목차

1. AI 데이터 전처리
2. AI 모델 개발
3. AI 모델 학습·평가
4. AI 시스템 구축
5. 최신 AI 트렌드
6. 바로 적용 체크리스트

1) AI 데이터 전처리

1.1 데이터 편향(Data Bias)과 대응

• 수집: 다양한 인구·환경에서 데이터 확보 → 사회적 다양성 보장.
• 불균형 해소: 소수 클래스 추가 수집, 재샘플링.
• 전문가 검토: 대표성 점검, 불필요 특성 제거.
• 통계 분석: 분포/상관/누락/편향 지표(예: demographic parity, equalized odds)로 감지·보정.
• 레이블링: 단일 주도 대신 다수 레이블러 + 검증 절차로 신뢰도↑.

⚠ 정정/보완 편향 감지는 단순 분포 비교만으로 부족합니다. **그룹별 성능(precision/recall/FPR/FNR)**을 함께 모니터링하세요. 배포 후엔

데이터 쉬프트

1.2 데이터 정제: 정규화 vs 표준화

• 정규화 (Min-max normalization)