문제·데이터 프로파일링
CSV 구조, 결측, target 불균형, leakage 위험을 먼저 기록하고 문제 계약과 평가 지표를 고정합니다.
CHO-FAM Study · Applied practice
Hackathon Kit
시간이 제한된 ML·Agent 문제에서 문제 정의, 최소 baseline, 검증, 재사용 가능한 개선까지 빠르게 연결하기 위한 개인 학습용 구성요소입니다.
Architecture
문제에서 검증까지
도구가 답을 미리 정하지 않도록 후보 해법과 실행 권한을 분리합니다.
Problem + Data + Constraints → Profile → Candidate Solutions → Blueprint → Assemble → Tune-or-Skip → Validate → Result
LLM은 문제 해석과 구조 제안을 도울 수 있지만, 실행과 채택은 결정론적 검사와 실험 결과가 통제합니다.
L1 Classification Drill
60–90분 안에 binary classification baseline을 만들되 threshold는 validation에서만 선택하고 held-out은 마지막 평가에만 사용합니다.
Ontology Writer
자유도에 따라 canonical schema 매핑과 후보 개념·관계를 제안합니다. 후보는 schema를 자동 변경하지 않으며 provenance와 근거 유형을 남깁니다.
Progress
현재 진행 상태
코드 존재와 실제 문제에서 검증된 성능을 구분합니다.
| 영역 | 현재 상태 | 확인 범위 |
|---|---|---|
| 재사용 모듈 | 구현 기록 | 전처리, 분류·회귀, 이상 탐지 평가, aging·drift, planner, ontology 관련 구성요소와 테스트가 저장소에 있습니다. |
| Event-based anomaly evaluation | 첫 구성요소 | 검증된 incident window 기준 event recall·첫 경보 lead time·미매칭 경보 episode를 분리합니다. root cause나 미검증 false positive는 추론하지 않습니다. |
| L1 classification drill | 계약 고정 | deterministic stratified split, validation-only threshold, untouched held-out 규칙을 문서화했습니다. |
| PHM 2026 baseline | 데이터 대기 | image label construction과 sensor mapping을 분리한 baseline architecture를 기록했습니다. 실제 training package profiling 전에는 applied model을 고정하지 않습니다. |
| Ontology tuning | 실험 설계 | 현재 threshold는 설계 기본값입니다. precision·recall·failure mode를 실제 조건에서 측정해야 합니다. |
Next
다음 검증
문제별 데이터가 도착하기 전에는 성능을 확정하지 않습니다.
공통 구성요소
- 시간 제한 drill을 반복해 baseline 도달 시간을 측정합니다.
- 재사용 개선과 문제 특화 feature engineering을 분리합니다.
- 동일 held-out을 보며 튜닝하지 않도록 검증 경계를 유지합니다.
PHM 적용
- 공식 training package의 파일 구조·중복·schema·join key를 먼저 프로파일링합니다.
- condition indicator baseline 이후에만 vibration·image·monotonic 후보를 평가합니다.
- 실험 단위 split과 time proxy 금지를 검증합니다.