본 연구는 항공사의 고객 만족도를 예측하기 위해 심층 신경망 모델을 활용하는 연구를 다루고 있다. 항공사 서비스의 품질은 성공과 이탈율에 큰 영향을 미치므로 고객 만족도를 정확히 예측하는 것은 항공사 업계에서 매우 중요한 과제다. 이 연구는 항공사의 고객 만족도를 예측하기 위해 심층 신경망(DNN) 모델을 적용하는 방법을 탐구하고, 효과적인 예측 결과를 도출하기 위한 접근법을 제시한다.본 연구에서는 북미 지역에 속하는 항공사의 승객들의 만족도에 영향을 미치는 다양한 요인들을 분석하기 위해 Kaggle에서 제공하는 항공사 만족도 데이터셋을 활용하였다. 데이터셋은 다양한 고객 특성 및 항공사 서비스와 관련된 변수들을 포함하고 있어, 심층 신경망 모델을 구축하고 학습시키는 데에 적합한 자료로 활용되었다.실험을 위해, 랜덤 포레스트(Random Forest), 로지스틱 회귀(Logistic Regression), 다층 퍼셉트론(Multilayer Perceptron)모델을 구축하여 예측 성능을 비교하였다. 모델의 예측 정확도, ROC 곡선 아래 면적(AUC), 그리고 분류 보고서를 통해 각 모델의 성능을 평가하고 결과를 분석하였다. 이를 통해 심층 신경망 모델이 항공사 고객 만족도 예측에 높은 예측 성능을 보이는 것을 확인하였다.본 연구의 결과는 항공사 업계에서 고객 만족도를 개선하고 경쟁력을 향상시키기 위한 중요한 정보를 제공할 수 있다. 항공사들은 이 연구를 참고하여 고객 요구에 더욱 정확하게 대응하고, 더 나은 서비스를 제공하는 데에 활용할 수 있다. 또한, 다른 산업 분야에서도 심층 신경망 모델을 활용하여 고객 만족도를 예측하는 데에 이 연구의 결과와 방법론을 활용할 수 있다.이 연구는 항공사의 고객 만족도 예측에 심층 신경망 모델의 활용 가능성을 제시하고, 관련 연구 분야에 대한 지식과 기여를 제공한다. 더 나아가, 본 연구는 데이터 분석과 머신러닝 기술을 결합하여 예측 모델링에 대한 실용적인 접근법을 제시하는 데에도 기여한다.