반도체 공정 데이터를 활용한 대시보드 시각화 프로젝트를 진행하였습니다. 웨이퍼가 어느 위치에서 어떤 상태로 진행되고 있는지를 실시간으로 기록하고 추적할 수 있는 대시보드를 구축하는 것을 목표로 하였습니다. 이를 위해 eqp_model, area, eqp_type, wafer_id 등 다양한 데이터 컬럼을 통합 분석하였습니다. 공정 별 웨이퍼의 진행 상황을 한눈에 파악할 수 있도록 설계하여 품질 관리 및 공정 개선에 필요한 인사이트를 제공하였습니다.
Python과 Streamlit, Dash, Plotly 등 데이터 시각화 라이브러리를 활용하여, 복잡한 제조 및 측정 데이터를 직관적으로 이해할 수 있는 인터페이스를 구현하였고, 이를 통해 제조 공정의 투명성을 높이며 신속한 의사결정을 지원하는 효과적인 도구를 제공하였습니다.

Personalized Recommendation System은 개인 맞춤형 화장품 추천을 위한 AI 기반 추천 시스템입니다. 이 시스템은 제품 정보, 평점, 피부 타입, 성분, 키워드, 리뷰 등의 독립 변수를 활용하여 1차 필터링을 수행한 후,사용자의 인구통계 정보, 브랜드 선호도, 가격 민감도, 이용 로그 데이터를 추가로 분석하는 2차 필터링 과정을 거쳐 최적의 제품을 추천합니다.
CF(협업 필터링)과 CBF(콘텐츠 기반 필터링)를 결합한 하이브리드 추천 시스템을 구축하여 기존 고객 만족도 평점 3.8점에서 12% 상승한 4.26점을 기록하며 추천 품질을 개선하였습니다. 특히, 사용자의 현재 피부 타입과 피부 문제를 진단하여 맞춤형 제품을 추천하는 알고리즘을 통해 높은 평가를 받았으며, 정확성과 사용자 만족도를 극대화한 추천 시스템을 제공하였습니다.