제곱오차) 달성

2) 자동 강화학습 시스템 설계
- 신규 데이터가 추가될 때 자동으로 강화학습을 수행하여 지속적인 풀 카지노 성능 유지
- 시기별로 변하는 변수 영향력을 반영해 예측 성능 저하 방지