1장 서론

제1절 연구 배경 및 필요성

제2절 연구 목적 및 범위

제2장 이론적 배경

제1절 직업 적합도의 개념과 중요성

제2절 선행연구 고찰

제3절 기계학습과 딥러닝

제4절 AutoML 개념과 활용 방안

제3장 분석 데이터

제1절 분석 데이터 개요

제2절 분석 데이터의 기초 통계 분석

제3절 분석 데이터 전처리

제4장 직업 적합도 판별 모델

제1절 후보 모델 비교 분석

제2절 AutoML을 활용한 모델 개발

제3절 학습모델 아키텍처

제5장 모델 성능 평가 및 결과 분석

제1절 분류 모델 평가 지표

제2절 모델 일반화 성능 검증

제3절 연도별 데이터 성능 분석

제4절 모델별 성능 분석

제6장 직업 적합도 판별 변수 분석

제1절 직업 적합도 판별 변수 중요도 분석

제2절 변수 중요도 기반 모델 최적화

제7장 결론 및 제언

제1절 연구 결과 요약 및 시사점

제2절 정책적 활용 방안

제3절 모델의 한계점 및 향후 연구 방향

참고 문헌 

부 록

본 연구는 급격한 기술 변화 속에서 기존 직업 상담의 한계를 극복하고, 머신러닝을 활용해 객관적이고 과학적인 직업 적합도 판별 모델을 개발하는 것을 목적으로 한다. 이를 통해 진로 미결정자에게 개인의 특성과 잠재 역량에 기반한 실용적인 직업 추천 도구를 제공하고자 하였다.

연구 방법으로는 한국고용정보원의 4개년도 재직자 조사 마이크로 데이터를 활용하였으며, 537개 직업을 분류하기 위해 랜덤포레스트, XGBoost, 엑스트라 트리 등 다양한 앙상블 알고리즘의 성능을 비교 분석하였다. 특히 정확도, 재현율, AUC 등 종합적인 지표를 통해 모델을 평가하였고, 변수 중요도 분석 및 재귀적 변수 제거 실험을 병행하여 판별에 필요한 핵심 변수를 도출함으로써 모델의 경량화 가능성을 검증하였다.