대학생 데이터 시계열 분석 공모전 모델링 전략
1. 공모전 목표와 문제 정의 전략
1‑1 왜 “시계열 분석”인가?
시계열 데이터는 시간 흐름에 따른 패턴·트렌드·계절성을 포착할 수 있어, 에너지 절감·수요 예측·자원 배분 등 실질적 정책 제안으로 연결된다. 공모전 심사위원은 **‘문제의 사회·경제적 파급력’**을 가장 먼저 평가한다. 따라서 “대학생 기숙사 전력 사용량 예측”과 같이 구체적인 대상·시점·목표를 제시해야 한다.
1‑2 한 페이지 문제 정의 양식
| 구분 | 작성 포인트 |
|---|---|
| 문제 현황 | 현재 전력 사용량 평균, 연간 비용, 환경 부담 등 수치 제시 |
| 원인 분석 | 계절·학사 일정·인구 변동 등 주요 변수 3가지 이상 명시 |
| 해결 목표 | 예측 정확도 목표, 비용 절감 목표, 정책 활용 방안 등 구체적 수치 포함 |
| 기대 효과 | 연간 CO₂ 감축량·예산 절감·학생 만족도 향상 등 정량화 |
예시: “2023년 기숙사 전력 사용량은 월 평균 1,150 kWh(전년 대비 14 % 증가)이며, 이는 연간 2,470 만원의 추가 비용을 발생시킨다. 날씨·학사 일정·입주 인구 변동을 고려한 시계열 모델을 구축해 정확도 80 % 이상, 비용 15 % 절감을 목표로 한다.”
2. 최신 공모전 트렌드와 규정 파악
2‑1 생성형 AI 활용 규정
- AI 생성 텍스트: 반드시 “AI‑Generated” 라벨과 생성 일시·버전을 주석에 삽입.
- AI 이미지: Midjourney, DALL·E 등 사용 시 상업적 라이선스 보유 여부를 확인하고, 이미지 메타데이터에
creator: Midjourney등을 기록. - 출처 고지: 모든 AI 도구와 오픈소스 라이브러리(버전 포함)를 ‘참고문헌’ 섹션에 나열한다.
2‑2 숏폼 영상·세로형 포맷
공모전 플랫폼이 9:16 세로 영상을 지원한다면 30초 내외의 인포그래픽 영상을 제작한다. 영상 구성 예시:
- 문제 현황(5초) – 그래프와 함께 “연간 2,470 만원 손실” 텍스트 삽입
- 데이터·모델(10초) – 시계열 라인 차트와 LSTM 구조 이미지
- 기대 효과(10초) – 비용 절감 시뮬레이션 애니메이션
- 팀 소개·연락처(5초) – 로고와 QR 코드
2‑3 ESG·지역문제 해결형 증가
심사 기준에서 ‘사회적 가치·지속가능성’ 항목 비중이 확대되고 있다. 따라서 모델 결과를 ‘에너지 절감·탄소 배출 저감·지역 대학 연계 프로그램’ 등 ESG 관점에서 서술하면 가산점이 붙는다.
3. 데이터 확보·전처리 상세 로드맵
3‑1 데이터 출처 다변화
| 데이터 | 제공 기관 | API·포맷 | 비고 |
|---|---|---|---|
| 전력 사용량 | 한국전력공사 | REST JSON | 월별 1 kWh 단위 |
| 날씨 | 기상청 | XML/JSON | 시간당 평균 온·습도 |
| 학사 일정 | 대학 포털 | RSS | 학기·시험·방학 일정 |
| 인구 변동 | 학생지원팀 | CSV | 월별 기숙사 입주자 수 |
각 출처는 수집 일시·버전을 스프레드시트에 기록하고, GitHub 커밋 로그에 data_fetch: <date> 형태로 남긴다.
3‑2 전처리 단계별 체크리스트
- 시간 정렬:
timestamp를 기준으로 오름차순 정렬, 결측 시간은 선형 보간 적용 - 결측치 처리: 전체 결측 비율이 4 % 이하일 경우 평균값 대체, 초과 시 해당 기간 삭제
- 이상치 탐지: Z‑score |Z| > 3 인 레코드 검토 후 삭제 또는 Winsorize 적용
- 스케일링: 온도·습도는 Min‑Max, 전력량은 로그 변환 후 StandardScaler 적용
- 피처 엔지니어링:
day_of_week,is_holiday,temp_lag_24h등 10개 이하 피처 생성
전처리 파이프라인은 scikit‑learn Pipeline 객체로 구현해 재현성을 확보한다.
4. 모델 설계·성능 검증 심층 가이드
4‑1 베이스라인 → 고도화 순서
- 베이스라인 – SARIMA(2,1,2)(1,0,1)[12] 모델, MAPE 12 % 달성
- 피처 추가 – 날씨·학사 일정 변수 포함, SARIMAX(3,1,2) 로 MAPE 9 % 개선
- 딥러닝 – 48시간 윈도우 입력 LSTM(64,32) + Dropout(0.2), RMSE 0.28 달성
- 앙상블 – SARIMAX와 LSTM 가중 평균(0.55:0.45), R² 0.91 최종 성능
각 단계는 k‑fold(5) 교차 검증 결과를 표로 정리하고, 변화된 지표를 시각화한다.
4‑2 성능 지표와 해석
| 지표 | 베이스라인 | 고도화 | 최종 앙상블 |
|---|---|---|---|
| MAE | 0.46 | 0.34 | 0.29 |
| MAPE | 12 % | 9 % | 6 % |
| R² | 0.84 | 0.88 | 0.91 |
| 실행 시간(예측) | 0.02 s | 0.04 s | 0.06 s |
해석 포인트: MAPE 6 %는 실제 전력 사용량 변동 폭(±150 kWh) 대비 9 kWh 오차 수준으로, 현장 운영에 충분히 활용 가능함을 강조한다.
4‑3 모델 설명 가능성(Explainability) 강화
- SHAP 값으로 온도·학기 변수 기여도 시각화
- Partial Dependence Plot을 통해 온도 1 °C 상승 시 전력 사용량 0.7 kWh 증가 추세 제시
설명 가능한 모델은 심사위원이 **‘왜 이 모델이 선택됐는가’**에 대한 질문에 즉각 답변할 수 있게 해준다.
5. 결과물 표현·시각화 베스트 프랙티스
5‑1 그래프·표 디자인 원칙
- 컬러 팔레트: 청색(#1E90FF), 회색(#4F4F4F), 주황(#FF8C00) 3색만 사용해 일관성 유지
- 폰트: Noto Sans KR, 12 pt 이하 텍스트 최소화
- 해상도: 모든 이미지 300 dpi, PDF 내 삽입 시
Embed All Fonts옵션 활성화
5‑2 인포그래픽 예시
| 구성 요소 | 내용 | 비고 |
|---|---|---|
| 문제 현황 | 전력 사용량 추이 라인 차트 | 2021‑2023 연도별 비교 |
| 모델 흐름 | 블록 다이어그램 (데이터 → 전처리 → 피처 → 모델) | 각 블록에 아이콘 삽입 |
| 기대 효과 | 비용·탄소 절감 시뮬레이션 바 차트 | 시나리오 3가지(베이스, 최적, 확장) |
5‑3 숏폼 영상 제작 팁
- 오프닝 5초: “기숙사 전력 비용 2,470 만원, 어떻게 절감할까?” 텍스트와 배경음악
- 중간 15초: 모델 구조와 핵심 지표(예: MAPE 6 %)를 애니메이션으로 전환
- 클로징 5초: 팀 로고와 QR 코드(보고서 다운로드 링크)
영상 파일은 MP4 H.264, 비트레이트 5 Mbps, 프레임 30 fps 로 인코딩한다.
6. AI 생성물·저작권 관리 실무
6‑1 AI 텍스트 사용 가이드
# ChatGPT를 활용한 가설 서술 예시
prompt = "대학생 기숙사 전력 사용량에 영향을 주는 주요 요인을 3가지로 요약해줘."
response = openai.ChatCompletion.create(...)
# 결과를 보고서에 삽입할 때는:
# [AI‑Generated, ChatGPT 2024‑07‑12, version gpt‑4o]위와 같이 주석에 생성 일시·버전을 명시하면 감점 요소인 ‘출처 누락’ 문제를 방지한다.
6‑2 이미지·아이콘 저작권 체크리스트
- 사용 이미지가 상업적 라이선스를 보유했는가? (예: Midjourney
commercial license) - 이미지 메타데이터에
Creator: Midjourney와License: Commercial을 삽입했는가? - 동일 이미지가 동일 파일명으로 중복돼 있지 않은가?
- 모든 이미지에 Alt Text를 제공해 접근성을 확보했는가?
6‑3 오픈소스 코드 라이선스 명시
# 프로젝트 README에 포함할 내용 예시
- Python 3.10
- numpy 1.26.0 (BSD)
- pandas 2.1.2 (BSD)
- tensorflow 2.13.0 (Apache 2.0)라이선스 종류와 버전을 명시하면 ‘AI·오픈소스 사용 미표기’ 감점을 피한다.
7. 제출 전 최종 검수 프로세스
7‑1 파일·명명 규칙 종합표
| 구분 | 파일명 예시 | 포맷 | 비고 |
|---|---|---|---|
| 보고서 | teamA_시계열분석보고서.pdf | PDF (A4, 300 dpi) | 목차·참고문헌 포함 |
| 코드 | teamA_code.zip | ZIP (README, .py, .ipynb) | 실행 환경 requirements.txt 포함 |
| 데이터 | teamA_raw.csv, teamA_processed.csv | CSV UTF‑8 | 개인정보 마스킹 |
| 영상 | teamA_presentation.mp4 | MP4 (9:16) | 최대 2 GB 이하 |
| 추가 자료 | teamA_포스터.jpg | JPG (300 dpi) | 1080 × 1920 해상도 |
7‑2 오탈자·포맷 검증 체크리스트
- 맞춤법 검사: 한글 맞춤법 검사기(네이버 맞춤법) 통과 여부
- 숫자·단위 표기: 모든 수치는 **‘소수점 둘째 자리’**까지 표기, 단위는 SI 표준 (kWh, % 등)
- 링크 유효성: 모든 외부 URL을 클릭해 200 OK 응답 확인
- 페이지 번호·목차 자동 생성: PDF 내 페이지 번호가 연속되는지 확인
- 파일 용량: 각 파일이 규정 용량 초과 여부 검증 (보고서 ≤ 5 MB, 영상 ≤ 2 GB)
7‑3 최종 검수 일정표
| 일자 | 작업 내용 | 담당자 |
|---|---|---|
| D‑14 | 심사 기준·수상작 5편 분석 | 팀 리더 |
| D‑10 | 데이터 수집·전처리 완료 | 데이터 담당 |
| D‑7 | 모델 베이스라인·고도화 구현 | 모델링 담당 |
| D‑5 | 보고서 초안 작성·시각화 | 디자인 담당 |
| D‑3 | AI·저작권 라벨링, 출처 정리 | 전체 팀 |
| D‑2 | 파일명·포맷 검증, 오탈자 교정 | 검수 담당 |
| D‑1 | 최종 PDF/MP4 압축, 백업 | 운영 담당 |
| D‑0 (마감) | 제출 플랫폼에 업로드, 제출 확인 메일 수신 | 팀 전체 |
8. 발표·PT 전략과 질의응답 대비
8‑1 30초 인트로 스크립트 (핵심 1문장)
“2023년 우리 대학 기숙사 전력 사용량은 월 평균 1,150 kWh로, 전국 평균보다 15 % 높으며, 이는 연간 약 2,500 만원의 불필요한 비용을 초래합니다.”
이 한 문장은 문제 규모·경제 손실·사회적 의미를 동시에 전달한다.
8‑2 슬라이드 설계 원칙 (1슬라이드 = 1메시지)
| 슬라이드 | 핵심 메시지 | 시각 요소 |
|---|---|---|
| 1 | 문제 정의 | 현황 그래프 + 키워드 |
| 2 | 데이터 출처 | 로고·API 아이콘·표 |
| 3 | 모델 흐름 | 블록 다이어그램 |
| 4 | 성능 비교 | 바 차트·지표 표 |
| 5 | 기대 효과 | 비용·탄소 절감 시뮬레이션 |
| 6 | 구현 로드맵 | Gantt 차트 |
| 7 | 팀 소개·연락처 | 로고·QR 코드 |
텍스트는 6줄 이하, 글자 크기는 24 pt 이상을 유지한다.
8‑3 예상 질문 7가지와 답변 포인트
| 질문 | 핵심 답변 포인트 |
|---|---|
| 데이터가 실제 운영 데이터와 차이가 있나요? | 공공 API와 학교 행정 시스템을 교차 검증했으며, 차이 ≤ 3 % 범위 내 확인 |
| 모델이 실시간 적용 가능합니까? | LSTM 추론 시간 0.07 s로 실시간 대시보드와 연동 가능 |
| AI 생성 이미지·텍스트 저작권은 어떻게 관리했나요? | 모든 AI 결과에 ‘AI‑Generated’ 라벨·출처·라이선스 명시, 상업적 이용 허가 확보 |
| 비용 절감 시뮬레이션 가정은 무엇인가요? | 온도 1 °C 상승 시 전력 0.7 kWh 증가, 정책 적용 시 12 % 비용 절감 가정 |
| 모델 설명 가능성(Explainability)은 어떻게 보장했나요? | SHAP 값 시각화·Partial Dependence Plot 제공, 변수별 기여도 명시 |
| 프로젝트 확장성은? | 다른 캠퍼스·공공기관으로 데이터 파이프라인 확대 가능, API 표준화 설계 |
| 제출 파일 형식·규격 위반 여부는? | 모든 파일명·포맷·용량 규정 준수, 최종 검수 체크리스트 통과 |
질문 대비는 핵심 수치·출처·시각 자료를 슬라이드 노트에 미리 정리해 두면 긴장 없이 답변할 수 있다.
9. 팀 워크플로·협업 도구 활용 가이드
9‑1 Git 기반 버전 관리
- 레포:
github.com/팀명/시계열공모전 - 브랜치 전략:
main(최종 제출),dev(일반 개발),data(데이터 전처리),model(모델),doc(보고서) - 커밋 규칙:
type(scope): description(예:feat(data): add weather API)
9‑2 협업 툴
| 툴 | 활용 목적 | 비고 |
|---|---|---|
| Slack | 실시간 채팅·알림 | 채널별 #data, #model, #doc |
| Notion | 일정·작업 관리·위키 | 마일스톤·체크리스트 |
| Google Drive | 대용량 파일·영상 공유 | 폴더 권한 설정 |
| Figma | 인포그래픽·슬라이드 디자인 | 팀원 피드백 실시간 반영 |
9‑3 피드백 루프
- 주간 스프린트 회고: 진행 상황·문제점 공유 (30 min)
- 중간 리뷰: 모델 성능·보고서 초안에 대한 내부 피드백 (2 시간)
- 외부 멘토링: 교수·산업 멘토 1명 초대, 1시간 Q&A 진행
- 최종 리허설: PT 5분 리허설 후 타임라인·슬라이드 수정
피드백은 구글 폼으로 수집해 정량화(만족도 1‑5점)하고, 개선 항목을 우선순위 매트릭스에 기록한다.
10. 최종 체크리스트 (제출 전 2시간 내 확인)
- 문제 정의·목표가 1페이지에 명확히 서술되었는가?
- 데이터 출처·수집·전처리 과정을 표와 하이퍼링크로 완전 기재했는가?
- 베이스라인·고도화·앙상블 모델 성능 지표와 비교 그래프를 모두 포함했는가?
- SHAP·PDP 등 설명 가능성 시각화를 보고서에 삽입했는가?
- AI 생성 텍스트·이미지에 ‘AI‑Generated’ 라벨과 버전·라이선스 정보를 명시했는가?
- 모든 파일명·포맷·용량이 규정에 부합하는가?
- 개인정보·민감정보가 전부 마스킹·제거되었는가?
- 맞춤법·오탈자·링크 정상 여부를 최종 검수했는가?
- 숏폼 영상(9:16)·프레젠테이션 슬라이드가 요구 시간·비율을 충족했는가?
- 예상 질문 5가지 이상에 대한 답변 초안을 슬라이드 노트에 기록했는가?
- 팀 전체가 제출 전 24 시간에 한 번씩 전체 파일을 다운로드·오픈해 확인했는가?
이 체크리스트를 **‘제출 전 2시간’**에 팀 전체가 동시에 확인하고, 누락 항목이 있을 경우 즉시 보완한다면 ‘감점 요소’를 원천 차단하고 높은 점수를 받을 확률이 크게 상승한다.