데이터 대표성

Data representativeness

팩별 설명

데이터 대표성은 모은 데이터가 실제 적용 대상과 조건의 중요한 특성을 담고 있는 정도다.

설명

품목·시간대·공급사·설비 차이 등이 포함 대상이 될 수 있다.

한 시간에 찍은 사진 천 장이 여러 주의 생산 변동을 대신하지는 못한다.

미포함 조건을 목록으로 남긴다.

모델 학습은 데이터의 특징과 목표 결과 사이의 관계를 모델에 반영하는 과정이다.

추론은 준비된 모델에 새 입력을 넣어 점수나 종류·위치 등을 계산하는 과정이다.

검사 파이프라인은 촬영·전처리·추론·판정·기록·조치를 이어 놓은 처리 흐름이다.