우리 FISA AI엔지니어링 23주차 과정

Monday(06.09)

예비군

네이버는 운영시에 소셜로그인 API를 위해선 추가 신청이 필요하다.

실패...

성공!!

 

Tuesday(06.10), Wedenesday(06.11)

 

https://seongjujeong.notion.site/Team-Malhaebang-20f354ebd59280e1b550c9e7c25364b0?source=copy_link

 

 

기술 세미나 후기

 

다른 팀원들의 발표를 경청한 것이 큰 도움이 되었다. 무엇보다 좋았던 것은 멘토님들의 마무리 말씀이었다.

한 멘토님은 "부트캠프로 얻어갈 마인드는 문제를 해결하려고 하는 마인드"라고 하셨고,

"불안할 수록 올바른 길로 가고 있는 것이다 - 김은기면접관님"

전체 피사과정중 가장 가슴에 와닿는 말이었다.

 

Thursday(06.12), Friday(06.13)

 

 

우리카드 해커톤 후기 – 소비 데이터를 활용한 AI 추천 시스템 설계 

목/금에는 다른 반 친구들과 연합으로 해커톤을 진행했다! 

 

 

클라우드 엔지니어반 분이 짜준 아키텍쳐를 토대로 몇가지 서비스를 추가해봤다.

 

1. 개인 고객의 카드 이용 데이터 전처리 - 우리카드 활용

• 기존 데이터- 기준시점(분기), 고객번호, 연령대, 성별, 거주지역, 라이프스테이지

추가 수집 데이터(우리카드보유예상)- 업종 코드 / 가맹점 업종, 브랜드명 / 가맹점명, 결제 지역 (가맹점 주소 기반 위도·경도), 반복 결제 여부

 

전처리 흐름

1. 원천 데이터 결합: 분기별 고객 프로필 + 거래 로그
2. 일·월 단위 집계: 업종·브랜드별 결제 횟수 및 금액 합산, 반복 결제(구독) 여부 플래그 생성
3. 이상치 필터링: “엄마카드” 등 연령대·장소 불일치 거래 제거, 비정상 대량 결제/시간대 벗어남 검출

 

2. 개인 고객의 소비패턴을 추출

a. 소비 데이터 수집 및 벡터화

• 피처 엔지니어링
  • 거래 특성 → 업종코드, 가맹점명, 결제일시, 결제금액 기반 파생 변수
  • 고객 속성 → 연령대, 성별, 거주지역, 라이프스테이지, 반복 결제 여부
• 벡터화
  • One-hot / Count 인코딩 → 정규화된 고차원 벡터 생성
  • Cosine Similarity 계산용 입력 자료

b. 소비 특징 유형화

• 분석 단계
  • 동일 시간대(요일·시간) 소비 패턴 선택
  • 빈도·금액 기반 소비 흐름 추천
  • 전형적 시퀀스 도출 → 해시태그화

c. 개인 소비 통계량 산출

• 주기적으로 가는 장소

 

3. 추천 시스템

a. 소비 쌍둥이 기반 추천 시스템

• Top-K 유사 사용자 추출을 통한 "너도 간 집" 탐지
• 재방문 확률 예측: P(재방문|사용자,장소) = α·사용자선호도 + β·유사인방문률
• AI 테마 코스 자동 생성: 유사 소비자들의 소비 동선 기반 3곳 이상 경로 구성

b. 콘텐츠 자동 생성 및 시각화

• GPT-4o 기반 소비 통계 리포트 자동 생성
• 소비 MBTI 유형화: KMeans + silhouette score 기반 클러스터링
  • YOLO형 (즉흥소비), 루틴형 (정기소비), 포인트러버형 (혜택중심) 
• 이상 소비 감지: Isolation Forest + AutoEncoder 기반 패턴 이탈 탐지