|
AI 모델 성능 평가의 중요성01 AI 모델 성능 평가 기초02 분류 모델의 성능 평가03 회귀 및 순위 모델 성능 평가04 이미지 인식 및 분할 모델 성능 평가05 의료 분야 AI 모델 성능 평가06 제조 분야 AI 모델 성능 평가07 금융 분야 AI 모델 성능 평가08 패션 및 리테일 분야 AI 모델 성능 평가09 산업별 테스트 세트와 벤치마크 구축10 AI 모델 성능 평가의 실무 가이드
|
이정헌의 다른 상품
|
정확도 너머, 신뢰를 설계하다AI가 생활과 산업 전반을 움직이는 지금, 관건은 ‘얼마나 똑똑한가’가 아니라 ‘얼마나 제대로 작동하는가’다. 이 책은 혼동 행렬과 정밀도·재현율·F1의 기초부터 불균형 데이터, 임계값 튜닝, ROC-AUC를 거쳐 지연시간, 메모리, 에너지 효율까지 성능을 입체적으로 설계하는 방법을 안내한다. 의료·제조·금융·리테일 사례로 지표 선택의 맥락을 짚고, 공정성·설명가능성·안전성 준거를 현업 기준으로 정리한다. 국책 R&D 제안서에서 평가지표를 설정하는 요령과 흔한 함정을 제시하고, 배포 후 성능 모니터링과 재평가 체계를 통해 모델 드리프트에 대응하는 실무 프로세스를 제안한다.정확도 99%의 환상을 걷고, 목적에 맞는 지표 조합으로 신뢰 가능한 AI를 구축하도록 돕는다. 현장 실패 사례를 해부하며 ‘정답률 착시’를 경계하고, 비용 민감도와 오류비용 테이블, 캘리브레이션, 강건성, 도메인 시프트와 데이터 드리프트, 적대적 입력에 대한 회복력까지 평가의 범위를 확장한다. 추천·검색·검출·요약·생성형 모델의 특성별 지표와 A/B 테스트, 오프라인-온라인 연계 실험 설계도 다룬다. 평가 결과 보고 포맷과 거버넌스 체크리스트를 제공해 조직의 의사결정을 돕는다.
|