실시간 데이터 검증하기

제조업에서 실시간으로 이상을 탐지하는 시스템은 공정 변화로 인한 데이터 분포 변화에 취약합니다. 마키나락스는 학습과 추론이 동시에 가능한 코드로 모델을 배포하고, 실시간으로 수집된 데이터로 모델을 재학습하는 방식을 사용합니다.

이 과정에서 모델의 안정적인 학습과 추론을 위해 데이터 유효성 테스트가 필수적입니다. 본 글에서는 데이터 스키마(타입, 범위, 필수 속성), 피처 순서, 데이터셋 시프트(분포 변화)라는 세 가지 측면에서 실시간 데이터의 유효성을 검증하는 방법을 소개합니다.

이를 통해 예상치 못한 데이터 입력으로 인한 모델 성능 저하 및 오류를 사전에 방지할 수 있습니다.