납품물류에서는 수령부대의 납품 소요를 예측하는 일과 수송선단이 지금 어디에 있고 언제 도착하는지 추적하는 일이 따로 이루어지면 지연을 뒤늦게 알게 된다. 본 프로젝트는 납품수요 예측과 물류흐름 추적을 결합해 end-to-end 물류 가시성을 익히도록, 교육용 가상 노선에서 선단의 GPS 위치·화물 센서·통신 상태 텔레메트리를 코드로 만들어 도착 예정 시간(ETA)과 지연 원인을 추적한다. 학습자는 텔레메트리 데이터셋 정의, GPS 이상값 정제, 현재 속도 기반 ETA 기준선, 도로·기상·정체를 반영한 ETA 모델, 이탈·불시 정차 경보, 관제 대시보드와 지연 요인 설명, 현장 확인·대체 수송 승인(HITL), 100개 선단 스트림 부하 시험, AAR 기반 가중치 재튜닝과 ROI, 재학습 파이프라인 통합을 차례로 수행한다. 최종 목표는 선단 이동 상태를 추적해 도착 시각과 지연 원인을 설명하고 7일 납품 소요까지 예측하되, 대체 수송 지시는 반드시 사람이 결정하는 물류 추적 도구를 완성하는 것이다.
", "deliverables": [ "docs/mov06_logistics_domain_spec.md (필수)", "데이터 딕셔너리 (필수)", "src/etl/mov06_data_cleansing.py (필수)", "정제 품질 보고서 (필수)", "notebooks/mov06_eda_analysis.ipynb (필수)", "EDA 요약 리포트 (필수)" ], "constraints": "실제 부대 편성, 위치, 작전 일정, 군번·성명 등 민감 군사보안 및 개인식별정보는 절대 외부 AI에 입력하지 않는다.
모든 실습에는 제공된 교육용 가상 데이터셋 및 시뮬레이션 표본만을 활용한다.
AI 모델이 제안한 분석값이나 탐지 결과는 참고 지표이며, 최종 승인·보류·교전·배치 명령은 사람이 확정한다.
모든 노선·좌표·선단·화물·납품 소요 자료는 코드 안에서 만든 교육용 가상 자료이며 실제 도로, 지명, 부대, 수송 일정, 장비 제원, 작전 정보는 사용하지 않는다. 부대 내 촬영이나 부대 자료의 외부 AI 서비스 입력은 금지한다. 위협 구역은 속도 저하 계수로만 추상화하며 실제 위협 정보는 다루지 않는다. 지연·이탈 경보는 판단 보조이며 현장 확인과 대체 수송 지시는 수송통제관 등 사람의 승인과 지휘계통에 따른다. 시간·비용 단가와 도입 비용은 교육용 가정값이다. 미션별 정답 코드는 각각 한 파일로 독립 실행된다.
수행 증거: 요구된 데이터 전처리, 모델 구현, 검증 지표 산출, HITL 워크플로우 증거가 명확한가?
판단 근거: 오경보/미탐 방지, 신뢰도 등급화, 파라미터 튜닝의 군사적·논리적 근거가 타당한가?
앞뒤 연결성: 앞 미션의 스키마·전처리가 뒤 미션의 예측·대시보드·AAR 재보정에 정상 연계되는가?
안전성: 보안 규정 준수, 극단 과부하 상황에서의 Fail-safe 복원력이 확보되었는가?
10개 미션 전체에서 요구되는 필수([필수]) 평가 기준을 모두 PASS해야 프로젝트 최종 PASS로 판정한다.
", "prerequisites": "기본 프로그래밍 지식 및 수송·물류·창고 데이터 분석 기초", "refFiles": [], "refText": "", "projectSkills": [ { "skillId": "competency_군특화문제해결_수송·물류·창고_문제분석", "level": 3, "category": "군특화문제해결", "subCategory": "수송·물류·창고 문제분석" }, { "skillId": "competency_군특화문제해결_수송·물류·창고_대안도출", "level": 2, "category": "군특화문제해결", "subCategory": "수송·물류·창고 대안도출" }, { "skillId": "competency_데이터분석검증_결과검증", "level": 3, "category": "데이터분석검증", "subCategory": "AI 결과 검증" }, { "skillId": "competency_AI활용역량_도구활용", "level": 2, "category": "AI활용역량", "subCategory": "AI 도구 및 모델 활용" }, { "skillId": "competency_전술의사결정_인간검토", "level": 3, "category": "전술의사결정", "subCategory": "HITL 인간 검토 및 책임분계" } ], "prerequisiteVods": [], "missions": [ { "id": "MOV06_M01", "sequence": 1, "title": "군수 수송선단 GPS 위치, 화물 센서, 통신 상태 텔레메트리 데이터셋 정의", "durationHours": 1.5, "overview": "가상 수송 노선을 이동하는 선단의 GPS 위치, 화물 센서, 통신 상태 텔레메트리 데이터셋을 정의하고 납품 물류 추적 업무 프로세스 맵과 피처 데이터 사전을 만든다.
", "objectives": "선단 식별, 시각, 좌표, 속도, 방향, 통신 강도, 화물 온도·충격, 선단 규모, 화물 구분, 우천 여부와 모의 정답 라벨의 필드와 허용값을 정한다. 원천 컬럼과 파생 피처를 구분한 데이터 사전을 작성하고 실제 생성 데이터의 컬럼과 대조해 누락을 확인하며, 허용값 검증기에 오류 6종을 주입해 검출 여부를 시험한다. 납품 수요 접수부터 도착 확인·실적 대조까지 업무 프로세스를 단계별 담당·입력·산출·소요시간으로 정리한다.
", "scenario": "군수 수송선단 GPS 위치, 화물 센서, 텔레메트리 데이터셋을 정의한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, 가상 수송 노선을 이동하는 선단의 GPS 위치, 화물 센서, 통신 상태 텔레메트리 데이터셋을 정의하고 납품 물류 추적 업무 프로세스 맵과 피처 데이터 사전을 만든다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 선단 식별, 시각, 좌표, 속도, 방향, 통신 강도, 화물 온도·충격, 선단 규모, 화물 구분, 우천 여부와 모의 정답 라벨의 필드와 허용값을 정 수행하고 검증하는 실습을 체계적으로 수행합니다.
학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.
이번 결과물: docs/mov06_logistics_domain_spec.md 및 데이터 딕셔너리 형태의 결과물을 완성한다.
미션 실습 자료
활용 주의: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.
", "techStack": [ "수송·물류·창고", "데이터분석형", "데이터 전처리", "알고리즘 구현", "HITL 검증" ], "deliverables": [ "docs/mov06_logistics_domain_spec.md (필수)", "데이터 딕셔너리 (필수)" ], "evaluationKeys": [ "[군수 수송선단 GPS 위치, 화물 센서, 통신 상태 텔레메트리 데이터셋 정의] 요구된 핵심 성능 기준(업무 프로세스 맵 작성 완료, 필요 피처(Feature) 목록 20개 이상 정의)을 완벽히 달성하였는가?
업무 프로세스 맵 작성 완료, 필요 피처(Feature) 목록 20개 이상 정의 기준을 충족하고 도메인 분석서 및 데이터 요구명세서 승인을 만족하는 실행 결과 및 로그가 제출되었다.
정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.
국방 표준 군수 코드(NIIN, FSC 등) 체계 반영을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.
", "[정성적 타당성] 군사적 현실성 및 군수 실무 업무 프로세스와의 일치성 및 분석 목표의 명확성 관점의 타당성이 확보되었는가?
군수 실무 업무 프로세스와의 일치성 및 분석 목표의 명확성이 논리적으로 검증되었으며 군수 담당 실무자 인터뷰 및 기존 전산체계 데이터 구조 대조를 통한 무결성이 확인되었다.
비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.
교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.
" ], "evaluationTypes": [ "REQUIRED", "REQUIRED" ], "evaluationText": "평가 구분: 필수
핵심 평가영역: 군수 실무 업무 프로세스와의 일치성 및 분석 목표의 명확성
정량 기준: 업무 프로세스 맵 작성 완료, 필요 피처(Feature) 목록 20개 이상 정의
진행 기준: 도메인 분석서 및 데이터 요구명세서 승인
검증 방법: 군수 담당 실무자 인터뷰 및 기존 전산체계 데이터 구조 대조
", "aiGuidelines": { "allow": [ "데이터 전처리 알고리즘 및 정규화 서식 추천받기", "이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기", "대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기" ], "rules": [ "최종 판정 및 지휘 결심은 학습자가 직접 수행한다.", "실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.", "AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다." ], "forbid": [ "실제 군사 작전/인사 비밀 데이터를 AI에 입력하기", "검증 없이 AI가 생성한 코드를 그대로 제출하기", "단정적인 자동 결심 결과를 인간 검토 없이 확정하기" ] }, "guideSteps": [ { "step": 1, "problem": "M1 코드를 실행해 데이터 사전의 필드 수와 실제 데이터 컬럼 대조 결과를 확인한다.", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M1 코드를 실행해 데이터 사전의 필드 수와 실제 데이터 컬럼 대조 결과를 확인한다.
M1 코드를 실행해 데이터 사전의 필드 수와 실제 데이터 컬럼 대조 결과를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
데이터 사전 37개 필드, 예측·추적 피처 후보 31개(목표 20개 이상) 사전 누락 컬럼 없음, 주입 오류 6종 중 6종 검출, 프로세스 맵 9단계 165분
M1 코드를 실행해 데이터 사전의 필드 수와 실제 데이터 컬럼 대조 결과를 확인한다. 실행 결과 및 검증 로그
M1 코드를 실행해 데이터 사전의 필드 수와 실제 데이터 컬럼 대조 결과를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(데이터 사전 37개 필드, 예측·추적 피처 후보 31개(목표 20개 이상) 사전 누락 컬럼 없음, 주입 오류 6종 중 6종 검출, 프로세스 맵 9단계 165분)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
검증기에 주입한 오류 6종이 모두 검출되는지 읽는다.
검증기에 주입한 오류 6종이 모두 검출되는지 읽는다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
데이터 사전 37개 필드, 예측·추적 피처 후보 31개(목표 20개 이상) 사전 누락 컬럼 없음, 주입 오류 6종 중 6종 검출, 프로세스 맵 9단계 165분
검증기에 주입한 오류 6종이 모두 검출되는지 읽는다. 실행 결과 및 검증 로그
검증기에 주입한 오류 6종이 모두 검출되는지 읽는다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(데이터 사전 37개 필드, 예측·추적 피처 후보 31개(목표 20개 이상) 사전 누락 컬럼 없음, 주입 오류 6종 중 6종 검출, 프로세스 맵 9단계 165분)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
업무 프로세스 맵 9단계에서 가장 오래 걸리는 단계를 표시한다.
업무 프로세스 맵 9단계에서 가장 오래 걸리는 단계를 표시한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
데이터 사전 37개 필드, 예측·추적 피처 후보 31개(목표 20개 이상) 사전 누락 컬럼 없음, 주입 오류 6종 중 6종 검출, 프로세스 맵 9단계 165분
업무 프로세스 맵 9단계에서 가장 오래 걸리는 단계를 표시한다. 실행 결과 및 검증 로그
업무 프로세스 맵 9단계에서 가장 오래 걸리는 단계를 표시한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(데이터 사전 37개 필드, 예측·추적 피처 후보 31개(목표 20개 이상) 사전 누락 컬럼 없음, 주입 오류 6종 중 6종 검출, 프로세스 맵 9단계 165분)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.
데이터 사전에 '예비 차량 위치' 같은 필드를 하나 추가하고, 실제 데이터에 없는 필드로 대조 결과에 나타나는지 확인한다.
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.
수송 텔레메트리의 비정상 GPS 좌표와 속도·이동 방향을 보정하는 전처리 모듈을 구현한다.
", "objectives": "좌표 sentinel, GPS 점프, 속도 음수·단위 오류·결측, 방향 이상, 센서 sentinel, 누락, 중복을 주입한 가상 기록에 정제 규칙 10종을 순서대로 적용한다. 위치 차분으로 속도와 방향을 재산출하고, 비계획 정비·긴급 불출 대기에 해당하는 정차 행은 이상치로 지우지 않고 보존 표시한다. 정합성 검증 8항목과 정제 전후 기술통계, 진행거리 오차를 비교한다.
", "scenario": "수송 데이터 정제 및 비정상 GPS 좌표 보정 전처리 모듈을 구현한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, 수송 텔레메트리의 비정상 GPS 좌표와 속도·이동 방향을 보정하는 전처리 모듈을 구현한다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 좌표 sentinel, GPS 점프, 속도 음수·단위 오류·결측, 방향 이상, 센서 sentinel, 누락, 중복을 주입한 가상 기록에 정제 규칙 10종을 순서대로 적용 수행하고 검증하는 실습을 체계적으로 수행합니다.
학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.
이번 결과물: src/etl/mov06_data_cleansing.py 및 정제 품질 보고서 형태의 결과물을 완성한다.
미션 실습 자료
활용 주의: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.
", "techStack": [ "수송·물류·창고", "데이터분석형", "데이터 전처리", "알고리즘 구현", "HITL 검증" ], "deliverables": [ "src/etl/mov06_data_cleansing.py (필수)", "정제 품질 보고서 (필수)" ], "evaluationKeys": [ "[수송 데이터 정제, 비정상 GPS 좌표 보정 및 속도/이동 방향 전처리 모듈 구현] 요구된 핵심 성능 기준(데이터 정제 규칙 10종 적용, 데이터 정합성 검증 통과율 100%)을 완벽히 달성하였는가?
데이터 정제 규칙 10종 적용, 데이터 정합성 검증 통과율 100% 기준을 충족하고 ETL 파이프라인 구현 및 정제된 마스터 데이터셋 구축을 만족하는 실행 결과 및 로그가 제출되었다.
정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.
자동 결측치 보정 알고리즘(KNN, 계절성 보간 등) 적용을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.
", "[정성적 타당성] 군사적 현실성 및 군수 특수 예외(비계획 정비, 긴급 불출 등) 데이터 보존의 타당성 관점의 타당성이 확보되었는가?
군수 특수 예외(비계획 정비, 긴급 불출 등) 데이터 보존의 타당성이 논리적으로 검증되었으며 전후 데이터 통계량(기술통계) 비교 및 무결성 검증를 통한 무결성이 확인되었다.
비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.
교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.
" ], "evaluationTypes": [ "REQUIRED", "REQUIRED" ], "evaluationText": "평가 구분: 필수
핵심 평가영역: 군수 특수 예외(비계획 정비, 긴급 불출 등) 데이터 보존의 타당성
정량 기준: 데이터 정제 규칙 10종 적용, 데이터 정합성 검증 통과율 100%
진행 기준: ETL 파이프라인 구현 및 정제된 마스터 데이터셋 구축
검증 방법: 전후 데이터 통계량(기술통계) 비교 및 무결성 검증
", "aiGuidelines": { "allow": [ "데이터 전처리 알고리즘 및 정규화 서식 추천받기", "이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기", "대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기" ], "rules": [ "최종 판정 및 지휘 결심은 학습자가 직접 수행한다.", "실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.", "AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다." ], "forbid": [ "실제 군사 작전/인사 비밀 데이터를 AI에 입력하기", "검증 없이 AI가 생성한 코드를 그대로 제출하기", "단정적인 자동 결심 결과를 인간 검토 없이 확정하기" ] }, "guideSteps": [ { "step": 1, "problem": "M2 코드를 실행해 오염 데이터의 오류 건수와 정제 규칙 10종의 처리 건수를 확인한다.", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M2 코드를 실행해 오염 데이터의 오류 건수와 정제 규칙 10종의 처리 건수를 확인한다.
M2 코드를 실행해 오염 데이터의 오류 건수와 정제 규칙 10종의 처리 건수를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
정제 규칙 10종, 정합성 검증 통과율 100% 진행거리 MAE 0.63km -> 0.03km, 실제 정차 84행 중 정제 후 82행 보존(2행은 전송 누락)
M2 코드를 실행해 오염 데이터의 오류 건수와 정제 규칙 10종의 처리 건수를 확인한다. 실행 결과 및 검증 로그
M2 코드를 실행해 오염 데이터의 오류 건수와 정제 규칙 10종의 처리 건수를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(정제 규칙 10종, 정합성 검증 통과율 100% 진행거리 MAE 0.63km -> 0.03km, 실제 정차 84행 중 정제 후 82행 보존(2행은 전송 누락))를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
정합성 검증 8항목이 모두 PASS인지 확인한다.
정합성 검증 8항목이 모두 PASS인지 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
정제 규칙 10종, 정합성 검증 통과율 100% 진행거리 MAE 0.63km -> 0.03km, 실제 정차 84행 중 정제 후 82행 보존(2행은 전송 누락)
정합성 검증 8항목이 모두 PASS인지 확인한다. 실행 결과 및 검증 로그
정합성 검증 8항목이 모두 PASS인지 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(정제 규칙 10종, 정합성 검증 통과율 100% 진행거리 MAE 0.63km -> 0.03km, 실제 정차 84행 중 정제 후 82행 보존(2행은 전송 누락))를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
정차 행이 삭제되지 않고 보존되었는지와 전후 기술통계를 비교한다.
정차 행이 삭제되지 않고 보존되었는지와 전후 기술통계를 비교한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
정제 규칙 10종, 정합성 검증 통과율 100% 진행거리 MAE 0.63km -> 0.03km, 실제 정차 84행 중 정제 후 82행 보존(2행은 전송 누락)
정차 행이 삭제되지 않고 보존되었는지와 전후 기술통계를 비교한다. 실행 결과 및 검증 로그
정차 행이 삭제되지 않고 보존되었는지와 전후 기술통계를 비교한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(정제 규칙 10종, 정합성 검증 통과율 100% 진행거리 MAE 0.63km -> 0.03km, 실제 정차 84행 중 정제 후 82행 보존(2행은 전송 누락))를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.
R4의 GPS 점프 기준 8km를 3km로 바꿔 보정 건수가 어떻게 달라지는지, 정차 행이 삭제되지 않는지 확인한다.
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.
현재 속도로 남은 거리를 나누는 단순 ETA를 Baseline으로 만들고, EDA로 Baseline의 한계와 핵심 지연 요인을 찾는다.
", "objectives": "남은 거리를 현재 속도로 나눈 ETA의 MAPE와 MAE를 계산하고, 정차·정차 이력·우천·비포장·위협 구역·노선 이탈 조건별 오차를 비교해 과소·과대 예측 조건을 찾는다. 8종 EDA 차트, 절대오차와의 상관계수·p-value, 정차 이력 유무 평균 차이 검정, 이동별 오차 파레토를 수행한다. 거리가 멀수록 오차가 커지는 효과와 지연 요인을 구분해 핵심 발견점을 정리한다.
", "scenario": "현재 속도 기반 단순 도착 예정 시간(ETA) 계산 Baseline 알고리즘을 구현한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, 현재 속도로 남은 거리를 나누는 단순 ETA를 Baseline으로 만들고, EDA로 Baseline의 한계와 핵심 지연 요인을 찾는다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 남은 거리를 현재 속도로 나눈 ETA의 MAPE와 MAE를 계산하고, 정차·정차 이력·우천·비포장·위협 구역·노선 이탈 조건별 오차를 비교해 과소·과대 예측 조건을 찾는다 과정을 진행하는 실습을 체계적으로 수행합니다.
학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.
이번 결과물: notebooks/mov06_eda_analysis.ipynb 및 EDA 요약 리포트 형태의 결과물을 완성한다.
미션 실습 자료
활용 주의: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.
", "techStack": [ "수송·물류·창고", "데이터분석형", "데이터 전처리", "알고리즘 구현", "HITL 검증" ], "deliverables": [ "notebooks/mov06_eda_analysis.ipynb (필수)", "EDA 요약 리포트 (필수)" ], "evaluationKeys": [ "[현재 속도 기반 단순 도착 예정 시간(ETA) 계산 Baseline 알고리즘 구현] 요구된 핵심 성능 기준(EDA 시각화 차트 8종 이상 생성, 유의미한 상관관계 피처 5개 이상 도출)을 완벽히 달성하였는가?
EDA 시각화 차트 8종 이상 생성, 유의미한 상관관계 피처 5개 이상 도출 기준을 충족하고 EDA 노트북 실행 완료 및 핵심 발견점(Key Findings) 문서화을 만족하는 실행 결과 및 로그가 제출되었다.
정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.
파레토 분석(ABC 분류)을 통한 상위 20% 핵심 관리 대상 식별을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.
", "[정성적 타당성] 군사적 현실성 및 군수 의사결정에 직관적인 인사이트 제공 수준 관점의 타당성이 확보되었는가?
군수 의사결정에 직관적인 인사이트 제공 수준이 논리적으로 검증되었으며 통계적 가설 검정(p-value, 상관계수)을 통한 유의성 검증를 통한 무결성이 확인되었다.
비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.
교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.
" ], "evaluationTypes": [ "REQUIRED", "REQUIRED" ], "evaluationText": "평가 구분: 필수
핵심 평가영역: 군수 의사결정에 직관적인 인사이트 제공 수준
정량 기준: EDA 시각화 차트 8종 이상 생성, 유의미한 상관관계 피처 5개 이상 도출
진행 기준: EDA 노트북 실행 완료 및 핵심 발견점(Key Findings) 문서화
검증 방법: 통계적 가설 검정(p-value, 상관계수)을 통한 유의성 검증
", "aiGuidelines": { "allow": [ "데이터 전처리 알고리즘 및 정규화 서식 추천받기", "이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기", "대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기" ], "rules": [ "최종 판정 및 지휘 결심은 학습자가 직접 수행한다.", "실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.", "AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다." ], "forbid": [ "실제 군사 작전/인사 비밀 데이터를 AI에 입력하기", "검증 없이 AI가 생성한 코드를 그대로 제출하기", "단정적인 자동 결심 결과를 인간 검토 없이 확정하기" ] }, "guideSteps": [ { "step": 1, "problem": "M3 코드를 실행해 단순 ETA의 MAPE와 조건별 오차를 확인한다.", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M3 코드를 실행해 단순 ETA의 MAPE와 조건별 오차를 확인한다.
M3 코드를 실행해 단순 ETA의 MAPE와 조건별 오차를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
단순 ETA MAPE 31.7%, MAE 45.0분, 정차 중 MAE 332분 유의 상관 피처 9개(목표 5개 이상), EDA 차트 8종, 오차 상위 20% 이동이 오차의 42%
M3 코드를 실행해 단순 ETA의 MAPE와 조건별 오차를 확인한다. 실행 결과 및 검증 로그
M3 코드를 실행해 단순 ETA의 MAPE와 조건별 오차를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(단순 ETA MAPE 31.7%, MAE 45.0분, 정차 중 MAE 332분 유의 상관 피처 9개(목표 5개 이상), EDA 차트 8종, 오차 상위 20% 이동이 오차의 42%)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
상관 상위 피처와 p-value, 정차 이력 유무 평균 차이 검정 결과를 읽는다.
상관 상위 피처와 p-value, 정차 이력 유무 평균 차이 검정 결과를 읽는다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
단순 ETA MAPE 31.7%, MAE 45.0분, 정차 중 MAE 332분 유의 상관 피처 9개(목표 5개 이상), EDA 차트 8종, 오차 상위 20% 이동이 오차의 42%
상관 상위 피처와 p-value, 정차 이력 유무 평균 차이 검정 결과를 읽는다. 실행 결과 및 검증 로그
상관 상위 피처와 p-value, 정차 이력 유무 평균 차이 검정 결과를 읽는다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(단순 ETA MAPE 31.7%, MAE 45.0분, 정차 중 MAE 332분 유의 상관 피처 9개(목표 5개 이상), EDA 차트 8종, 오차 상위 20% 이동이 오차의 42%)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
파레토 분석에서 오차가 집중된 이동의 비중을 확인한다.
파레토 분석에서 오차가 집중된 이동의 비중을 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
단순 ETA MAPE 31.7%, MAE 45.0분, 정차 중 MAE 332분 유의 상관 피처 9개(목표 5개 이상), EDA 차트 8종, 오차 상위 20% 이동이 오차의 42%
파레토 분석에서 오차가 집중된 이동의 비중을 확인한다. 실행 결과 및 검증 로그
파레토 분석에서 오차가 집중된 이동의 비중을 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(단순 ETA MAPE 31.7%, MAE 45.0분, 정차 중 MAE 332분 유의 상관 피처 9개(목표 5개 이상), EDA 차트 8종, 오차 상위 20% 이동이 오차의 42%)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.
상관 판정 기준 \\
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.
도로 상태, 기상, 정체, 위협 구역과 정차 이력을 반영한 머신러닝 기반 정밀 ETA 모델을 만들고 기준 오차를 측정한다.
", "objectives": "남은 거리와 남은 구간 구성(비포장·위협·교량터널), 정차 횟수·시간, 시간대 순환, 속도 이동평균·표준편차, 이탈 거리 등 파생 피처를 만든다. 이동 순서대로 학습 구간이 늘어나는 시계열 교차검증으로 Ridge와 GBR의 MAPE를 측정하고 미래 정보 누수가 없음을 확인한다. 변수군 제거 실험과 순열 중요도로 피처 설계가 타당한지 점검한다.
", "scenario": "도로 상태, 기상, 정체 변수를 반영한 머신러닝 기반 정밀 ETA 예측 모델을 고도화한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, 도로 상태, 기상, 정체, 위협 구역과 정차 이력을 반영한 머신러닝 기반 정밀 ETA 모델을 만들고 기준 오차를 측정한다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 남은 거리와 남은 구간 구성(비포장·위협·교량터널), 정차 횟수·시간, 시간대 순환, 속도 이동평균·표준편차, 이탈 거리 등 파생 피처 작성하여 원인을 분석하는 실습을 체계적으로 수행합니다.
학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.
이번 결과물: src/features/mov06_feature_engineering.py 및 기준 모델 형태의 결과물을 완성한다.
미션 실습 자료
활용 주의: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.
", "techStack": [ "수송·물류·창고", "데이터분석형", "데이터 전처리", "알고리즘 구현", "HITL 검증" ], "deliverables": [ "src/features/mov06_feature_engineering.py (필수)", "기준 모델 (필수)" ], "evaluationKeys": [ "[도로 상태, 기상, 적 위협 정체 변수를 반영한 머신러닝 기반 정밀 ETA 예측 모델 고도화] 요구된 핵심 성능 기준(파생 피처 10개 이상 생성, 기준 모델 MAPE 25% 이하 달성)을 완벽히 달성하였는가?
파생 피처 10개 이상 생성, 기준 모델 MAPE 25% 이하 달성 기준을 충족하고 피처 파이프라인 및 베이스라인 모델 성능 지표 도출을 만족하는 실행 결과 및 로그가 제출되었다.
정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.
피처 중요도(Feature Importance) 분석을 통한 차원 축소을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.
", "[정성적 타당성] 군사적 현실성 및 군수 실무에서 납득 가능한 피처 설계의 논리성 관점의 타당성이 확보되었는가?
군수 실무에서 납득 가능한 피처 설계의 논리성이 논리적으로 검증되었으며 교차 검증(Time-series Cross Validation)을 통한 과적합 방지를 통한 무결성이 확인되었다.
비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.
교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.
" ], "evaluationTypes": [ "REQUIRED", "REQUIRED" ], "evaluationText": "평가 구분: 필수
핵심 평가영역: 군수 실무에서 납득 가능한 피처 설계의 논리성
정량 기준: 파생 피처 10개 이상 생성, 기준 모델 MAPE 25% 이하 달성
진행 기준: 피처 파이프라인 및 베이스라인 모델 성능 지표 도출
검증 방법: 교차 검증(Time-series Cross Validation)을 통한 과적합 방지
", "aiGuidelines": { "allow": [ "데이터 전처리 알고리즘 및 정규화 서식 추천받기", "이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기", "대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기" ], "rules": [ "최종 판정 및 지휘 결심은 학습자가 직접 수행한다.", "실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.", "AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다." ], "forbid": [ "실제 군사 작전/인사 비밀 데이터를 AI에 입력하기", "검증 없이 AI가 생성한 코드를 그대로 제출하기", "단정적인 자동 결심 결과를 인간 검토 없이 확정하기" ] }, "guideSteps": [ { "step": 1, "problem": "M4 코드를 실행해 파생 피처 수와 시계열 교차검증 4개 fold의 MAPE를 확인한다.", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M4 코드를 실행해 파생 피처 수와 시계열 교차검증 4개 fold의 MAPE를 확인한다.
M4 코드를 실행해 파생 피처 수와 시계열 교차검증 4개 fold의 MAPE를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
파생 피처 16개(총 21개), GBR 교차검증 평균 MAPE 7.52%(목표 25% 이하) 단순 ETA 31.2%, 우천 제거 시 MAPE +1.57%p로 가장 큰 증가
M4 코드를 실행해 파생 피처 수와 시계열 교차검증 4개 fold의 MAPE를 확인한다. 실행 결과 및 검증 로그
M4 코드를 실행해 파생 피처 수와 시계열 교차검증 4개 fold의 MAPE를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(파생 피처 16개(총 21개), GBR 교차검증 평균 MAPE 7.52%(목표 25% 이하) 단순 ETA 31.2%, 우천 제거 시 MAPE +1.57%p로 가장 큰 증가)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
변수군 제거 실험에서 제거 시 오차가 가장 크게 늘어나는 변수군을 찾는다.
변수군 제거 실험에서 제거 시 오차가 가장 크게 늘어나는 변수군을 찾는다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
파생 피처 16개(총 21개), GBR 교차검증 평균 MAPE 7.52%(목표 25% 이하) 단순 ETA 31.2%, 우천 제거 시 MAPE +1.57%p로 가장 큰 증가
변수군 제거 실험에서 제거 시 오차가 가장 크게 늘어나는 변수군을 찾는다. 실행 결과 및 검증 로그
변수군 제거 실험에서 제거 시 오차가 가장 크게 늘어나는 변수군을 찾는다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(파생 피처 16개(총 21개), GBR 교차검증 평균 MAPE 7.52%(목표 25% 이하) 단순 ETA 31.2%, 우천 제거 시 MAPE +1.57%p로 가장 큰 증가)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
순열 중요도 상위 피처와 1% 미만 피처 수를 읽는다.
순열 중요도 상위 피처와 1% 미만 피처 수를 읽는다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
파생 피처 16개(총 21개), GBR 교차검증 평균 MAPE 7.52%(목표 25% 이하) 단순 ETA 31.2%, 우천 제거 시 MAPE +1.57%p로 가장 큰 증가
순열 중요도 상위 피처와 1% 미만 피처 수를 읽는다. 실행 결과 및 검증 로그
순열 중요도 상위 피처와 1% 미만 피처 수를 읽는다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(파생 피처 16개(총 21개), GBR 교차검증 평균 MAPE 7.52%(목표 25% 이하) 단순 ETA 31.2%, 우천 제거 시 MAPE +1.57%p로 가장 큰 증가)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.
GBR 대신 Ridge만 사용했을 때 평균 MAPE가 어떻게 달라지는지 확인하고 피처 설계의 역할을 설명한다.
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.
수송선단의 경로 이탈과 불시 정차를 감지하고 신뢰도를 매겨 경보 등급을 내는 엔진을 개발한다.
", "objectives": "이탈 거리와 정차 지속 시간으로 0~1 신뢰도를 계산해 0.5 이상을 경보로 보고, 이벤트 단위 재현율·탐지 지연·오경보를 깨끗한 관측과 GPS 잡음 조건에서 비교한다. 정차 임계값 0.3·0.5·0.8의 정밀도와 재현율 변화를 확인한다. 감지 신뢰도를 피처로 넣은 앙상블 ETA 모델과 기준 모델의 MAE·RMSE·R2를 hold-out 이동에서 비교하고 이탈·정차·우천 상황별 오차를 분석한다.
", "scenario": "수송선단 경로 이탈 및 불시 정차 감지 신뢰도 경보 엔진을 개발한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, 수송선단의 경로 이탈과 불시 정차를 감지하고 신뢰도를 매겨 경보 등급을 내는 엔진을 개발한다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 이탈 거리와 정차 지속 시간으로 0~1 신뢰도를 계산해 0.5 이상을 경보로 보고, 이벤트 단위 재현율·탐지 지연·오경보를 깨끗한 관측과 GPS 잡음 조건에서 비교 수행하고 검증하는 실습을 체계적으로 수행합니다.
학습자는 실습가이드에 제시된 총 5개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.
이번 결과물: src/models/mov06_advanced_model.py 형태의 결과물을 완성한다.
미션 실습 자료
활용 주의: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.
", "techStack": [ "수송·물류·창고", "데이터분석형", "데이터 전처리", "알고리즘 구현", "HITL 검증" ], "deliverables": [ "src/models/mov06_advanced_model.py (필수)" ], "evaluationKeys": [ "[수송선단 경로 이탈 및 불시 정차 감지 신뢰도 경보 엔진 개발] 요구된 핵심 성능 기준(기준 모델 대비 오차율(MAE/RMSE) 20% 이상 개선, R2 Score 0.85 이상)을 완벽히 달성하였는가?
기준 모델 대비 오차율(MAE/RMSE) 20% 이상 개선, R2 Score 0.85 이상 기준을 충족하고 모델 하이퍼파라미터 튜닝 완료 및 최적 모델 가중치 저장을 만족하는 실행 결과 및 로그가 제출되었다.
정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.
앙상블(Ensemble) 기법 적용을 통한 일반화 성능 강화을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.
", "[정성적 타당성] 군사적 현실성 및 비정형/불규칙 수요에 대한 모델의 적응력 및 예측 안정성 관점의 타당성이 확보되었는가?
비정형/불규칙 수요에 대한 모델의 적응력 및 예측 안정성이 논리적으로 검증되었으며 Hold-out 테스트 데이터셋 대상 최종 성능 평가를 통한 무결성이 확인되었다.
비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.
교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.
" ], "evaluationTypes": [ "REQUIRED", "REQUIRED" ], "evaluationText": "평가 구분: 필수
핵심 평가영역: 비정형/불규칙 수요에 대한 모델의 적응력 및 예측 안정성
정량 기준: 기준 모델 대비 오차율(MAE/RMSE) 20% 이상 개선, R2 Score 0.85 이상
진행 기준: 모델 하이퍼파라미터 튜닝 완료 및 최적 모델 가중치 저장
검증 방법: Hold-out 테스트 데이터셋 대상 최종 성능 평가
", "aiGuidelines": { "allow": [ "데이터 전처리 알고리즘 및 정규화 서식 추천받기", "이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기", "대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기" ], "rules": [ "최종 판정 및 지휘 결심은 학습자가 직접 수행한다.", "실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.", "AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다." ], "forbid": [ "실제 군사 작전/인사 비밀 데이터를 AI에 입력하기", "검증 없이 AI가 생성한 코드를 그대로 제출하기", "단정적인 자동 결심 결과를 인간 검토 없이 확정하기" ] }, "guideSteps": [ { "step": 1, "problem": "M5 코드를 실행해 이탈·불시 정차 이벤트의 재현율과 탐지 지연을 확인한다.", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M5 코드를 실행해 이탈·불시 정차 이벤트의 재현율과 탐지 지연을 확인한다.
M5 코드를 실행해 이탈·불시 정차 이벤트의 재현율과 탐지 지연을 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
이탈 22건·정차 88건 모두 탐지(재현율 100%), 잡음 조건 이탈 오경보 283관측 MAE 개선 80.6%, RMSE 개선 85.8%(목표 20% 이상), R2 0.970(목표 0.85 이상)
M5 코드를 실행해 이탈·불시 정차 이벤트의 재현율과 탐지 지연을 확인한다. 실행 결과 및 검증 로그
M5 코드를 실행해 이탈·불시 정차 이벤트의 재현율과 탐지 지연을 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(이탈 22건·정차 88건 모두 탐지(재현율 100%), 잡음 조건 이탈 오경보 283관측 MAE 개선 80.6%, RMSE 개선 85.8%(목표 20% 이상), R2 0.970(목표 0.85 이상))를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
GPS 잡음 조건에서 오경보가 얼마나 늘어나는지, 정차 임계값
GPS 잡음 조건에서 오경보가 얼마나 늘어나는지, 정차 임계값에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
이탈 22건·정차 88건 모두 탐지(재현율 100%), 잡음 조건 이탈 오경보 283관측 MAE 개선 80.6%, RMSE 개선 85.8%(목표 20% 이상), R2 0.970(목표 0.85 이상)
GPS 잡음 조건에서 오경보가 얼마나 늘어나는지, 정차 임계값 실행 결과 및 검증 로그
GPS 잡음 조건에서 오경보가 얼마나 늘어나는지, 정차 임계값 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(이탈 22건·정차 88건 모두 탐지(재현율 100%), 잡음 조건 이탈 오경보 283관측 MAE 개선 80.6%, RMSE 개선 85.8%(목표 20% 이상), R2 0.970(목표 0.85 이상))를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
3·0.5·0.8의 정밀도와 재현율 차이를 읽는다.
3·0.5·0.8의 정밀도와 재현율 차이를 읽는다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
이탈 22건·정차 88건 모두 탐지(재현율 100%), 잡음 조건 이탈 오경보 283관측 MAE 개선 80.6%, RMSE 개선 85.8%(목표 20% 이상), R2 0.970(목표 0.85 이상)
3·0.5·0.8의 정밀도와 재현율 차이를 읽는다. 실행 결과 및 검증 로그
3·0.5·0.8의 정밀도와 재현율 차이를 읽는다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(이탈 22건·정차 88건 모두 탐지(재현율 100%), 잡음 조건 이탈 오경보 283관측 MAE 개선 80.6%, RMSE 개선 85.8%(목표 20% 이상), R2 0.970(목표 0.85 이상))를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
기준 모델과 앙상블 모델의 MAE·RMSE·R2를 비교한다.
기준 모델과 앙상블 모델의 MAE·RMSE·R2를 비교한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
이탈 22건·정차 88건 모두 탐지(재현율 100%), 잡음 조건 이탈 오경보 283관측 MAE 개선 80.6%, RMSE 개선 85.8%(목표 20% 이상), R2 0.970(목표 0.85 이상)
기준 모델과 앙상블 모델의 MAE·RMSE·R2를 비교한다. 실행 결과 및 검증 로그
기준 모델과 앙상블 모델의 MAE·RMSE·R2를 비교한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(이탈 22건·정차 88건 모두 탐지(재현율 100%), 잡음 조건 이탈 오경보 283관측 MAE 개선 80.6%, RMSE 개선 85.8%(목표 20% 이상), R2 0.970(목표 0.85 이상))를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.
정차 임계값을 0.8로 올렸을 때 재현율 하락과 경보 피로의 균형을 업무 관점에서 설명한다.
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.
실시간 수송선단 위치 추적과 ETA 변동을 보여 주는 대시보드를 구현하고, 지연 요인별 기여도를 건마다 자동 산출해 설명한다.
", "objectives": "출발 후 120분 시점의 선단 위치와 상태(정상·주의·지연·정차·이탈)를 표와 노선도로 보여 준다. 요인군을 평균값으로 대체하는 방식으로 우천·시간대 정체·정차 이력·현재 속도·노선 구성 등의 기여도를 예측 건마다 계산해 상위 3개를 뽑고 자연어 설명으로 변환한다. 한 선단의 시간별 ETA 변동을 추적하고 15분 이상 변동 시 알림을 띄운다.
", "scenario": "실시간 수송선단 위치 추적 및 ETA 변동 대시보드 UI를 구현한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, 실시간 수송선단 위치 추적과 ETA 변동을 보여 주는 대시보드를 구현하고, 지연 요인별 기여도를 건마다 자동 산출해 설명한다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 출발 후 120분 시점의 선단 위치와 상태(정상·주의·지연·정차·이탈)를 표와 노선도로 보여 준다 과정을 진행하는 실습을 체계적으로 수행합니다.
학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.
이번 결과물: src/explainability/mov06_xai_explainer.py 및 XAI 리포트 형태의 결과물을 완성한다.
미션 실습 자료
활용 주의: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.
", "techStack": [ "수송·물류·창고", "데이터분석형", "데이터 전처리", "알고리즘 구현", "HITL 검증" ], "deliverables": [ "src/explainability/mov06_xai_explainer.py (필수)", "XAI 리포트 (필수)" ], "evaluationKeys": [ "[실시간 수송선단 위치 추적 및 실시간 ETA 변동 대시보드 UI 구현] 요구된 핵심 성능 기준(주요 예측 건당 기여도 상위 3개 인자 자동 산출률 100%)을 완벽히 달성하였는가?
주요 예측 건당 기여도 상위 3개 인자 자동 산출률 100% 기준을 충족하고 SHAP summary plot 및 waterfall plot 생성 파이프라인 완성을 만족하는 실행 결과 및 로그가 제출되었다.
정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.
자연어 기반 요약 텍스트(예: '리드타임 증가 원인은 해외 조달 지연') 자동 생성을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.
", "[정성적 타당성] 군사적 현실성 및 군수 장교/군무원이 신뢰하고 조치할 수 있는 설명의 명확성 관점의 타당성이 확보되었는가?
군수 장교/군무원이 신뢰하고 조치할 수 있는 설명의 명확성이 논리적으로 검증되었으며 실무자 대상 설명 근거 유용성 평가 검증를 통한 무결성이 확인되었다.
비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.
교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.
" ], "evaluationTypes": [ "REQUIRED", "REQUIRED" ], "evaluationText": "평가 구분: 필수
핵심 평가영역: 군수 장교/군무원이 신뢰하고 조치할 수 있는 설명의 명확성
정량 기준: 주요 예측 건당 기여도 상위 3개 인자 자동 산출률 100%
진행 기준: SHAP summary plot 및 waterfall plot 생성 파이프라인 완성
검증 방법: 실무자 대상 설명 근거 유용성 평가 검증
", "aiGuidelines": { "allow": [ "데이터 전처리 알고리즘 및 정규화 서식 추천받기", "이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기", "대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기" ], "rules": [ "최종 판정 및 지휘 결심은 학습자가 직접 수행한다.", "실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.", "AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다." ], "forbid": [ "실제 군사 작전/인사 비밀 데이터를 AI에 입력하기", "검증 없이 AI가 생성한 코드를 그대로 제출하기", "단정적인 자동 결심 결과를 인간 검토 없이 확정하기" ] }, "guideSteps": [ { "step": 1, "problem": "M6 코드를 실행해 기여도 상위 3개 요인이 모든 예측 건에서 산출되는지 확인한다.", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M6 코드를 실행해 기여도 상위 3개 요인이 모든 예측 건에서 산출되는지 확인한다.
M6 코드를 실행해 기여도 상위 3개 요인이 모든 예측 건에서 산출되는지 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
기여도 상위 3개 자동 산출 2034건 중 2034건(100%) 상태판 12개 선단: 정상 8, 지연 2, 정차 2, 우천 평균 기여 5.5분으로 최대 요인
M6 코드를 실행해 기여도 상위 3개 요인이 모든 예측 건에서 산출되는지 확인한다. 실행 결과 및 검증 로그
M6 코드를 실행해 기여도 상위 3개 요인이 모든 예측 건에서 산출되는지 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(기여도 상위 3개 자동 산출 2034건 중 2034건(100%) 상태판 12개 선단: 정상 8, 지연 2, 정차 2, 우천 평균 기여 5.5분으로 최대 요인)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
선단 상태판에서 상태(정상·지연·정차)별 선단 수와 지연 상위 3개 선단의 자연어 설명을 읽는다.
선단 상태판에서 상태(정상·지연·정차)별 선단 수와 지연 상위 3개 선단의 자연어 설명을 읽는다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
기여도 상위 3개 자동 산출 2034건 중 2034건(100%) 상태판 12개 선단: 정상 8, 지연 2, 정차 2, 우천 평균 기여 5.5분으로 최대 요인
선단 상태판에서 상태(정상·지연·정차)별 선단 수와 지연 상위 3개 선단의 자연어 설명을 읽는다. 실행 결과 및 검증 로그
선단 상태판에서 상태(정상·지연·정차)별 선단 수와 지연 상위 3개 선단의 자연어 설명을 읽는다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(기여도 상위 3개 자동 산출 2034건 중 2034건(100%) 상태판 12개 선단: 정상 8, 지연 2, 정차 2, 우천 평균 기여 5.5분으로 최대 요인)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
한 선단의 ETA 변동 추적에서 예측 도착 범위와 실제 도착을 비교한다.
한 선단의 ETA 변동 추적에서 예측 도착 범위와 실제 도착을 비교한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
기여도 상위 3개 자동 산출 2034건 중 2034건(100%) 상태판 12개 선단: 정상 8, 지연 2, 정차 2, 우천 평균 기여 5.5분으로 최대 요인
한 선단의 ETA 변동 추적에서 예측 도착 범위와 실제 도착을 비교한다. 실행 결과 및 검증 로그
한 선단의 ETA 변동 추적에서 예측 도착 범위와 실제 도착을 비교한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(기여도 상위 3개 자동 산출 2034건 중 2034건(100%) 상태판 12개 선단: 정상 8, 지연 2, 정차 2, 우천 평균 기여 5.5분으로 최대 요인)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.
운행계획 PLAN을 255분에서 230분으로 바꿔 상태판의 지연 판정 선단 수가 어떻게 달라지는지 확인한다.
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.
도착 지연 경보가 발생했을 때 현장 확인과 대체 수송 지시를 비용 최적화로 추천하고, 사람이 승인·반려하는 HITL 절차를 설계한다.
", "objectives": "지연 손실 단가, 현장 확인 효과, 대체 수송 비용·도착 시간, 예비 차량 수 제약을 가정값으로 두고 기댓값 최소 조치를 추천해 현재 속도 기반 관행 규칙과 비용을 비교하며 예비 차량 수·우천·민감 화물 시나리오와 단가 민감도를 본다. AI 지시안은 모두 검토대기로 등록하고 대체 수송은 수송통제관과 군수참모의 2단계 결재를 거치게 한다. 사유 10자 이상, 반려 후 재기안 연결, 승인 후 변경 금지, 권한 우회 시도 10건 차단, 해시 체인 감사 로그를 구현한다.
", "scenario": "도착 지연 경보 발생 시 현장 확인 및 대체 지시 HITL 절차를 설계한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, 도착 지연 경보가 발생했을 때 현장 확인과 대체 수송 지시를 비용 최적화로 추천하고, 사람이 승인·반려하는 HITL 절차를 설계한다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 지연 손실 단가, 현장 확인 효과, 대체 수송 비용·도착 시간, 예비 차량 수 제약을 가정값으로 두고 기댓값 최소 조치를 추천해 현재 속도 기반 관행 규칙과 비용을 비교하며 예비 차량 수·우천·민감 화물 시나리오와 단가 민감도를 본다 과정을 진행하는 실습을 체계적으로 수행합니다.
학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.
이번 결과물: src/optimization/mov06_simulator.py 형태의 결과물을 완성한다.
미션 실습 자료
활용 주의: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.
", "techStack": [ "수송·물류·창고", "데이터분석형", "데이터 전처리", "알고리즘 구현", "HITL 검증" ], "deliverables": [ "src/optimization/mov06_simulator.py (필수)" ], "evaluationKeys": [ "[도착 지연 경보 발생 시 현장 확인 및 대체 수송 지시를 위한 HITL 절차 설계] 요구된 핵심 성능 기준(최적화 적용 시 비용 15% 절감 또는 재고 회전율 20% 향상)을 완벽히 달성하였는가?
최적화 적용 시 비용 15% 절감 또는 재고 회전율 20% 향상 기준을 충족하고 선형/정수 계획법(LP/MIP) 최적화 해 도출 및 시뮬레이션 완료을 만족하는 실행 결과 및 로그가 제출되었다.
정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.
돌발 수요(전시 전환 등) 대비 민감도(Sensitivity) 분석 모듈 추가을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.
", "[정성적 타당성] 군사적 현실성 및 현실적 군수 제약조건 반영도 및 시나리오별 대안 제시 적절성 관점의 타당성이 확보되었는가?
현실적 군수 제약조건 반영도 및 시나리오별 대안 제시 적절성이 논리적으로 검증되었으며 과거 실적 데이터 대비 최적화 결과 비교 백테스팅를 통한 무결성이 확인되었다.
비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.
교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.
" ], "evaluationTypes": [ "REQUIRED", "REQUIRED" ], "evaluationText": "평가 구분: 필수
핵심 평가영역: 현실적 군수 제약조건 반영도 및 시나리오별 대안 제시 적절성
정량 기준: 최적화 적용 시 비용 15% 절감 또는 재고 회전율 20% 향상
진행 기준: 선형/정수 계획법(LP/MIP) 최적화 해 도출 및 시뮬레이션 완료
검증 방법: 과거 실적 데이터 대비 최적화 결과 비교 백테스팅
", "aiGuidelines": { "allow": [ "데이터 전처리 알고리즘 및 정규화 서식 추천받기", "이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기", "대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기" ], "rules": [ "최종 판정 및 지휘 결심은 학습자가 직접 수행한다.", "실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.", "AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다." ], "forbid": [ "실제 군사 작전/인사 비밀 데이터를 AI에 입력하기", "검증 없이 AI가 생성한 코드를 그대로 제출하기", "단정적인 자동 결심 결과를 인간 검토 없이 확정하기" ] }, "guideSteps": [ { "step": 1, "problem": "M7 코드를 실행해 시나리오별 관행 규칙과 기댓값 최소 추천의 비용·절감률을 확인한다.", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M7 코드를 실행해 시나리오별 관행 규칙과 기댓값 최소 추천의 비용·절감률을 확인한다.
M7 코드를 실행해 시나리오별 관행 규칙과 기댓값 최소 추천의 비용·절감률을 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
평상 시나리오 절감 38.8%(목표 15% 이상), 예비 차량 0대에서도 18.0% 자동 승인 0건, 권한 우회 차단 10/10(100%), 감사 로그 22건 위·변조 검출
M7 코드를 실행해 시나리오별 관행 규칙과 기댓값 최소 추천의 비용·절감률을 확인한다. 실행 결과 및 검증 로그
M7 코드를 실행해 시나리오별 관행 규칙과 기댓값 최소 추천의 비용·절감률을 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(평상 시나리오 절감 38.8%(목표 15% 이상), 예비 차량 0대에서도 18.0% 자동 승인 0건, 권한 우회 차단 10/10(100%), 감사 로그 22건 위·변조 검출)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
대체 수송 비용 민감도에서 추천 출동 횟수가 어떻게 변하는지 읽는다.
대체 수송 비용 민감도에서 추천 출동 횟수가 어떻게 변하는지 읽는다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
평상 시나리오 절감 38.8%(목표 15% 이상), 예비 차량 0대에서도 18.0% 자동 승인 0건, 권한 우회 차단 10/10(100%), 감사 로그 22건 위·변조 검출
대체 수송 비용 민감도에서 추천 출동 횟수가 어떻게 변하는지 읽는다. 실행 결과 및 검증 로그
대체 수송 비용 민감도에서 추천 출동 횟수가 어떻게 변하는지 읽는다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(평상 시나리오 절감 38.8%(목표 15% 이상), 예비 차량 0대에서도 18.0% 자동 승인 0건, 권한 우회 차단 10/10(100%), 감사 로그 22건 위·변조 검출)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
AI 지시안 6건이 모두 검토대기인지, 권한 우회 시도 10건이 모두 차단되는지, 감사 로그 위·변조가 검출되는지 확인한다.
AI 지시안 6건이 모두 검토대기인지, 권한 우회 시도 10건이 모두 차단되는지, 감사 로그 위·변조가 검출되는지 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
평상 시나리오 절감 38.8%(목표 15% 이상), 예비 차량 0대에서도 18.0% 자동 승인 0건, 권한 우회 차단 10/10(100%), 감사 로그 22건 위·변조 검출
AI 지시안 6건이 모두 검토대기인지, 권한 우회 시도 10건이 모두 차단되는지, 감사 로그 위·변조가 검출되는지 확인한다. 실행 결과 및 검증 로그
AI 지시안 6건이 모두 검토대기인지, 권한 우회 시도 10건이 모두 차단되는지, 감사 로그 위·변조가 검출되는지 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(평상 시나리오 절감 38.8%(목표 15% 이상), 예비 차량 0대에서도 18.0% 자동 승인 0건, 권한 우회 차단 10/10(100%), 감사 로그 22건 위·변조 검출)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.
대체 수송 비용 C_REPL을 45만원에서 100만원으로 바꿔 추천 조치 구성과 절감률이 어떻게 달라지는지 확인한다.
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.
100개 수송선단이 동시에 이동하는 모의 위치 데이터 스트림의 부하 시험을 수행해 처리 성능과 경보 정확도를 측정한다.
", "objectives": "100개 선단의 5분 간격 텔레메트리를 틱 단위로 일괄 처리하는 스트림 엔진을 만들고 중복 제거, 손실, 지연 도착, 이탈·정차 경보와 ETA 배치 예측을 포함한다. 선단 수를 100에서 10000까지 늘려 틱 처리 지연과 대시보드 로딩 시간을 재고, 패킷 손실·중복·지연·GPS 잡음 조건에서 경보 정확도와 재현율을 측정한다. 한계 시험 결과와 대응 방안을 정리한다.
", "scenario": "100개 수송선단 동시 이동 모의 위치 데이터 스트림 부하 테스트를 수행한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, 100개 수송선단이 동시에 이동하는 모의 위치 데이터 스트림의 부하 시험을 수행해 처리 성능과 경보 정확도를 측정한다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 100개 선단의 5분 간격 텔레메트리를 틱 단위로 일괄 처리하는 스트림 엔진을 만들고 중복 제거, 손실, 지연 도착, 이탈·정차 경보와 ETA 배치 예측을 포함 수행하고 검증하는 실습을 체계적으로 수행합니다.
학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.
이번 결과물: src/dashboard/mov06_app.py (Streamlit/Dash 등) 형태의 결과물을 완성한다.
미션 실습 자료
활용 주의: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.
", "techStack": [ "수송·물류·창고", "데이터분석형", "데이터 전처리", "알고리즘 구현", "HITL 검증" ], "deliverables": [ "src/dashboard/mov06_app.py (Streamlit/Dash 등) (필수)" ], "evaluationKeys": [ "[100개 수송선단 동시 이동 모의 실시간 위치 데이터 스트림 부하 테스트] 요구된 핵심 성능 기준(대시보드 로딩 시간 2초 이내, 경보 발령 정확도 95% 이상)을 완벽히 달성하였는가?
대시보드 로딩 시간 2초 이내, 경보 발령 정확도 95% 이상 기준을 충족하고 웹 기반 분석 대시보드 구동 및 실시간 필터링 기능 검증을 만족하는 실행 결과 및 로그가 제출되었다.
정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.
보고서 자동 출력(PDF/Excel Export) 기능 탑재을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.
", "[정성적 타당성] 군사적 현실성 및 의사결정 지원에 최적화된 시각적 위계 및 사용자 경험(UX) 관점의 타당성이 확보되었는가?
의사결정 지원에 최적화된 시각적 위계 및 사용자 경험(UX)이 논리적으로 검증되었으며 실제 군수 데이터 연동 화면 테스트 및 UI 동작 검증를 통한 무결성이 확인되었다.
비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.
교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.
" ], "evaluationTypes": [ "REQUIRED", "REQUIRED" ], "evaluationText": "평가 구분: 필수
핵심 평가영역: 의사결정 지원에 최적화된 시각적 위계 및 사용자 경험(UX)
정량 기준: 대시보드 로딩 시간 2초 이내, 경보 발령 정확도 95% 이상
진행 기준: 웹 기반 분석 대시보드 구동 및 실시간 필터링 기능 검증
검증 방법: 실제 군수 데이터 연동 화면 테스트 및 UI 동작 검증
", "aiGuidelines": { "allow": [ "데이터 전처리 알고리즘 및 정규화 서식 추천받기", "이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기", "대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기" ], "rules": [ "최종 판정 및 지휘 결심은 학습자가 직접 수행한다.", "실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.", "AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다." ], "forbid": [ "실제 군사 작전/인사 비밀 데이터를 AI에 입력하기", "검증 없이 AI가 생성한 코드를 그대로 제출하기", "단정적인 자동 결심 결과를 인간 검토 없이 확정하기" ] }, "guideSteps": [ { "step": 1, "problem": "M8 코드를 실행해 선단 수 100~10000의 틱 처리 지연과 대시보드 로딩 시간을 확인...", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M8 코드를 실행해 선단 수 100~10000의 틱 처리 지연과 대시보드 로딩 시간을 확인한다.
M8 코드를 실행해 선단 수 100~10000의 틱 처리 지연과 대시보드 로딩 시간을 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
100개 선단 대시보드 로딩 0.1초 안팎(목표 2초 이내), 틱 p95 수 ms 통신 오류 4개 조건 최저 정확도 99.5%(목표 95% 이상), GPS 잡음 조건은 91.1%·재현율 57%로 미달
M8 코드를 실행해 선단 수 100~10000의 틱 처리 지연과 대시보드 로딩 시간을 확인한다. 실행 결과 및 검증 로그
M8 코드를 실행해 선단 수 100~10000의 틱 처리 지연과 대시보드 로딩 시간을 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(100개 선단 대시보드 로딩 0.1초 안팎(목표 2초 이내), 틱 p95 수 ms 통신 오류 4개 조건 최저 정확도 99.5%(목표 95% 이상), GPS 잡음 조건은 91.1%·재현율 57%로 미달)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
오류 주입 7조건의 정확도·재현율·오경보를 비교하고 정확도만 보면 안 되는 이유를 읽는다.
오류 주입 7조건의 정확도·재현율·오경보를 비교하고 정확도만 보면 안 되는 이유를 읽는다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
100개 선단 대시보드 로딩 0.1초 안팎(목표 2초 이내), 틱 p95 수 ms 통신 오류 4개 조건 최저 정확도 99.5%(목표 95% 이상), GPS 잡음 조건은 91.1%·재현율 57%로 미달
오류 주입 7조건의 정확도·재현율·오경보를 비교하고 정확도만 보면 안 되는 이유를 읽는다. 실행 결과 및 검증 로그
오류 주입 7조건의 정확도·재현율·오경보를 비교하고 정확도만 보면 안 되는 이유를 읽는다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(100개 선단 대시보드 로딩 0.1초 안팎(목표 2초 이내), 틱 p95 수 ms 통신 오류 4개 조건 최저 정확도 99.5%(목표 95% 이상), GPS 잡음 조건은 91.1%·재현율 57%로 미달)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
한계 시험(10000개, 손실·중복·지연 동시)의 결과와 대응 방안을 확인한다.
한계 시험(10000개, 손실·중복·지연 동시)의 결과와 대응 방안을 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
100개 선단 대시보드 로딩 0.1초 안팎(목표 2초 이내), 틱 p95 수 ms 통신 오류 4개 조건 최저 정확도 99.5%(목표 95% 이상), GPS 잡음 조건은 91.1%·재현율 57%로 미달
한계 시험(10000개, 손실·중복·지연 동시)의 결과와 대응 방안을 확인한다. 실행 결과 및 검증 로그
한계 시험(10000개, 손실·중복·지연 동시)의 결과와 대응 방안을 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(100개 선단 대시보드 로딩 0.1초 안팎(목표 2초 이내), 틱 p95 수 ms 통신 오류 4개 조건 최저 정확도 99.5%(목표 95% 이상), GPS 잡음 조건은 91.1%·재현율 57%로 미달)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.
패킷 손실률을 15%에서 40%로 올려 재현율이 어떻게 달라지는지 확인하고 보완책을 제안한다.
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.
AAR로 ETA 예측 오차를 분석하고 지연 요인 가중치 매트릭스를 재튜닝하며 도입 효과를 정량화한다.
", "objectives": "운영 구간 기록에서 현행 가중치 ETA의 오차를 조건별로 나누고 오차 큰 사례를 불시 정차·우천·정체·비포장 원인으로 분류한다. 남은 1km당 소요 분의 요인별 가중치를 비음수 최소제곱으로 재튜닝하고 보류 구간에서 전후 MAPE·MAE·RMSE를 비교하며 변화가 큰 요인은 사람 검토 대상으로 표시한다. 비용 절감액, 수령 대기·준비 시간 단축률, 투자 회수 기간을 산식과 민감도로 산출한다.
", "scenario": "AAR 기반 ETA 예측 오차를 분석하고 가중치를 재튜닝한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, AAR로 ETA 예측 오차를 분석하고 지연 요인 가중치 매트릭스를 재튜닝하며 도입 효과를 정량화한다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 운영 구간 기록에서 현행 가중치 ETA의 오차를 조건별로 나누고 오차 큰 사례를 불시 정차·우천·정체·비포장 원인으로 분류 수행하고 검증하는 실습을 체계적으로 수행합니다.
학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.
이번 결과물: reports/mov06_roi_analysis.md 형태의 결과물을 완성한다.
미션 실습 자료
활용 주의: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.
", "techStack": [ "수송·물류·창고", "데이터분석형", "데이터 전처리", "알고리즘 구현", "HITL 검증" ], "deliverables": [ "reports/mov06_roi_analysis.md (필수)" ], "evaluationKeys": [ "[AAR 기반 ETA 예측 오차 분석 및 지연 요인 가중치 매트릭스 재튜닝] 요구된 핵심 성능 기준(비용 절감액, 시간 단축률 등 3대 정량 효과 지표 산출)을 완벽히 달성하였는가?
비용 절감액, 시간 단축률 등 3대 정량 효과 지표 산출 기준을 충족하고 ROI 분석 보고서 완성 및 주요 지표 민감도 분석 수록을 만족하는 실행 결과 및 로그가 제출되었다.
정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.
단기/중기/장기 단계별 도입 효과 로드맵 구체화을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.
", "[정성적 타당성] 군사적 현실성 및 추정 산식의 객관성 및 군 재정/군수 기획 부서 설득력 관점의 타당성이 확보되었는가?
추정 산식의 객관성 및 군 재정/군수 기획 부서 설득력이 논리적으로 검증되었으며 회계/기획 기준 모델과의 비교 검증를 통한 무결성이 확인되었다.
비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.
교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.
" ], "evaluationTypes": [ "REQUIRED", "REQUIRED" ], "evaluationText": "평가 구분: 필수
핵심 평가영역: 추정 산식의 객관성 및 군 재정/군수 기획 부서 설득력
정량 기준: 비용 절감액, 시간 단축률 등 3대 정량 효과 지표 산출
진행 기준: ROI 분석 보고서 완성 및 주요 지표 민감도 분석 수록
검증 방법: 회계/기획 기준 모델과의 비교 검증
", "aiGuidelines": { "allow": [ "데이터 전처리 알고리즘 및 정규화 서식 추천받기", "이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기", "대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기" ], "rules": [ "최종 판정 및 지휘 결심은 학습자가 직접 수행한다.", "실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.", "AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다." ], "forbid": [ "실제 군사 작전/인사 비밀 데이터를 AI에 입력하기", "검증 없이 AI가 생성한 코드를 그대로 제출하기", "단정적인 자동 결심 결과를 인간 검토 없이 확정하기" ] }, "guideSteps": [ { "step": 1, "problem": "M9 코드를 실행해 현행 가중치 ETA의 조건별 오차와 오차 큰 사례의 원인 분류를 확인한...", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M9 코드를 실행해 현행 가중치 ETA의 조건별 오차와 오차 큰 사례의 원인 분류를 확인한다.
M9 코드를 실행해 현행 가중치 ETA의 조건별 오차와 오차 큰 사례의 원인 분류를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
현행 MAPE 21.2% 우천 28.6%, 보류 구간 MAPE 18.8% -> 8.1%, MAE 24.7 -> 9.9분 연간 절감 2,016만원, 대기·준비 시간 단축률 37.3%, 회수 17.9개월
M9 코드를 실행해 현행 가중치 ETA의 조건별 오차와 오차 큰 사례의 원인 분류를 확인한다. 실행 결과 및 검증 로그
M9 코드를 실행해 현행 가중치 ETA의 조건별 오차와 오차 큰 사례의 원인 분류를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(현행 MAPE 21.2% 우천 28.6%, 보류 구간 MAPE 18.8% -> 8.1%, MAE 24.7 -> 9.9분 연간 절감 2,016만원, 대기·준비 시간 단축률 37.3%, 회수 17.9개월)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
재튜닝 전후 가중치 매트릭스와 보류 구간 성능을 비교하고 사람 검토 대상 요인을 읽는다.
재튜닝 전후 가중치 매트릭스와 보류 구간 성능을 비교하고 사람 검토 대상 요인을 읽는다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
현행 MAPE 21.2% 우천 28.6%, 보류 구간 MAPE 18.8% -> 8.1%, MAE 24.7 -> 9.9분 연간 절감 2,016만원, 대기·준비 시간 단축률 37.3%, 회수 17.9개월
재튜닝 전후 가중치 매트릭스와 보류 구간 성능을 비교하고 사람 검토 대상 요인을 읽는다. 실행 결과 및 검증 로그
재튜닝 전후 가중치 매트릭스와 보류 구간 성능을 비교하고 사람 검토 대상 요인을 읽는다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(현행 MAPE 21.2% 우천 28.6%, 보류 구간 MAPE 18.8% -> 8.1%, MAE 24.7 -> 9.9분 연간 절감 2,016만원, 대기·준비 시간 단축률 37.3%, 회수 17.9개월)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
ROI 3대 지표와 횟수 민감도를 확인한다.
ROI 3대 지표와 횟수 민감도를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
현행 MAPE 21.2% 우천 28.6%, 보류 구간 MAPE 18.8% -> 8.1%, MAE 24.7 -> 9.9분 연간 절감 2,016만원, 대기·준비 시간 단축률 37.3%, 회수 17.9개월
ROI 3대 지표와 횟수 민감도를 확인한다. 실행 결과 및 검증 로그
ROI 3대 지표와 횟수 민감도를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(현행 MAPE 21.2% 우천 28.6%, 보류 구간 MAPE 18.8% -> 8.1%, MAE 24.7 -> 9.9분 연간 절감 2,016만원, 대기·준비 시간 단축률 37.3%, 회수 17.9개월)를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.
연 수송 횟수 TRIPS_YR를 1200회에서 600회로 바꿔 절감액과 회수 기간이 어떻게 달라지는지 확인한다.
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.
군수품 이동 상태 추적과 ETA 예측을 하나로 묶은 통합 파이프라인을 완성하고 자동 재학습·운영 문서·자체 점검을 갖춘다.
", "objectives": "신규 이동 40개를 추가해 정합성을 검증하고 기존 모델의 오차로 드리프트를 판단한 뒤 챌린저 모델을 학습해 개선이 3% 이상일 때만 승격한다. 120분 시점 선단의 ETA와 지연·이탈·정차 경보를 산출하고 경보 건은 자동 지시 없이 승인대기로 분리하며, 요일·추세 Ridge로 향후 7일 납품 소요를 예측해 전주 동요일 기준과 비교한다. 운영 문서 완비율, 인터페이스 명세, 자체 점검표, 브리핑 요약을 출력한다.
", "scenario": "군수품 이동 상태 추적 및 도착 예정 시간(ETA) 예측 시스템을 완성한다. 실제 전술 현장에서는 단순 탐지에 그치지 않고 신속한 위협 판단과 신뢰도 높은 의사결정이 필수적이므로, 군수품 이동 상태 추적과 ETA 예측을 하나로 묶은 통합 파이프라인을 완성하고 자동 재학습·운영 문서·자체 점검을 갖춘다. 과업을 완수하여 오판을 방지하고 작전 대응력을 극대화해야 합니다.
이 문제를 해결하기 위해 본 미션에서는 신규 이동 40개를 추가해 정합성을 검증하고 기존 모델의 오차로 드리프트를 판단한 뒤 챌린저 모델을 학습해 개선이 3% 이상일 때만 승격 수행하고 검증하는 실습을 체계적으로 수행합니다.
학습자는 실습가이드에 제시된 총 4개 세부 활동(기본 기능 구현 ➔ 결과 지표 검증 ➔ 파라미터 튜닝 및 도전과제)을 순차적으로 진행하며 핵심 판정 기준을 달성합니다.
이번 결과물: docs/mov06_operations_guide.md 및 pipeline/mov06_retrain.py 형태의 결과물을 완성한다.
미션 실습 자료
활용 주의: 제공된 교육용 가상 데이터만 사용하며 실제 군사 비밀 및 개인정보는 입력하지 않습니다.
", "techStack": [ "수송·물류·창고", "데이터분석형", "데이터 전처리", "알고리즘 구현", "HITL 검증" ], "deliverables": [ "docs/mov06_operations_guide.md (필수)", "pipeline/mov06_retrain.py (필수)" ], "evaluationKeys": [ "[군수품 이동 상태 추적 및 도착 예정 시간(ETA) 예측 시스템 최종 완성] 요구된 핵심 성능 기준(자동 재학습 파이프라인 정상 실행, 최종 문서 100% 완비)을 완벽히 달성하였는가?
자동 재학습 파이프라인 정상 실행, 최종 문서 100% 완비 기준을 충족하고 최종 인도물 검수 및 프로젝트 완료 발표자료 완성을 만족하는 실행 결과 및 로그가 제출되었다.
정량적 지표가 기준치에 미달하거나 실행 로그에서 예외/결측 오류가 발생한 경우.
차기 국방군수통합정보체계(DELIIS 등) 연계 인터페이스 가이드 수록을 적용하여 파라미터를 보정하고 단위 테스트를 재수행한다.
", "[정성적 타당성] 군사적 현실성 및 지속 가능한 운영 가능성 및 국방 군수 정보체계와의 연동 용이성 관점의 타당성이 확보되었는가?
지속 가능한 운영 가능성 및 국방 군수 정보체계와의 연동 용이성이 논리적으로 검증되었으며 End-to-End 전체 파이프라인 자동화 실행 및 최종 검수를 통한 무결성이 확인되었다.
비현실적인 가정을 적용했거나 오류 원인에 대한 정성적 설명 근거가 부족한 경우.
교차 검증 데이터를 보강하고 지휘관/실무자 관점의 해석 근거를 명시한다.
" ], "evaluationTypes": [ "REQUIRED", "REQUIRED" ], "evaluationText": "평가 구분: 필수
핵심 평가영역: 지속 가능한 운영 가능성 및 국방 군수 정보체계와의 연동 용이성
정량 기준: 자동 재학습 파이프라인 정상 실행, 최종 문서 100% 완비
진행 기준: 최종 인도물 검수 및 프로젝트 완료 발표자료 완성
검증 방법: End-to-End 전체 파이프라인 자동화 실행 및 최종 검수
", "aiGuidelines": { "allow": [ "데이터 전처리 알고리즘 및 정규화 서식 추천받기", "이상치 탐지 및 모델 파라미터 튜닝 아이디어 제안받기", "대시보드 UI 컴포넌트 코드 및 시각화 서식 생성하기" ], "rules": [ "최종 판정 및 지휘 결심은 학습자가 직접 수행한다.", "실제 군사 비밀이나 개인 식별 정보는 입력하지 않는다.", "AI의 출력 결과를 맹신하지 않고 반드시 단위 테스트로 검증한다." ], "forbid": [ "실제 군사 작전/인사 비밀 데이터를 AI에 입력하기", "검증 없이 AI가 생성한 코드를 그대로 제출하기", "단정적인 자동 결심 결과를 인간 검토 없이 확정하기" ] }, "guideSteps": [ { "step": 1, "problem": "M10 코드를 실행해 데이터 정합성, 드리프트 점검, 챔피언/챌린저 판정 결과를 확인한다.", "activity": "단순 코드 실행 여부뿐만 아니라 출력된 수치와 근거 자료가 군 실무 요구사항에 부합하는지 면밀히 확인한다.
M10 코드를 실행해 데이터 정합성, 드리프트 점검, 챔피언/챌린저 판정 결과를 확인한다.
M10 코드를 실행해 데이터 정합성, 드리프트 점검, 챔피언/챌린저 판정 결과를 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
( )
M10 코드를 실행해 데이터 정합성, 드리프트 점검, 챔피언/챌린저 판정 결과를 확인한다. 실행 결과 및 검증 로그
M10 코드를 실행해 데이터 정합성, 드리프트 점검, 챔피언/챌린저 판정 결과를 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(( ))를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
120분 시점 상태판에서 경보 건이 승인대기로 분리되었는지와 7일 납품 소요 예측 검증을 확인한다.
120분 시점 상태판에서 경보 건이 승인대기로 분리되었는지와 7일 납품 소요 예측 검증을 확인한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
( )
120분 시점 상태판에서 경보 건이 승인대기로 분리되었는지와 7일 납품 소요 예측 검증을 확인한다. 실행 결과 및 검증 로그
120분 시점 상태판에서 경보 건이 승인대기로 분리되었는지와 7일 납품 소요 예측 검증을 확인한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(( ))를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
자체 점검표와 브리핑 요약이 앞의 수치와 일치하는지 대조한다.
자체 점검표와 브리핑 요약이 앞의 수치와 일치하는지 대조한다.에 필요한 데이터셋과 입력 파라미터를 준비한다.
정답 코드 및 모듈을 실행하여 중간 출력 결과를 도출한다.
출력된 지표와 로그가 기준 조건을 만족하는지 대조·검증한다.
( )
자체 점검표와 브리핑 요약이 앞의 수치와 일치하는지 대조한다. 실행 결과 및 검증 로그
자체 점검표와 브리핑 요약이 앞의 수치와 일치하는지 대조한다. 과정이 정상적으로 수행되고 오류 없이 완료되었다.
요구된 핵심 성능 지표(( ))를 충족하였다.
실행 중 오류가 발생했거나 필수 검증 지표가 누락된 경우 재실행하여 보완한다.
기본 파이프라인 수행 후 심화 튜닝 및 조건 변경을 통해 최적화 역량을 다진다.
드리프트 기준 drift_mape를 8.0에서 5.0으로 낮추고 재학습 판정이 어떻게 달라지는지 확인한다.
파라미터 변경 전후 비교 분석 메모 및 최종 최적화 결과
도전 과제 변경 사항이 논리적으로 타당하며 결과 변화 이유를 명확히 기술하였다.