예시 답변 1
약 96초
불량이 드물다는 데서 출발하는 결
저는 모델보다 불량의 특성부터 봅니다. 불량 검출의 핵심 어려움은 정상은 넘치고 불량은 드물다는 것입니다. 그래서 데이터 수집 단계에서 드문 불량을 어떻게 충분히 모으느냐가 1순위입니다. 그냥 쌓으면 정상만 잔뜩 모입니다. 그래서 불량이 났을 때를 따로 표시해 모으고, 종류별로 너무 적은 불량은 별도로 더 확보하는 흐름을 둡니다. 모델은 그다음입니다. 데이터가 한쪽으로 쏠려 있으니, 정확도 하나로 보면 다 정상이라 찍어도 높게 나오는 함정이 있어 불량을 놓친 비율을 따로 봐야 합니다. 배포 후가 더 중요합니다. 현장은 조명·각도가 바뀌면 멀쩡한 걸 불량으로 보거나 그 반대가 생기므로, 현장 판정을 다시 모아 주기적으로 재학습하는 고리를 둡니다. 다만 모델이 애매하다고 한 건 사람이 마지막에 보게 남겨, 놓침의 비용이 큰 불량은 자동에만 맡기지 않습니다.
이 결의 특징
불량이 드물다는 데이터 특성을 먼저 짚고, 정상만 쌓이는 함정을 피하려 불량을 별도로 확보하는 구조를 세운 흔적이 있습니다. 현장 조명·각도 변화에 대응하는 재학습 고리와 애매한 판정을 사람에게 남기는 안전장치까지 이어지는 결이 보입니다.
이 결이 통하는 자리
정확도 함정을 짚어내는 구체적 이해가 살아 있을 때 통합니다. 자동화와 사람 판단을 나누는 기준이 명확할 때 실무 설계력으로 읽히는 결이 보입니다.