Raj Kumar의 Azure ML Designer 기반 **코드 없는 ML 파이프라인** 가이드 — Adult Census 데이터셋으로 이진 분류(연봉 $50K 초과/미만) 예측 프로젝트. 실무 ML 비율(데이터 전처리 60% / 피처 엔지니어링 20% / 모델 구축 10% / 평가·배포 10%)을 전제로 시작. Azure ML Designer에서 시각적 파이프라인 9단계: 컬럼 선택 → 결측치 mode imputation → 카테고리 메타데이터 마킹 → One-Hot Encoding → 레이블 정의 → 80:20 train-test 분할 → Two-Class Logistic Regression 훈련 → Score → Evaluate. AUC 0.901로 강한 클래스 분리 달성. 핵심 메시지: ML은 모델이 아니라 파이프라인 — 기업은 모델이 아닌 파이프라인·시스템을 배포.

• •실무 ML 시간 분포: 전처리 60% + 피처 20% + 모델 10% + 평가·배포 10%.
• •Azure ML Designer로 시각적 9단계 파이프라인 구축 — 코드 작성 없음.
• •Adult Census 이진 분류 AUC 0.901 — Logistic Regression이 강한 baseline.
• •범주형 메타데이터 마킹은 One-Hot Encoding 성공의 전제조건 (초보자 실수 지점).
• •핵심: 기업은 모델이 아닌 파이프라인·시스템을 배포 — 워크플로 이해 = 실전 역량.