문서 목차
분석 작업
데이터셋으로 통계 분석을 실행하거나 분류·회귀 모델을 학습하고, 학습한 모델을 모델 레지스트리에 등록합니다.
QUANTUM C&S
데이터셋으로 통계 분석을 실행하거나 분류 · 회귀 모델을 학습하고, 학습한 모델을 모델 레지스트리에 등록합니다.
메뉴 분석 > 분석 작업(/analysis)에서 엽니다. 분석은 플랫폼의 작업 실행 환경에서 돌고, 끝나면 결과 지표와 차트를 화면에서 확인할 수 있습니다.
주요 기능
| 기능 | 설명 |
|---|---|
| 탐색 · 통계 분석 | 탐색적 데이터 분석(EDA), 상관분석, 클러스터링, 시계열 분석 |
| 모델 학습 | 회귀분석 · 분류로 예측 모델을 학습합니다(서빙 가능). |
| 데이터 점검 | 시간 누설 검사(PIT)로 학습 전에 미래 정보 누설을 검출합니다. |
| 피처 엔지니어링 | 원천 시계열을 집계해 학습 입력 데이터셋을 만들고 피처스토어와 연결합니다. |
| 모델 등록 · 서빙 | 학습한 모델을 모델 레지스트리에 자동 또는 수동으로 등록하고, 추론(서빙) 서비스로 배포합니다. |
| 공개 범위 | 분석 결과를 공개 · 그룹 · 비공개로 공유합니다. |
분석 유형
| 분석 유형 | 설명 | 분석 방법 | 타겟 컬럼 | 서빙 |
|---|---|---|---|---|
| 탐색적 데이터 분석 (EDA) | 데이터 분포, 결측치, 통계량을 자동으로 분석합니다. | 자동 분석 | — | — |
| 상관분석 | 변수 간 상관관계를 히트맵과 함께 분석합니다. | 피어슨/스피어만 상관계수 | — | — |
| 회귀분석 | 연속형 타겟 변수를 예측하는 모델을 학습합니다. | 선형 회귀, 다항 회귀, 릿지 회귀, 라쏘 회귀, LightGBM, XGBoost | 필요 | 가능 |
| 분류 | 범주형 타겟 변수를 예측하는 모델을 학습합니다. | LightGBM, Random Forest, XGBoost, 로지스틱 회귀, SVM | 필요 | 가능 |
| 클러스터링 | 데이터를 유사한 그룹으로 자동 분류합니다. | K-Means, DBSCAN | — | — |
| 시계열 분석 | 시간에 따른 데이터 패턴을 분석하고 예측합니다. | ARIMA, Prophet | 필요 | — |
| 시간 누설 검사 (PIT) | 시계열 데이터의 미래 정보 누설을 사전 검출합니다(학습 게이팅용). | 자동 검사 | — | — |
| 피처 엔지니어링 | 원천 시계열을 단위별 wide format 으로 집계해 학습 입력 데이터셋을 자동 생성합니다. | 자동 집계 | — | — |
화면 구성 — 분석 목록
| 영역 | 설명 |
|---|---|
| 요약 카드 | 전체, 분석중, 완료, 실패 수. 카드를 누르면 해당 상태로 목록이 걸러집니다. |
| 검색 · 필터 | 분석명 또는 데이터셋 검색, 모든 유형 선택, 새로 고침 |
| 분석 표 | 분석명(타겟 컬럼, 자동화 표시), 유형, 데이터셋, 상태, 공개, 생성일, 작업(삭제) |
| 선택 삭제 | 여러 분석을 체크하면 선택 삭제로 한꺼번에 지웁니다. |
| 쪽 넘김 | 한 쪽에 10 · 20 · 50 · 100개 중에서 고릅니다. |
| 상태 | 설명 |
|---|---|
| 대기중 | 실행을 기다리고 있습니다. |
| 분석중 | 분석 · 학습이 진행 중입니다. |
| 완료 | 결과를 확인할 수 있습니다. |
| 실패 | 오류로 중단되었습니다. 상세 화면의 로그를 확인하세요. |
자동화 표시는 자동화 플로우가 실행한 분석입니다. 분석명을 누르면 상세 화면으로 이동합니다.
새 분석 만들기
1단계: 분석 유형 선택
오른쪽 위 새 분석을 누르고, 분석 유형 선택 창에서 유형 카드를 누르세요. 모델을 학습해 서빙할 수 있는 유형에는 서빙 가능 표시가 있습니다.
2단계: 데이터 설정
| 항목 | 설명 | 규칙 |
|---|---|---|
| 분석명 | 목록에 보일 이름 | 필수 |
| 분석 방법 | 유형에 방법이 여러 개면 고릅니다. | 선택 |
| 입력 데이터 | 데이터셋과 버전 | 필수(슬러그 + 버전) |
| 타겟 컬럼 | 예측할 결과 컬럼. 데이터셋 · 버전을 고르면 컬럼 목록이 채워지고 추천 컬럼이 자동 선택됩니다. 목록을 못 불러오면 직접 입력합니다. | 회귀분석 · 분류 · 시계열 분석 |
| 학습에서 뺄 ID 성격 컬럼 | 행 번호 · 식별자로 보이는 컬럼을 표시합니다. 체크한 컬럼은 학습 입력에서 제외됩니다. | 회귀분석 · 분류 · 클러스터링 |
| 클러스터 수 | 2~20 | 클러스터링, 기본 3 |
| 모델 자동 등록 | 등록이면 학습된 모델이 모델 레지스트리에 업로드 · 버전 등록되어 추론에 바로 쓸 수 있습니다. | 피처 엔지니어링 제외, 기본 등록 |
| 등록 모드 | 버전 추가(같은 모델에 새 버전) 또는 새 모델(이름 뒤에 -2, -3 을 붙여 새 모델 등록) | 자동 등록일 때, 기본 버전 추가 |
| 모델 이름 | 레지스트리에 등록할 모델 슬러그. 분석명을 따라 자동으로 채워지며 고칠 수 있습니다. 비우면 데이터셋 · 분석 유형으로 자동 생성합니다. | 자동 등록일 때 |
| 잡 리소스 | CPU 1 · 2 · 4 · 8코어, 메모리 2 · 4 · 8 · 16GiB 중 선택. 기본값은 플랫폼 설정을 따릅니다. | 필수 |
| GPU | XGBoost 를 GPU 로 학습합니다. 저장한 모델은 CPU 서빙에서 그대로 동작합니다. | 분석 방법이 XGBoost 일 때 |
| 공개 범위 | 공개 · 그룹 · 비공개. 고르지 않으면 입력 데이터셋의 공개 범위를 따르고(전체 공개 데이터셋이면 소속 프로젝트 공개), 데이터셋을 고르기 전에는 소속 프로젝트 공개입니다. 자동 등록 모델도 같은 범위입니다. | 선택 |
팁 표 데이터 분류 · 회귀는 12코어 · 24GiB 면 충분합니다. 한 작업이 팀 쿼터를 다 차지하지 않도록 작게 시작하고, 데이터가 클 때만 늘리세요.
주의 행 번호처럼 순서가 정답과 얽힌 컬럼을 학습에 넣으면 정보 누설이 생깁니다. 학습에서 뺄 ID 성격 컬럼 제안은 미리보기 표본으로 판단한 것이므로 직접 확인하세요.
3단계: 분석 시작
분석 시작을 누르세요. "분석이 시작되었습니다." 알림과 함께 목록에 추가되고 상태가 대기중 → 분석중 → 완료로 바뀝니다. 이전을 누르면 유형 선택으로 돌아갑니다.
피처 엔지니어링의 입력 데이터
피처 엔지니어링을 고르면 입력 데이터에서 두 가지 중 하나를 고릅니다.
| 입력 | 설명 |
|---|---|
| 데이터셋 (raw) | 데이터셋과 버전을 고릅니다. |
| 피처 버전 (피처스토어) | 피처 그룹과 피처 버전을 고릅니다. 그룹이 없으면 + 새 그룹으로 바로 만듭니다. |
+ 새 그룹을 누르면 새 피처 그룹 창이 열립니다. 데이터셋 · 버전을 고르면 첫 파일로 컬럼을 미리 분석해 자동 추천 ON/OFF 를 제안합니다. 조인 키(entity key) · 시간 타입 · 문자열 ID 컬럼은 학습에 직접 쓸 수 없어 자동으로 OFF 됩니다. 생성을 누르면 피처 그룹과 v1.0 draft 가 한 번에 만들어집니다. 자세한 내용은 피처스토어를 참고하세요.
화면 구성 — 분석 상세
머리글에 분석명과 상태가 보이고, 오른쪽에 새로 고침과 삭제 버튼이 있습니다. 자동화 플로우가 실행한 분석이면 위쪽에 어느 플로우의 몇 단계에서 실행되었는지와 이 실행 보기 링크가 표시됩니다.
| 탭 | 내용 |
|---|---|
| 개요 | 분석 정보, 성능 지표 · 점검 결과, 공개 범위, 리소스, 타임라인, 생성자, 모델 활용 |
| 결과 | 유형별 결과 표 · 차트 |
| 모니터링 | 작업의 리소스 사용량. 작업이 끝난 뒤에는 고정된 시계열로 보입니다. |
| 로그 | 분석 작업 로그 |
개요 탭
| 영역 | 설명 |
|---|---|
| 분석 정보 | 분석 유형, 분석 방법, 데이터셋(버전), 타겟 컬럼(없으면 자동 감지), 피처 컬럼, 학습 입력에서 제외한 컬럼 |
| 성능 지표 | 결과에 포함된 지표(예: 분류의 RECALL · ACCURACY · F1 SCORE · PRECISION) |
| 점검 결과 | 결과에 포함된 경우 데이터 품질 점검(품질 등급 · 점수 · 중복률 · 발견 이슈), 공정성 분석 (편향성 점검)(보호 속성별 정확도 · 양성 비율, PASS · FAIL), 설명 가능성 (SHAP), 모델 카드, 시간 누설 검사 결과, 데이터 요약 |
| 피처 엔지니어링 결과 | 집계된 행, 생성된 컬럼, 출력 데이터셋, 피처스토어 등록 여부, 피처 그룹, 데이터 lineage |
| 공개 범위 | 공개 · 그룹 · 비공개 버튼으로 바로 바꿉니다. |
| 리소스 | CPU, 메모리, 작업 식별자 |
| 타임라인 | 생성 · 시작 · 완료 시각 |
| 모델 활용 | 학습이 끝나고 모델이 저장된 분석에만 보입니다. 아래 "모델 등록과 서빙" 참고 |
결과 탭
| 결과 항목 | 주로 보이는 유형 |
|---|---|
| 성능 지표 | 회귀분석 · 분류 |
| 변수 중요도 | 트리 기반 모델 등 |
| 회귀 계수 | 선형 계열 회귀 |
| 혼동 행렬 | 분류 |
| 예측 샘플 (실제값 · 예측값 · 오차) | 회귀분석 등 |
| 주요 상관관계 | 상관분석 |
| 클러스터 분포 | 클러스터링 |
| 통계 요약 · 컬럼별 통계 (평균 · 표준편차 · 최소 · 중앙값 · 최대 · 결측) | EDA 등 |
분석이 진행 중이면 분석 진행 중... 이, 결과가 없으면 결과가 없습니다가 보입니다.
모델 등록과 서빙
학습이 완료되고 모델이 저장된 분석의 개요 탭에는 모델 활용 영역이 나타납니다.
| 상태 | 표시 | 할 일 |
|---|---|---|
| 이미 등록됨 | 등록된 모델 보기 링크(슬러그 · 버전) | 링크로 모델 레지스트리에서 확인하세요. |
| 등록 가능 | 모델로 등록 버튼 | 누르면 모델 레지스트리에 등록하고 모델 화면으로 이동합니다. |
| 연결된 모델이 삭제됨 | "연결된 모델(…)이 삭제되었습니다." | 원본 산출물이 남아 있으면 모델로 등록으로 다시 등록하세요. |
| 등록 불가 | "모델 자동 등록을 켜고 다시 실행해야 등록할 수 있습니다." | 모델 자동 등록을 등록으로 두고 분석을 다시 실행하세요. |
1단계: 모델 등록
모델 자동 등록을 켜고 실행했다면 이미 등록되어 있습니다. 아니면 모델로 등록을 누르세요.
2단계: 추론 서비스 배포
서빙 가이드의 추론 서비스 배포 링크를 눌러 등록된 모델을 고르세요. 런타임은 kserve-mlserver(sklearn 모델용)를 사용합니다.
3단계: 예측 요청
배포 후 API 엔드포인트로 예측을 요청합니다. 화면의 예측 API 호출 예시를 참고하세요.
POST /v2/models/{model}/infer
{"inputs": [{"name": "predict", "shape": [1, N], "datatype": "FP64", "data": [[...]]}]}권한
| 작업 | 필요한 권한 |
|---|---|
| 분석 만들기 | 입력 데이터셋 읽기 권한 |
| 분석 보기 | 분석의 공개 범위 안에 있거나 읽기 권한 |
| 공개 범위 변경 · 삭제 | 분석에 대한 쓰기 · 삭제 권한(기본적으로 만든 사용자) |
| 모델 등록 | 모델 레지스트리 등록 권한 |
주의 분석 삭제는 확인 칸에
delete를 입력해야 진행되며 되돌릴 수 없습니다.
문제 해결
| 메시지 | 원인과 조치 |
|---|---|
| 분석명과 분석 유형은 필수입니다. | 분석명을 입력하세요. |
| 데이터셋 버전을 선택하세요. (slug + version 페어 필수) | 입력 데이터셋의 버전을 고르세요. |
| 피처 그룹을 선택하세요. (없으면 [+ 새 그룹] 으로 생성) | 피처 버전 입력이면 피처 그룹을 고르거나 + 새 그룹으로 만드세요. |
| 이 FeatureGroup 에 사용 가능한 피처 버전이 없습니다. | 먼저 데이터셋 입력으로 피처 엔지니어링을 실행해 v1.0 을 채우세요. |