분석모형 전개·모니터링·리모델링
쉽게 말하면
모형은 만들고 끝이 아니에요. 실제 시스템에 붙여 매일 쓰게 하고(전개), 담당자가 결과를 보고 무엇을 할지 정해 두고(활용 시나리오), 성능이 떨어지지 않는지 계속 지켜보다가(모니터링) 세상이 바뀌어 안 맞으면 다시 학습시켜요(리모델링).
시험용 정의
분석결과 활용은 모형을 업무에 써서 가치를 내는 단계다. 분석모형 전개는 모형을 운영 환경에 배포해 정해진 주기로 한꺼번에 예측하는 배치 방식이나 요청마다 바로 답하는 실시간(API) 방식으로 쓰게 하는 것이다. 활용 시나리오 개발은 예측 결과를 누가 어떤 화면에서 보고 어떤 행동(쿠폰 발송, 점검 지시)을 하는지 업무 흐름으로 설계한다. 운영 중에는 정확도 같은 성능 지표와 입력 데이터 분포를 모니터링해 데이터 드리프트와 개념 드리프트를 찾는다. 성능이 떨어지면 새 데이터로 다시 학습하고 모형을 바꾸는 리모델링을 한다.
비유로 이해하기
새로 산 내비게이션을 차에 다는 것이 전개, '정체가 뜨면 우회로로 간다'는 운전 습관이 활용 시나리오, 도착 시간 예측이 자꾸 틀리는지 지켜보는 것이 모니터링, 새 도로가 생겨 지도를 업데이트하는 것이 리모델링이다.
자세히
전개 방식
| 방식 | 어떻게 | 예 |
|---|---|---|
| 배치 | 정해진 주기로 쌓인 데이터를 한꺼번에 예측 | 매일 밤 이탈 위험 고객 목록 생성 |
| 실시간 | 요청이 올 때마다 API 로 바로 예측 | 카드 결제 순간 사기 판별 |
| 임베디드 | 기기 안에 모형을 넣어 직접 예측 | 스마트폰 얼굴 인식 |
전개하기 전에 운영과 같은 환경에서 성능과 응답 속도를 시험하고, 모형 파일·전처리 코드·버전을 함께 관리한다. 모형 개발과 운영을 자동화해 잇는 방식을 MLOps 라고 한다.
활용 시나리오에 담을 것
- 누가: 결과를 받는 사람·시스템 (마케팅 담당, 고객센터)
- 언제: 받는 주기와 시점
- 무엇을: 점수·등급·추천 목록 등 결과 형태
- 어떻게 행동: 위험 등급 A 면 전화, B 면 쿠폰 같은 규칙
- 성과 측정: 행동 전후로 무엇을 비교해 효과를 볼지
모니터링과 드리프트
| 말 | 뜻 | 예 |
|---|---|---|
| 성능 모니터링 | 정확도·재현율·RMSE 등을 주기적으로 재서 기준과 비교 | 월별 정확도가 85% 아래로 떨어지면 경보 |
| 데이터 드리프트 | 입력 변수의 분포가 학습 때와 달라짐 | 주 고객 연령대가 20대에서 40대로 |
| 개념 드리프트 | 입력과 정답의 관계가 달라짐 | 같은 조건에서도 구매 성향이 바뀜 |
리모델링
- 시점: 성능이 기준 아래로 떨어질 때, 업무·환경이 바뀔 때, 또는 정해진 주기(분기·반기 등)
- 절차: 새 데이터 수집·정제 → 재학습(또는 변수·알고리즘 변경) → 기존 모형과 성능 비교 → 더 좋으면 교체
- 지금 쓰는 모형(챔피언)과 새 후보(챌린저)를 일부 트래픽에서 나란히 비교하고 바꾸기도 한다
시험에 이렇게 나와요
- 전개 방식: 배치(주기) / 실시간(API) / 임베디드(기기)
- 활용 시나리오: 누가·언제·무엇을·어떻게 행동·성과 측정
- 데이터 드리프트(입력 분포) vs 개념 드리프트(입력과 정답의 관계)
- 리모델링: 성능 저하·환경 변화·정해진 주기 → 재학습 → 비교 → 교체
- 챔피언·챌린저 비교
출제기준 4과목 '분석모형 전개, 활용 시나리오 개발, 분석모형 모니터링, 분석모형 리모델링'
확인 문제
Q1. 코로나 이후 사람들의 쇼핑 습관이 바뀌어, 같은 입력이라도 구매 여부와의 관계가 달라졌다. 이 현상은?
- 개념 드리프트
- 데이터 증강
- 다중공선성
- 과소적합
정답 보기
1번 개념 드리프트
입력과 정답 사이 관계 자체가 바뀌는 것이 개념 드리프트다. 입력 분포만 바뀌면 데이터 드리프트다. 둘 다 리모델링 신호다.
Q2. 카드 결제가 일어나는 순간마다 사기 여부를 판별해야 한다. 알맞은 전개 방식은?
- 배치
- 실시간
- 수작업 보고서
- 연 1회 일괄
정답 보기
2번 실시간
요청마다 바로 답하는 실시간(API) 방식이다.
Q3. 입력 변수의 분포가 학습 때와 달라진 현상은?
- 과대적합
- 기울기 소실
- 데이터 드리프트
- 개념 드리프트
정답 보기
3번 데이터 드리프트
입력 분포 변화는 데이터 드리프트다.
Q4. 리모델링 절차로 알맞은 것은?
- 새 데이터 준비 → 재학습 → 기존 모형과 비교 → 교체
- 교체 → 재학습 → 비교 → 데이터 준비
- 재학습 없이 바로 교체
- 비교 → 교체 → 데이터 준비 → 재학습
정답 보기
1번 새 데이터 준비 → 재학습 → 기존 모형과 비교 → 교체
새 모형이 정말 더 나은지 비교한 뒤 바꾼다.
Q5. 활용 시나리오에 담을 내용으로 가장 거리가 먼 것은?
- 모형 학습에 쓴 컴퓨터의 제조사
- 성과 측정 방법
- 결과를 받는 사람과 주기
- 결과에 따른 행동 규칙
정답 보기
1번 모형 학습에 쓴 컴퓨터의 제조사
시나리오는 결과를 누가 어떻게 쓰는지를 정한다.
헷갈리기 쉬운 O·X
한 번 잘 만든 분석모형은 운영 중에 다시 학습할 필요가 없다.
정답 보기
X 데이터와 환경이 바뀌면 성능이 떨어져 리모델링이 필요하다.
개념 드리프트는 입력과 정답 사이 관계가 바뀌는 것이다.
정답 보기
O
배치 방식은 요청이 올 때마다 바로 예측해 응답한다.
정답 보기
X 그건 실시간 방식. 배치는 주기적으로 모아서 한꺼번에 예측한다.