2026 빅데이터분석기사 필기 4과목 2장 3절 | 모형 해석·배포·모니터링·재학습 — 핵심 이론

필기 · 핵심 이론

분석 결과는 운영에 들어간 뒤에도 변화합니다. 학습 자료와 실제 입력의 차이, 예측 처리 실패, 성능·비용 저하를 감시하고 안전하게 되돌릴 수 있는 기준을 정해야 합니다.

1. 해석과 인과

중요도·부분의존·SHAP은 예측의 기여를 설명하며 인과효과를 자동 증명하지 않습니다. 상관변수와 도구의 가정을 검토합니다.

전체 설명과 개별 예측을 나누고 대표 사례·반례를 봅니다. 설명 도구가 있어도 오류와 편향은 남을 수 있습니다.

예제로 적용하기

해지 사유가 이탈 예측 중요도 1위다. 먼저 물을 것은?

2. 학습·서빙 일치

운영의 컬럼·자료형·단위·범주·전처리 버전이 학습과 맞아야 합니다. 학습은 만원,운영은 원이면 수치가 1만배 다릅니다.

새 범주와 결측·범위 밖 입력 정책을 정합니다. 실패를 조용히 정상 처리하지 않고 추적 가능한 기록을 남깁니다.

예제로 적용하기

만원 100 대신 원 1,000,000을 그대로 입력했다. 문제는?

3. 드리프트

데이터 드리프트는 입력 분포, 개념 드리프트는 입력과 목표 관계의 변화입니다. 입력 변화가 반드시 성능 하락을 뜻하지는 않지만 검토 신호입니다.

정답이 늦으면 입력·예측 분포를 먼저 보고 확정 성능을 나중에 연결합니다. 계절성과 표본 수를 고려합니다.

예제로 적용하기

정책 후 같은 행동과 이탈의 관계가 바뀌었다. 개념은?

4. 배포와 복구

섀도·카나리·단계적 배포로 영향을 작은 범위에서 확인합니다. 모형·전처리·설정 버전을 함께 관리하고 복구 기준을 정합니다.

지연·실패율·성능을 함께 봅니다. 배포 성공이 업무 효과 개선과 같은 뜻은 아닙니다.

예제로 적용하기

사용자 5%에 먼저 새 모형을 적용한다. 접근은?

5. 재학습과 성과

새 자료·학습창·검증·적용의 절차를 반복합니다. 날짜가 되었다고 검증 없이 교체하면 성능이 떨어질 수 있습니다.

정확도 외에 이익·안전·지연·비용을 봅니다. 운영 한도를 넘으면 적용 여부를 다시 판단합니다.

예제로 적용하기

정확도는 올랐지만 응답 한도를 넘었다. 판단은?

한눈에 비교하기

순서대로 풀어 보는 예제

학습에서 만원 100을 쓰고 운영에서 원 1,000,000을 넣으면 수치가 1만배 다릅니다. 컬럼 이름만 같아도 놓칠 수 있어 단위·범위·분포 검증이 필요합니다.

성능 저하 때 즉시 재학습하기보다 입력 누락·정의 변경·새 범주·장애를 먼저 추적합니다. 데이터 계약 문제라면 모형만 바꾸어도 문제가 남습니다.

헷갈리는 문장 바로잡기

해석과 인과

잘못된 판단 SHAP 양수면 원인이다.

올바른 판단: 설명값은 인과효과의 자동 증명이 아니다.

학습·서빙 일치

잘못된 판단 이름만 같으면 단위는 무관하다.

올바른 판단: 단위와 전처리 규칙은 일치해야 한다.

드리프트

잘못된 판단 입력 변화면 성능 0이다.

올바른 판단: 분포 변화와 입력-목표 관계 변화는 구분한다.

배포와 복구

잘못된 판단 모형만 바꾸면 전처리는 무관하다.

올바른 판단: 단계적 배포에는 관찰과 복구 기준이 필요하다.

재학습과 성과

잘못된 판단 새 자료면 반드시 더 좋다.

올바른 판단: 재학습 모형도 성능과 운영 조건을 검증한다.

이론을 정리했다면 같은 절의 객관식 문제에서 조건과 예외를 확인하세요. 정답을 고른 뒤에는 틀린 선택지가 왜 성립하지 않는지도 설명해 보세요.

입력 오류와 성능 저하를 구분하는 운영

새 버전 배포 뒤 예측값이 갑자기 커졌다면 모형 성능부터 단정하지 않습니다. 금액 단위가만원에서원으로 바뀌었는지,결측 코드가-999로 들어오는지,전처리 버전이 맞는지 확인합니다. 스키마가 같아도 값의 의미가 바뀔 수 있습니다.

정답이 30일 뒤에 확정되는 이탈 모델은 오늘의 정확도를 즉시 알 수 없습니다. 입력 결측률·새 범주·예측 분포·요청 실패율·지연을 먼저 보고,라벨이 확정되면 시점별·집단별 성능을 연결합니다. 실시간 대시보드의 지표마다 관측 가능한 시점이 다릅니다.

경보가 나면 영향 범위와 안전한 대응을 정합니다. 입력 계약 위반이면 요청을 거부하거나 기준 규칙으로 대체하고,새 모형 문제면 이전 모형과 전처리·설정까지 함께 되돌립니다. 파일 하나만 복원하면 버전 불일치가 남을 수 있습니다.

재학습은 문제 원인을 확인한 뒤 수행합니다. 검증 자료와 기간을 새로 정하고 기준 모형보다 낫고 지연·비용 한도를 만족하는지 확인합니다. 배포한 버전·시드·입력 정의·평가 결과를 기록해야 후속 장애와 품질 변화를 설명할 수 있습니다.

핵심 개념 확인 — 객관식 5문제

설명을 읽은 뒤 아래 다섯 문항을 풀어 보세요. 정답을 고르고 틀린 선택지의 오류도 설명할 수 있으면 이 단원의 기준을 이해한 것입니다.

문제 1

모형 해석·배포·모니터링·재학습에서 해석과 인과에 대한 설명으로 옳은 것은?

1. ① SHAP 양수면 원인이다.
2. ② 설명이면 검증 불필요다.
3. ③ 모든 중요도 정의는 같다.
4. ④ 설명값은 인과효과의 자동 증명이 아니다.

문제 2

모형 해석·배포·모니터링·재학습에서 학습·서빙 일치에 대한 설명으로 옳은 것은?

1. ① 이름만 같으면 단위는 무관하다.
2. ② 버전은 필요 없다.
3. ③ 단위와 전처리 규칙은 일치해야 한다.
4. ④ 새 범주는 항상 자동 해결된다.

문제 3

모형 해석·배포·모니터링·재학습에서 드리프트에 대한 설명으로 옳은 것은?

1. ① 분포 변화와 입력-목표 관계 변화는 구분한다.
2. ② 정답이 늦으면 감시 불가다.
3. ③ 입력 변화면 성능 0이다.
4. ④ 계절성은 무관하다.

문제 4

모형 해석·배포·모니터링·재학습에서 배포와 복구에 대한 설명으로 옳은 것은?

1. ① 단계적 배포에는 관찰과 복구 기준이 필요하다.
2. ② 복구 기준은 사고 뒤 처음 정한다.
3. ③ 배포는 인과 증명이다.
4. ④ 모형만 바꾸면 전처리는 무관하다.

문제 5

모형 해석·배포·모니터링·재학습에서 재학습과 성과에 대한 설명으로 옳은 것은?

1. ① 새 자료면 반드시 더 좋다.
2. ② 비용은 무관하다.
3. ③ 재학습은 검증 생략이다.
4. ④ 재학습 모형도 성능과 운영 조건을 검증한다.

범위 확인

2026년 학습 범위를 기준으로 구성했습니다. 시험 시행기관의 자격 안내·출제 기준에서 과목과 변경 공지를 확인할 수 있습니다.