예시 답변 1
약 100초
AI·머신러닝 이상 탐지 경험·방법 중심으로 푸는 결
학부 프로젝트에서 시계열 센서 데이터를 이용한 이상 탐지 모델을 구현한 경험이 있습니다.
공장 설비 시뮬레이션 데이터를 사용해서, 정상 운전 구간과 비정상 구간을 구분하는 모델을 만들었습니다. 처음에는 단순 임계값 기반 탐지를 시도했는데, 정상 범위가 시간대마다 달라서 오탐이 많았습니다. `Isolation Forest`와 `LSTM Autoencoder`를 비교 실험했고, 시계열 패턴을 학습하는 LSTM Autoencoder가 재구성 오차 기반으로 이상을 더 잘 잡아냈습니다.
이 경험에서 이상 탐지는 정답 레이블이 없는 경우가 많아서 비지도·준지도 방식이 현실적이라는 것을 배웠습니다. 또 모델 성능보다 이상으로 볼 임계값을 어디서 끊는가가 실제 운용에서 더 어려운 문제라는 것도 실감했습니다. Python의 scikit-learn과 PyTorch를 주로 사용했습니다.
이 결의 특징
임계값 기반 탐지의 한계를 겪고 LSTM Autoencoder로 전환한 결이 보입니다.
이 결이 통하는 자리
이상 탐지 모델 선택의 실증적 근거를 확인하는 자리에서 통하는 결입니다.