예시 답변 1
약 90초
솔직한 경험 기반 접근
AI 연구에서 코드 재현 가능성을 높이는 자리에서 가장 먼저 챙기는 것은 환경 고정입니다. 같은 코드가 다른 환경에서 다른 결과를 내는 자리가 생각보다 많기 때문입니다. 수업 팀 프로젝트에서 `requirements.txt`와 `random seed`를 고정하는 것부터 시작했습니다.
실험 결과를 노트북에만 남기면 나중에 그 자리를 재현하기 어려워서, 실험 설정·데이터 버전·결과 지표를 README에 함께 기록하는 방식을 썼습니다. 더 나아가면 MLflow나 WandB로 실험을 추적하는 자리도 있지만, 지금 수준에서는 실험 노트를 꼼꼼히 남기는 것이 현실적인 출발점이라고 생각합니다. 재현 가능한 코드는 동료가 이어받을 수 있는 코드이고, 협업의 기본이 됩니다.
이 결의 특징
requirements.txt와 random seed를 고정하고 실험 설정·데이터 버전·결과 지표를 README에 함께 기록하는 흔적이 있습니다. 재현 가능한 코드가 동료가 이어받을 수 있는 코드이고 협업의 기본이 된다는 결이 보입니다.
이 결이 통하는 자리
실험 노트가 노트북에만 남아 나중에 재현이 어려워지기 쉬운 자리에서, 환경·데이터·결과를 함께 기록하는 자리가 먼저 있을 때 통합니다.