제1장 서론

제1절 연구 배경 및 필요성

제2절 연구 목적 및 범위

제2장 이론적 배경

제1절 노동시장과 임금 추정의 필요성

제2절 임금 결정 요인 및 선행 연구 고찰

제3절 기계학습을 활용한 임금 예측 기법

제3장 데이터 분석

제1절 고용·산재보험 보수총액 데이터 개요

제2절 데이터 구조와 주요 변수

제3절 데이터 정제 및 전처리 방법

제4절 탐색적 분석 및 주요 변수 도출

제5절 임금 추정을 위한 학습데이터 분석

제4장 기계학습 기반 임금 추정 모형 개발

제1절 연구 모형 개요

제2절 예측 모형에 활용된 기계학습 알고리즘

제3절 모형 학습 및 검증 방법 

제4절 모형 최적화 및 변수 선택 전략

제5절 학습데이터 설계 및 분석

제5장 임금 추정 모형 분석 결과

제1절 예측 모형 성능 비교

제2절 직종별 예측 모형 성능 검증 결과

제3절 업종별 예측 모형 성능 검증 결과

제4절 전체 성능 검증 결과

제6장 정책적 활용 방안 및 시사점

제1절 개인·기업 맞춤형 임금정보 서비스 적용 방안

제2절 직업정보 시스템을 통한 직종별 임금정보 활용

제3절 민간 취업플랫폼 대상 임금정보 제공 방안

제4절 연구의 한계 및 향후 연구 방향

제7장 결론

참고문헌

부록

본 연구는 노동시장의 정보 비대칭성을 해소하고 합리적인 의사결정을 지원하기 위해, 객관적인 공공 행정 데이터를 기반으로 산업 및 직종별 임금을 예측하는 기계학습 모델을 개발하는 것을 목적으로 한다. 이를 통해 데이터 기반의 고용 정책 수립과 실용적인 정보 제공 기틀을 마련하고자 하였다.

연구 방법으로는 2019년부터 2023년까지의 고용·산재보험 보수총액 신고 자료를 활용하였으며, 성별, 연령, 근속연수 등 임금에 영향을 미치는 8개 변수를 독립변수로 설정하였다. 또한, LightGBM과 CatBoost 등 앙상블 알고리즘을 적용하여 모델을 구축하고, 교차검증과 R-squared 등의 지표를 통해 모델의 성능을 다각도로 분석·검증하였다.